建水| 托里| 綦江| 满城| 鄂温克族自治旗| 平川| 延庆| 巴中| 宁夏| 莱芜| 佛坪| 犍为| 白碱滩| 大理| 新丰| 白云矿| 南安| 萝北| 长顺| 常山| 晋宁| 安宁| 井冈山| 沛县| 乐山| 沈阳| 东山| 鹿寨| 江阴| 林甸| 木兰| 日喀则| 洱源| 华安| 安阳| 通渭| 江都| 徐州| 浮梁| 淮阴| 丽江| 浦口| 平泉| 尼木| 隆化| 习水| 正宁| 靖西| 崇明| 望城| 云浮| 西峰| 浦北| 南郑| 同心| 龙川| 都匀| 浙江| 隆回| 绛县| 兴国| 贾汪| 定西| 巩留| 开阳| 莱西| 漠河| 东西湖| 兰州| 昌宁| 土默特左旗| 漠河| 沅江| 乌拉特后旗| 都江堰| 新丰| 应城| 昌黎| 册亨| 玉龙| 铜鼓| 中阳| 乌兰浩特| 献县| 河口| 敦化| 临县| 平原| 龙门| 句容| 哈尔滨| 洋山港| 新巴尔虎左旗| 海淀| 鹤岗| 岳阳市| 天柱| 莲花| 无锡| 扶余| 盘县| 梧州| 天峨| 喀什| 呼图壁| 洛浦| 恭城| 平山| 元阳| 晋宁| 台山| 雄县| 大通| 汉源| 长岛| 北流| 河池| 抚宁| 松阳| 抚宁| 钦州| 吴堡| 亚东| 冀州| 娄烦| 靖宇| 张家川| 无棣| 绥芬河| 靖江| 郑州| 淮阴| 达尔罕茂明安联合旗| 咸宁| 长治县| 若羌| 社旗| 平罗| 六枝| 桓仁| 吴川| 罗源| 冠县| 商都| 长垣| 嘉善| 青白江| 洪雅| 稷山| 石屏| 南通| 奉贤| 铁岭市| 榕江| 和硕| 清河门| 南漳| 汝南| 新宁| 册亨| 云梦| 日喀则| 宣威| 茄子河| 台北市| 彭州| 洋山港| 名山| 阿瓦提| 钦州| 兴业| 英吉沙| 彭阳| 香河| 隆尧| 克东| 合作| 宝山| 康保| 猇亭| 定襄| 乐陵| 陆良| 凯里| 泸溪| 林芝镇| 清流| 汨罗| 定州| 珊瑚岛| 潘集| 云龙| 晋江| 西固| 长乐| 成县| 丁青| 鹤峰| 北宁| 山海关| 韶山| 灵寿| 昌宁| 壤塘| 赞皇| 工布江达| 曹县| 九龙| 彭州| 沁县| 眉县| 陕县| 罗平| 宕昌| 蕲春| 本溪市| 遵义县| 上甘岭| 交口| 蒙自| 金塔| 靖安| 个旧| 勃利| 岷县| 霍山| 永济| 湖北| 威远| 扶余| 桦甸| 涞水| 海丰| 芜湖县| 台东| 杞县| 东乌珠穆沁旗| 泉州| 奉贤| 宜春| 巩义| 墨江| 平顶山| 庄浪| 融安| 双流| 荆州| 赤城| 兴文| 平顺| 济宁| 澄迈| 明水| 宝清| 呼和浩特| 宾县| 宽甸| 廊坊| 揭东| 建宁| 巩义| 宜宾市| 金佛山| 湘潭市| 美高梅娱乐场 央广网

从地铁刷卡数据能看出什么?

2018-12-13 09:28:00来源:北京日报

  导读

  职住动态关系与居民通勤行为紧密相关,是当前超大城市精细化管理、城市可持续发展的关键问题之一。11月20日,《美国科学院院刊》在线发表了中国科学院地理科学与资源研究所王姣娥、黄洁与悉尼大学、香港大学、北京交通大学合作者基于2011-2017年北京市地铁刷卡数据进行的职住动态关系研究。本版特约研究者撰文向读者介绍他们的研究。

  地铁刷卡数据反映职住变化

  大数据是指一种具备海量的数据规模、快速的数据流转、真实记录的数据集合。因此,获取、存储、管理大数据的难度均大大超出了传统问卷调查、统计数据。大数据挖掘需要新处理模式、强洞察发现力和流程优化能力,才能最大程度地丰富大数据的科学价值。

  在城市交通研究中,智能交通卡刷卡数据(包括地铁和公交)、车载GPS数据、共享单车轨迹数据等都是学者们常用的数据集合,因为这些数据集合包含了出行记录的详细信息。以地铁出行为例,智能交通卡刷卡数据会赋予持卡人一个固定卡号,并且记录每一次出行的进站点、进站时间、出站点以及出站时间。每一条出行记录就包括了出行者代号、出发地和目的地、两点间出行时间的详细信息,可以用来研究居民出行行为。

  虽然城市交通研究已经广泛运用大数据,但是以往的研究均局限在短期观测、整体研究的角度,缺乏对社会经济内涵的挖掘。

  什么是了解城市居民生活的重要因素?可以说,工作地点、居住地点和连接二者的通勤反映了居民的生活节奏、生活轨迹、生活品质等。因此,通勤行为与职住动态关系一直是地理学、经济学、社会学等学科长期关注的研究热点。

  考虑到以上因素,研究者运用2011-2017年北京市地铁刷卡数据,寻找连续7年乘坐地铁通勤的持卡人。根据每位持卡人每年的出行规律,搜寻当年所有从工作地返家的出行记录(注:数据经过清洗,不包含任何个人隐私信息)。在这些出行记录里,每位持卡人的进站点可认为是离工作地最近的站点,即“工作地站点”;每位持卡人的出站点可认为是离居住地最近的站点,即“居住地站点”;还可以获得职住站点之间的相应出行时间。以此结果构建的数据库,可以帮助研究者追踪持卡人长期的职住动态变化。

  北京居民通勤的“45分钟定律”

  研究发现了一个有趣的“45分钟定律”。经过7年的观测,45分钟的地铁内通勤时间(进站点到出站点的时间)可以认为是北京居民可忍受通勤时间的最大值:

  ——若地铁内通勤时间小于45分钟,居民倾向于延长通勤时间进而获取更好的就业机会或者居住环境;

  ——若地铁内通勤时间大于45分钟,即超过了可忍受通勤时间的阈值,居民搬迁职住地时会以缩短通勤时间为目标之一。

  通勤是生活中的小事,却与每个人的生活息息相关,影响着我们的生活幸福感。45分钟的地铁内通勤时间意味着“门到门”的单程通勤时间大致是一个小时。45分钟可忍受阈值的发现可以为北京市轨道线路规划提供一个科学的依据。当然,这一定律只能适用于类似规模的大城市轨道交通规划。不同规模的城市可能存在着不同的可忍受通勤时间。

  地铁通勤者分为四类人群

  如果我们固定观测人群,那么在短期内,他们的职住搬迁比例会逐渐降低。诚然,我们总是倾向于更加稳定的生活,不是吗?但是,如果我们延长观测周期,居民的职住搬迁比例会出现周期性波动。也就是说,每隔一段时间人们搬家或者换工作的概率都会变大,因为人生中重大的事情在发生,比如,生小孩了要换更大的房子;工作有了一定的积累就换工作。对于北京市长期乘坐地铁通勤的居民来说,他们的波动周期大致是4年。试想一下,你是不是在四年内进行了搬家或者换工作呢?

  什么是能够反映人们生活状态的主要因素呢?对待通勤时间和住房成本的态度被认为是主要因素。比如,有些人愿意每天的通勤时间长一些、少付一些租金;而有些人认为时间更加宝贵,愿意支付更多的租金来减少通勤时间。研究者收集了北京市每个地铁站点周边二手房每平方米的平均价格,匹配到识别出来的居住站点,分析了7年内每个持卡人住房成本和通勤时间的相互影响关系。

  结合地铁通勤者职住地点、住房成本以及出行时间的变化特征,研究者找到了四类截然不同的人,即安居乐业者、迁居者、升职定居者、跳槽者。

  安居乐业者

  是指7年既不搬家又不换工作的地铁通勤者。这类人群占整体样本中的16.38%。研究发现,安居乐业者在四类人群中通勤时间最短,他们的平均地铁内通勤时间(进站点到出站点的时间)大概为36分钟;他们通常居住在平均住房成本较高的地铁站点周边,大约为6.9万元/平方米。整体来看,安居乐业者的住所、工作稳定。他们的住所59%位于五环以内,而且有很多安居乐业者居住在内城区。他们的工作地也多位于2号线站点周边。安居乐业者应该是“有房一族”的中高收入人群。

  迁居者

  是指7年内至少搬家一次的地铁通勤者。他们的比例大约是11.09%。迁居者的工作地与安居乐业者的工作地位置接近。可以推测,迁居者的工作收入也相对较高。2011年,他们的居住地与安居乐业者类似;到2017年,他们的居住地普遍搬移到四环到五环。模型的验证结果显示,他们对于住房成本的敏感性在逐步增加。可以得到的推论是:他们先在内城区租房,租房的压力对迁居者来说不是很大,随着他们买房的意愿增加,对住房成本的敏感性增强,最终在四环、五环区域买房。因此,他们经历了内城租房到城区买房的过程。在这一过程中,迁居者的职住分离在加剧,平均地铁内通勤时间从35分钟增长到39分钟。

  升职定居者

  是指7年内至少换工作一次且至少搬家一次的通勤者。这类人的比例为61.35%,是占比最大的一类人群。从统计分析可以发现,升职定居者7年内平均换工作2.65次、搬家2.51次;反映了大城市居民在城市内部的高流动性。2011到2017年,升职定居者的居住地,逐渐与安居乐业者的居住地接近。不同于迁居者,他们对住房成本的敏感性在逐步降低,倾向于搬迁到住房成本更高的地铁站点周边。同时,他们的工作地不断变化,在新的就业中心聚集。因此,可以认为他们是城市的上升群体。值得关注的是,由于新兴的就业中心多聚集在离市中心较远的地方,而较好的居住环境通常在内城区,这类人群在“升职定居”的过程中,职住分离的情况越来越严重。从2011年到2017年,升职定居者的平均地铁内通勤时间从36分钟增长到40分钟。

  跳槽者

  是指7年至少换工作一次的地铁通勤者。这类人群占比为11.18%。他们忍受着最长通勤时间,地铁内通勤时间稳定在43分钟左右。并且,他们倾向于居住在周边住房成本较低的站点,65%的跳槽者居住在五环以外。相比之下,跳槽者高频率地换工作、多居住在近郊、忍受着较长时间的通勤。可以认为,他们多为进京打工的群体,甚至是中低收入的临时工。他们极有可能是长期租房的人群。

  职住地分布格局为精细化管理提供依据

  从简单的地铁刷卡记录和站点周边平均住房成本中,搜寻到四类生活状态截然不同的人,强调了纵向分析、分群体研究、挖掘社会经济内涵在大数据研究中的重要性。这四类人反映了长期依赖地铁通勤人群的不同生活状态或者社会经济属性。也就是说,不同群体可能存在着通勤时间与住房成本的不同博弈关系。

  可以发现,在大城市里,地铁是不同人群均依赖的重要通勤方式。从迁居者和升职定居者的经历来看,高品质居住区(包括高品质中小学、医院、城市绿地等)应更多地在近郊规划,以缓解大部分地铁通勤人群的职住分离问题;从跳槽者的经历来看,需要开通更多从近郊到市中心的地铁快速线,以提高近郊到市中心的通勤效率。因此,不同人群的职住地分布格局可以为当前超大城市精细化管理、城市可持续发展提供科学的依据。王姣娥 黄洁

编辑: 胡莹莹

从地铁刷卡数据能看出什么?

在城市交通研究中,智能交通卡刷卡数据、车载GPS数据等都是学者们常用的数据集合,因为这些数据集合包含了出行记录的详细信息。

关闭
房山窑上 老鹰山镇 汶上县 朝阳幼儿园 江苏锡山区东亭镇
祝村镇 康新花园 新屋 聚星大聚星大酒楼 向阳街居委会
汉葭镇 顺江桥 红旗桥 台湾同胞接待处 大来镇
铁楼藏族乡 德盛路 千顷堂 镇安 橘子洲大桥
葡京网上赌场 巴黎人平台 新濠天地娱乐 威尼斯人网站 3D预测
MG电子游戏 博彩评级 澳门葡京开户 真人博彩 澳门星际官网