, 苏海宇中山大学地理科学与规划学院 广东省城市化与地理环境空间模拟重点实验室,广州 510275
Social space analysis based on social atlas: A case study of Dongguan city
LIUYungang, SUHaiyu通讯作者:
收稿日期:2015-07-14
修回日期:2015-12-30
网络出版日期:2016-08-25
版权声明:2016《地理学报》编辑部本文是开放获取期刊文献，在以下情况下可以自由使用：学术研究、学术交流、科研教学等，但不允许用于商业目的.
基金资助:
作者简介:
-->
展开
摘要
关键词：
Abstract
Keywords：
-->0
PDF (14043KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
随着中国社会进入转型期,城市发展逐渐从关注经济建设转向关注社会建设,在此背景下,对城市社会的空间认知亦变得日益重要。近年来,关于社会空间的讨论日益升温,但其中大部分是着眼于抽象的概念层面,或者对西方社会空间镜像的演绎。地理****主要以Shevky等[1]1955年提出的社会区分析范式为基础,推进相关的实证研究。在中国,主要探讨了城市社会空间的结构、分异特征等方面,积累了一些成果,如虞蔚[2]、李志刚等[3]对上海,许学强等[4]、郑静等[5]、周春山等[6]等对广州,顾朝林[7]、冯健等[8]对北京,薛德升等[9]对韶关,徐旳等[10]对南京,张利等[11]对乌鲁木齐的研究等。但这些社会空间研究大多只是基于既有的西方“社会区”概念的理论验证工作。虽然通过数据分析和聚类,上述研究迅速刻画出了中国城市社会的空间结构特征,但这些特征是否是对中国城市社会的贴切如实呈现?其分析结论对中国城市社会治理和规划的实践具有多大的指导意义?在这些方面,既往研究无疑仍留下诸多想象空间。究其根本,在此之前基于社会区的中国城市社会空间研究主要关注了社会空间的综合分异和关键因子间关系的解析,而对社会要素本身的空间特征探究相对不足。其高度概括的空间结构呈现,与城市社会的实际运行之间缺乏过程、机制上的理解。社会区分析的理论构想来源于对美国城市社会的经验总结,其依据的社会层次结构假设、社会分异影响因素等是否可以默认为是中国城市社会的现实?这一点并不确信。因此,于现实而言,当前需要的是回头思考和辨识中国社会空间本身的特征、类型、演化过程、影响因素等,需要从方法论本源上、以归纳法为主进行再思考。
回归本源,经典的城市空间研究比如同心圆假说首先是来源于归纳,把各种城市问题及相关的社会要素标注于地图上,以地图为基础来认识社会空间的特征。后来Shevky等[1]提出三大关键因子和形成社会区分析框架其实也是遵循这一基本思路。因此,从原理上讲,首先采用归纳的方法来认识社会空间特征,应是理解中国城市社会空间的第一步,而社会地图（Social Atlas）是其中最基础的工作,即基于历史或现状的社会数据,通过某种空间可视化方法对社会要素的空间特征、社会属性与物质环境的空间关系、空间结构等进行解析[12]。这一基于地图方法来理解社会空间的流派由来已久,也并非本文独创[13]。英国从19世纪中期之后就已经开始社会地图的制作[14-15],澳大利亚于20世纪70年代[16]、日本于20世纪80年代[17-18]也纷纷展开了类似的研究工作,主要针对人口、性别、家庭、教育、就业、健康等社会要素。20世纪80年代,一些****更关注社会地图对于某一社会问题的解析功能,关于政治选举[19]、女性问题[20-21]、种族隔离[22-24]、社会贫困[25]、健康福利[26-28]、收缩城市[29]等专题研究也陆续展开。20世纪90年代后,运用社会地图进行社会分区的研究也出现了萌芽,如Morrill[30]和倉沢進等[18]基于社会要素叠合分别对美国与日本城市进行了社会空间分区和结构检验。总体上,随着数据技术的进步,社会地图研究从最初的要素呈现到针对某一问题的主题讨论和解析,其内容和形式日益多样化。研究视角上,从关注单一社会要素本身向关注包括社会要素、基础环境和人文制度在内的复合视角转变,如欧洲****Dorling等[31]、Ballas等[32]及Halman等[33]开始转向道德、情感、价值观念等话题的关注。众多地图成果是认识复杂的城市社会空间重要的基础资料,然而现阶段该方面工作目前在中国尚较为欠缺。本文在此尝试以社会地图为基础,重新认识中国城市社会空间特征,并在此基础上进行社会分区的尝试。
2 研究视角与方法
2.1 面向社会地图的社会空间定义
不同的学科基于不同的视角赋予“社会空间”不同的解释。Lefebvre[34]认为社会空间是社会存在的物化,构建了一个三元一体的空间生产过程理论框架,即空间实践、空间的表征和表征的空间,分别对应于社会物质构成的生产与再生产空间维度,生产关系及秩序安排的构想空间维度和被支配客体直接经历的使用者空间维度。随后哈维继承了列氏的空间三重性,同时用4个方面将抽象的空间实践具体化,即可及性和间隔化（生产要素流动、交通系统、城市等级结构）;空间的占用和利用（土地利用和建成环境）;空间支配和控制（私有土地和政府的空间划分、排外社群）;空间的生产（社会基础设施）。虽然哈维将“空间性”真正空间化,明确了社会空间的地理要素,但其构建的网络框架较为繁琐,不易于应用于系统的空间研究,并未得到广泛应用。对应于规划实践的角度,徐震[35]、赵民等[36]****则分别从社区或社会区层面提出了社会结构的要素组成,基本可归纳为居民主体、物质环境、组织管理和文化意识4个方面,其中刘佳燕[37]特别强调了社会规划中纳入权力制度维度的必要性。据此,考虑到研究的可操作性,本文基于规划实践中的社会要素定义,结合“社会—空间生产”的内涵,提出一种便于分析与应用的社会具化空间的定义（图1）,分为3个层面(由于文化意识方面难以从实体空间中考量,故此暂不纳入考虑。)：第一是生活空间,指在社会空间中呈现出不同特征的行为主体和使用者所构成的社会空间关系等;第二是物质空间,是可感知的实体空间,主要指占据一定地域,服务于社会生活的具有社会公共性的设施配套等;第三是制度空间,即维系社会内部生产关系的秩序和权力结构的支配主体,包括从事组织管理的各类机构团体等。本文从社会人口、服务设施、组织机构3类要素出发,进行社会地图绘制并归纳社会空间特征。
显示原图|下载原图ZIP|生成PPT图1社会空间的要素结构
-->Fig. 1The structure of social space
-->
2.2 三大要素的指标构成
2.2.1 社会人口 本文认为人口特征可从个人属性、家庭特征和社会关系3个层面进行描述,因此年龄结构、户口状况、家庭住房状况、受教育程度、职业类型等指标将纳入讨论。2.2.2 服务设施 目前城市服务设施有多种分类方式,本文依据服务设施的经营性与供给主体的差异,将其分为以政策主导的公益性设施和以市场主导的经营性设施。公益性设施包括教育、医疗、文体、社区服务等公共设施;经营性设施包括商业零售、餐饮娱乐、商务服务等。
2.2.3 组织机构 依据城市治理结构中的3类组织划分方式[38],本文分别用行政机关、社团协会和公司企业分别代表政府、社会和市场组织,探讨制度、资本、社会公众3类组织的空间体现。
2.3 社会地图的表达方法
既往研究多以行政区为单元进行社会空间分析,这样做虽然数据相对有保障,但也具有历年不稳定、不精确、数据不统一等问题[39]。此外,数据仅以该行政区内的指标总量或平均值的形式呈现,也易丢失指标的空间分布特征。对此,柏中强等[40]认为,利用网格单元表达社会、经济数据的空间特征便于进行相关比较和分析,并能更准确地反映人口的真实空间分布状况和空间结构模式。其中面积权重内插法使用简单且易于叠置,即假定人口在源区域内和目标区域内分布均匀,并且保证源区域与目标区域的人口数相等。其算法为：式中：Pi为目标区域中的人口数;Ai为第i个源区域的面积;
这种数据转换方法未考虑影响人口空间分布的因素,多适用于较小尺度的研究[41]。而本文的数据以居委会为统计单元,各单元平均面积为4.07 km2,以1 km为尺度进行数据网格化转换形成的偏差处于可接受范围,可用于本文的社会人口数据格网化表达。
3 研究区域
本文选择东莞市作为研究区域,其位于广东省广州至深圳经济走廊中间地带,毗邻港澳,处于穗港深及珠江口东岸的腹地区域（图2a）。改革开放以来凭借其优越的交通区位（图2b）,利用“三来一补”发展外向型经济,较早确立了“世界工厂”地位。现辖28个镇、4个街道和3个直辖园区（图2c）,全市总面积2465 km2,按自然环境可分为东南部山区片、中南部丘陵片、东北部埔田片、西北部水乡片和西南部沿海片5个片区（图2d）。2010年全市常住人口为822万人,是广州、深圳之后的广东省第三人口大市,人口密度约3335人/km2。其中,外来人口占4/5,远高于珠三角地区36%的平均水平。
显示原图|下载原图ZIP|生成PPT图2东莞市地理区位、行政区划和自然条件
-->Fig. 2The location, administrative division and natural conditions of Dongguan city
-->
目前,中国城市社会空间研究主要集中于上海、广州、北京等大城市,对中小城市关注不足。东莞市作为中国快速工业化的典型代表,本文以东莞市为例,将弥补了中国中小城市社会空间的研究不足,并探讨工业主导形成的社会空间特征。社会地图分析主要采用两部分数据：① 东莞市统计局提供的2011年东莞市统计年鉴和2010年东莞市第六次全国人口普查数据,数据单元为383个村和214个社区;② 2011年东莞市服务设施、组织管理机构的POI点数据,提取自某导航系统的纠偏数据库,并对重复条目进行删除整理,以尽量确保数据的准确性。
4 东莞市社会地图特征
4.1 人口的空间属性
人口分布：东莞市常住人口沿广深高速和广深铁路两条重要交通线走向分布,呈现出多核心和多组团的空间结构,并未显示出明显的中心性（图3a）。
显示原图|下载原图ZIP|生成PPT图32010年东莞市人口属性地图
-->Fig. 3The demographic maps of Dongguan city in 2010
-->
性别分布：人口密集区域多属女性高占比范围（图3b）,其中城市区、虎门、厚街和常平等服务业发达区,女性人口明显偏高,而城市边缘区则以男性居多。
年龄分布：15岁以下人口占8.25%,15~60岁占88.21%,60岁以上占3.54%,属于年轻型社会。少年儿童主要集中于市区（图3d）;劳动年龄人口与常住人口分布具类似（图3e）;老年人向心性强,集中在莞城和石龙的老城区（图3f）。
户籍分布：户籍人口多集中在西北部,莞城最为密集,其次为虎门、石龙、南城等（图3g）;非农业户籍人口形成1个核心片区和2大组团的空间格局（图3i）,其中市区中心为集聚核心区;农业户籍人口分布则相反（图3h）。
外来人口分布：东莞市外来人口数量庞大,长安和虎门最密集（图3j）。其中经济型迁移人口（务工经商）占比最大,与人口总体布局相似（图3k）;家庭亲属型迁移人口（投靠亲友、拆迁搬家、婚姻嫁娶）落户能力较强,向市区集中（图3l、3m、3n）;学习培训型人口则分布在市区和松山湖等教育资源优越区（图3o）。
家庭类型：东莞市家庭户与集体户比约7:3。家庭户趋向市区布局,莞城密度最高（图4a）;集体户则以镇区为主要集聚地,如虎门、长安、塘厦、常平、大朗、寮步等经济发达镇区（图4b）。
显示原图|下载原图ZIP|生成PPT图42010年东莞市家庭状况地图
-->Fig. 4The household maps of Dongguan city in 2010
-->
家庭代数：东莞市一代户家庭占70%,与经济迁移型外来人口分布相似,该类人群主要为单身未育的外来务工人员（图4c）;二代户和三代户与户籍人口和家庭亲属型迁移人口相似,主要向市区集中,因此以本地人组成家庭为主（图4d、4e）。
婚姻特征：未婚人数约占15岁以上人口40%,高比例区域零散分布在东中部各镇（图4f）;有配偶人口约占58%,城市边缘比例偏高,工商业发达镇区偏低（图4g）;丧偶人口与老年人口分布吻合,如莞城和西部边缘（图4h）;离婚人口高比例区则分布零散（图4i）。总体上,婚姻状况未表现出特定空间模式。
房租水平：廉价住房分布广泛,其中月租200元以下住房集中于西部水乡、大岭山、樟木头、黄江、谢岗等低密度区（图5a）;200~1000元/月的住房则分布于常住人口密集区和经济强镇（图5b）;高月租住房具有较高的集中性,在市区南部、虎门、厚街、常平、大岭山、塘厦等镇占比较高（图5c、5d）。
显示原图|下载原图ZIP|生成PPT图52010年东莞市住房状况地图
-->Fig. 5The housing maps of Dongguan city in 2010
-->
住房面积：中小面积住房多分布在工商业发达镇街,其覆盖范围广且较零散（图5e、5f）,为外来民工所占据;大面积住房则更倾向于社会资源丰富的市区中心分布（图5g、5h）。总体上,随着租金水平提高,集聚程度愈加明显。
住房属性：购买商品房家庭呈现“一心多组团”特征,其中以市区为中心（图5i）;农民自建住房多分布在西部的农业村镇（图5j）;租赁住房数量多而分散,其中廉租房以星点状均匀分布于各镇（图5k）,其他租赁房则以组团连片式布局在中部与南部工业区（图5l）;购买经适房（图5m）、二手房（图5n）、原公有房（图5o）家庭较少,分别形成几个集聚区,如莞城、石龙、虎门、樟木头等。
文化水平：各镇区低学历人口比例明显高于市中心（图6a）;高中学历人口分布相对平均,莞城、东城、厚街、大朗和樟木头等镇街较密集（图6b）;高学历人口显然具有城市指向性（图6c、6d）;文盲人口则分布于农业边缘区（图6e）。总体上,学历水平具有空间分异,学历越高的人群具有越强的向心性。
显示原图|下载原图ZIP|生成PPT图62010年东莞市社会阶层地图
-->Fig. 6The stratum maps of Dongguan city in 2010
-->
行业就业：东莞市失业率较高区域主要为西部沿江和老城区（图6f）。第一产业就业人口基本居住在城市边缘的农业片区,如麻涌和沙田两镇（图6g）。制造业是主导产业,除市区和西部片区外,制造业人口均占有绝对比例（图6h）。第三产业(本文第三产业分为4大部门讨论,分别为：社会公共管理部门（公共管理、社会组织、设施管理等）;生产和生活服务部门（金融保险、房地产、居民服务、旅游、技术服务、制造业等）;流通部门（交通运输、邮电通讯、商业饮食等）;科技文化和居民素质服务部门（教育科研、文体娱乐、卫生、社会福利等）。)方面,社会公共管理部门就业人口呈现了西高东低的空间分布（图6i）;生产和生活服务部门和流通部门在市区、虎门、常平和樟木头等形成了显著的高就业中心（图6j、6k）;科技文化和居民素质服务部门在各镇街均出现不同程度的分散式集聚,但市区依然是高比例中心（图6l）。总体上,第三产业就业人口以市区集聚为主,同时在多个镇区形成了高比例次中心。
职业类型：国家机关组织和企事业单位负责人（图6m）、专业技术人员（图6n）、办事人员和有关人员（图6o）、商业服务业人员（图6q）等4类职业人员均有较强的城区向心性,同时在工商业发达镇街形成多个集聚组团。制造业生产和运输设备操作人员扁平式分布在除市区和农业片区外的工厂企业集中的村镇（图6p）;农林牧渔水利生产人员规模较小,集中于西部沿江和生态片区（图6r）。
综上,东莞市人口沿两大交通线路延伸方向以多组团模式分散布局。人口属性形成“中心—边缘”两大群体,一类是集中于市中心的城市人口,家庭规模较大,住房质量较好,学历水平偏高,职业类型偏向管理技术型;另一类是分散在工业发达村镇的年轻外来打工者,学历水平偏低,单身居住于质量较差的租赁住房,是东莞市社会的主体人群。而性别、民族与婚姻状况则未呈现特定空间模式。
4.2 服务设施空间特征
教育设施：东莞市幼儿园（图7a）、中小学校（图7b）与常住人口分布基本匹配,而幼儿园集聚性更明显。但高等学校较缺乏,多为专业技术学校,主要集聚在市区和松山湖（图7c）。总体上,市区教育设施和资源相对于镇区更具优势。
显示原图|下载原图ZIP|生成PPT图72011年东莞市公益性设施地图
-->Fig. 7The public facility maps of Dongguan city in 2011
-->
医疗设施：各镇街均有综合医院,其中市区和虎门最密集,呈现为西多东少的布局特征（图7d）;社区医院则与人口密度分布契合,扁平式布局于各镇街,其中社区、虎门、长安、常平等人口大镇密度最高,但中心性不明显（图7e）。
文化设施：除文化博物馆（图7g）在老城区形成集聚外,文化广场（图7f）和图书馆（图7h）等文化设施未表现出明显的集聚特征,分散在莞城和各镇,而且位于市域边缘的镇区文化设施数量相对较少。
体育设施：体育场馆与公园绿地布局形成一定的空间错位。体育场馆以连片方式布局于低密度郊区,呈现为边缘外围式的分布特征,并形成5个集中片区（图7i）;公园绿地则在人口密集区内部分散布局,其中东部更为密集（图7j）。
餐饮娱乐：餐饮（图8a）和娱乐场所(此处的娱乐场所统计主要包括KTV、夜总会、电影院、酒吧、沐足等。)（图8c）沿“市区—厚街—虎门—长安”一带线性集聚,并在东部形成多个中心;相比之下,咖啡馆和茶馆等休闲场所则倾向于市区集中,同时在长安、虎门、厚街、石碣亦形成小范围集聚（图8b）。
显示原图|下载原图ZIP|生成PPT图82011年东莞市经营性设施地图
-->Fig. 8The profit-oriented infrastructure maps of Dongguan city in 2011
-->
商业零售：各类批发零售业空间布局模式类似,以扁平式分布于人口密集区。其中百货商场数量最多且密度最高,超市次之,农贸市场则相对零散。总体上,以人口布局和市场需求为导向,中心性不明显（图8d、8e、8f）。
商务服务：星级酒店（图8g）与商业写字楼（图8i）空间布局具有较高相似性,主要集聚于市区、厚街、虎门、长安、常平等四大城镇中心;而邮政金融布局则显得相对扁平化（图8h）。总体上,西部镇街商务服务能力较强。
综上,东莞市服务设施表现出“小集中、大分散”布局特点。公益性服务设施布局相对均衡,遍布于市域建成区,但也表现出一定的不均衡性,西部社会资源更优越;相比之下,经营性设施集聚性更强,其以市场需求为导向,在城镇中心形成集聚的同时深入社区布局。
4.3 组织机构空间特征
行政管理机构：行政管理机构以“一个中心多个次中心”的等级结构布局,其中以莞城、东城和南城为中心,集聚了大量市级行政机构;同时,各镇中心分别形成多个镇级行政机构集聚区（图9a）,共同构成“市—镇”两级结构。
显示原图|下载原图ZIP|生成PPT图92011年东莞市组织机构地图
-->Fig. 9The organization maps of Dongguan city in 2011
-->
工厂企业：东莞市村镇工业高度发达,各镇工厂企业遍布,且均具产业特色,其中长安、寮步、塘厦等镇工厂密度最高（图9b）。扁平化的工厂企业分布形象地反映了东莞市“村村点火,户户冒烟”的工业发展格局。
协会社团：东莞市社会组织发育良好,共两千多个(由于部分社会组织无固定的独立工作场所,地理位置难以界定,对此本文仅选取了具有固定工作地点的社会组织进行分析。),主要依托市中心分布,其中莞城最密集（图9c）。此外,各类协会社团在各镇均匀分布,约每个镇10个。
综上,行政管理、工厂企业和协会社团分别代表了行政、市场和社会民间空间,并表现出各自的空间特征。行政空间形成分等级分布的格局;市场空间的扁平化特征明显;社会民间空间则趋向于服务设施完善的市区布局。
5 东莞市社会分区
5.1 指标体系构建
本文认为“社会人口、服务设施、组织机构”是影响东莞市社会空间的3大复合指数,应以这3类指数为基础进行聚类分区。因此,首先围绕3大复合指数构建综合分区研究的指标体系。（1）社会人口数据处理。由于社会人口指标众多,为提高聚类分区结果的可解释性,首先对社会人口数据进行数据降维。依据社会地图,从东莞市人口普查数据中选取关于人口属性、家庭住房、社会阶层共68项在空间上表现出明显分异特征的指标进行因子分析。检验结果显示在99%的置信水平下,KMO值为0.89,适合进行公因子和载荷矩阵的提取。综合碎石图与特征值结果最终得出5个主因子,解释方差累计82.293%。依据输出结果（表1）,可分别定义为：① 社会精英人口,代表了住房条件好、以家庭和工作原因迁入、教育程度高、主要从事技术和管理行业的城市人口;② 外来务工人员,指农业户口为主、从事制造生产、住房条件较差、教育程度低的外来劳动人口;③ 低学历老年人,指居住于自建住房、学历低、文盲程度高的户籍老年人;④ 商业服务人员,指从事于住宿餐饮业、文化体育、娱乐业,住房承租能力偏高的服务业人口;⑤ 农林牧渔业人口,指从事农业、渔业、林业等第一产业工作的务农人员。
Tab. 1
表1
表1社会人口因子分析结果
Tab. 1The result of factor analysis of social demography
| 编号 | 因子命名 | 特征根 | 解释指标 |
|---|---|---|---|
| 1 | 社会精英人口 | 23.326 (34.303%) | 非农业人口(0.765)、工作调动人口(0.748)、随迁家属(0.772)、拆迁搬家迁移人口(0.813)、婚姻嫁娶迁移人口(0.764)、人均住房面积50~69 km2 (0.778)、人均住房面积70 km2以上(0.751)、购买商品房(0.829)、专业学历(0.862)、本科学历(0.922)、研究生学历(0.954)、信息软件业从业人口(0.849)、金融业从业人员(0.851)、商务服务业从业人员(0.849)、科学技术研究人员(0.703)、教育行业人员(0.823)、社会保障福利业从业人员(0.737)、公共管理与社会组织人员(0.786)、国家机关和企事业单位负责人(0.781)、专业技术人员(0.837) |
| 2 | 外来务工人员 | 14.845 (21.832%) | 15~59岁人口(0.796)、农业户口人口(0.920)、外来人口(0.848)、务工经商迁移人口(0.929)、家庭一代户(0.860)、人均住房面积12 km2以下(0.910)、人均住房面积13~29 km2 (0.780)、住房月租200元以下(0.718)、住房月租200~1000元(0.741)、初中学历(0.922)、制造业从业人员(0.970)、生产运输设备操作人员(0.964) |
| 3 | 低学历老年人 | 11.678 (17.173%) | 60岁以上人口(0.810)、户籍人口(0.832)、自建住房(0.774)、未上过学(0.812)、文盲人口(0.829) |
| 4 | 商业服务人员 | 4.029 (5.925%) | 住宿餐饮业从业人员(0.613)、住房月租2000~3000元(0.580)、文化体育和娱乐业从人员(0.509) |
| 5 | 农林渔牧业人口 | 2.081 (3.060%) | 农林牧渔业从业人口(0.982)、农林牧渔业生产人员(0.983) |
新窗口打开
（2）服务设施与组织机构数据处理。以上述服务设施与组织机构地图为基础,从中筛选多项数据,并归结为教育设施、医疗设施、文体设施、商业零售设施、餐饮娱乐设施、商务服务设施等6类指标;依据城市治理结构中的三分法,选取组织机构地图中的行政管理机构、工厂企业、协会社团等3类指标（表2）。以此为基础,将各类服务设施和组织机构POI点数据转换为网格数据,综合3类数据,形成东莞市社会分区的指标体系。
Tab. 2
表2
表2社会分区指标体系
Tab. 2The indicator system for social division
| 大类 | 中类 | 小类 | |
|---|---|---|---|
| 人口 | 社会精英人口 | 非农业人口、家庭型迁移人口、大面积住房、商品住房、高学历人口、商贸服务从业人口、公共管理和社会事业从业人员、教育人员、科学技术人员 | |
| 外来务工人员 | 劳动年龄人口、农业户口人口、外来人口、经济型迁移人口、一代户家庭、小面积住房、廉价租金住房、低学历人口、制造业从业人员 | ||
| 低学历老年人 | 老年人口、户籍人口、自建住房、低学历人口 | ||
| 商业服务人员 | 住宿餐饮从业者、中等租金住房、文体娱乐从业者 | ||
| 农林渔牧业人口 | 农林牧渔业从业人口 | ||
| 设施 | 公益性设施 | 教育设施 | 幼儿园、中小学、中专、大专 |
| 医疗设施 | 综合医院、社区医院 | ||
| 文体设施 | 图书馆、博物馆、文化馆、文体广场、公园 | ||
| 经营性设施 | 零售设施 | 百货商店、超市、农贸市场 | |
| 娱乐设施 | 餐饮店、茶楼咖啡厅、电影院、酒吧、夜总会、KTV、网吧 | ||
| 商务设施 | 银行、邮局、写字楼、酒店、会展 | ||
| 机构 | 行政管理机构 | 各级政府、公安机关、相关行政部门 | |
| 工厂企业 | 工厂、公司 | ||
| 协会社团 | 行业协会、社会团体 |
新窗口打开
5.2 社会分区特征
以上述数据为基础,综合社会人口（5类）、服务设施（6类）与组织机构（3类）三大要素,采用K-Means法进行聚类分析,结合树状图和各组间的差异性分析（表3）,最终将东莞市社会空间划分为11类区域,分别定义为：老城中心区、高端商住区、一般居住配套区、次级商业中心区、行政中心区、工业型社区、低密度城郊区、文化型老城社区、新建高档住宅区、农林渔业区和老龄化社区（图10）。整体呈现出要素多样化、形态扁平化、结构破碎化的空间特征。Tab. 3
表3
表3东莞市社会综合分区最终聚类中心
Tab. 3The clustering results of social areas in Dongguan city
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 社会精英人口 | 9.22 | 32.81 | 0.57 | 0.45 | 2.89 | -0.09 | -0.05 | 0.05 | 18.26 | -0.09 | 0.40 |
| 外来务工人员 | 0.42 | 1.06 | 0.68 | 0.89 | 0.29 | 0.92 | -0.35 | -0.89 | -0.13 | -0.16 | -0.62 |
| 低学历老年人 | 10.25 | 1.72 | 0.77 | 1.06 | -0.06 | 0.03 | -0.16 | 18.46 | -2.80 | 0.12 | 12.86 |
| 商业服务人员 | -11.51 | 19.46 | 0.27 | 4.17 | 3.27 | -0.02 | -0.05 | -4.31 | -9.05 | -0.10 | -1.52 |
| 农林鱼牧业人口 | -2.55 | 2.93 | -0.22 | -0.60 | -0.29 | -0.10 | -0.31 | -2.17 | 0.98 | 2.09 | -1.52 |
| 教育设施 | 8.98 | 1.42 | 1.82 | 2.47 | 1.42 | 0.56 | -0.35 | 6.15 | 1.89 | -0.17 | 3.62 |
| 医疗设施 | 3.49 | 4.29 | 1.56 | 3.73 | 1.09 | 0.84 | -0.42 | 3.49 | 1.49 | -0.32 | 2.29 |
| 文体设施 | 10.47 | 11.82 | 1.69 | 1.66 | 1.01 | 0.25 | -0.25 | 11.82 | -0.34 | -0.08 | 3.71 |
| 零售设施 | 0.96 | 0.33 | 1.25 | 2.35 | 0.64 | 1.17 | -0.47 | 1.59 | 0.80 | -0.38 | 1.44 |
| 娱乐设施 | 1.10 | 2.10 | 1.94 | 5.94 | 2.93 | 0.42 | -0.33 | 5.43 | 1.68 | -0.31 | 1.29 |
| 商务设施 | 6.57 | 6.23 | 2.13 | 5.36 | 4.57 | 0.43 | -0.36 | 6.23 | 4.57 | -0.31 | 3.46 |
| 行政管理部门 | 8.39 | 2.85 | 2.22 | 3.35 | 23.17 | -0.06 | -0.19 | 1.00 | 0.39 | -0.17 | 3.98 |
| 协会社团 | 24.44 | 11.67 | 1.78 | 2.26 | 4.00 | 0.05 | -0.19 | 2.29 | 0.16 | -0.14 | 4.00 |
| 工厂企业 | -0.52 | 0.17 | 0.10 | -0.26 | -0.71 | 1.28 | -0.39 | -0.61 | -0.47 | -0.30 | -0.25 |
新窗口打开
显示原图|下载原图ZIP|生成PPT图102010年东莞市社会分区
-->Fig. 10The social areas of Dongguan city in 2010
-->
（1）老城中心区。该类社区的协会社团、低学老年人、知识分子与工薪家庭以及各类公共服务设施均具有较高的得分,而商业零售与商业服务人口得分则较低,是东莞市公共服务中心。同时,居住了一定数量的携老家庭,并集聚了大量的社团组织。
（2）高端商住区。该类社区的社会精英人口、商业服务人员、文体设施以及协会社团得分较高。因此,住房条件好,商业发达,文化体育设施配套完善,集聚了大量教育程度高、从事技术和管理行业的人口和协会社团。
（3）一般居住配套区。该类社区行政管理部门和各类公共服务设施得分较平均,基础性服务配套完善。并且除农林渔业人口外,各类人口得分亦较相近,是户籍人口与外来人口、中产家庭和务工人口混合居住的一般生活配套区。
（4）次级商业中心区。该类社区商业服务人口、商业设施得分比较高,集聚了大量的餐饮娱乐和零售商业。另外,各类公服设施和行政机构得分也较高,因此该类社区同时也是镇街的行政管理和公共服务区。
（5）行政中心区。行政管理部门、商业服务人员、协会社团等要素得分较高,工厂企业和老年人得分较小。因此,该类社区是东莞市行政管理机构集中的商务办公区,同时是部分工薪阶层人口的居住区。
（6）工业型社区。该类社区的工厂企业、外来务工人员、商业零售设施得分较高,代表了集中居住的外来务工人口,该类人群多处于劳动年龄,学历水平偏低,以租赁方式获得住房且具有单身居住的特征,但公共服务、行政管理、社会社团等要素得分偏低,说明公共服务配套较差,社会团体发育不足,以市场主导提供服务配套。该类社区占据面积最广,空间上与东莞市零散工业布局具有较强的契合度,表现出典型的村镇工业发展形成的社会空间特征。
（7）低密度城郊区。该类区域覆盖面积最大,各项要素得分均为负数,说明各类人口比重在此片区域占比较低,人口密度较小。
（8）文化型老城社区。该类社区的低学历老年人得分最高,说明该区是以户籍低学历老龄人为主导的老龄化城市旧区。文化设施也具有较高的得分,其次为教育和金融等服务设施,因此该老街区保留了较强文教功能。
（9）新建高档住宅区。该类社区的社会精英人口得分最高,表明该区域主要集聚了以户籍人口为主、具有学历水平、家庭收入稳定、拥有工薪职业和购买高品质的商品住房的人口,但各类公共设施并未完全到位,是新建的生活环境较好的高档居住区域。
（10）农林渔业区。此类社区的农林牧渔业人口得分较高,是东莞市农业集中片区。这类区域分布于城市建成区外围的边缘地带,同时可见中部各镇的务农人口比重大大减少,农业特征较弱。
（11）老龄化社区。该类社区低学老年人得分明显较高,说明居住了较大规模的携老家庭。而各类公共服务设施、商业设施以及组织机构得分相对平均。由此可见,该类社区与文化型老城区相类似,但公共服务配套相对较弱,属于以居住功能为主的老龄化社区。
5.3 社会空间结构
综合人口、家庭、住房、学历、职业、设施、机构等社会地图,东莞市各类社会要素在空间分布上可以归结为3种类型：高度集聚于市中心;分散布局于各镇建成区;分布于人口低密度的边缘地带。依据社会地图的分析结果,在社会人口、服务设施、组织机构3类要素共同作用下,随着市场化的推进,基于各类社会主体的合作竞争、物质空间的组织安排,社会空间已经出现分异,而这种差异性更多体现为经济上、身份上和服务配套上的分层。进一步对11类分区进行归纳,可将东莞市社会空间归纳为“城市社会—农民工社会—农村社会”3种类型（图11）。这3类社会空间的社会主体分别为城镇户籍居民、农民工和农民（表4）。城镇户籍居民主要集中于中心城区,人力资本较好,经济水平高,集聚了大量社会资源;农民工是乡村工业化快速发展下的产物,其特征是农村户籍、经济地位相对较低,社会资源占有能力相对较弱;而农民属于东莞市的特殊群体。虽然东莞市工业化水平较高,农村的农业生产功能普遍蜕化,但农民群体仍然存在,他们各类社会资源均较缺乏。Tab. 4
表4
表4东莞市社会空间结构特征
Tab. 4The social space structure of Dongguan city
| 农村社会 | 农民工社会 | 城市社会 | |
|---|---|---|---|
| 空间分布 | 城市边缘 | 乡镇生产片区 | 中心城区/镇中心 |
| 社会主体 | 农民 | 农民工 | 城镇户籍居民 |
| 住房质量 | 一般(自建) | 较差(租赁) | 较好(购买) |
| 家庭规模 | 较大 | 较小 | 较大 |
| 收入水平 | 最低 | 较低 | 偏高 |
| 就业类型 | 工业+农业 | 制造业 | 服务业 |
| 学历水平 | 较低 | 较低 | 较高 |
| 经营性服务 | 较差 | 中等 | 较好 |
| 公益性服务 | 中等 | 较差 | 较好 |
| 组织机构类型 | 企业+行政 | 工厂企业 | 行政+协会+企业 |
新窗口打开
显示原图|下载原图ZIP|生成PPT图112010年东莞市社会空间结构
-->Fig. 11The social space structure of Dongguan city in 2010
-->
根据得到的社会类型及其分布结构,尝试作出东莞市社会空间的结构模型。城市社会呈多核心分布,而各核心以同心圆为基本空间模式,形成了多种类型的圈层结构,如虎门镇形成了老城区—商业服务区—城镇居住区的三圈层结构;石龙镇形成了老城中心—城镇居住区的两圈层结构;常平镇为商业服务中心—城镇居住区两圈层结构;塘厦镇形成商业服务中心—城镇居住区—工业社区—农业社区的四圈层结构等;市中心则以两大圈层为基础,往生态区方向延伸出商业服务区、高档生活区、行政中心区等3类扇区。农民工社会沿两大交通线方向以扇形模式分散布局;农村社会集中于东莞市西部沿海带,形成另一个扇区。综上,东莞市社会空间存在两个层次,全市尺度上呈现为多核分散+扇状延伸的空间模式,而各镇核心各成体系,形成多种类型并存的多重嵌套结构（图12）。
显示原图|下载原图ZIP|生成PPT图12东莞市社会空间结构理想化模型
-->Fig. 12The ideal model of sociospatial structure of Dongguan city
-->
6 结论与讨论
本文尝试基于社会地图来重新认知中国城市社会的空间特征。按照对东莞市社会人口、服务设施和组织机构3类社会要素空间特征的理解,本文以3大指标复合分区,得出东莞市11类社会分区的结果,并进一步凝炼为城市社会、农民工社会和农村社会3类社会空间。虽然最终社会分区的结果比较简单,但这主要是一个示例作用。限于篇幅,关于东莞市各类社会要素的空间特征及其对比、关联、综合分析并未在本文展开,拟另作为著作出版。相比于以传统社会区分析为范式的社会空间研究,社会地图作为一种社会要素空间特征的归纳方法,首先通过各类社会要素的空间呈现实现“社会—空间”关系具象化,从要素的空间关系中发现特定的社会现象或问题,而不再是直接跳跃至高度概括的空间结构和因子解释。笔者认为,这种处理方法有助于突破西方理论制约,为更深入的认识不同地区的不同社会要素特征及其空间关系,总结和归纳适用于不同社会情境下的社会分区方法提供更多的可能性,对于正处转型时期、要素复杂的中国社会而言,丰富的地图数据事实上拓展了社会空间的实体认知,可使综合分区的指标体系设置更为合理,数据筛选更为科学,归纳的社会空间类型更为多样、真实。当然,本文的研究尚属初步探索,在指标选取和技术方法的设计上考虑仍不全面,如社会要素的叠置分析尚不充分,部分社会要素由于数据缺失并未纳入研究,数据转换未考虑设施的服务范围或可达性的影响等。限于数据原因,本文也未涉及东莞市社会空间的动态变化,以及与其他城市的比较,与社会区分析结果的比较等。另外,在当前大数据应用的背景下,如Liu等[42]关于社会群体对地理空间的情感认知研究,柴彦威等[43]基于个体时空间行为动态的空间研究等,也都与本文的社会地图研究可以对照讨论。这些方面都是本文值得继续深入研究的课题。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
| [1] | |
| [2] | . . |
| [3] | . <p>采用2000年第五次全国人口普查数据库中居民委员会尺度的数据,对转型期上海城市空间重构与分异展开研究。存在6类社会区：计划经济时代建设的工人居住区、外来人口集中居住区、白领集中居住区、农民居住区、新建普通住宅居住区、离退休人员集中居住区。通过计算分异指数,发现当前上海存在严重的住房分异;但并不存在明显的以社会经济属性为基础的社会空间分异。造成这一现象的原因在于计划经济时代的历史以及仍然存在的大型企事业单位对住房的影响。中国城市目前的社会空间分异在程度上与西方城市还有根本的差异。</p> . <p>采用2000年第五次全国人口普查数据库中居民委员会尺度的数据,对转型期上海城市空间重构与分异展开研究。存在6类社会区：计划经济时代建设的工人居住区、外来人口集中居住区、白领集中居住区、农民居住区、新建普通住宅居住区、离退休人员集中居住区。通过计算分异指数,发现当前上海存在严重的住房分异;但并不存在明显的以社会经济属性为基础的社会空间分异。造成这一现象的原因在于计划经济时代的历史以及仍然存在的大型企事业单位对住房的影响。中国城市目前的社会空间分异在程度上与西方城市还有根本的差异。</p> |
| [4] | . 本文用主成分分析和聚类分析方法对广州市社会空间结构进行因子生态分析。结果表明：人口密集程度、科技文化水平、工人干部比重，房屋住宅质量、家庭人口结构是形成广州社会区类型的五个主要因子；广州社会区的空间模式呈向东曳长的同心椭圆态势，城市发展的历史过程、城市用地布局和住房分配制度是影响这个空间模式形成的主导机制。 . 本文用主成分分析和聚类分析方法对广州市社会空间结构进行因子生态分析。结果表明：人口密集程度、科技文化水平、工人干部比重，房屋住宅质量、家庭人口结构是形成广州社会区类型的五个主要因子；广州社会区的空间模式呈向东曳长的同心椭圆态势，城市发展的历史过程、城市用地布局和住房分配制度是影响这个空间模式形成的主导机制。 |
| [5] | . 运用因子分析、聚类分析方法对广州市中心区1990年人口普查数据进行了研究.从9类47个变量中抽取出5个形成广州市社会区类型的主因子,根据各主因子的得分,把广州市中心区划分为七类社会区,并把形成广州市社会空间分异现象的原因归结为五类.通过与1985年类似研究结果的比较,发现广州市社会空间结构的分异现象更趋明显,具体反映在人口“外溢”、居住条件改善及新开发区的形成等方面.最后就如何引导广州市社会空间结构演变进行了讨论. . 运用因子分析、聚类分析方法对广州市中心区1990年人口普查数据进行了研究.从9类47个变量中抽取出5个形成广州市社会区类型的主因子,根据各主因子的得分,把广州市中心区划分为七类社会区,并把形成广州市社会空间分异现象的原因归结为五类.通过与1985年类似研究结果的比较,发现广州市社会空间结构的分异现象更趋明显,具体反映在人口“外溢”、居住条件改善及新开发区的形成等方面.最后就如何引导广州市社会空间结构演变进行了讨论. |
| [6] | . <p>运用主成分分析和聚类分析方法对广州2000年第五次人口普查的200个反映社会空间结构的变量进行分析,提取出影响广州市社会空间结构的5个主因子,据此将广州市划分为7类社会区。与1985年的广州社会区研究对比,归纳出基于老城区发展的、基于工业和教育飞地发展的、基于农村社会区发展的社会区演变的三种模式,从转型期制度与政策变化、历史因素、政府对城市管理与调控等方面分析了社会区分异的机制,总结了转型期中国大城市的社会空间结构模型,比较了中西方社会区结构的差异,并从职业分异、家庭生命周期、外来人口等方面对广州未来社会区的演变做了分析。</p> . <p>运用主成分分析和聚类分析方法对广州2000年第五次人口普查的200个反映社会空间结构的变量进行分析,提取出影响广州市社会空间结构的5个主因子,据此将广州市划分为7类社会区。与1985年的广州社会区研究对比,归纳出基于老城区发展的、基于工业和教育飞地发展的、基于农村社会区发展的社会区演变的三种模式,从转型期制度与政策变化、历史因素、政府对城市管理与调控等方面分析了社会区分异的机制,总结了转型期中国大城市的社会空间结构模型,比较了中西方社会区结构的差异,并从职业分异、家庭生命周期、外来人口等方面对广州未来社会区的演变做了分析。</p> |
| [7] | . <p>自从1984年中国实施城市改革以来，城市土地市场和住房市场建立已经对城市的社会空间结构产生重要影响。作者利用1998年北京街道一级调查数据进行城市社会区分析。结果显示，经济社会和种族状况具有一定的影响，但并没有发挥重要的作用。土地利用强度在形成新的城市社会空间结构过程中发挥了关键的作用。与家庭状况相关的流动人口状况也表现为非常强劲的影响。北京的社会区表明：土地利用强度分布呈同心圆模型，家庭分布形态具有扇形结构的特征；社会经济状态因子分布形态既表现了同心圆的特征，也具有扇形结构的特点；种族因子的空间分布形成了一种多核空间结构。</p> . <p>自从1984年中国实施城市改革以来，城市土地市场和住房市场建立已经对城市的社会空间结构产生重要影响。作者利用1998年北京街道一级调查数据进行城市社会区分析。结果显示，经济社会和种族状况具有一定的影响，但并没有发挥重要的作用。土地利用强度在形成新的城市社会空间结构过程中发挥了关键的作用。与家庭状况相关的流动人口状况也表现为非常强劲的影响。北京的社会区表明：土地利用强度分布呈同心圆模型，家庭分布形态具有扇形结构的特征；社会经济状态因子分布形态既表现了同心圆的特征，也具有扇形结构的特点；种族因子的空间分布形成了一种多核空间结构。</p> |
| [8] | . <p>利用2000年的第5次人口普查数据和1982年的第3次人口普查数据,采用因子分析和聚类分析技术研究了近20年来北京都市区的社会空间结构及其演化。对比1982年的情况,2000年北京都市区社会空间结构的主因子、社会区类型、模式及其形成机制均发生了较多的变化。1982年北京都市区的社会空间结构相对简单,整体上表现出一定的同质性特点;2000年的社会空间结构则趋于复杂,诸社会区之间主要以同心圆的方式组合,也伴有多核心和扇形结构,异质性的特征十分突出。论文最后从宏观、中观和微观3个层次提出了一种城市社会空间结构演化的交叉式网络机制,认为它有效地推动了计划经济特色明显的北京都市区社会空间结构向市场转型条件下的社会空间结构转化。</p> . <p>利用2000年的第5次人口普查数据和1982年的第3次人口普查数据,采用因子分析和聚类分析技术研究了近20年来北京都市区的社会空间结构及其演化。对比1982年的情况,2000年北京都市区社会空间结构的主因子、社会区类型、模式及其形成机制均发生了较多的变化。1982年北京都市区的社会空间结构相对简单,整体上表现出一定的同质性特点;2000年的社会空间结构则趋于复杂,诸社会区之间主要以同心圆的方式组合,也伴有多核心和扇形结构,异质性的特征十分突出。论文最后从宏观、中观和微观3个层次提出了一种城市社会空间结构演化的交叉式网络机制,认为它有效地推动了计划经济特色明显的北京都市区社会空间结构向市场转型条件下的社会空间结构转化。</p> |
| [9] | . <p>利用第五次人口普查数据,运用生态因子分析方法,通过对广东省韶关市典型案例分析,对我国山区资源型大城市的社会区分类、特征与影响因素进行了研究。发现具有这种规模、功能和区位特征城市的社会区可划分为7类,其中5类社会区及其在城市中的空间分布与北京、上海、广州等综合性特大中心城市具有相似之处;而另2类则反映出山区资源型城市的不同特征。影响这类城市社会区形成的因素主要有4个方面,其中科技文化水平和建设时序两个因素与综合性特大中心城市相似;但就业结构对山区资源型城市的影响比中心城市的影响要大得多,年龄结构、性别比结构、人口迁入迁出比重等人口和家庭特征因素在这类城市中具有突出的影响。</p> . <p>利用第五次人口普查数据,运用生态因子分析方法,通过对广东省韶关市典型案例分析,对我国山区资源型大城市的社会区分类、特征与影响因素进行了研究。发现具有这种规模、功能和区位特征城市的社会区可划分为7类,其中5类社会区及其在城市中的空间分布与北京、上海、广州等综合性特大中心城市具有相似之处;而另2类则反映出山区资源型城市的不同特征。影响这类城市社会区形成的因素主要有4个方面,其中科技文化水平和建设时序两个因素与综合性特大中心城市相似;但就业结构对山区资源型城市的影响比中心城市的影响要大得多,年龄结构、性别比结构、人口迁入迁出比重等人口和家庭特征因素在这类城市中具有突出的影响。</p> |
| [10] | . <p>以人口普查数据为基础,利用城市因子生态分析手段,采用聚类分析方法,对南京城市社会区类型空间结构加以分析。结果表明影响2000年南京城市社会区形成的主因子有外来人口因子、农业人口因子、城市住宅因子、文化程度/职业状况因子和城市失业人口因子五个;将2000年南京城市社会区划分为六个主要类型。南京城市社会区空间分布呈现出明显的"三圈层"结构:城市本地户口居民集中分布的老城区、在老城区渐进蔓延基础上形成的中间圈层、城市远郊区为主的外围圈层;圈层内部的城市社会区空间分布以"圈层＋扇形"的复合结构为主。</p> . <p>以人口普查数据为基础,利用城市因子生态分析手段,采用聚类分析方法,对南京城市社会区类型空间结构加以分析。结果表明影响2000年南京城市社会区形成的主因子有外来人口因子、农业人口因子、城市住宅因子、文化程度/职业状况因子和城市失业人口因子五个;将2000年南京城市社会区划分为六个主要类型。南京城市社会区空间分布呈现出明显的"三圈层"结构:城市本地户口居民集中分布的老城区、在老城区渐进蔓延基础上形成的中间圈层、城市远郊区为主的外围圈层;圈层内部的城市社会区空间分布以"圈层＋扇形"的复合结构为主。</p> |
| [11] | . 利用2011 年上半年乌鲁木齐街道一级统计和调查数据,运用因子生态分析法对乌鲁木齐进行社会区分析。结果表明,乌鲁木齐城市社会区形成的主要因子有6 个,即:① 少数民族人口,② 知识分子,③ 普通工人及退休人员,④ 机关干部、高级管理与服务人员,⑤ 疆外流动人口,⑥ 农业人口。通过聚类分析法将乌鲁木齐划分为6 类社会区,即:① 民族混居区,② 知识阶层聚居区,③ 一般工薪阶层与退休人员居住区,④ 人口密集的机关干部、高级管理与服务人员聚居区,⑤ 疆外流动人口聚居区,⑥ 远郊农业人口散居区。并据此建立了乌鲁木齐城市社会空间结构模式。乌鲁木齐城市社会空间以扇形和多核心结构为主,同心圆结构不明显。乌鲁木齐现有的城市社会空间格局是在其自然本底条件基础上,经过250 多年的历史发展,在社会经济因素、宏观政策和城市规划等因素共同作用下形成的。 . 利用2011 年上半年乌鲁木齐街道一级统计和调查数据,运用因子生态分析法对乌鲁木齐进行社会区分析。结果表明,乌鲁木齐城市社会区形成的主要因子有6 个,即:① 少数民族人口,② 知识分子,③ 普通工人及退休人员,④ 机关干部、高级管理与服务人员,⑤ 疆外流动人口,⑥ 农业人口。通过聚类分析法将乌鲁木齐划分为6 类社会区,即:① 民族混居区,② 知识阶层聚居区,③ 一般工薪阶层与退休人员居住区,④ 人口密集的机关干部、高级管理与服务人员聚居区,⑤ 疆外流动人口聚居区,⑥ 远郊农业人口散居区。并据此建立了乌鲁木齐城市社会空间结构模式。乌鲁木齐城市社会空间以扇形和多核心结构为主,同心圆结构不明显。乌鲁木齐现有的城市社会空间格局是在其自然本底条件基础上,经过250 多年的历史发展,在社会经济因素、宏观政策和城市规划等因素共同作用下形成的。 |
| [12] | |
| [13] | . 用地图方法研究社会空间已有较长历史,在不同的研究背景下形成了多种研究模式。近年来,大数据的出现和空间信息可视化技术的发展,不仅为社会地图的广泛应用提供了更多数据和方法支撑,也为社会空间的再认识提供了新的契机和可能。本文在对面向社会空间研究的国内外社会地图运用成果进行系统梳理的基础上,将社会地图的研究应用归纳为要素呈现、问题解释和理论验证3个阶段,并对其具体应用内容、方法和数据形式进行了综述,总结为统计图、点值图、网格图、密度图等四种类型,并就社会地图在中国社会空间研究中的应用可能性及其方向进行了讨论和展望。 . 用地图方法研究社会空间已有较长历史,在不同的研究背景下形成了多种研究模式。近年来,大数据的出现和空间信息可视化技术的发展,不仅为社会地图的广泛应用提供了更多数据和方法支撑,也为社会空间的再认识提供了新的契机和可能。本文在对面向社会空间研究的国内外社会地图运用成果进行系统梳理的基础上,将社会地图的研究应用归纳为要素呈现、问题解释和理论验证3个阶段,并对其具体应用内容、方法和数据形式进行了综述,总结为统计图、点值图、网格图、密度图等四种类型,并就社会地图在中国社会空间研究中的应用可能性及其方向进行了讨论和展望。 |
| [14] | |
| [15] | |
| [16] | . |
| [17] | |
| [18] | |
| [19] | . |
| [20] | . |
| [21] | . |
| [22] | |
| [23] | |
| [24] | |
| [25] | . This atlas combines information and analyses of the 1998 Population and Housing Census and the 1997-98 Integrated Household Survey, together with some sectorally specific data, to provide policy makers, students, educators and interested individuals with a better and more up-to-date understanding of the spatial distribution of the characteristics and living conditions of the people of Malawi. Although a broad range of social statistics are considered in the atlas, the over-riding focus is on poverty. The spatial patterns seen in the atlas will provide the reader with insights regarding key geographic facors associated with poverty, thereby assisting in the development and in the geographic targeting of programs designed to reduce it." from Back Cover. |
| [26] | . Copyright 08 2003 State of South Australia |
| [27] | . |
| [28] | . Copyright 08 2006 State of South Australia |
| [29] | . |
| [30] | . This paper analyzes the surprisingly great variation in demographic character across the states, utilizing data on fertility, mortality, age, sex, mobility, household character, abortion, race and ethnicity. A fairly simple regional pattern is revealed that is less related to levels of economic development than to long-standing historical cultural differences. |
| [31] | |
| [32] | |
| [33] | |
| [34] | , |
| [35] | . . |
| [36] | |
| [37] | . 本文简要回顾和总结了国外城市社会规划的发展历程,并对社会规划的概念进行辨析和归纳,最后提出对于在我国城市规划工作中推进社会规划研究的启示意义。 . 本文简要回顾和总结了国外城市社会规划的发展历程,并对社会规划的概念进行辨析和归纳,最后提出对于在我国城市规划工作中推进社会规划研究的启示意义。 |
| [38] | |
| [39] | . <p>人口( 统计) 数据空间化是解决统计数据与自然要素数据融合分析的有效途径。本文在论 述已有人口空间化方法的基础上， 认为遥感影像得到的居民地数据是表达人口分布的最好指标。 为了使居民地数据更好地应用于人口空间化的研究， 论文在分析各种与人口居住密度相关指标 的基础上， 确定了用农村居民地面积所占百分比对农村居民地进行重新分级， 然后应用于人口空 间化的计算。结果检验表明， 人口空间分布数据的误差从分级前的17.4%降到分级后的12%， 尤 其是误差高于30%的乡镇个数从8 个减少到1 个， 该方法有效地提高了人口空间数据的精度。</p> . <p>人口( 统计) 数据空间化是解决统计数据与自然要素数据融合分析的有效途径。本文在论 述已有人口空间化方法的基础上， 认为遥感影像得到的居民地数据是表达人口分布的最好指标。 为了使居民地数据更好地应用于人口空间化的研究， 论文在分析各种与人口居住密度相关指标 的基础上， 确定了用农村居民地面积所占百分比对农村居民地进行重新分级， 然后应用于人口空 间化的计算。结果检验表明， 人口空间分布数据的误差从分级前的17.4%降到分级后的12%， 尤 其是误差高于30%的乡镇个数从8 个减少到1 个， 该方法有效地提高了人口空间数据的精度。</p> |
| [40] | . 人口数据空间化研究旨在发掘和展现人口统计数据中隐含的空间信息，并以地理格网或其他区域划分的形式再现客观世界的人口分布，具有重要的科学意义。人口空间分布数据有助于从不同地理尺度和地理维度对人口统计数据形成有益补充，其应用广泛，相关研究方兴未艾。主要从以下3 个方面对人口数据空间化研究进行综述：① 主要空间化方法的原理及其适用性；② 空间化中用到的建模参考因素，并结合具体应用案例分析其作用机理；③ 典型人口空间化数据集。在此基础上，分析了现阶段人口数据空间化所运用的输入数据的质量和详细程度、尺度效应及时空分辨率、长时间序列数据集和精度检验等方面存在的问题；并探讨了人口数据空间化未来的研究方向。 . 人口数据空间化研究旨在发掘和展现人口统计数据中隐含的空间信息，并以地理格网或其他区域划分的形式再现客观世界的人口分布，具有重要的科学意义。人口空间分布数据有助于从不同地理尺度和地理维度对人口统计数据形成有益补充，其应用广泛，相关研究方兴未艾。主要从以下3 个方面对人口数据空间化研究进行综述：① 主要空间化方法的原理及其适用性；② 空间化中用到的建模参考因素，并结合具体应用案例分析其作用机理；③ 典型人口空间化数据集。在此基础上，分析了现阶段人口数据空间化所运用的输入数据的质量和详细程度、尺度效应及时空分辨率、长时间序列数据集和精度检验等方面存在的问题；并探讨了人口数据空间化未来的研究方向。 |
| [41] | . 人口统计数据空间化是人口信息与其他资源环境、社会经济等信息进行空间集成的基础.本研究对 国内外人口统计数据空间化研究进行总结,归纳了水热条件、地形地貌、土地利用、交通廊道、夜间灯光等不同建模参考因素对人口空间分布的影响,并分析比较了 10个主要的人口统计数据空间化模型,进而对当前人口统计数据空间化研究中存在的问题做了总结,并讨论未来的研究方向.综述认为人口统计数据空间化的研究 将向数据获取多源化、建模因素综合化、模拟格网精细化、模型应用实用化等方向发展;目前需要改进的问题包括：1）统一的人口数据统计标准;2）人口结构特 性相关的空间化,特别是流动人口的空间分布特征识别;3）城市街区尺度的空间化方法研究;4）多源数据与人口动态信息综合中的时相匹配;5）统一的空间化 指标量化方法;6）模型参数优化与精度验证方法完善. . 人口统计数据空间化是人口信息与其他资源环境、社会经济等信息进行空间集成的基础.本研究对 国内外人口统计数据空间化研究进行总结,归纳了水热条件、地形地貌、土地利用、交通廊道、夜间灯光等不同建模参考因素对人口空间分布的影响,并分析比较了 10个主要的人口统计数据空间化模型,进而对当前人口统计数据空间化研究中存在的问题做了总结,并讨论未来的研究方向.综述认为人口统计数据空间化的研究 将向数据获取多源化、建模因素综合化、模拟格网精细化、模型应用实用化等方向发展;目前需要改进的问题包括：1）统一的人口数据统计标准;2）人口结构特 性相关的空间化,特别是流动人口的空间分布特征识别;3）城市街区尺度的空间化方法研究;4）多源数据与人口动态信息综合中的时相匹配;5）统一的空间化 指标量化方法;6）模型参数优化与精度验证方法完善. |
| [42] | . The emergence of big data brings new opportunities for us to understand our socioeconomic environments. We use the term for such individual-level big geospatial data and the associated analysis methods. The word suggests two natures of the data. First, they can be viewed as the analogue and complement of remote sensing, as big data can capture well socioeconomic features while conventional remote sensing data do not have such privilege. Second, in social sensing data, each individual plays the role of a sensor. This article conceptually bridges social sensing with remote sensing and points out the major issues when applying social sensing data and associated analytics. We also suggest that social sensing data contain rich information about spatial interactions and place semantics, which go beyond the scope of traditional remote sensing data. In the coming big data era, GIScientists should investigate theories in using social sensing data, such as data representativeness and quality, and develop new tools to deal with social sensing data. |
| [43] | . 随着国内外时空间行为研究的数据采集、计算挖掘、三维可视化与时空模拟等理论与技术的不断革新,时空间行为研究日益呈现出研究数据多源化、研究方法科学化、研究对象个体化、研究主题应用化等趋势。海外的时空间行为研究在结构化理论、GIS 以及其他社会科学领域中得到广泛的理论应用,中国的时空间行为研究经历了时间地理学的引入与描述性统计、城市空间与时空间行为的互动机理研究、基于位置感知设备的数据采集与规划应用等3 个阶段,正在步入实践应用的重要时期。时空间行为研究在城市规划、社会管理、居民服务等领域具有广泛的应用前景。 . 随着国内外时空间行为研究的数据采集、计算挖掘、三维可视化与时空模拟等理论与技术的不断革新,时空间行为研究日益呈现出研究数据多源化、研究方法科学化、研究对象个体化、研究主题应用化等趋势。海外的时空间行为研究在结构化理论、GIS 以及其他社会科学领域中得到广泛的理论应用,中国的时空间行为研究经历了时间地理学的引入与描述性统计、城市空间与时空间行为的互动机理研究、基于位置感知设备的数据采集与规划应用等3 个阶段,正在步入实践应用的重要时期。时空间行为研究在城市规划、社会管理、居民服务等领域具有广泛的应用前景。 |
