基于协同区位商的北京城市职住要素空间关联

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

孟斌^,¹, 高丽萍², 李若倩²

1. 北京联合大学应用文理学院,北京 100191

2. 首都师范大学资源环境与旅游学院,北京 100048

Spatial correlation analysis of residential and employment elements in Beijing based on collaborative location quotient

MENG Bin^,¹, GAO Liping², LI Ruoqian²

1. College of Applied Arts and Science, Beijing Union University, Beijing 100191, China

2. College of Resource Environment and Tourism, Capital Normal University, Beijing 100048, China

收稿日期:2019-03-19修回日期:2021-04-19网络出版日期:2021-06-25

基金资助:

国家自然科学基金项目.41671165
国家自然科学基金项目.51878052
北京联合大学科研项目.ZK40202001

Received:2019-03-19Revised:2021-04-19Online:2021-06-25

Fund supported:

National Natural Science Foundation of China.41671165
National Natural Science Foundation of China.51878052
The Academic Research Projects of Beijing Union University.ZK40202001

作者简介 About authors
孟斌(1971-), 男, 安徽肥东人, 博士, 教授, 硕士生导师, 中国地理学会会员(S1100001017M), 主要从事城市地理和地理信息科学研究。E-mail: mengbin@buu.edu.cn

摘要
就业地和居住地是城市居民工作以及生活的主要场所,同样也是城市空间结构最重要的组成要素,写字楼与居民楼空间关联性研究对深刻理解职住关系有着至关重要的作用。利用协同区位商方法,对北京市写字楼与居民楼空间关联总体特征和局域空间关联格局进行分析。研究表明：① 协同区位商作为一种测量点要素之间联系的方法,能够很好的应用到职住关系的研究中,对丰富职住关系度量指标体系也具有非常重要的意义。② 对北京市的实证分析结果显示,北京市写字楼与居民楼全局协同区位商值小于1,空间关联性较差,表明职住要素的空间联系总体较弱。③ 局域协同区位商的分析表明,北京写字楼与居民楼局域空间关联格局差异明显,不仅不同区域两者空间关联性强弱差别显著,而且不同价位的居民楼和写字楼展现出不同的空间关联特征。④ 北京职住要素空间关联性深受写字楼、居民楼本身布局的影响,其主要影响因素还需要进一步全面分析,加强此领域研究,将有助于城市规划中职住要素的合理空间布局。
关键词： 职住关系;要素关联;协同区位商;同位模式;北京

Abstract

Places of employment and residence are the main spaces in which urban residents work and live, as well as key elements of the urban spatial structure. Hence, thorough investigations of the spatial correlations of office and residential buildings are of great significance for the understanding of the spatial relationships of urban elements, especially that of job-housing relationships. In this study, the objects of the research were office and residential buildings in Beijing, China, and the global and local characteristics of the spatial relationships between job-housing elements were investigated using the collaborative location quotient method. The results demonstrate that: (1) The co-location quotient, a method used to measure the spatial correlations of point elements of a survey, can be effectively applied in studies of job-housing relationships, and contributes indicators and a method for the measurement of job-housing relationships. (2) The empirical analysis reveals that the global co-location quotient (GCLQ) of office and residential buildings in Beijing is below 1, indicating relatively weak spatial correlations of the job-housing elements in the city, which is consistent with the increasing job-housing separation. Overall, residential buildings are more attracted by office buildings, suggesting that the location selection of residential buildings is affected by the local distribution of office buildings, whereas the local distribution of office buildings is barely a consideration for the location selection of residential buildings. (3) The results of the local co-location quotient (LCLQ) demonstrate that the local relationships of office and residential buildings in Beijing vary significantly in space. As the distance from the urban center increases, the LCLQ of residential buildings to office buildings decreases, while the LCLQ of office buildings to residential buildings increases. Moreover, the spatial relationships of urban job-housing elements in the north and south areas of Beijing, the dividing line of which is Chang'an Avenue, are significantly different; the spatial correlation of office and residential buildings in the north area is relatively strong, while that in the south area is relatively weak (i.e., the distribution of residential buildings is independent of that of office buildings). Additionally, the result show that the spatial relationships of office and residential buildings are related to their prices. (4) Recently, researchers have turned from studies of the urban hierarchical structure based on theories of "the space of places" to studies of the trends of "the space of flows", namely population flow, logistics flow, and information flow. This study shares a similar logic, as it investigates the urban spatial structure from the perspective of elemental correlation. This research is of great significance for the understanding of the functional zones of living, working, recreation, and transportation in cities, and relevant studies will contribute to the reasonable spatial layout of job-housing elements in urban planning.

Keywords：job-housing relationship;element association;co-location quotient;co-location patterns;Beijing

PDF (6723KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
孟斌, 高丽萍, 李若倩. 基于协同区位商的北京城市职住要素空间关联. 地理学报[J], 2021, 76(6): 1380-1393 doi:10.11821/dlxb202106005
MENG Bin, GAO Liping, LI Ruoqian. Spatial correlation analysis of residential and employment elements in Beijing based on collaborative location quotient. Acta Geographica Sinice[J], 2021, 76(6): 1380-1393 doi:10.11821/dlxb202106005

1 引言

中国正处于城市制度转型的关键时期,郊区化现象逐渐加剧,城市空间重构也逐步加速,同时土地与住房改革的推进和城市交通设施建设水平的快速提升,都使得城市居民职住关系发生了重大变化。近年来,北京城市现代化的建设步伐不断加快,新建住房已呈现出从城市中心向周边新发展区扩展的趋势,城市化也已经随着新建住房区位的变化由中心向城区各个方向推进。与此同时,城市轨道交通以及交通线路的完善、城市郊区化的快速发展^[1]等因素,也使得北京城市新建住房逐步由传统城市中心向郊区转移,居住地空间结构发生了显著变化,城市居民职住分离现象愈加普遍,长时间或远距离通勤成为城市居民日常生活的普遍现象。在《北京城市总体规划（2016—2035年）》中,也首次将职住关系协调作为一个重要的规划目标,在这一背景下,加强北京市居民就业地和居住地这两类最主要的职住要素之间的空间关联研究已经刻不容缓。

国外****对“职住不匹配”理论和实践的研究较早,并且已取得丰硕成果。1968年Kain提出了“空间错位”的假说,并重点分析了就业岗位郊区化和种族隔离等现象对中心城区黑人居民较高的失业率的影响^[2]。此后,很多****都试图用定量的方法来验证黑人就业率和“空间错位”之间的关系。研究对象也由美国黑人的失业、贫困,逐渐扩展到其他少数民族和弱势群体等;研究内容由居住地隔离逐渐扩展到对工作的寻找、社会可接受性、工作可达性等方面,再到对低收入人群在寻找工作中遇到的一系列障碍的研究^[3]。随着对研究领域的深入,来自不同研究领域的****开始质疑“空间错位”存在的客观性。Offner等以芝加哥为研究对象,发现在白人为主或者多种族混杂居住的地区,雇主所雇佣的黑人的比例要比在黑人为主的社区小^[4]。20世纪80年代以后,Wilson^[5]、Leonard^[6]、Kasarda^[7]等****以不同的实证研究证实了“空间错位”假说存在的客观性。Kasarda等在他们的研究中重新强调了“空间错位”,提出就业岗位的郊区化导致了城市中心区贫困阶层的集聚。但也有****认为,就业障碍不是“空间”问题,而是美国社会中黑人和白人引起的居住分异问题^[8]。

国内****对“空间错位”假说的研究起步较晚,最早源于周江评对美国“空间错位”研究成果的引进^[9]以及提出的国内学术界的研究重点。之后国内****广泛开展了对“空间错位”现象的研究,研究区域主要集中在一些大城市,例如北京^[10]、上海^[11]和广州^[12]等城市,取得了丰硕的成果,这也从侧面反映出职住分离问题已经成为中国众多城市的“城市病”之一。在早期开展的实证研究中,****主要集中在“空间错位”的背景、演变过程、方法研究、测度方法、对就业的影响、与城市就业的关系等方面^{[13,14,15,16]}。通勤距离和通勤时间作为衡量职住分离程度常用的指标^{[17,18,19,20,21]},国内****将其作为研究手段来分析职住分离情况,取得了丰富的成果。如孟斌等对望京和天通苑两个大型居住社区进行了研究,发现居住在近郊大型居住区里的居民通勤时间普遍较长^[20];刘望保等利用广州市三年家庭社会调查问卷数据,分析了广州城市居民职住分离与通勤行为的演变,发现家庭收入、文化程度、住房产权情况等是影响居民通勤行为的重要因素^[21]。还有****研究发现职住匹配受社会经济属性、交通发展要素、区域功能定位、政策性因素、工作和住房机会、城市公共服务设施等因素^{[22,23,24,25]}的影响。

国内外****对于职住匹配的相关研究,主要包括3个方面的测度：数量匹配的测度、质量匹配的测度和通勤行为^{[15, 20-21]}。其中,数量的匹配是指就业者人数和就业岗位数量相当,居民能够就近工作,也就是职住数量平衡度;质量的匹配是指一定区域内就业者数量和相匹配的就业岗位数量相当,能够实现该区域内就业与居住自给自足的程度,即职住关系自足度。对职住空间匹配的测度有明显的尺度效应,一般来说,地理范围（尺度）越大,数量的匹配和质量的匹配效果越好;范围（尺度）越小,其匹配效果越差。但就尺度效应的范围标准,****们仍旧没有统一的答案^[15]。尺度问题的存在使目前常用测度职住空间匹配的指标受到挑战,需要寻找新的方法来弥补尺度问题对测度职住空间匹配研究带来的影响。

地理学家很早就关注物体和它的相邻事物之间的关系,Tobler第一定律至今仍然是地理学最重要的理论基础。不同要素或分布之间的空间关系是最基本的空间关系之一,这种类型的空间关系可以用空间关联来表示。“空间关联”这个词在其他领域被用来指在单个种群（或要素）内部之间或在两个或更多种群（要素）之间呈现的关系模式^[26];由于空间（不）匹配是指某一要素和另一要素在空间上呈现出的（非）对称状态^[27],与空间关联存在本质的联系,都是指空间要素之间的相互作用关系,因此借助空间关联来研究职住要素的空间匹配问题成为可行的选择之一。

协同区位商（The Global Co-location Quotients, GCLQ）是在经济区位商^[28]的基础上最早由Leslie和Kronenfeld提出的,不但能够检测到与要素分布模式无关的空间关联关系,而且能够对空间要素的不对称分布进行测度,但它是一个全局的协同区位模式,无法检测到关联的强度的局域变化^[26]。Cromley等于2014年在全局协同区位模式的基础上提出了一个协同区位商的局域指标（The local indicator of the Co-location Quotient, LCLQ）^[29],来揭示两点（集）间相关性的空间变异性。自协同区位商方法提出以后,很多****已用其做了很多研究。Leslie等分别对凤凰城地区的36909家商业机构的空间关系进行了研究,发现凤凰城地区的主要服务行业和其他服务行业都有大量不对称关联,公共管理和艺术、娱乐和娱乐行业在他们的同类部门中只有3~4个显著的关联^[26]。但将此类方法应用于城市职住要素关系研究却依然缺乏。鉴于此,本文尝试利用协同区位商法对北京城市职住要素空间关联特征及其空间关联格局进行研究分析,试图对职住关系的度量和评价提供一个新的研究视角。

2 数据来源和研究方法

2.1 数据来源与处理

本文以北京城市写字楼和居民楼为主要研究对象,采用八爪鱼软件在相关网站抓取的带有经纬度位置信息的2016年写字楼数据和居民楼数据。其中居民楼数据7832条,用来表示北京市居住要素;写字楼数据3719条,用来表示就业要素。通过标准差方法对居民楼数据进行分类,分成3类：低价位居民楼（≤ 27815元/m²）、中间价位居民楼（27816~59613元/m²）、高价位居民楼（> 59614元/m²）。《北京城市总体规划（2016年—2030年）》将北京市划分为四大功能区：首都功能核心区、城市功能拓展区、城市发展新区和生态涵养发展区。据此,本文将位于首都功能核心区内的居民楼划分为核心区,将位于城市功能拓展区内的居民楼划分为拓展区,将位于城市发展新区和生态涵养发展区两大区域内的居民楼划分为周边区域。

2.2 研究方法

协同区位商^[26]是在经济区位商的基础上发展而来,分全局的协同区位模式（GCLQ）和协同区位商的局域指标（LCLQ）^[29]。全局协同区位商（GCLQ）测度A型点附近B型点的观察值与预期值之间的整体关系,它是基于最近邻而不是实际的距离来设计的,以避免点要素总体分布的影响（图1）。

图1

新窗口打开|下载原图ZIP|生成PPT
图1两类要素空间关联示意

Fig. 1Schematic diagram of two types of element space association

GCLQ的计算公式^[26]为：

（1）

GCL Q_{A \to B} = \frac{N_{A \to B} / N_{A}}{N_{B} / (N - 1)}

式中：

GCL Q_{A \to B}

表示A型点被B型点吸引的程度;N代表所有点的数量;N_A代表A型点的数量或规模;N_B代表B型点的数量;

N_{A \to B}

表示拥有B型点作为其最近邻点的A型点的数量。分子表示观测到的作为A型点最近邻的B型点的比例;分母表示随机情况下作为A型点最近邻的B型点的比例。一个大的协同区位商值反应较强的共同区位联系,

GCL Q_{A \to B}

值大于1,说明A型点和B型点具有空间关联性的,具体来说,A型点很容易被B型点吸引;相反,如果

GCL Q_{A \to B}

小于1,表明A型点与B型点趋向于隔离（分散）;

GCL Q_{A \to B}

等于1,表明A型点与B型点趋向随机分布。全局协同区位商能够从相反的方向区分A到B的空间作用。换句话说,

GCL Q_{A \to B}

表示A型点被B型点吸引的程度,而

GCL Q_{B \to A}

表示B型点被A型点吸引的程度。

由于要素的空间相关性会随着空间的变化而变化,例如,地理加权回归模型中的参数的局域变化,又比如一些探测热点区域的局域空间自相关指标,例如G_i统计和LISA。因此,Cromley等在2014年提出了一个协同区位商的局域指标,来揭示两点（集）间相关性的空间差异性。局域协同区位商不但有助于理解空间过程和潜在的驱动因素,还方便进行空间化展示,更方便解释空间关联的空间特征。LCLQ^[29]公式如下：

（2）

L CL Q_{A_{i} \to B} = \frac{N_{A_{i} \to B}}{N_{B} / (N - 1)}

（3）

N_{A \to B_{i}} = \overset{N}{\sum_{j = 1}} (\frac{w_{ij} f_{ij}}{\overset{N}{\sum_{j = 1 (j \neq i)}} w_{ij}}), (j \neq i)

（4）

w_{ij} = \exp (- 0.5 \times \frac{d_{ij}^{2}}{d_{ib}^{2}})

式中：

LCL Q_{A_{i} \to B}

表示B型点被A_i点吸引的程度;

N_{A_{i} \to B}

表示点A_i最近邻的B型点的加权平均数;f_ij表示一个二进制变量,指示j是否标记的是B型点（1代表是,否则为0）;w_ij代表的是点j的权重,说明j对第i个A型点的重要性;d_ij代表的是第i个A型点与点j之间的距离;d_ib代表的是第

i

个A型点附近的带宽距离。

公式（4）是高斯核密度函数,被用来将地理权重分配给点A_i的每个邻居,基本上,离A点越远的邻居,它对A点的重要性越小。还可以考虑其他的密度函数来定义一个点的权重,例如所谓的盒核密度函数（Box Kernel Density Function）,将标记的A点规定带宽距离内的每个点相同地对待,而不考虑他们的距离。

类似于GCLQ的实现,LCLQ也采用距离等级（例如,第一最近邻或第二最近邻）,而不是实际距离度量作为计算中的带宽。这个带宽也被称为“自适应带宽”。与基于测量距离的固定带宽相比,自适应带宽保证了在每一个标记点A对LCLQ的估计（预期）有完全相同的点数,从而得到更可靠的结果。在实际计算过程中,可以通过设置不同的距离等级带宽（一阶最近邻或二阶最近邻等）来度量不同尺度下两种类型点之间的吸引作用,并且距离可以采用欧氏距离或网络距离进行计算。

3 北京城市职住要素空间关联全局特征

3.1 北京职住要素关联程度整体特征

根据Leslie等开发的“The Global CLQ”工具^[26],利用2016年北京城市写字楼和居民楼数据,对北京城市职住两大要素关联强度进行分析。经过多次实验,本文设置带宽分别为一阶最近邻（The First-order Neighbor）、十阶最近邻（The Tenth-order Neighbor）和二十五阶最近邻（The Twenty-fifth-order Neighbor）,并运用蒙特卡罗模拟（100次）对其进行显著性检验,表1和表2列出了北京城市写字楼和居民楼之间的全局协同区位商值。可以看出：① 随着带宽的增加（从1阶最近邻到10阶最近邻,再到25阶最近邻）,写字楼与居民楼的全局协同区位商值越来越大,但是仍小于1,换句话说,北京城市写字楼与居民楼在空间分布上呈现出相对独立的特征;② 在各个带宽下,居民楼被写字楼吸引的程度都大于写字楼被居民楼吸引的程度,尤其在带宽为25时,居民楼被写字楼吸引的程度大于0.9,说明在一定程度上居民楼有依附于写字楼分布的倾向。

Tab. 1
表1
表1居民楼被写字楼吸引的全局协同区位商
Tab. 1GCLQ of residential buildings attracted by office buildings

带宽	写字楼
带宽	1	10	25
居民楼	0.7579	0.8457	0.9041

注：所有的协同区位商值在0.001的置信水平下显著。

新窗口打开|下载CSV

Tab. 2
表2
表2写字楼被居民楼吸引的全局协同区位商
Tab. 2GCLQ of office buildings attracted by residential buildings

带宽	居民楼
带宽	1	10	25
写字楼	0.6284	0.7691	0.8216

注：所有的协同区位商值在0.001的置信水平下显著。

新窗口打开|下载CSV

3.2 北京不同功能区职住要素空间关联

根据上文划分三大区域,进一步分析写字楼与居民楼的空间关联程度,结果如表3和表4所示。从3个区域里居民楼被写字楼吸引的程度来看（表3）,协同区位商值都小于1,居民楼被写字楼吸引的程度普遍较低,居民楼近乎完全独立于写字楼而分布;并且其吸引程度呈现出由核心区向拓展区扩大,再向周边区域变小的趋势。对写字楼被居民楼吸引的结果进行分析（表4）,同样发现3个区域里写字楼被的居民楼吸引的程度也较低,呈现周边区域居民楼与写字楼关联性最差的特点。

Tab. 3
表3
表3三大区域居民楼被写字楼吸引的全局协同区位商
Tab. 3GCLQ of residential buildings attracted by office buildings in three major areas

带宽		写字楼
带宽		1	10	25
居民楼	核心区	0.6265	0.6418	0.6324
	拓展区	0.6071	0.7343	0.7874
	周边区域	0.2148	0.2669	0.2836

注：所有的协同区位商值在0.001的置信水平下显著。

新窗口打开|下载CSV

Tab. 4
表4
表4三大区域写字楼被居民楼吸引的全局协同区位商
Tab. 4GCLQ of office buildings attracted by residential buildings in three major areas

写字楼		居民楼
写字楼		核心区	拓展区	周边区域
带宽	1	0.4008	0.5745	0.2634
	10	0.5993	0.7592	0.2945
	25	0.7292	0.8507	0.2721

注：所有的协同区位商值在0.001的置信水平下显著。

新窗口打开|下载CSV

3.3 不同价格水平的职住要素关联程度

由于不同价位的居民区和写字楼的区位选择具有不同特点,本文进一步对写字楼与不同价位居民楼之间的空间关联进行了分析。图2表示写字楼被不同价位居民楼吸引的程度,图3表示不同价位居民楼被写字楼吸引的程度,可以发现两者之间的协同区位商值都小于1（GCLQ_{写字楼→不同价位居民楼}<1）,即写字楼和不同价位的居民楼处于一种较弱的空间关联状态。研究还发现在不同带宽下,写字楼与中间价位居民楼吸引的强度都是最大,表明写字楼与中间价位居民楼空间关联性最好,与低价位居民楼空间关联性最差。

图2

新窗口打开|下载原图ZIP|生成PPT
图2写字楼被不同价位居民楼吸引的全局协同区位商

Fig. 2GCLQ of office buildings attracted by residential buildings in different price ranges

图3

新窗口打开|下载原图ZIP|生成PPT
图3不同价位居民楼被写字楼吸引的全局协同区位商

Fig. 3GCLQ of residential buildings in different price ranges attracted by office buildings

4 北京城市职住要素空间关联局域特征

4.1 职住要素空间关联空间格局分析

4.1.1 居民楼被写字楼吸引的局域特征

基于协同区位商的局域指标,对北京城市写字楼与居民楼空间关联的空间格局进行分析,图4为带宽分别为10和25时写居民楼被写字楼吸引强度的空间格局。

图4

新窗口打开|下载原图ZIP|生成PPT
图4北京居民楼被写字楼吸引的局域协同区位商

Fig. 4LCLQ of residential buildings attracted by office building in Beijing (a. Bandwidth=10, b. Bandwidth=25)

从图4可以看出,在带宽分别为10和25的情况下,虽然居民楼被写字楼吸引强度值（LCLQ）有稍微变化,但是总体空间格局并没有大的改变,主要表现为：① 居民楼被写字楼吸引的强度空间差异明显,随着距城市中心距离的增加,居民楼被写字楼吸引的能力逐渐降低,换句话说,城区居民楼布局对写字楼布局具有依附性,而郊区居民楼布局对写字楼布局没有依附性,呈现出独立分布的特点。② 在五环内,以长安街为分界线,北城居民楼被写字楼吸引的强度大于南城。北城写字楼与居民楼的空间关联性较好,居民楼依附于写字楼分布而分布;南城写字楼与居民楼的空间关联性相对较差,呈现出居民楼独立于写字楼分布的特点。③ 在五环内,以中轴线为分界线,东部城区居民楼被写字楼吸引的强度大于西部城区,东部城区写字楼与居民楼的空间关联性好,居民楼对写字楼具有依附性,西部城区写字楼与居民楼的空间关联性相对较差,居民楼独立于写字楼而分布。

4.1.2 写字楼被居民楼吸引的局域特征分析 对比图4和图5,在带宽分别为10和25时,写字楼被居民楼吸引强度的空间关联格局特征与写居民楼被写字楼吸引强度的空间关联格局特征正好相反,表现为：① 写字楼被居民楼吸引的强度呈现出由北京城市中心区域向郊区逐渐变大的趋势。总体而言,北京城区居民楼与写字楼的空间关联性较差,写字楼独立于居民楼分布,而在各郊区县则发现写字楼在空间上依附于居民楼分布,并且主要集中于县城的特点。② 在五环内,以长安街为分界线,北城写字楼被居民楼吸引的强度弱于南城,南城大部分区域内的写字楼都依附于居民楼分布而分布;而北城,除小部分地区表现出写字楼依附于居民楼分布以外,大部分地区的写字楼都独立于居民楼的分布。③ 在五环内,以中轴线为分界线,东西部城区写字楼被居民楼吸引的强度差异不大,居民楼与写字楼空间关联性都较弱,写字楼的分布受居民楼分布的影响不大。

图5

新窗口打开|下载原图ZIP|生成PPT
图5北京写字楼被居民楼吸引的局域协同区位商

Fig. 5LCLQ of residential buildings attracted by office buildings in Beijing (a: Bandwidth=10, b: Bandwidth=25)

4.2 不同价格水平的写字楼及居民楼关联程度及空间格局

4.2.1 写字楼与高价位居民楼空间关联分析

（1）高价位居民楼被写字楼吸引的强度分布（图6）主要有以下特点：① 以中轴线为分界线,东部城区高价位居民楼被写字楼吸引的程度更高,其写字楼与高价位居民楼空间关联性较好,而西部城区则相反。② 西二环到西四环区域内以及中关村地区,高价位居民楼被写字楼吸引的强度值都大于1,说明该区域范围内高价位居民楼与写字楼的空间关联较好。除以上几个地区外,北城其它地区写字楼与高价位居民楼空间关联较差,尤其中轴线两侧的北二环至北三环地区、航天桥以东地区以及北三环至北四环的西北角地区表现更为突出。

图6

新窗口打开|下载原图ZIP|生成PPT
图6北京高价位居民楼被写字楼吸引的局域协同区位商

Fig. 6LCLQ of high-priced residential buildings attracted by office buildings (a. Bandwidth=10, b. Bandwidth=25)

（2）写字楼被高价位居民楼吸引的强度特征分析结果如图7所示,从整体上来说,写字楼被高价位居民楼吸引的强度呈现出与高价位居民楼被写字楼吸引的强度相似的特点：长安街以北区域写字楼与高价位居民楼的空间关联性好于长安街以南区域。具体表现为以下特点：① 长安街以北区域,写字楼被高价位居民楼吸引的强度较高,即写字楼附近常常有高价位居民楼布局。符合这一特征的区域主要是：中关村清华园附近、西三环北路附近、西四环北路附近、中轴线两侧的北二环到北四环地区等。而作为就业中心的CBD地区,由于商业地产高度积聚,居住用地较少,高价位居民楼与写字楼空间关联性较差,其他一些区域也由于高价位居民楼的较少,所以都呈现出较低的空间关联性。②长安街以南,高价位居民楼主要布局在二环以内,所以除东二环南路和西二环南路沿线外等个别区域外,南二环以北地区写字楼被高价位居民楼吸引的强度值都大于1,说明该区写字楼与居民楼空间关联性较强。

图7

新窗口打开|下载原图ZIP|生成PPT
图7北京写字楼被高价位居民楼吸引的局域协同区位商

Fig. 7LCLQ of office buildings attracted by high-priced residential buildings in Beijing (a. Bandwidth=10, b. Bandwidth=25)

4.2.2 写字楼与中间价位居民楼空间关联分析

（1）分析中间价位居民楼被写字楼吸引的强度（图8）发现,不管是北京中心城区还是远郊的区县县城等经济中心区域,都存在中间价位居民楼与写字楼空间关联性好或差的区域,具体体现在：① 整体上,在北京城区就业中心和远郊地区各区县经济中心中间价位居民楼被写字楼吸引的强度值大于1,说明在这些地区的中间价位居民楼附近都有写字楼布局,中间价位居民楼对写字楼依附程度较高。② 长安街以北,除金融街和CBD、回龙观等3个区域内,中心中间价位居民楼被写字楼吸引的强度值小于1外,其他就业中心,例如中关村、望京和上地等地区内,中间价位居民楼被写字楼吸引的强度大部分都大于1,说明在中关村、望京和上地地区,在中间价位居民楼附近都能找到写字楼的布局,两者之间的空间关联性较好。③ 长安街以南,南二环以北地区中间价位居民楼被写字楼吸引的强度值大部分大于1,说明该区域中间价位居民楼与写字楼的空间关联较好;而南二环以南地区中间价位居民楼与写字楼的空间关联较差,应考虑在这部分地区合理布局写字楼以达到中间价位居民楼与写字楼的匹配。

图8

新窗口打开|下载原图ZIP|生成PPT
图8北京中间价位居民楼被写字楼吸引的局域协同区位商

Fig. 8LCLQ of midium-priced residential buildings attracted by office buildings (a. Bandwidth=10, b. Bandwidth=25)

（2）写字楼被中间价位居民楼吸引的强度呈现出由北京城市中心城区向远郊区县降低的趋势（图9）,具体表现为：① 总体上来看,二环到四环之间,写字楼被中间价位居民楼吸引的强度值大于1,两者空间关联好;而远郊区县写字楼被中间价位居民楼吸引的强度值小于1,两者空间关联较差。② 长安街以北,金融街和CBD大部分区域以及中关村地区,写字楼被中间价位居民楼吸引的强度值小于1,说明在这些地区写字楼与中间价位居民楼空间关联较差;而北二环到北四环之间以及望京靠近四环附近的区域,中间价位居民楼与写字楼的空间关联较好,在写字楼附近能够找到中间价位居民楼的分布。③ 长安街以南,长安街沿线中间价位居民楼与写字楼空间关联较差,而南二环到南四环之间,写字楼被中间价位居民楼吸引的强度值大于1,说明在这些地区中间价位居民楼与写字楼单向上的空间关联较好;而其他区域,写字楼被中间价位居民楼吸引的强度值大都小于1,空间关联性较差。

图9

新窗口打开|下载原图ZIP|生成PPT
图9北京写字楼被中间价位居民楼吸引的局域协同区位商

Fig. 9LCLQ of office buildings attracted by midium-priced residential buildings (a. Bandwidth=10, b. Bandwidth=25)

4.2.3 写字楼与低价位居民楼空间关联分析

（1）对低价位居民楼被写字楼吸引的强度分析,写字楼与低价位居民楼单向空间关联强度由北京中心城区向远郊区县中心城区逐渐递减（图10）,具有以下特点：① 四环内,除丰台中心城区低价位居民楼被写字楼吸引的强度值小于1,两者单向空间关联性较差外,其他地区写字楼与低价位居民楼的空间关联性都较好,在低价位居民楼附近都有写字楼的存在;此外,四环到五环之间,只有南四环到南五环之间写字楼与低价位居民楼的单向空间关联性较差,其他地区两者的空间关联性都较好。② 五环内,存在低价位居民楼的地区,其低价位居民楼被写字楼吸引的的强度值大部分大于1,两者具有空间关联性。③ 远郊区县,不管是中心城区还是其他地区,写字楼与低价位居民楼在单向上都不存在空间关联性,即低价位居民楼附近没有写字楼的布局。

图10

新窗口打开|下载原图ZIP|生成PPT
图10北京低价位居民楼被写字楼吸引的局域协同区位商

Fig. 10LCLQ of low-priced residential buildings attracted by office buildings (a. Bandwidth=10, b. Bandwidth=25)

（2）分析写字楼被低价位居民楼吸引的强度（图11）,两者之间的单向空间关联性呈现以下特点：① 低价位居民楼与写字楼的单向空间关联性从北京中心城区向远郊区县中心城区逐渐变好。四环内写字楼被低价位居民主楼吸引的强度值大部分小于1,说明四环内,在大部分写字楼附近找不到低价位居民楼的布局,而在远郊区县中心城区,大部分写字楼附近都存在低价位居民楼,呈现出低价位居民楼依附写字楼布局的特点,这与低价位居民楼布局有关。② 四环内,低价位居民楼与写字楼具有显著单向空间关联性的区域主要位于丰台中心城区,说明丰台城区写字楼附近存在低价位居民楼,四环内其他区域两者的空间关联性较差;从南四环到南五环沿线地区,写字楼被低价位居民楼吸的强度值都大于1,这些地区低价位居民楼与写字楼单向空间关联性较好,说明相对于长安街以北的地区,长安街以南低价位居民楼数量较多,在一定程度上提高了写字楼与低价位居民楼的空间关联性;此外,回龙观地区写字楼被低价位居民楼吸引的强度值大于1,说明在该区写字楼附近都存在低价位居民楼,即低价位居民楼对写字楼具有依附分布的特点。

图11

新窗口打开|下载原图ZIP|生成PPT
图11北京写字楼被低价位居民楼吸引的局域协同区位商

Fig. 11LCLQ of office buildings attracted by low-priced residential buildings (a. Bandwidth=10, b. Bandwidth=25)

5 结论与讨论

2016年北京市写字楼与居民楼全局协同区位商值小于1,空间关联性较差,反映出北京城市写字楼与居民楼在空间分布上相对独立,就业和居住功能相对集中的总体格局;但不同区域、不同价位的居民楼与写字楼的要素关联强弱不同,比较而言,居民楼被写字楼吸引的程度都大于写字楼被居民楼吸引的程度,表明在一定程度上居民楼区位选择还是受到周边写字楼分布的影响,而写字楼选址对于周边的居住要素考虑相对较少。

协同区位商的局域指标对于理解要素关联的区域差异具有较好的帮助作用,本文发现,北京写字楼与居民楼空间关联局域特点差异明显,在不同区域写字楼与居民楼空间关联性特点不同,并且居民楼被写字楼吸引与写字楼被居民楼吸引的局域特征也表现出相反的趋势,可以发现随着距城市中心距离的增加,居民楼被写字楼吸引的强度逐渐减小,而写字楼被居民楼吸引的强度逐渐变大,这反映出北京城市中心作为就业密集区域和城市外围区域作为居住密集区域的城市功能所产生的客观效果。

在局域分析中还发现,北京城市职住要素空间关联在以长安街为线的南北区域差异十分显著,就居民楼被写字楼吸引而言,北城居民楼被写字楼吸引的强度大于南城,北城写字楼与居民楼的空间关联性较好,南城写字楼与居民楼的空间关联性相对较差,呈现出居民楼独立于写字楼分布的特点;就写字楼被居民楼吸引而言,北城写字楼被居民楼吸引的强度弱于南城写,南城大部分区域内的写字楼都依附于居民楼分布而分布,这一发现再一次揭示了北京城市内部空间差异的巨大影响。

通过对北京市的实证分析,表明协同区位商作为一种测量点要素之间空间联系的方法,能够很好的运用到职住关系的研究中;协同区位商更加关注的是职住要素的空间位置关联程度,从要素空间同位模式研究职住关系,对丰富目前以通勤时间和通勤距离等反映职住要素分离程度为主的职住关系度量的指标体系具有很好的补充;同时,这种从要素本身的关联角度来研究城市空间结构,与地理****近年来由基于相对静态的场所空间理论研究城市等级结构,转向更加关注由人流、物流和信息流构建的“流空间”的趋势具有相似的逻辑^[30,31],对深入理从城市中居住、工作、游憩、交通功能分区具要重要意义。

从实践角度来看,本文发现北京一些区域的职住要素的空间关联程度较弱,在新版北京城市总体规划中,已经提出城市规划和建设要关注职住平衡问题,将来如果对职住要素的空间关联程度主要影响因素进一步全面分析,在城市规划中增加职住要素本身相互吸引力,将对北京居住地和就业中心的规划和布局发挥更好的指导作用。

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]

Song

Jinping

, Wang

Enru

, Zhang

Wenxin

, et al. Housing suburbanization and employment spatial mismatch in Beijing
Acta Geographica Sinica, 2007,62(4):387-396.