闫常鑫，王彬，陈理，向往*，王云，闫学东

(1.长沙市规划勘测设计研究院，长沙410007；2.长沙理工大学，交通运输工程学院，长沙410114；3.北京交通大学，交通运输学院，北京100044)

0 引言

2020年1月下旬至2月上旬全国进入新冠疫情暴发期，对人民生命安全造成极大的威胁，截止到2021年4月，全国各地仍受到新冠疫情的威胁与影响。交通管理政策是疫情防控的关键性措施，可以通过限制人口流动控制疫情传播。长沙市作为湖北省临近的省会城市，由于疫情时空分布扩散符合地理邻近的基本规律[1]，对疫情防控提出了高要求。因此，在疫情防控逐渐常态化的状况下，交通防控政策对人口流动限制的有效性研究具有重要的理论意义和现实价值。

研究表明，人口流动对推动疫情的传播起重要作用[2]，以武汉市封城为例，即切断武汉与各城市之间的交通联系，减少城内、城外出行，极大程度的降低人口流动的规模，达到阻断病毒传播的目的，武汉封城延缓病毒向国内传播3～5 d，减少近80%的国际传播[3]，武汉市封城以及各地的防控措施，使感染人数减少70 万人，延缓各地疫情开始时间2.91 d[4]。因此，是否能够控制长沙市的人口流动，是长沙市疫情防控的关键。

交通是人口流动的重要载体，在运输过程中，旅客处于相对密闭和聚集的环境，对疫情传播产生重要影响。基于航空运输、高铁列车和长途汽车的研究发现各地疫情发展与连接武汉的交通网络具有显著的相关性[5]。所以，交通与传染病的防控紧密相连。WESOLOWSKI等[6]基于手机信令数据揭示了交通流的季节性变化对于流行病传播的影响；张钊等[7]研究了武汉封城对浙江省交通流的影响，但是未进行防控政策效果的量化分析；江飞涛等[8]从确诊人数和经济复苏两个角度考察新冠肺炎下交通防控政策的效果，未进行交通管制政策对人口流动的影响分析。上述研究表明，目前研究者研究交通流与传染病之间的关系，揭示交通防控政策与人口流动的相关性，但并未进行量化处理。

基于此，本文以百度迁徙数据为基础，研究长沙市在不同疫情防控阶段制定的交通防控政策对人口流动的影响，对长沙市在不同疫情阶段制定的交通防控政策进行识别及量化分析。介绍长沙市疫情防控政策及阶段划分；对比分析长沙市2019年和2020年的同期人口流动；基于双重差分模型验证交通防控政策对人口流动控制的有效性；并对本文进行了总结讨论。

1 长沙市疫情防控政策及阶段划分

1.1 长沙市疫情防控政策

2020年1月23日，湖南省启动重大突发公共卫生事件一级响应，2020年1月24日下午，长沙市启动重大突发公共卫生事件一级响应。依据公共卫生事件响应等级，指导各部门制定相关疫情防控细则，交通部门制定交通防控的具体措施，长沙市具体疫情防控公告如表1所示。

表1 长沙市具体相关防控通告Table 1 Specific prevention and control measures in Changsha

1.2 长沙市疫情防控阶段划分

疫情下的防控措施随疫情演变而调整，既有利于严格的防控，也有利于人们社会活动的恢复。交通防控政策不仅包括疫情严重时的交通管制措施，也包括在疫情得到有效控制之后的恢复政策。本文将长沙市疫情防控情况分为交通管制阶段(第1阶段)和交通恢复阶段(第2阶段)。

作为武汉的临近省会城市，长沙市的疫情情况引起全国人民的担心。2020年1月21日，国家卫生健康委员会确认长沙市第1例新冠肺炎，截止到武汉市封城，长沙市累计确诊8例。2020年1月24日，对相关的小区进行封闭式管理，停运部分高风险地区的公共交通，对风险较低的地区增大公交、地铁的运行间隔和严格的载客率控制，自1月24日长沙市启动疫情防控工作至2月6日，长沙市对市内、市外的人口流动均进行超强管制，先后采取了不同的交通管制措施。

至2020年2月上旬，长沙市的疫情得到控制，2月6～7日，单日新增病例6 例，治愈病例19 例，治愈病例首次超过新增病例，第1阶段的疫情防控措施取得初步成效。2月6日，长沙市政府召开“做好疫情防控和城市活动逐步恢复”的会议。由于全国疫情形式当时仍然严峻，长沙市首先恢复城市内部的人口流动，2月6日全市公共交通、客运出租车开始恢复营运，客座率严格控制在50%以下，加大地铁、公交车的运行时间间隔，同时，禁止体温不正常、个人防护未做好的乘客乘坐公共交通工具。2月11日，长沙市采取相同的疫情防控政策恢复市际客运。2月14～15日，长沙市单日病例首次实现零增长，疫情得到稳定控制。2月21日，中央召开政治局会议部署疫情防控和发展工作，2月22日，开始进入交通全面恢复阶段，关键时间节点如图1所示。

图1 政策关键节点Fig.1 Key nodes of policy

2 疫情下的长沙市人口流动变化

本文基于百度迁徙数据，利用百度地图的LBS开放平台、百度天眼，计算分析其拥有的LBS(基于地理位置的服务)大数据，直观地展现人口迁徙轨迹与特征。百度迁徙数据精度到个人层级，并提供当前城市网络研究中实测流数据，同时能够摒弃公路、铁路、航空等单一运输模式造成的数据片面性，获得城市间人口流动的综合判断，对中国城市网络的指示意义更为明显[9]。因此，在智能设备普及的大背景下，百度地图迁徙大数据具有广泛的代表性，能够很好地反映城市间和城市内的人口流动。

2.1 数据介绍

本文获取长沙市2020年1月1日～5月6日以及2019年农历同期的人口迁徙数据。主要包括：城市每日迁入强度、城市每日迁出强度，以及城市每日内部出行强度3个指标。

城市每日迁入强度和每日迁出强度的计算依赖于城市间迁徙活动的判定，判断1个人发生迁徙需要确定其出发城市和到达城市，离开常驻城市或者在非常驻城市停留超过1 d，即为迁徙出发城市，在目的城市停留超过4 h，即为到达城市。在得到各城市每日人口迁入量和迁出量后，进行特征缩放，将城市每日人口迁入量和迁出量转换为无量纲，且在时间和空间上可比的城市每日迁入和迁出指数。城市内部出行强度是某城市有出行行为的人数与该城市居住人口总数比值的指数化结果。

2.2 人口流动对比分析

2019年和2020年长沙市同期人口迁出强度的日变化趋势(迁入强度与迁出强度基本一致)如图2所示。长沙市内部出行强度的日变化趋势如图3 所示。

图2 长沙市人口迁出强度变化趋势Fig.2 Changing trend of population emigration intensity in Changsha city

图3 长沙市内人口出行强度变化趋势Fig.3 Trend of travel intensity in Changsha

对比分析2020年受疫情防控影响的人口流动变化情况，在长沙市启动重大突发公共卫生事件一级响应前(2020年1月24日前)，长沙市2020年人口迁出强度大于2019年同期的人口迁出强度；同时，2020年平均每日迁出强度和城市内部平均出行强度与2019年同期相比，大致保持相同变动趋势，为将2019年作为对照组使用双重差分模型探究交通防控政策对人口流动影响提供了有利前提条件。在疫情暴发后，和2019年同期相比，迁出强度大幅度下降，颁发了《长沙市关于恢复道路客运班线的通告》之后，有微弱的上升趋势，当2月21日国家层面召开复工复产会议后，迁出强度恢复趋势逐步增大，截至2020年5月6日，刚好恢复到2019年同期水平。

受疫情防控影响，长沙市内部平均出行强度与2019年同期相比也剧烈下降，但在长沙市颁发了《长沙市关于恢复道路客运班线的通告》之后，内部出行强度开始稳步回升，恢复力度远大于迁出强度的恢复，说明该政策对城市内部活动更加敏感。在2020年3月15日之后,城市内部出行强度基本恢复到2019年同期水平。在一定程度上反映出，在2020年3月15日后，长沙市内部的经济、社会活动已基本恢复，但长沙市的跨省流动人口仍然受阻。

2.3 交通政策对人口流动的影响分析

基于长沙市疫情防控措施的具体情况，具体分析关键性疫情防控政策的影响。2020年1月1～23日，长沙市未发布任何防控政策；1月24日～2月6日，该阶段的人口流动强度受《长沙市启动重大突发公共卫生事件一级响应》防控政策的影响，长沙市进入全面防控状态；2月7～20日，湖南省交通运输厅颁布《长沙市关于恢复道路客运班线的通告》，部分低风险区域开始交通恢复；2月21日国家召开复工复产的推进会议。不同阶段下的人口流动强度如表2及图4所示，数据对比区间为2020年1月1日～5月6日和2019年农历同期数据。

表2 不同交通政策阶段下的人口流动强度Table 2 Intensity of population mobility under different transportation policy stages

图4 描述了4 个阶段下的长沙市迁入、迁出和内部出行强度，交通政策对人口流动呈现出两个影响：第一，当交通政策从宽松转为限制时，长沙的人口迁出强度减少最大；当交通政策从限制转为宽松时，城市内部出行强度提升最快，说明城市内部出行需求更刚性。第二，当低风险区域放松管制、尝试部分恢复交通后，城际间的交通出行仍然呈现下降趋势，直至长沙市全面复工复产、恢复交通出行，城市内部的出行强度快速增长，接近无防控时期，但是城际间出行强度仍远低于无防控时期，说明疫情对于城际间交通有更大的影响。

图4 不同交通政策阶段下的人口流动强度Fig.4 Intensity of population mobility under different transportation policy stages

2020年不同交通政策阶段下的人口流动强度与2019年农历同期人口强度对比如图5 所示。图5(a)显示长沙市的人口流动呈现自然增长趋势，在无防控阶段，2020年出行强度均大于2019年农历同期；图5(b)显示在全面防控时，2020年迁入强度、迁出强度及内部强度与2019年相比均急剧下降，其中，迁入强度下降的幅度最大；图5(c)显示《长沙市关于恢复道路客运班线的通告》的颁布，对于长沙的迁入和迁出强度恢复作用有限，但是对城市内部强度恢复具有明显的效果，与图2、图3显示的变动趋势基本一致；图5(d)是国家召开复工复产推进会议后同期数据对比，迁入、迁出强度仍低于2019年同期，但是城市内部强度已经超过2019年同期，说明长沙市内部出行强度基本恢复，城市内部经济活动正常进行。

图5 不同交通政策阶段下的人口流动强度与2019年同期人口强度比较Fig.5 Comparison of population mobility intensity under different transportation policy stages with that of the same period in 2019

3 交通防控政策有效性分析

本文采用双重差分模型(Difference-in-Difference Model，DID 模型)识别不同疫情阶段防控策略，量化交通防控政策控制效果，分析政策的有效性。

3.1 交通管制DID模型

为分析长沙市疫情严格防控阶段交通管制政策对人口流动的影响，构建DID模型为

式中：ln(Si,t)为在时间段t 内城市i 的人口流动(包括人口迁出、人口迁入以及城市内部人口流动)强度的对数值；Ti,t为组别虚拟变量，处理组为1，对照组为0；Ri,t为长沙市于2020年1月24日开始疫情防控的交通管制阶段，在1月24日～2月5日为1，其他时间段取为0；θ0为常数；θ1为政策效应系数；θ3为处理组系数；θ2为交互项Ti,t∙Ri,t的系数，是需要着重关注的系数，通过回归模型求解，便可以获得政策效应的量化结果；εi,t为扰动项。

3.2 交通恢复DID模型

实施交通管制措施至2020年2月6日，长沙市的疫情初步得到控制，长沙市开始恢复市内交通，长沙市进入疫情防控第2阶段，交通恢复阶段。为研究在疫情严格防控阶段长沙市交通恢复政策对人口流动的影响，构建DID模型为

式中：Ei,t为交通恢复虚拟变量。2月6日起开始对长沙市内公共交通、省内客运运输以及省际运输逐步恢复，由于中途根据全国疫情情况而不断调整交通恢复政策，故从2020年2月7日～5月6日，统称为交通恢复阶段。

3.3 模型求解与分析

3.3.1 平行趋势检验

DID模型求解前需要进行平行趋势检验，对于第1 阶段，即在采取交通管制措施前，将处理组(2020年1月1日～2月20日)和对照组(2019年同期)的人口迁出强度进行平行趋势检验，如图6所示。

图6中，1月23日为除夕，虚线为1月24日长沙市实施交通管制趋势。趋势卡方检验结果(p<0.001)表明，在长沙市采取交通管制防控措施前，处理组和对照组的长沙市人口迁出强度变动趋势显著线性关联。处理组与对照组的城市人口迁入强度和城市内部出行强度同样满足平行趋势。

图6 长沙市交通管制阶段人口迁出强度的平行趋势Fig.6 Parallel trend of population emigration intensity in traffic control stage of Changsha

对于第2 阶段，处理组(2020年2月21日～5月6日)与对照组(2019年同期)的人口迁出强度进行平行趋势检验，如图7所示。

图7 中，从左往右第1 条虚线为2月6日，长沙市开始逐渐恢复室内交通；第2条虚线为国家颁布复工复产文件。趋势卡方检验结果(p<0.05)，结果表明处理组与对照组的变动趋势显著线性关联。

图7 交通恢复阶段人口迁出强度的平行趋势Fig.7 Parallel trend chart of emigration intensity in traffic recovery stage

3.3.2 模型求解与分析

(1)交通管制DID模型求解

第1 阶段，即交通管制阶段，模型考虑的时间段为2020年1月24日～2月6日，在该阶段选取的实验数据为2020年1月1日～2月21日作为实验组，交通管制政策节点设为1月24日。将2月21日设为实验组的截至日期主要原因是政策具有一定的延续性，在2月21日前国家层面并未出台正式的复工复产文件，虽然全国在当时的疫情已经得到了基本控制，但是在2月21号之前长沙市人口流动仍然是受限制的，这种限制不是政策造成的，而是人们对疫情的认识和全国疫情防控情况判断所做出的一种自我保护方式，人们仍然会减少不必要的出行活动，从长沙市的人口流动强度恢复来看，2月21 号才有较为明显的逐步上升趋势，故设2月21号为截至日期。对照组为2019年的同期数据。结果如表3所示。

表3 交通管制阶段DID模型的求解结果Table 3 Solution result of DID model in traffic control phase

从回归结果显示，当长沙市采取交通管制措施时，长沙市的平均人口迁出强度、平均人口迁入强度以及城市内部出行强度分别下降了83.68%(1-e-1.813)、69.24%(1-e-1.179)和59.74%(1-e-0.91)，结论与《长沙市启动重大突发公共卫生事件一级响应》防控政策所展示的直观影响基本一致，交通管制措施对人口流动为负效应，在重大突发事件一级响应下制定的限制人们出行的交通防控政策起到了良好效果。

(2)交通恢复DID模型求解

第2 阶段，即为交通恢复阶段，模型考虑的时间区段为2020年2月6日～5月6日，因为该阶段是一个逐步恢复交通的阶段，长沙市交通恢复政策根据省内以及全国的疫情发展进行调整，所以，对政策节点的选择具有一定的不确定性。

2020年2月21日，中央召开政治局会议开始统筹部署复工复产工作，国家政策的调控，是基于整个国家层面的考虑，表明全国疫情已经稳定控制，从图2 及复工复产推进政策对人口流动影响分析结果可以看出，长沙市人口迁出强度开始有逐步回升的趋势。基于此，本文选择2020年1月24日～5月6日的数据作为回归数据，考虑到政策的滞后性，政策节点设为2月22日。对照组为2019年的同期数据，具体求解结果如表4所示。

表4 交通恢复阶段DID模型的求解结果Table 4 Result of DID model in traffic recovery phase

回归结果显示，当长沙市采取交通恢复措施时，长沙市的平均人口迁出强度、平均人口迁入强度以及城市内部出行强度分别上升了171.01%(e0.997-1) 、93.67% (e0.661-1) 和54.96% (e0.438-1) ，量化所得结果与全面复工复产对人口流动影响分析展示的直观事实基本一致，交通恢复措施促使人口流动强度恢复。

4 结论

限制人口流动是新冠疫情控制的重要手段，交通防控政策是影响人口流动的主要因素，本文基于百度迁徙数据，对比分析了2019年和2020年同期的人口迁出强度、人口迁入强度以及城市内部出行强度，并构建双重差分(DID)模型，量化不同疫情防控阶段下的交通防控政策对人口流动强度的影响，主要结论如下：

(1)DID模型结果证明了长沙市采取的交通防控政策是十分有效的，人们出行活动强度随着交通防控政策的变化而变化，当交通管制时，长沙市的人口迁入、迁出和城市内部活动大幅下降；当交通恢复后，城市间和城市内的出行活动大幅上升。

(2)交通防控政策对长沙市城际间的人口流动(人口迁出或迁入)影响幅度更大，对城市内出行强度的影响更小，说明城市内部出行需求更加刚性。

(3)长沙作为人口输入性城市，呈现较明显的省会辐射态势，当交通限制时，长沙市人口迁出降幅最大，而前期迁出的人群回到长沙使迁入人口保持一定的数量；当交通恢复时，由长沙市往外迁出的人口增幅也最大，因此，长沙的向外辐射态势可以为省会城市疫情防控安全提供政策上的借鉴，需要重点控制省会城市与地市的交通通道。

当前我国正面临着“内防反弹，外防输入”的疫情防控局面，对于人口流动的监控仍不能松懈警惕，一旦出现偶发疫情，本文可以为省会人口输入性城市的疫情防控交通防控政策提供借鉴；可为常态化疫情防控下精准防控政策和复工复产政策制定提供参考。