刘 倩，李 钢，2，丁 瑞，王 伟，颜 祥

（1.西北大学城市与环境学院，西安710000；2.中国科学院地球环境研究所，西安710075）

居住与就业的空间关系是企业和家庭空间选址和竞争的结果，它决定了城市内部的空间结构形态[1].在城市土地市场化、城市住房市场化、单位制度改革以及城市空间快速扩张等制度与结构性因素的综合作用下，城市空间得以重构，造成城市内部“居住-就业”空间关系由“职住平衡”向“职住分离”演变，从而导致居民通勤距离和时间的明显增加[2-4]，这引起了国内外学者的关注.职住分离所引起的通勤空间结构变化和城市交通问题是西方城市地理学、城市规划以及交通出行领域的重要议题[5].从国外文献看，对职住分离现象的研究基于20世纪上半叶开始的大规模郊区化和城市空间重构的大背景[6].20世纪60年代，哈佛大学学者John[7]在一篇关于居住隔离、黑人就业和大城市工作岗位郊区化的文章中指出，工作岗位的郊区化和美国城市中普遍存在的居住隔离是造成内城工作技能不足的居民失业率较高、收入相对较低和工作出行时间偏长的主要原因，随后，人们给这些结论冠以“空间不匹配”的名称[8].这一分析将城市空间中的居住地和就业地联系起来，从居住-就业空间关系角度揭示弱势群体在城市空间重构中的生存状况[9].自该理论提出后，越来越多的学者开始从“空间不匹配”的视角，运用大量的实证研究关注大城市内部居民的居住-就业问题，以验证在城市空间重构背景下，内城区居民在谋求郊区工作时所面临的空间障碍，并拓展至对城市空间不平等及其制度性和政策性因素的讨论[10-11].随着不同学科学者的介入，研究的对象不仅包括内城非洲裔美国人，还扩大到了少数民族、低收入居民、新移民和女性等弱势群体，该群体中的人们都可能面临因城市空间重构和政策性因素所导致的居住和就业空间机会的约束，而这种约束对低收入者等弱势群体的影响更为明显[8].国内学者目前主要关注城市空间重构和居住郊区化等带来的职住空间错位现象[12].通勤时间和通勤距离成为衡量职住分离程度的主要指标，通过比较居住郊区化前后居民通勤时间和通勤距离的增减反映居民居住-就业空间关系的变化.丁成日[13]就城市空间结构、土地利用模式与城市交通的关系展开探讨.刘志林等[9]采用问卷调查的方式测度了北京城市124个街道的就业可达性，作为职住空间错位的标度指标，讨论了职住空间错位与居民通勤时间的关系，研究发现弱势群体更容易受城市职住关系结构性变化的制约，并在控制社会经济属性的条件下，通过回归分析探讨街道就业可达性对通勤时间的影响.宋金平等[12]研究发现，随着住宅郊区化的发展，北京出现了居住与就业的空间错位问题，造成低收入群体通勤时间成本与经济成本的增加，导致交通拥挤、社会隔离等社会问题.周素红等[14]以广州为案例，分析了广州市居住-就业空间均衡性、宏观空间组织模式和不同片区的居住-就业中的微观空间组织模式等.

但是，尽管上述研究已逐步关注城市空间重构造成居民通勤时间和通勤距离的变化，但国内学者对城市空间结构中弱势群体居住结构和就业空间结构的空间错位现象关注较少[15-16].事实上，在制度约束和市场缺陷共同作用下，中国城市职住空间错位日益严重，这种变化导致城市中弱势群体产生就业障碍、住房支付能力不足、城市交通和环境等一系列问题.本研究选取西安市作为研究对象，从城市空间重构的角度讨论西安市弱势群体职住分离的空间结构特征和职住分离的影响因素，探讨经济和制度转型时期西安市弱势群体居住-就业的空间组织结构.

1 研究区域与数据基础

本研究所用数据是2011年7月—8月课题组成员按照西安市人口密度的分布、采用抽样调查方式获取的.调查区域范围以西安市市辖区为主，包括新城区、碑林区、莲湖区、灞桥区、雁塔区、长安区、未央区、阎良区和临潼区共9个区，如图1所示.

图1 研究区概况Fig.1 Survey of study area

问卷针对弱势群体的属性特征、居住地和就业地等信息设计若干问题，如弱势群体的年龄、经济状况、职业状况、上下班选用的通勤工具和通勤时间等.以往的研究大多将低收入人群视为弱势群体，家庭月收入等经济指标是其划分的主要依据.本研究所界定的弱势群体与之略有不同，包括“统计性弱势群体”和“实际性弱势群体”两类：家庭月收入在3 000元以下的低收入人群（211人，占60%）是统计性弱势群体；家庭月收入在3 000元以上，但家庭人口多、负担重、支出大及经济生活与社会保障安全感低的人群（139人，占40%）则属于实际性弱势群体.因此，本次调查共发放问卷400份，回收368份，其中符合弱势群体条件者350份.

本研究通过SPSS软件实现数据处理，选取弱势群体的属性特征和通勤信息等样本构成本文分析的基础数据库.为了确保弱势群体居住地和就业地的准确性，并能够在Arcgis中对居住地和就业地等数据进行空间分析，特别请被调查者在问卷中填写详细的街道或就近公交站名称，通过整理将调查数据录入至Arcgis.

2 西安市弱势群体职住分离现状分析

近年来，城市地理学者通过居民问卷调查，对居民的职住分离状况和通勤特征进行实证研究，多数研究以通勤时间为考察指标.冯健等[3]和孟斌[17]都得到50%的北京居民通勤时间在30min内（即通勤时间中值为30min）；刘志林等[18]基于2007年10个典型社区的调查得出的平均通勤时间为35min；而孟斌[17]在2005年基于大量样本问卷得出北京市居民平均通勤时间为38min.在对通勤距离的研究中，刘志林等[18]根据居住地和就业地的详细地址信息，通过GIS软件计算得到北京居民的职住直线距离中值为3.9km，均值为6.4km.因此，选择30min的通勤时间和4km的通勤距离中值作为就业搜索空间阈值的保守估计值较为合适[9].

2.1 基于通勤时间分析

通过对350份有效样卷进行分析发现，通勤时间小于30min的群体有242人，占总人数的69%；通勤时间为30～40min的群体有26人，占总人数的7%；通勤时间为40～60min、轻微存在职住分离现象的群体有3人，占总人数的0.8%；通勤时间为60～90min职住分离比较严重的群体有81人，占总人数的23%；通勤时间超过90min的人数为21人，占总人数的6%.通过计算可以发现，西安市弱势群体平均通勤时间为36.2min，结果如表1所示，这说明西安市弱势群体总体通勤时间相对较长，但通勤时间在30min以内的群体比重较大，存在职住分离现象.

表1 通勤时间分析Tab.1 Statistical analysis of the commuting time

2.2 基于通勤距离分析

利用Arcgis中的Analysis Tools工具测算出被调查人员居住地和就业地之间的直线距离，作为弱势群体职住距离指标，从调查样本的总体特征来看，弱势群体职住的直线距离中值为4.1km，均值为6.2km，这说明西安市弱势群体总体通勤距离相对较长，存在职住分离现象.

2.3 基于通勤流向分析

2.3.1 区域之间通勤流向分析

不同区域之间通勤流向反映了城市功能分区的空间格局，通过对就业人群区域之间的流向进行分析可以进一步揭示城市居民职住分离和城市空间结构之间的互动关系[17].根据调查问卷中弱势群体居住-就业所在地的数据，查询出不同区域内居住以及就业样本数，并将本地居住-就业样本数计算出来[17]，然后利用式（1）和式（2）计算出各区域的外来通勤比和外出通勤比，结果如表2所示.

表2 西安市区域之间通勤流向分析Tab.2 Flow analysis of the commuters in different areas of Xi'an

从西安市城市功能区划来看，外来通勤比例较高的地区主要有新城区、莲湖区和碑林区，这3个区域是主要的就业引力区.而被调查群体中从事第二产业的人数占75%，从事第三产业的人数占25%，说明这3个区域在承担城市就业职能中的重要性.

在城市功能的扩张区中，临潼区的外来通勤比例明显较高，外出通勤比例较低.因为该区作为著名的旅游目的地，服务业在该区发展旺盛，有吸纳劳动力的能力，所以居住在该区的弱势群体就地就业；而灞桥区和阎良区外来通勤比例很低，外出通勤比例较高，说明两区吸纳劳动力的能力有限，作为卫星城镇的功能需要进一步强化.

2.3.2 通勤流向网络空间组织分析

为进一步研究通勤人流的流向，可构建通勤流向网络结构图，以体现通勤人流的流向和中心度，如图2所示.

图2 西安市通勤流向网络空间组织Fig.2 Spatial network organization of the commuter flows in Xi'an

将西安市弱势群体通勤流向矩阵数据（表3）导入Ucinet6中，运用Net draw工具自动生成通勤流向网络图.图2可以直观反映通勤流向情况和通勤网络结构特征.点的中心性是描述事物在网络中所处的地位，反映影响力、权利和社会名望的指标是特定事物身上凝聚关系的数量[18-19].运用Ucinet6中的Betweens Centrality对被调查就业地的中心度进行测度，发现西安市被调查弱势群体的居住-就业地的绝对中心度最大值为15.102，最小值为0，累计值为96，平均值为24.

表3 西安市弱势群体通勤流向矩阵Tab.3 Matrix of the commuter flows of vulnerable groups in Xi'an

图2中节点的大小表达中心度的大小.方形节点代表就业地，节点越大代表在该区就业的人数越多，中心度越高.圆形节点代表居住地，节点越大代表在该区居住的人数越多，中心度越高.圆形点与方形点之间的向量表示居住-就业地流向.图2中就业地可以分辨出4个中心度较大的点，分别位于碑林区、新城区、未央区和莲湖区.此外，各区内部网络中大都有个别点具有突出的中心度，表明这些中心点吸纳就业的能力较好.居住地可以分辨出4个中心度较大的点，分别位于雁塔区、未央区、碑林区和长安区.由图2可知，临潼区和阎良区等卫星城镇向市区的通勤率较低，这些区域在承担城市功能方面发挥了较大的作用.西安市在城市规划中也将近郊区县化为城市功能的拓展区，说明西安市正在加快转变城市的形态和空间结构.

2.4 基于居住-就业空间匹配分析

职住分离的根本原因在于市场经济体制下社会经济变革对城市空间分布的影响，这造成了城市中居住和就业地空间上的差异.本研究主要利用实地调查数据，以微观视角研究西安市弱势群体居住-就业空间匹配问题.

2.4.1 居住和就业地集聚明显

空间聚类是地理学中常用的空间分析方法，包括基于点和基于面2种方法，通过定义“极限距离或阈值”把小于该极限距离的点计入集聚单元，从而定量测度变量的空间集聚态势，识别区域经济“热点区”的分布[20].以此类推，可以得到不同层次的热点集聚区.本研究将弱势群体所在的街道的分布比例作为观测值，利用Arcgis软件，采用空间聚集技术，对问卷中的居住地和就业地分别进行空间集聚分析，得到西安市弱势群体居住-就业的“热点区”，结果如图3和图4所示.

图3 西安市弱势群体居住集聚区分析Fig.3 Residential cluster sites of vulnerable groups in Xi′an

图4 西安市弱势群体就业集聚区分析Fig.4 Employment cluster sites of vulnerable groups in Xi′an

从图3中居住地整体来看，弱势群体的分布呈集中性分布状况，主要居住在二环以内，部分居住在三环以外的长安区.从图4中就业地整体来看，弱势群体就业分布也较集中，主要分布在市区和近郊，少数分布在临潼区.

2.4.2 部分区域居住地和就业地存在空间不匹配现象

将居住集聚区和就业集聚区叠加到一起，得到西安市弱势群体居住-就业集聚区，如图5所示.

图5 西安市弱势群体居住-就业集聚区分析Fig.5 Residentialandemploymentclustersitesofvulnerable groupsinXi′an

由图5可以看出，弱势群体的居住地和就业地存在一定的吻合性，这说明西安市城市功能分区在演化过程中保持了一定的合理性，大部分就业岗位集中的区域附近能够提供居住空间，空间相对匹配.这与Kain研究芝加哥和底特律的情形有所不同，他推论美国城市中黑人高失业现象主要是由于原来在城市内部的许多工作岗位，尤其是蓝领生产行业的岗位已经移到郊区，同时美国居住隔离的实践造成非洲裔美国人仍留在了市中心，导致工作岗位和谋职者之间存在“空间不匹配”.但新城区和莲湖区仍是西安市商业发展最繁荣地区，土地价格较高，存在就业集聚的现象，可供居住地相对较少；还有部分地区如临潼区提供部分就业岗位，但可居住地有限.由图5还可发现，部分居住区有向城市外延集聚的现象，如远郊的长安区，该区提供就业岗位较少，因此存在明显居住-就业空间不匹配现象.

由图5分析可知，西安市部分区域存在居住-就业“空间不匹配”现象，但大部分区域居住-就业存在一定吻合性，这说明西安市的空间结构由单中心主导向多中心城市逐渐过渡，越来越多城市次中心的出现导致城市的住房价格、人口和就业分布情况发生变化[21-22]，但城市中心的主导作用仍然较强[23].

原来，街坊里种种传闻，父母们在长安城中的探听，他们三个月冲风暴雨的寻找，雪夜里亦真亦假的等待，都还只是开头的几步，比诸春帏应试，他们不过是堪堪中了一个秀才罢了，你想登堂入屋，下一任的主考官在哪里？子虚……乌有，请问你们认得司马相如大叔吗？鲲双脚支地，双翅上扬，重新冲入天空，旋起的雪风刮得少年们手脸生疼。宇晴骑在宽广的鹏背上：“树！你们朝大榆树上看！我先走一步，在云锦台等你们！”

3 西安市弱势群体职住分离影响因素

3.1 回归模型

当因变量是分类变量时，Logistic回归模型可以准确地确定预测解释变量在分类变量发生概率时的作用和强度，因此本研究采用多元Logistic回归模型确定影响西安市弱势群体职住分离的重要变量.通勤时间和通勤距离分别作为被解释变量，在问卷中提取的弱势群体属性特征作为解释变量x，包括性别、年龄、婚姻状况、文化程度和家庭收入等.

基于标准城市模型研究假设，通勤时间和通勤距离的Logistic回归模型分别为：

式（3）和式（4）中：P1i为弱势群体的通勤时间概率；T为通勤时间；β1为通勤时间方程中的常数；β1i为通勤时间方程中影响因素的回归系数；P2i为弱势群体的通勤距离概率；D为通勤距离；β2为通勤距离方程中的常数；β2i为通勤距离方程中影响因素的回归系数；xi为自变量；n=19.被解释变量中，通勤时间≤30min时，赋值为0；＞30min时，赋值为1.通勤距离≤4km时，赋值为0；＞4km时，赋值为1.解释变量中性别、年龄、婚姻和住房赋值为1和2，文化程度和家庭收入赋值为1～4；职业和通勤工具赋值为1～3，解释变量的赋值情况详见表4.

表4 变量定义与其统计性质Tab.4 Definition of variables and its statistics property

本研究采用SPSS18.0软件的Logistic函数完成，表5列出了通勤时间和通勤距离2个回归模型中引入控制变量得出的结果，包括变量的回归系数B值和Sig值，用以表示差异性检验的显著值.

3.2 通勤时间、通勤距离回归分析结果

（1）性别与通勤时间的回归分析结果为Sig=0.16＞0.05，通勤距离的回归分析结果为Sig=0.35＞0.05.由此可知，性别与通勤时间和通勤距离的相关关系均没有通过0.05水平的显著检验，说明性别角色的作用不大.

（2）年龄与通勤时间的回归分析结果为Sig=0.79＞0.05，与通勤距离做回归分析结果为Sig=0.30＞0.05.与（1）相同，年龄与通勤时间和通勤距离的相关关系也没有通过0.05水平的显著检验，说明年龄对弱势群体的通勤时间和通勤距离没有影响.

表5 全体样本的通勤时间、通勤距离回归分析结果Tab.5 Regression results of commuting time and commuting distance of entire samples

（3）将文化程度分为小学及以下、初中及中专、高中、大专及以上4组，对不同文化程度组分别进行回归分析，可以看出小学及以下和大专及以上2组的Sig=0.04＜0.05，说明具有小学及以下水平和大专以上学历对弱势群体的通勤时间和通勤距离具有影响.

（5）职业类型与通勤时间的回归分析结果为Sig均大于0.05，与通勤距离做回归分析发现服务行业与非技术工人组的Sig=0.04＜0.05，表明从事服务行业和非技术组与通勤距离存在非线性关系.

（6）对住房产权与通勤时间及通勤距离进行回归分析，其Sig均大于0.05，说明它们之间不存在显著关系.

（7）对交通工具与通勤时间及通勤距离进行回归分析发现，步行和自行车以及公共交通的Sig＜0.05，回归系数与显著性均比较稳定，而拥有小汽车的弱势群体对其通勤时间和通勤距离均无影响.

4 结论与展望

4.1 主要结论

（1）西安市弱势群体单程通勤时间为36min，其中通勤时间小于30min的人群比例为69%.这些数据和2005年美国人的日平均通勤时间为25.1min相比，西安市弱势群体的通勤时间较长；与国内北京居民日均通勤时间为38min相比，西安市弱势群体的通勤时间相对较短，这说明西安市弱势群体存在轻微职住分离现象.

（2）西安市弱势群体直线距离直线通勤距离中值为4.1km，说明西安市弱势群体总体通勤距离相对较长，存在职住分离现象.

（3）对弱势群体的通勤流向分析表明，西安市存在明显的居住和就业中心地，且向心流还是主体通勤方向，部分区域存在一定比例的逆向通勤.说明西安市在快速城市化中弱势群体职住分离的空间组织特征正在逐渐演变，即由单中心结构向多中心结构逐渐演变.

（4）从居住-就业地空间匹配分析发现，西安市存在明显的居住和就业集聚区，且两者在空间上的错位不明显，只有部分区域存在职住分离.

（5）通过Logistic回归分析发现，弱势群体的文化程度、家庭收入、职业类型和交通工具等因素对其职住分离存在影响.

4.2 问题与展望

（1）本研究所界定的弱势群体包括“统计性弱势群体”和“实际性弱势群体”两类，即家庭月收入在3 000元以下的低收入人群和家庭月收入在3 000元以上，但家庭人口多、负担重、支出大且经济生活和社会保障安全感低的人群.研究对象的选取特别增加了“实际性弱势群体”是本研究的尝试，这种尝试难免存在不足之处.

（2）限于篇幅，本研究注重使用软件和定量方法衡量弱势群体职住分离的空间组织特征和弱势群群体职住分离影响机制，而对于职住分离理论和政策的研究还有待加强.

（3）由于本次调查在西安首条地铁线路（2号线，南北向中轴线）开通前进行，因此本研究暂不涉及地铁等轨道交通对职住空间组织的影响.

展望未来，在西安市轨道交通网络发展的不同阶段，均可研究轨道交通对居民职住地选择及通勤出行的影响，可深入分析轨道交通与职住分布、同期出行等的相互关系，为城市规划和城市交通发展提供有力的决策支持.

[1] 郑思齐，孙聪.城市经济的空间结构：居住、就业及衍生问题[J].南方经济，2011，8（1）：18-31.

[2] YANG J W.Transportation implications of land development in a transitional economy：evidence from housing relocation in Beijing[J].Transportation Research Record，2006（1954）：7-14.

[3] 冯建，周一星.郊区化进程中北京城市内部迁居及相关空间行为：基于千份问卷调查的分析[J].地理研究，2004，23（2）：227-241.

[4]李强，李小林.北京市近郊区大型居住区居民上班出行特征分析[J].城市问题，2007（7）：55-59.

[5]柴彦威，张艳，刘志林.职住分离的空间差异性及其影响因素研究[J].地理学报，2011，66（2）：157-166.

[6] JACKSON K T.Crabgrass Frontier：The Suburbanization of the United States[M].New York：Oxford University Press，1985.

[7] JOHN K F.Housing segregation，negro employment，and metropolitan decentralization[J].QuarterlyJournalofEconomics，1968（82）：175-197.

[8] 周江评.“空间不匹配”假设与城市弱势群体就业问题：美国相关研究及其对中国的启示[J].现代城市研究，2004（8）：8-14.

[9] 刘志林，王茂军.北京市职住空间错位对居民通勤行为的影响分析-基于就业可达性与通勤时间的讨论[J].地理学报，2011，66（4）：457-467.

[10]THOMPSON M A.The impact of spatial mismatch on female labor force participation[J].EconomicDevelopmentQuarterly，1997，11（2）：138-145.

[11]SIMPSON W.Urban Structure and the Labor Marker：Worker Mobility，Commuting and Unemployment in Cities[M].Oxford：Clarendon Press，1992：50-68.

[12]宋金平，王恩儒，张文新.北京住宅郊区化与就业空间错位[J].地理学报，2007，62（4）：387-396.

[13]丁成日.城市空间结构和用地模式对城市交通的影响[J].城市交通，2010，8（5）：28-35.

[14]周素红，闫小培.城市居住-就业空间特征及组织模式—以广州市为例[J].地理科学，2005，25（6）：664-670.

[15]郑思齐，张文忠.住房成本与通勤成本的空间互动关系：来自北京市场的微观证据及其宏观含义[J].地理科学进展，2007，26（2）：35-42.

[16]周素红，闫小培.广州城市居住-就业空间及对居民出行的影响[J].城市规划，2006，26（5）：13-18.

[17]孟斌.北京城市居民职住分离的空间组织特征[J].地理学报，2009，64（12）：1457-1466.

[18]刘志林，张艳，柴彦威.中国大城市职住分离现象及其特征：以北京市为例[J].城市发展研究，2009，16[9]：123-130.

[19]刘军.整体网分析讲义—UCINET软件实用指南[M].上海：世纪出版集团，2009：244-250.

[20]SMALL K，SONG S.Population and employment densities：structure and change[J].Journal of Urban Economics，36（3）：292-313.

[21]谷一祯，郑思齐，曹洋.北京是一个多中心的城市吗：对就业中心的判定[J].城市发展研究，2009，9：131-137.

[22]MILLEN M D P.One hundred fifty years of land values in Chicago：a nonparametric approach[J].Journal of Urban Economics，1996，40（1）：100-124.

[23]马海涛，方创琳.基于企业微观视角的城市区域生产网络空间组织研究—以粤东城镇群服装生产为例[J].地理科学，2011，31（10）：1172-1180.

[24]HOUSTON D S.Methods to test the spatial mismatch hypothesis[J].Economic Geographer，2005，81（4）：407-434.