罗仁泽， 杨 高， 周春山

( 1. 中国城市规划设计研究院深圳分院， 深圳 518000； 2. 广东财经大学地理与旅游学院， 广州 510320；3. 中山大学地理科学与规划学院， 广州 510275)

国外学者自20世纪初开始对城市就业空间进行研究，研究的内容主要集中在对城市就业空间的模型总结以及就业空间对城市问题的影响2个方面. 比较典型的有芝加哥生态学派对纽约、波士顿大城市就业空间的研究，得到了同心圆、扇形和多核心等三大经典空间模型[1]；50年代计量革命的兴起，催生了以西蒙斯为代表的一批学者利用人口普查等数据，定量研究人口就业的空间关系，丰富了三大经典空间模型的实证研究，也成为了当时研究就业空间的主流方法[2]. 70年代以后，基于就业空间模型的研究，一批学者开始研究城市的职住关系、就业空间隔离和就业阶层聚落等城市问题，如经济学派对纽约职住关系的研究，认为纽约中心区就业人口的居住成本过高，在郊区通勤成本相对较低的情况下，每天存在大量来往纽约中心区与郊区的通勤交通，加剧了交通拥堵问题[3]；制度学派从阶级关系出发，认为就业空间的形成是各种阶级力量斗争的结果，不同阶级群体(如普通工人、金融白领和政府官员等)的就业区位与就业环境存在较大差异，就业空间存在因职业阶级差异而造成的不公平性特征[4-5]；此外，社会学派从种族隔离角度，认为白人、黑人不同人种的就业空间会形成因种族不同的差别化特定聚落，并存在一定排他性，从而加剧了社会分化等现象[6].

受计划经济的影响，我国学者对就业的研究起初主要集中在对就业政策和就业制度的探讨[7-8]；80年代开始，学者们逐步从空间角度对就业进行研究，且研究的进展极为迅速，内容成果也较为丰富. 按研究侧重点的不同，可将我国学者对就业空间的研究分为以下几个方面：(1)关注就业空间的模式特征：借鉴国外相关研究成果，运用实证分析的方法，探索我国不同地区的就业空间布局模式[9]. 如：研究了上海市不同产业就业人员的空间分布特征，认为上海市形成了圈层结构的就业空间模式，且第二产业向外拓展明显，第三产业向心集聚明显[10]；采取就业密度分析方法，研究南京市区的就业空间结构，认为南京市区的就业高度集聚于主城，体现出单中心的布局特征，一些就业次中心正处于萌芽阶段[11]. (2)关注就业空间的社会影响：以社会学的视角分析就业空间发展所造成的各种社会问题，包括就业空间社会分异、弱势群体就业歧视和就业阶层分化等. 如对广州市就业人员的社会空间分异进行研究，发现工业、低端服务业、高端服务业及政府机关职员等就业者呈现差异化的空间分异特征[12]. (3)关注就业空间与城市发展的关系：探讨就业空间形成后对城市职住、城市交通和城市环境等方面的影响. 如对北京市的职住分离现象进行研究，认为就业空间的扩张不可避免地导致居民通勤空间距离和时间成本的增加[13]. 2010年以后，我国学者对就业空间的研究视角和方法更趋于多样化，如从女性从业者的角度，探讨性别就业空间的差异[14].

综上所述，现有关于就业空间的研究主要集中在传统大城市，其就业空间从初始到成熟经历了相对漫长的渐进过程，而较少研究快速移民化城市的就业空间. 深圳市作为新兴的全球城市，具有快速移民化的城市特征，城市发展历程较传统大城市迅速，属于常住人口超过千万的就业核心城市，就业空间发展在全国具有一定代表性. 因此，本文利用深圳市的就业人口统计、手机信令以及地铁站点人流等相关数据，以街道为单位，对其就业空间进行研究，以期总结快速移民化城市的就业空间特征及形成的因素，充实相关研究.

1 研究区域与数据来源、研究方法

1.1 研究区域与数据来源

本次研究的范围为深圳市全域，总面积为1 996.85 km2，包括9个行政区和1个功能新区，共74个街道[15]. 根据研究需要，本文结合2018年深圳市的街道行政范围线，将深圳全域划分为三大圈层(表1).

本文采用的数据包括深圳市各街道的就业人口数、分行业就业人口数、地铁站点人流数和手机信令数据等，来源于深圳市2000、2010年的就业人口统计以及2018年移动运营服务商的手机信令数据(时间节点为2018年4月)、深圳地铁集团站点人流统计(时间节点为2018年6月10日). 各街道就业人口数据和手机信令数据用于分析2000、2010、2018年等不同年份的就业人口重心变化、就业人口密度分布和就业中心形成等，地铁站点人流数据用于分析职住关系，分行业就业人口数据用于分析不同行业的就业空间特征. 由于经历行政区划调整，深圳市在不同年份的街道数量有所变化，因此，为保证数据在街道层面上的连续性和可比性，本文以2018年的深圳市行政区划为准，将不同年份的数据进行调整处理.

1.2 研究方法

1.2.1 数理统计分析方法 基于就业人口统计数据，运用就业人口重心分析、就业人口集中指数分析和职住比系数分析等数理方法，研究深圳市的就业人口重心变化轨迹、就业人口密度分布和职住空间关系等.

(1)就业人口重心分析是人口分布的一种综合统计与表示方法，计算公式如下：

其中，V为研究区域的就业人口重心坐标，Ui为空间单元i的几何中心坐标，Bi为空间单元i的就业人口数，n为空间单元数量.

(2)就业人口集中指数分析是研究区域内人口分布的整体集中程度，计算公式如下：

其中，C为就业人口集中系数，Ei、E分别为空间单元i的就业人口、研究区域的总就业人口，Si、S分别为空间单元i的面积、研究区域的总面积.

(3)职住比系数分析是通过就业人口与居住人口的比值分析，反映该地区职住关系情况，计算公式如下：

Q=Ei/Pi，

其中，Q为职住比系数，Ei、Pi分别为空间单元i的就业人口、居住人口.

1.2.2 大数据分析方法 将手机信令数据加工成反映就业人口分布的网格数据，并利用地铁站点人流数据，结合空间落位，研究深圳市的就业空间圈层结构、职住人口流动关系.

1.2.3 GIS空间分析方法 利用GIS软件对数据进行空间建模，研究深圳市的就业中心变化趋势、分行业就业空间特征和就业空间格局等.

2 深圳市的就业空间特征

2.1 就业人口重心移动轨迹

深圳市的就业人口重心呈现由东向西再向北的移动轨迹(图1)：2000年,深圳市的就业人口重心位于福田区的华强北街道附近，福田区和罗湖区是就业人口密度最高的地区；2000—2010年，受城市西拓的影响，深圳市大量的高新制造业开始向西部集聚，南山科技园以及宝安西乡、福永等制造片区崛起，吸引了大量就业人口，推动就业人口重心向西移动至南山区的粤海街道附近；2010—2018年，由于中心区的土地资源越发紧缺，且劳动力生产成本不断攀升，深圳市加快对市域产业功能的优化调整，许多制造产业加速向中间地区和外围地区转移，从而带动龙岗区、龙华区的就业增长，由此导致就业人口重心向北移动至龙岗区的坂田街道附近.

图1 深圳市的就业人口重心移动轨迹Figure 1 The center of employed population in Shenzhen

2.2 就业人口密度分布

深圳市的就业人口密度总体呈现由中心区向中间地区、外围地区依次递减的现象(表2和图2)：中心区依然是全市就业最稠密的地区，2018年的就业人口密度达到5 689人/km2，但其就业人口密度增幅和年均增速都低于中间地区和外围地区，也低于全市平均水平；2000年以后，紧靠中心区的中间地区已经成为了吸引深圳市移民人口就业的高地，就业密度从2000年的1 303人/km2增加到2018年的2 046人/km2，增幅达57%，年均增长速度为2.54%，均高于全市平均水平；外围地区依然是全市就业密度最低的区域，2018年的就业人口密度仅有1 121人/km2，约为中心区的1/5，但其就业密度的增速相对较快，高于全市平均水平.

表2 深圳市的三大圈层的就业人口密度(2000、2018年)Table 2 The employed population density of three space circles in Shenzhen in 2000 and 2018

图2 2018年深圳市的就业人口密度格局Figure 2 The pattern of employed population density in Shenzhen in 2018

2.3 就业空间格局变化

由图3可知：(1)深圳市中心区的就业空间极化仍在加强. 罗湖区、福田区和南山区是2018年较为明显的就业中心，原因在于改革开放初期受香港的辐射带动，以及90年代的深圳市证券交易所落户的积极影响，罗湖区、福田区集聚了大量的对外贸易和金融商务就业人员，是深圳市就业最为稠密的区域，核心街道在2018年的就业人口密度达到8 981人/km2，是全市平均水平的4倍. (2)南山区的就业人口密度居全市第二，核心街道在2018年的就业人口密度达到7 281人/km2，是全市平均水平的3倍，其中，南山区的高新园集聚了大量电子信息、互联网高新技术产业人员. (3)深圳市的就业空间正在形成多中心的格局，龙华区、龙岗区、坪山区正在逐步成为深圳市新的就业中心，其中龙华区核心街道的就业人口密度在2000—2018年间迅速增长(从2000年的2 235人/km2增长到2018年的5 358人/km2)，这主要是因为2000年以后，中心区的土地和劳动力成本上升导致大量加工制造企业选择在外围地区布局，增加了许多就业机会.

图3 2000年和2018年深圳市就业人口密度分布三维模型Figure 3 The three-dimensional model of employed population density of Shenzhen in 2000 and 2018

2.4 市域职住失衡程度

由图4可知：深圳市中心区的职住失衡程度较高，中心区的街道的职住比系数大多集中在1.0～1.4之间，说明就业人口数量高于居住人口数量，主要原因在于中心区属于传统的就业中心，有大量就业人口集聚，但由于中心区的居住成本较高，导致部分就业人口存在就业与居住不在同一地区的情况；外围地区的街道则由于居住成本相对较低，吸引了许多在中心区就业而无法承担中心区居住成本的移民人口，其职住比系数大多集中在0.6～1.0之间.

图4 2018年深圳市的职住比系数Figure 4 The job-resident ratio coefficient of Shenzhen in 2018

由于职住失衡，导致深圳市域内部存在大量跨行政区的通勤人口. 由地铁站点的人流出行数据(表3)可知：在上班早高峰时点，进站人数最多的前10个站点中，有9个站点位于中间地区和外围地区，仅有1个站点位于中心区，说明中间地区和外围地区承载了大量通勤的居住人口；出站人数最多的前10个站点均位于中心区，表明中心区是就业岗位高度集中的地区.

表3 深圳市早高峰地铁站点的进站和出站人流数量Table 3 The numbers of inbound and outbound passengers in the top ten subway stations of Shenzhen in morning peak

2.5 金融、制造、消费服务业的就业空间特征

由2000、2018年的金融业、制造业和消费服务业在深圳市的就业空间特征(图5至图7)可知：深圳市金融业的就业分布呈现明显的向心集聚性，中心区金融业的就业人口密度不断加强，如福田区的华富、福田和莲花等核心街道金融业的就业人口密度由2000年的2 001人/km2以上增长到2018年的3 001人/km2以上，且金融业的高就业人口密度地区由原来的罗湖区、福田区向南山区蔓延；制造业的就业分布呈现外围集聚的趋势，中心区制造业的就业人口密度下降，外围地区制造业的就业人口密度上升，如宝安区的福永街道、龙华区的大浪街道和龙岗区的平湖街道等街道制造业的就业人口密度由2000年的1 501～2 000人/km2以上增长到2018年的3 501人/km2以上，正在形成宝安区、龙华区、龙岗区3个制造就业中心；消费服务业的就业分布呈现向心集聚和外围新增的双重特征，即中心区消费服务业的就业人口密度仍然较高，且有扩大趋势，而外围地区消费服务业的就业人口密度呈现个别地区增长较快的趋势，如宝安区的沙井街道、龙华区的龙华街道和龙岗区的龙城街道等街道的消费服务业的就业人口密度由2000年的0～800人/km2以上增长到2018年的2 001～3 000人/km2，逐步形成新的消费服务业就业中心(宝安区、龙华区和龙岗区).

图5 2000年和2018年的金融业就业人口密度Figure 5 The density of employed population in the financial industry in 2000 and 2018

图7 2000年和2018年的消费服务业就业人口密度Figure 7 The density of employed population in the consumer services in 2000 and 2018

3 深圳市的就业空间模式与影响因素

3.1 深圳市的就业空间模式

北京都市区的就业空间在原有的“中心—外围”的圈层格局上，呈现多中心的发展趋势[16]；上海中心城区的就业空间呈现从内到外依次递减的就业人口密度圈层形态，并随着产业的外迁，在外围地区形成新的就业中心[17]；广州市的就业空间由“中心区”单高格局向“中心—外围”双高格局转变[18-19]. 综上，发现典型中国快速移民城市的就业空间发展多是由单中心演变而来，并不断向外围扩展，总体上是以“圈层”模式为基础，并伴随着“多中心”的出现.

基于前文分析可知深圳市已经形成三大就业圈层，就业人口密度总体上呈现从中心区向中间地区、外围地区依次下降的格局：(1)中心区为传统高密度就业区，2018年的就业人口密度为5 689人/km2. 罗湖区、福田区、南山区属于初始就业中心所在，但存在大量跨行政区的通勤人口，职住失衡程度高. (2)中间地区为中密度就业区，2018年的就业人口密度为2 046人/km2. 该区凭借紧邻中心区的区位优势，以及地铁、快速路和城市干道等交通干线的建设，较早地吸引了中心区就业人口外溢，逐步形成2个新的就业中心(宝安区和龙华区)，且由于房价相对较低，承载了中心区大量就业人口的居住. (3)外围地区为次密度就业区，2018年的就业人口密度为1 121人/km2. 由于土地资源的进一步扩张带动产业外溢、城市规划引导的因素，出现新的产业集聚区，继而形成2个新的就业中心(龙岗区、坪山区)，多中心的就业空间格局正在形成, 职住失衡程度低于中心区和中间地区(表4).

表4 2018年深圳市的就业空间模式特征Table 4 The characteristics of employment space in Shenzhen in 2018

综上所述，深圳市作为中国具有代表性的快速移民城市，其就业空间结构呈现出明显的“圈层+多中心”特征(图8). 其中，圈层格局是深圳市就业空间的基础特征；在圈层之上，受产业外溢、交通改变和城市规划等因素影响，逐步在不同圈层内部形成多中心的叠加特征.

图8 深圳市的就业空间模式Figure 8 The model of employment space of Shenzhen

与深圳市对比，合肥市和沈阳市2个非快速移民城市的就业空间演变较为缓慢[20-22]，其就业空间模式仍以单中心主导，外围就业中心尚未形成，城市空间发展受外来移民数量少而呈现发展动力缓慢的特征，中心地区与外围地区的联系较弱，职住失衡程度相对较低(表5).

表5 深圳市与合肥市、沈阳市的就业空间发展对比Table 5 The comparison of employment space between Shen-zhen, Hefei and Shenyang

3.2 深圳市的就业空间影响因素

新古典经济理论认为城市产业布局会提供差别化的就业岗位供给，从而促进人口随产业迁移，寻找就业机会是影响城市就业空间形成的首要因素[23]；通勤效益理论认为交通条件的变化会改变就业者的通勤半径，继而扩大职住空间尺度，也会影响就业空间[24-25]；不同地区的房价差异也是影响居住与就业空间特征的重要因素，尤其是在深圳一线大城市[26]；城市规划会对城市内部空间结构产生引导[27]，对就业空间的影响也非常显著. 因此，本文从产业布局、交通条件、住房价格和城市规划等几个方面来分析深圳就业空间的影响因素.

3.2.1 历史形成的产业布局引导移民人口分布，决定就业空间的宏观格局 由深圳市不同年代的产业用地布局变化(图9)可知：(1)改革开放初期，深圳市初始的产业用地主要布局于中心区内的上步、皇岗一带，逐渐形成了以电子、轻纺为主导的零散工业园，就业空间呈斑块布局形态. (2)80年代中后期，外资加速了深圳市的工业发展，新增工业用地进一步往八卦岭、华强路地区拓展，初步形成了罗湖区、福田区就业中心. (3)90年代以后，深圳市的工业开始向西拓展，在南山区、宝安区相继形成了一些工业园，这些地区的新增工业用地约占深圳市同时期的60%，吸引了大量外来移民人口，就业人口分布重心也开始由东向西移动. (4)2000年以后，深圳市进一步加大向西拓展的力度，逐步建成了南山高新园、西乡产业园和福永工业区等重点园区，就业人口分布重心也向西移动到南山区，形成了南山区就业中心；龙华中间地区也承接了大量的新兴制造需求，关外地区新增的工业用地约占深圳市同时期的70%，带动移民就业人口集聚. (5)2010年以后，由于中心区内的土地资源越发紧缺，深圳市加强了全市产业布局统筹，加工制造产业进一步往龙华区、龙岗区和坪山区转移，外围地区的新增工业用地增多，也带动了就业人口重心向北移动，龙华区、龙岗区和坪山区逐渐成长为深圳市新的就业中心，多中心就业格局逐步形成.

图9 不同年代深圳市的产业用地布局变化Figure 9 The changes of industrial land layout of Shenzhen in different years

3.2.2 交通条件的优化扩大移民人口的职住通勤半径，加剧职住失衡 深圳市最早的就业中心位于与香港有着便捷交通联系的罗湖区. 改革开放初期的罗湖区是深圳市最早开发的地区，除了工业园区以外，还配套建设了大量居住区、公共服务设施，工作地和居住地相对集中，职住关系较为平衡；90年代随着深南大道、107国道的建成通车，深圳市的就业空间开始沿主要干道扩散，相关制造业和服务业开始向西辐射，从而带动了福田区、南山区、宝安区等就业人口增长，也扩大了就业人口的通勤半径，但由于城市建设的滞后，南山区、宝安区的居住和公共服务的配套功能较弱，导致许多人口虽然在南山区、宝安区就业，但仍居住在罗湖区、福田区，职住失衡的现象随交通条件的优化而开始显现；2000年以后，随着地铁的开通以及中心区与中间地区、外围地区联系的主干道(福龙路、南坪快速)的建成，深圳市就业人口的通勤半径进一步扩大(表6)：2000—2018年，深圳市人口的平均通勤时间增长22%，但平均通勤距离增长了61%，说明就业人口可以在较短时间内到达更远的距离，加强职住分离的离散力，且由于中心区内的生活成本越来越高，尤其是居住成本的急速上升，导致大量就业人口选择在中心区就业而在中间地区或外围地区居住，这种“单日候鸟型”通勤状态也致使深圳市的职住关系更加失衡，间接引发交通拥堵、环境污染.

表6 深圳市的平均通勤时间和通勤距离(2000、2010、2018年)Table 6 The average commuting time and distance of Shenzhen in 2000, 2010 and 2018

3.2.3 住房价格的地区差异影响移民人口的工作与居住空间分布，改变职住空间格局 快速移民城市的就业人口主要为外来移民人口，他们对住房价格成本的敏感度较高，在劳动收入一定的情况下，会衡量居住成本与劳动收入之间的差额，并依此作出就业与居住落地选择. 由表7可知：截止于2018年12月份，深圳市中心区的平均房价达到7.3万元/m2，2000—2018年的平均房价增幅达到3 865%，是3个圈层中最高的，平均职住系数高达1.26，表明中心区的就业人口远多于居住人口，过高的房价减弱了中心区对居住人口的吸引力；中间地区和外围地区的平均房价增幅相对较低，2000—2018年中间地区、外围地区的平均房价增幅分别为2 952%、2 127%，较低的房价对居住人口的吸引力较强，中间地区和外围地区的平均职住系数分别为0.87和0.63、2010—2018年的就业人口密度增幅分别为57%和49%，职住平衡程度相对较低.

表7 深圳市三大圈层的平均房价、就业人口密度的增幅和平均职住系数Table 7 The average housing prices, employment density growth and job-resident coefficient in the three circles of Shenzhen

3.2.4 城市规划引导资源多点配置，推进多中心就业空间格局的形成 改革开放以来，深圳市已编制完成3版城市总体规划：(1)《深圳经济特区总体规划(1985—2000)》[28]的规划范围为罗湖区、福田区、南山区和盐田区，利用自身地形狭长的特点，确定了“带状组团式”的城市格局，从东到西依次布置了5个组团：沙头角—盐田、罗湖—上步、福田、华侨城、南头—蛇口，并规划了16个工业区，引导产业、交通、市政基础设施等资源有序配置，从而也引导了就业空间由东向西拓展. (2)《深圳市城市总体规划(1996—2010)》[29]首次将规划范围扩大到全市域，确立了以罗湖区、福田区、南山区为中心，以西、中、东3条放射发展轴为基本骨架的市域组团式空间格局，在空间上实现了全域统筹发展，新增宝安区、龙岗区等中心组团，强化全域交通联系与产业布局的调整，引导了大量制造业转移到外围地区，外围地区的就业人口密度开始增大，逐步形成新的就业热点. (3)《深圳市城市总体规划(2010—2020年)》[30]延续了深圳市的轴带组团格局，提出“三轴两带多中心”的结构，中心体系在罗湖—福田、南山—前海2个主中心的基础上增加了光明区、龙华区、盐田区、龙岗区、坪山区等次一级中心，进一步强化外围地区的均衡发展，引导了产业和基础设施向外围次一级中心布局，也带动移民人口的就业集聚，多中心的就业空间逐步形成.

4 结论与建议

本文利用就业人口、手机信令以及地铁站点人流等数据，研究深圳市的就业人口重心移动、就业人口密度分布、就业空间格局变化、职住关系以及金融业、制造业、消费服务业的就业空间特征，总结了深圳市就业空间模式和影响因素，主要结论如下：

(1)深圳市的就业人口重心呈现由东向西再向北的移动趋势；多中心的就业空间格局正在形成，新增就业主要在外围地区；就业人口密度总体上呈现从中心区向中间地区、外围地区依次下降的圈层格局；金融就业向心集聚性强，制造就业趋向外围分布，消费服务就业呈现向心集聚和外围新增的双重特征；中心区的职住失衡程度较高，存在大量跨行政区的通勤人口；产业布局、交通条件、城市规划和住房价格是影响深圳市就业空间形成的主要因素.

(2)与合肥市和沈阳市2个非快速移民城市相比，作为快速移民城市的深圳市，其就业空间因大量移民人口而呈现快速演变，已发展到“圈层+多中心”的就业空间格局，外围地区的就业发展较为迅速，新的就业中心正在形成，但合肥市、沈阳市仍以单中心主导，外围就业中心尚未形成；此外，深圳市的职住分离程度也高于合肥市、沈阳市，且职住通勤的平均距离也比较大；移民人口对深圳市就业空间的影响是由中心区向外围地区逐步扩展，中心区与外围地区有着较强的联系，而沈阳市的就业空间发展表现出中心区与外围地区的联系较弱.

随着移民人口的稳定发展，深圳市的就业空间将从快速演变步入内部优化阶段，建议应加强产业与居住的功能融合布局，避免产生过度的跨行政区通勤人口，逐步解决目前面临的职住问题，同时需要关注就业社会分化的问题，避免某一区域的就业阶层过度单一而引发社会矛盾，为移民城市的稳定发展提供保障.