张彭飞 张景秋

DOI：10.16255/j.cnki.ldxbz.2024.01.008

［收稿日期］  2023-09-08

［基金項目］  国家自然科学基金项目（41771187）。

［作者简介］  张彭飞（1999—），男，满族，北京市人，北京联合大学应用文理学院硕士研究生，主要研究方向为城市地理学。

［通讯作者］   张景秋（1967—），女，甘肃兰州人，北京联合大学应用文理学院教授，硕士研究生导师，博士，主要研究方向为城市地理学、城市与区域规划。E-mail：jingqiu@buu.edu.cn

（北京联合大学 应用文理学院，北京  100191）

［摘  要］   利用2021年9月至12月的手机信令数据、POI及网络数据等多源数据，以前人对北京城市职住空间研究的结论为参照系，对空间错位指数进行测度与比较，并

利用地理探测器方法，分析挖掘居住和工作在北京中心城区出生于 1995—2010年的“Z 世代”群体居住—就业空间的职住特征及其影响因素。结果表明：1）北京“Z世代”的居住空间和就业空间总体呈现多集聚小组团的特点，且与北京城市居住—就业中心的总格局基本一致，但空间错位指数要高于全年龄段；2）所在地区的生活设施配置、交通条件是影响“Z世代”对居住地和工作地选择的主要因素，房价也是影响居住地选择的重要因素；3）

“Z世代”的职住空间选择影响因子均存在交互作用，表现为双因子增强和非线性增强，说明居住地和工作地选择受到多个条件的协同作用。

［关键词］  多源数据；职住空间；Z世代；空间错位；地理探测器

［中图分类号］  TU 984；P 208  ［文献标志码］  A  ［文章编号］  1005-0310（2024）01-0047-10

Study on the Features and Influencing Factors of

Beijings Job-Housing Space of “Generation Z” Based on

Multi-source Data Mining

ZHANG  Pengfei， ZHANG  Jingqiu

（College of Applied Arts and Science， Beijing Union University， Beijing 100191， China）

Abstract：  By using multi-source data such as mobile signaling data from September to December 2021， POI data， open source data on the internet， and the previous research conclusions on Beijings job-housing space as a reference frame， this paper measured and compared the spatial displacement index. Whats more， by using the method of Geo-detector， the occupational and residential characteristics and influencing factors of the “Generation Z” population born from 1995 to 2010 living and working in the central urban area of Beijing were analyzed and excavated. The results show that： 1） The residential and employment spaces of “Generation Z” in Beijing generally exhibit the characteristics of multi clusters， and are basically consistent with the overall pattern of urban residential-employment centers in Beijing， but the spatial dislocation index is higher than that of all age groups; 2） It was found that the configuration of living facilities and transportation conditions in the region are the main factors affecting the choice of residence and work place for “Generation Z”， and housing prices are also important factors affecting the choice of residence place; 3） It was found that the influencing factors of occupational and residential space selection in “Generation Z” all have interactive effects， manifested as dual factor enhancement and non-linear enhancement， indicating that the selection of residence and workplace is influenced by multiple conditions in synergy.

Keywords： multi-source data；job-housing space；Generation Z；spatial dislocation；Geo-detector

0  引言

在学术领域，关于“Z世代”的定义，通常采用澳大利亚麦克林德尔研究中心的定义，即1995年至2010年出生的一代人［1］。国家统计局发布的2018年数据显示：中国大陆“Z世代”的人口总数约为2.6亿，约占2018年总人口的19%［2］。随着互联网的发展而成长起来的“Z世代”，也被称为“互联网世代”，他们的生活方式和个性态度带有鲜明的互联网印记，他们是城市未来发展的重要力量［3］。

随着城市化进程的快速推进，城市用地规模和人口规模持续扩大，城市居民的职住分离现象日益突出，城市居民的通勤时间与通勤距离持续延长。

这些变化不仅加剧了汽车尾气污染、城市街道噪声污染等问题，还暴露出城市相关的健康和安全风险，根据《2022年度中国主要城市通勤监测报告》［4］，2021年，中国主要城市中76%的通勤者能在45 min内到达目的地，但仍有超过1 400万人的单程通勤时间超过60 min。其中，北京的极端通勤人口比例同比增加3个百分点，是全国极端通勤人口最多的城市。如何缓解职住不平衡带来的问题，是北京城市高质量发展进程中应关注的重点议题。在《北京城市总体规划（2016—2035年）》中，对此已有了明确的部署。根据第七次全国人口普查的数据，北京市“Z世代”的人口比例约占全市总人口的20.7%，高于全国平均水平，他们是北京建设职住平衡、宜居宜业城市的主要参与者和受益者。

北京联合大学学报2024年1月第38卷第1期张彭飞等：多源数据挖掘的北京“Z世代”职住空间特征及影响因素研究

在此背景下，本研究以手机信令数据为基础，结合地理位置等多源数据，识别并细化北京中心城区“Z世代”人群及其居住地和工作地，分析他们的职住空间关系特征及影响因素，旨在更好地认知新时代城市发展特征，为城市的高质量发展提供实证研究的支撑。

1  职住空间关系与“Z世代”研究综述

职住空间关系的研究最早源自美国学者Kain在20世纪60年代提出的空间错位假设［5］。该假设揭示了处于职住不平衡状态的黑人所面临的不公平待遇。在验证Kain的研究结论后，国外学者将该假设应用于更广泛的的社会弱势群体［6-8］，并发现该结论更适合于解释低收入人群的职住关系［9-10］。20世纪70年代的研究多从社会学和城市规划的视角出发，关注城市空间结构、制度、政策等因素如何影响弱势群体的就业可达性［11］。到了20世纪80年代，西方学者

进一步研究如何通过职住平衡缓解过度郊区化所导致的交通拥堵问题［12］。

2004年，有学者将西方职住关系研究成果引进中国 ［13］。早期研究主要利用普查数据或问卷调查数据对职住分离现象［14-15］、职住分离影响因素［16］等进行分析。但因受统计数据的空间尺度和调研数据的样本规模的限制，这些研究尚未形成共识［17］。随着数字时代的到来，微博签到数据［18-19］、手机信令数据［19-22］、交通刷卡数据［23］以及POI数据［24-26］等多源数据的出现，极大地扩展了职住空间研究的范围。特别是利用手机信令数据，在职住空间研究方面取得了较为丰富的成果，包括职住地的识别与职住分离的度量［19-22，27］。研究发现商品房价格［28-29］、城市公共服務设施［24-30］以及交通设施［23-31］是影响职住空间选择的主要因素。还有研究发现，居民倾向于选择出行成本低和生活质量高的区域工作［32］。

北京以居住地、就业地为研究对象的相关研究成果颇为丰富。根据前人的研究成果可以发现：北京的就业中心和就业岗位主要集中在中心城区［33］，就业空间分布呈现出梯度性和圈层结构特征［34］；2004—2018年，就业聚集区的数量持续增多，上地和望京地区成为新的就业中心［35］；2021年，东城、西城、朝阳西南部、丰台东部、海淀东南部、通州西北部、大兴东北部等产业聚集区形成了就业岗位热点区［36］。但是，北京职场新人在就业空间5km范围内的通勤占比较低。“Z世代”人群的成长过程深受互联网发展的影响，他们的就业选择呈现出“看重个人成长空间”的特点［37］，更倾向于在工作中既能获得满足感，又能在其中享受生活，形成与前几代人截然不同的就业选择偏好［38］。因此，“Z世代”人群愿意用通勤距离换取自己热爱的工作机会［39］，即使这意味着需要承受长距离通勤。在选择居住地方面，北京也呈现出明显的不同代际之间受时代发展影响的特点［40］。根据以往的研究

发现，现阶段青年人获得住房资源往往需要代际援助［41］，他们所在社区的建成环境品质受父代社会地位与子代社会地位的双重影响［42］。

综上所述，从理论层面来看，对“Z世代”职住空间的研究有助于深入理解这一代人的生活状态和职业选择，也有助于理解社会变迁的趋势。从实践层面来看，对“Z世代”职住空间的研究可以有效促进北京城市职住平衡目标的落实，并体现城市以人为本、精细规划与治理的高质量发展目标。

2  研究方法与数据来源

本研究聚焦在北京中心城6区，包含东城区、西城区、朝阳区、海淀区、丰台区、石景山区，以街道为基本单元，测度北京“Z世代”的职住关系及其影响因素。

2.1  研究方法

2.1.1  空间错位指数

空间错位指数（SMI）衡量的是工作岗位和人口分布在不同地区的程度，可以测度为了使一个地区的就业和人口分布相匹配而必须迁移的人口比例，计算公式为

SMIj=12Pj

ni=1eijEj×Pj-Pij 。（1）

式中：SMIj为j区的空间错位指数。Pj为j区的总人口，eij为j区中i街道的就业机会，Ej为j区的就业总机会。

其中，SMIj的范围是0到1之间［19］。当SMIj越接近1，

说明此区居住与工作不匹配程度越高；当SMIj越接近0，则说明此区居住

与工作匹配度越高。

2.1.2  地理探测器

地理探测器是探测空间分异性，以及揭示其背后驱动因子的统计学方法［43］。本研究主要运用其中的因子探测器和交互作用探测器，测度影响“Z世代”职住空间分异的主导驱动因素与关键交互因子。

因子探测器用于探测因子可以在多大程度上解释属性Y的空间分异，用q值度量，计算公式为

q=1-Lh=1Nhσ2hNσ2=1-SSWSST   。（2）

SSW=Lh=1Nhσ2h，

SST=Nσ2   。（3）

式（2）中：h=1，…，L;L为变量Y或因子X的分层，即分类或分区；N

h和N分别为层h和全区的单元数；σ2h和σ2分别是层h和全区的Y值的方差；SSW和SST分别为层内方差之和、全区总方差。q的取值范围为［0，1］，数值接近1，表明该因素对“Z世代”职住空间的影响较强；数值接近0，表明该因素的影响较弱。

交互作用探测主要用于识别不同因子之间的交互作用，如评估X1和X2共同作用时是否会增加或减弱对因变量Y的解释力。

2.2  研究数据

2.2.1  数据来源

本研究的数据来源主要包括以下几个方面：一是智慧足迹提供的2021年9月至12月的手机信令数据；二是通过申请API并利用Python抓取的高德地图2021年北京市

的POI数据；三是从OpenStreet官网

下载的北京中心城区路网数据；四是来自中国裁判文书网统计生成的2021年北京市刑事案件和民事案件数据；五是来自链家网的二手房交易数据。

2.2.2  数据的可信度

首先，使用SQL语句对使用不同手机品牌的“Z世代”人群进行查询，得到包含居住地和工作地位置坐标的269 619条数据。通过对数据进行筛选和清洗，剔除研究区域以外的数据、漂移数据以及乒乓效应的数据，最终获得177 939条数据用于研究。

为了对手机数据进行识别校验，本研究采用第七次全国人口普查的常住人口数据与手机信令数据识别出的居住人口数据进行比对。具体方法如下：①利用手机信令数据计算各个街道居民人数占所在辖区居民人数的比例。②利用第七次人口普查数据计算各个街道常住居民人数占所在辖区常住居民总人数的比例。③对比分析两个比例的结果。通过对比发现，两组数据结果的一致性良好，证实手机信令数据可以作为本研究的数据来源。

2.3  影响因子的指标选取

影响职住地选择和空间分异的因素较多，本研究一方面以前人的相关研究［24，30，44-50］为基准，另一方面结合“Z世代”的特点，选取生活设施配置、教育资源、交通条件、居住条件和街道安全5个维度，并设置了11个一级指标和30个二级指标（见表1）。特别需要说明的是：房价反映了居住地周围的基础设施服务水平和区位条件［24，49-50］，对居住地的选择有显著影响；城市职住分离现象的加剧导致交通事故率处于持续高位［51］，城市犯罪率有所提高［52-53］，因此，街道安全水平也应纳入职住空间特征的影响因素范畴。

3  结果分析

3.1  “Z世代”的居住与就业空间格局

3.1.1  居住地沿城市道路环线呈多组团分布

总体上，北京中心城区“Z世代”人群的居住空间格局呈现西北、东南高，中西部低的特点，并且在城市道路的三环和四环形成多组团集聚区。结合北京城市功能集聚区的特点，本研究发现，大多数“Z世代”人群的居住地主要选择位于中关村、CBD等城市就业中心区，以及与CBD相邻、居住供给与房价匹配度较好的东部和东南部街道（见图1）。这一格局与北京城市房价呈环状递减、中心高四周低的空间结构［54］有关。

3.1.2  工作地集中在中关村、上地、望京和CBD等城市就业中心

北京中心城区的“Z世代”人群就业空间格局与城市主要就业中心高度吻合，主要集中在海淀区的中关村街道—学院路街道—海淀街道区域、上地街道—马连洼街道—清河街道区域，朝阳区的东湖街道—望京街道—酒仙桥街道以及CBD地区（见图2）。根据对北京城市就业功能区的相关研究［55］，上述热点区域多为信息产业、互联网+产业、商务服务业以及金融业等产业，由此可以推断“Z世代”人群主要在这些行业工作。

3.2  空间错位指数分析

本研究通过空间错位指数测度北京中心城区“Z世代”人群居住地与工作地的匹配程度，结果显示，空间错位指数在0.3～0.5之间。与以往对北京城市职住空间错位指数测度值在0.3以内的研究结果［17］相比，北京中心城区“Z世代”人群总体处于职住不平衡状态。他们的居住地与工作地之间的不匹配程度明显高于北京市全年龄段的平均水平，6个城区的空间错位指数由高到低依次为朝阳区（0.486）、海淀区（0.485）、西城区（0.437）、丰台区（0.435）、东城区（0.419）、石景山区（0.345）。结合图1和图2的空间分布可知，居住地主要围绕4個就业中心并向其周边及外围地区扩展，对“Z世代”人群而言，一方面，他们倾向于就近居住和工作，另一方面，他们更关注自己与工作的契合度。这与前文提到的“Z世代”人群更愿意用通勤距离换取工作机会的观点一致。

3.3  影响居住地和工作地选择的因子探测

3.3.1  居住地选择的影响因子分析

根据地理探测器因子探测的结果，在5个维度

、30个指标中，选取P值等于0.000，通过显著性检验的因子并结合q值进行分析（见表2），发现17个因子对“Z世代”居住地选择有显著影响。其中，便利店（X5）对“Z世代”居住地

选择影响的解释力最大，解释力达到0.645，表明便利店数量对居住人数起到关键作用；便利店在满足青年社交需要的同时，

也为周边居民提供了全天候便捷服务［56］。其次是超市（X4）、幼儿园（X24）、中餐厅（X11）、集市（X8）和药店（X18），其q值均在0.5以上。总的来说，小型便利店、餐饮设施，

以及就近的幼儿园、医疗设施、公园绿地、体育休闲场所和便捷的公共交通，都是影响“Z世代”人群居住地选择的主要因素。

值得注意的是：尽管房价（X28）通过了显著性检验，但相较于其他因子，房价的解释力较低。有关研究表明，房价对于全年龄段居民的居住区域选择影响较大［57］，说明房价对“Z世代”人群居住地选择虽然有影响，但并非最主要的影响因子。这可能由于“Z世代”人群生活在中国经济社会快速发展的富足年代，且

在住房方面受到更多的代际支持［42］。在街道安全方面，民事案件（X29）与刑事案件（X30）数量对“Z世代”街道居住人数的解释力度较低，影响并不显著，这与北京作为首善之区，居民邻里关系融洽、街道治安状况好密切相关。

3.3.2  工作地选择的影响因子分析

对“Z世代”人群工作地选择的影响因子探测结果显示：一是通过显著性检验的因子数量明显多于居住地；二是解释力或影响度弱于居住地（见表3）。其中，快餐厅（X13）对“Z世代”人群工作地选择影响的解释力最大，解释力为0.556，其后解释力相对较高的因子包括中餐厅（X11）、便利店（X5）、医院（X17）、公交车站（X26）、电子卖场（X7）、蛋糕甜品店（X14）等。与表2居住地影响因子相比，“Z世代”人群在工作地选择时更注重快捷就餐和休闲社交场所，蛋糕甜品店（X14）、茶馆（X15）以及咖啡厅（X16）的解释力增大，与“Z世代”人群拥有更多的社交活动有关。茶馆已经成为连接社会生活和经济活动的一个枢纽［58］，咖啡厅作为一个独特的消费空间，满足了青年群体对新型公共空间的需求［59］。北京城市文化设施分布特征与职住空间格局大体一致［60］，对“Z世代”人群工作地的选择有较大影响，文化设施既为“Z世代”提供了社交休闲场所，又具备就业岗位属性。

3.4  职住空间影响因子的交互探测

本研究通过地理交互探测，可以更精准地揭示哪个或哪些影响因子对“Z世代”人群的职住空间选择起到增强作用。通过探测发现，各因子对居住地和工作地的选择均存在交互作用，表现为双因子增强和非线性增强，即任意两个因子交互作用后的因子解释力都大于单因子的解释力（见图3、图4）。

3.4.1  居住地影响因子交互探测

解释力最高的是便利店（X5）∩公交车站数量（X26）的交互因子，为0.778，其后依次是便利店（X5）∩幼儿园（X24）的交互因子，为0.774、蛋糕甜品店（X14）∩小学（X23）的交互因子，为0.767、便利店（X5）∩咖啡厅（X16）的交互因子，为0.766、体育休闲场所（X1）∩药店（X18）的交互因子，为0.765。在前5位中，便利店表现出双因子增强的交互关键作用，表明日常购物方便、交通便利，且与幼儿园、咖啡厅结合较好的居住地更能吸引“Z世代”人群。此外，小学周边有蛋糕店、体育活动场所附近有药店的居住地段，同样受到“Z世代”人群的青睐。

3.4.2  工作地影响因子交互探测

解释力位列前5的分别是：外国餐厅（X12）∩公交车站数量（X26）的交互因子为0.742；中餐厅数量（X11）∩医院（X17）的交互因子为0.741；中餐厅数量（X11）∩地铁站数量（X25）的交互因子为0.737；快餐厅数量（X13）∩公交车站数量（X26）的交互因子、蛋糕甜品店（X14）∩公交车站数量（X26）的交互因子均为0.732。其中，中餐厅和公共交通站点数量表现出双因子增强的交互关键作用。说明“Z世代”就业人群集中的区域，一是公共交通便捷；二是餐饮类型多样；三是兼具消费者和从业者双重集聚属性。

4  结论

本研究通过整合手机信令数据、POI数据以及网络开源数据等多源数据，对北京中心城区“Z世代”人群的职住空间特征及其影响因素进行深入分析。首先，利用空间错位指数来衡量“Z世代”人群职住的不平衡程度；其次，通过地理探测器探究影响职住空间选择的主要因素。

1）通過核心密度分析可见，北京中心城区“Z世代”人群的居住空间格局分布呈现西北、东南高，中西部低的特点，主要在三环和四环道路附近形成多个组团分布，并在中关村和CBD区域形成集中连片。工作地则高度集中在中关村、上地、望京和CBD这4个就业中心区，与居住地相比，工作地的集聚范围更小、更为集中。受到北京房价空间格局、产业功能区与“Z世代”人群的职业偏好影响和制约，“Z世代”人群的职住空间特征表现为居住地围绕城市主要就业中心向四周扩展的格局。

2）空间错位指数的测度结果显示，北京中心城6区的“Z世代”人群职住空间错位指数高于全年龄段居民的测度值，职住不平衡现象在“Z世代”人群中表现得更为突出。这与“Z世代”人群更愿意用较长的通勤距离来换取工作机会有关。

3）利用地理探测器的因子探测功能，本研究发现，小型便利的多业态购物、餐饮设施，就近的幼儿园、医疗设施、公园绿地、体育休闲场所和便捷的公共交通是影响“Z世代”人群居住地选择的主导因素。在选择工作地时，“Z世代”人群更注重快捷就餐和休闲社交场所。说明“Z世代”人群的居住地选择与他们的家庭生命周期对城市建成环境的需求和自身可承受能力相呼应，工作地的选择反映了他们对待工作的理念和态度。

4）利用地理探测器交互因子探测功能，本研

究发现各因子对居住地和工作地的选择均存在交

互作用。对于“Z世代”人群而言，以日常购物和餐饮为主导的生活设施配置、幼儿园和小学教育资源、公共交通条件的交互作用对居住地选择产生了增强效果。多样化的餐饮、便捷的交通以及满足消费与就业双重行为属性的集聚区域是吸引“Z世代”人群就业的热点区域。相较之下，居住地的双因子增强作用更为显著，工作地则表现为明显的非线性增强作用。

作为北京城市建设与发展的主力军，“Z世代”人群的居住、工作、游憩和交通出行等活动偏好都将对城市建成环境和设施配置与使用产生重要影响，而职住关系是其中的基础。未来，研究应将

家庭生命周期纳入框架，深入探究“Z世代”职住空间的演变，以揭示城市空间发展规律，为居民营造更加美好的城市环境。

［参考文献］

［1］  李林，李吉龙，杜婷，等.“Z世代”群体观念及消费研究：一个文献综述［J］.湖北经济学院学报（人文社会科学版），2022，19（3）：50-52.

［2］  敖成兵.Z世代消费理念的多元特质、现实成因及亚文化意义［J］.中国青年研究，2021（6）：100-106.

［3］  李春玲.社会经济变迁中的Z世代青年：构成、观念与行为［J］.中国青年研究， 2022（8）：21-27.

［4］  陈桂龙.《2022年度中国主要城市通勤监测报告》发布［J］.中国建设信息化，2022（15）：52-55.

［5］  KAIN J F.Housing segregation，negro employment and metropolitan decentralization：rejoinder［J］.Quarterly Journal of Economics，1968，82（2）：175-197.

［6］  LEONARD J S.The interaction of residential segregation and employment discrimination［J］.Journal of Urban Economics，1987，21（3）：323-346.

［7］  KAIN J F.The spatial mismatch hypothesis：three decades later［J］.Housing Policy Debate，2010，3（2）：371-460.

［8］  BRIAN D，TAYLOR P M.Spatial mismatch or automobile mismatch？ An examination of race， residence and commuting in us metropolitan areas［J］.Urban Studies，1995，32（9）：1453-1473.

［9］  STOLL M A，COVINGTON K.Explaining racial/ethnic gaps in spatial mismatch in the US［J］.Urban Studies，2012，49（11）：2501-2521.

［10］  ABRAMSON A J，TOBIN M S，VANDERGOOT M R.The changing geography of metropolitan opportunity： the segregation of the poor in U.S.metropolitan areas，1970 to 1990［J］.Housing Policy Debate，1995，6（1）：45-72.

［11］  黎原亘.南宁市职住平衡特征研究［D］.南宁：广西大学，2021.

［12］  ROBERT C.Jobs-housing balancing and regional mobility［J］.Journal of the American Planning Association，1989，55（2）：136-150.

［13］  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（9）：8-14.

［14］  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——基于就業可达性与通勤时间的讨论［J］.地理学报，2011，66（4）：457-467.

［15］  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.

［16］  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.

［17］  王蓓，王良，刘艳华，等.基于手机信令数据的北京市职住空间分布格局及匹配特征［J］.地理科学进展，2020，39（12）：2028-2042.

［18］  赵鹏军，曹毓书.基于多源LBS数据的职住平衡对比研究——以北京城区为例［J］.北京大学学报（自然科学版），2018，54（6）：1290-1302.

［19］  石光辉.利用微博签到数据分析职住平衡与通勤特征［D］.武汉：武汉大学，2017.

［20］  孙喆，路青.基于手机信令数据的大都市新城职住关系——以北京为例［J］.城市发展研究，2022，29（12）：53-61.

［21］  刘望保，李彤彤.基于手机信令数据的广州市社区建成环境对居民通勤距离的影响研究［J］.世界地理研究，2023，32（5）：79-90.

［22］  陈静媛，张云彬，王诚，等.基于手机信令数据的合肥市郊区职住空间特征研究［J］.华中农业大学学报（自然科学版），2022，41（3）：35-46.

［23］  龙瀛，张宇，崔承印.利用公交刷卡数据分析北京职住关系和通勤出行［J］.地理学报，2012，67（10）：1339-1352.

［24］  王振坡，牛家威，王丽艳.基于POI大数据的天津市居民居住就业空间特征及其影响因素研究［J］.地域研究与开发，2020，39（2）：58-63.

［25］  薛冰，李京忠，肖骁，等.基于兴趣点（POI）大数据的人地关系研究综述：理论、方法与应用［J］.地理与地理信息科学，2019，35（6）：51-60.

［26］  段亚明，刘勇，刘秀华，等.基于POI大数据的重庆主城区多中心识别［J］.自然资源学报，2018，33（5）：788-800.

［27］  劉洋，姚广铮，蔡传慈，等.北京市职住分布与通勤交通特征［J］.城市交通，2022，20（6）：98-104.

［28］  林荣平，周素红，闫小培.1978年以来广州市居民职住地选择行为时空特征与影响因素的代际差异［J］.地理学报，2019，74（4）：753-769.

［29］  周素红，刘玉兰.转型期广州城市居民居住与就业地区位选择的空间关系及其变迁［J］.地理学报，2010，65（2）：191-201.

［30］  郑思齐，曹洋.居住与就业空间关系的决定机理和影响因素——对北京市通勤时间和通勤流量的实证研究［J］.城市发展研究，2009，16（6）：29-35.

［31］  赵晖，杨军，刘常平.轨道沿线居民职住分布及通勤空间组织特征研究——以北京为例［J］.经济地理，2011，31（9）：1445-1451.

［32］  焦朋朋，陈帅，李扬威.基于混合Logit的居住地和就业地选择行为模型［J］.武汉理工大学学报（交通科学与工程版），2014，38（5）：1011-1015.

［33］  刘常平，徐学明，赵晖，等.北京城市职住空间演变、通勤需求与就业可达性特征［J］.交通运输研究，2019，5（2）：1-8.

［34］  张学波，宋金平，陈丽娟，等.北京都市区就业空间分异与职住空间错位行业识别 ［J］.人文地理，2019，34（3）：83-90.

［35］  邱红，王良，杨明，等.基于四次经济普查数据的北京就业空间演变特征研究［J］.北京规划建设，2021（6）：56-61.

［36］  王淼，郭燕宾，杨旭东，等.建筑用途的城市职住空间组织特征研究［J］.测绘科学，2021，46（1）：196-202 .

［37］  王瑶.“Z世代”大学生就业心态分析及对策［J］.就业与保障，2022（2）：100-102.

［38］  曹萌.“Z世代”逐梦前行［J］.法人，2020（8）：44-45.

［39］  中国城市规划设计院.《2023年度中国主要城市通勤监测报告》解读［J］.城乡建设，2023（18）：70-77.

［40］  林荣平，周素红，闫小培.1978年以来广州市居民职住地选择行为时空特征与影响因素的代际差异［J］.地理学报，2019，74（4）：753-769.

［41］  谌鸿燕.代际累积与子代住房资源获得的不平等——基于广州的个案分析［J］.社会，2017，37（4）：119-142.

［42］  张延吉，唐杰，秦波.“拼爹”还是“自立”——家庭代际支持对当代城市青年居住环境的影响［J］.青年研究，2019（3）：26-37.

［43］  王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017，72（1）：116-134.

［44］  李云，翟欣欣，胡雅丽，等.城市道路交通事故的时空特征与规划成因——以深圳市南山区为例［J］.深圳大学学报（理工版），2018，35（2）：197-205.

［45］  李伟，黄正东.基于POI的厦门城市商业空间结构与业态演变分析［J］.现代城市研究，2018（4）：56-65.

［46］  曾源，王国恩，张媛媛.基于POI的武汉市商业中心识别及等级研究［J］.现代城市研究，2021（6）：109-116.

［47］  郑泽爽.珠海市职住空间分布特征及其影响因素研究——基于高德地图兴趣点和交通传感数据的调查分析［J］.规划师，2019，35（4）：51-56.

［48］  段征宇，贺璇，陈川.城市居住区位与出行行为对通勤者生活质量的影响研究——以上海市为例［J］.现代城市研究，2023（6）：88-93.

［49］  杜雨涵，赵海莉，原悦，等.居住环境剥夺测度及其对房价的影响——以兰州市为例［J］.干旱区地理，2022，45（3）：966-975.

［50］  季欣，宗会明，戴技才.重庆市主城区住房售租分异格局及影响因素［J］.西部人居环境学刊，2023，38（4）：90-97.

［51］  李云，翟欣欣，胡雅丽，等.城市道路交通事故的时空特征与规划成因——以深圳市南山区为例［J］.深圳大学学报（理工版），2018，35（2）：197-205.

［52］  黎家琪，宋广文，肖露子，等.盗窃者犯罪出行距离的特征及其影响因素——基于居住社区、作案社区及出行物理障碍的综合考虑［J］.地理科学进展，2022，41（11）：2123-2134.

［53］  张延吉，游永熠，朱春武，等.犯罪恐惧感与犯罪活动空间分布的匹配关系及其影响因素——以北京市为例［J］.地理科学，2022，42（6）：1024-1033.

［54］  高姝，刘纪平，郭文华，等.北京市房地产价格空间分布变化研究［J］.测绘科学，2021，46（9）：150-156.

［55］  张学波，宋金平，陈丽娟，等.北京都市区就业空间分异与职住空间错位行业识别［J］.人文地理，2019，34（3）：83-90.

［56］  陈雅萍.城市便利店如何贩售生活方式［J］.江苏商论，2018（8）：9-15.

［57］  王德起，许菲菲.基于问卷调查的北京市居民通勤状况分析［J］.城市发展研究，2010，17（12）：98-105.

［58］  陈永华.作为市民公共空间的存在与发展——近代杭州茶馆功能研究［J］.杭州师范大学学报（社会科学版），2008（5）：116-120.

［59］  严霞.青年的咖啡馆消费文化——以贵阳市青年的咖啡馆消费为例［J］.青年探索，2016（6）：5-13.

［60］  廖嘉妍，张景秋.基于POI数据的北京城市文化设施空间分布特征研究［J］.北京联合大学学报，2020，34（1）：23-33.

（责任编辑  齐蓉晖；责任校对  柴  智）