|
【提要】 以厦门为研究案例，采用LBS画像大数据和人口与经济普查、居民出行调查等传统普查结合的分析方法，通过职住静态分布和动态关联分析来认识厦门“岛内-岛外”的空间结构和运转特征，测度其“多中心”空间结构的“空间绩效”并解释其成因机理。研究提出，大城市为应对“大城市病”而实施“多中心”战略，不仅需要在外围地区规划建设足够规模的新城或新城区，使城市在空间形态上实现“多中心”，更需要维持组团之间合理的关联强度——如果外围组团的内循环比例提升，则“多中心”结构的“空间绩效”可望提升；而若跨区及向心的通勤比例很高，且以个体机动方式为主导，则原本良好的组团结构也会被瓦解。 【关键词】 大城市；多中心；空间绩效机理；厦门；LBS画像数据；普查数据 （全文刊于《城市规划学刊》2017年第5期。限于公众号篇幅，有部分删节） 1 研究缘起和意义
是什么原因导致大城市“多中心”战略的不尽如人意？在城市规模增长过程中以“多中心”来化解“大城市病”的关键是什么？这涉及到对大城市“多中心”的外在“空间形态”及内在“组织逻辑”——或“空间结构”的理解，进而获得对空间结构的“空间绩效”机理解释。本文以厦门为研究案例，通过职住静态分布和动态关联分析来认识厦门“岛内—岛外”的空间结构和运转特征，测度其“多中心”空间结构的“空间绩效”并解释其成因机理。
2 研究对象和视角
厦门是我国改革开放初期设立的4个经济特区之一，是海峡西岸的重要中心城市，同时也是享誉国内外的文化名城和旅游城市。以厦门为对象来研究城市“多中心”结构及其“空间绩效”机理，有其特定原因和价值。
（1） 厦门市域有着“海岛”+“海湾”的空间格局，具有建构“多组团”“多中心”城市的天然优势；相对于平原大城市，厦门有海湾和山体等自然屏障，城市建设空间可以按理想的组团模式来布局。同时厦门也是处在快速发展中的城市，2000-2015年的15年内，厦门人口规模从205万人增长到近400万人，增幅远超过全国其他大城市，因而城市空间的外延发展的压力也一直很大。
（2） 作为我国重要的旅游城市，厦门常年吸引着大量外来游客，但仍然具有与一般大城市相似的日常通勤交通拥堵特征。厦门与其他大城市相似，城市职住空间结构对城市工作日交通拥堵状况具有决定性作用。
（3） 随着人口规模的迅速膨胀和城市空间格局的快速演变，厦门已逐渐面临需要系统应对“大城市病”问题的窗口期，而从空间结构层面认识交通拥堵的成因是厦门城市空间发展最根本、最紧迫的问题（赵燕菁，2012）。通过对厦门案例的研究，有助于加深对厦门空间发展的认识，同时也可望获取对其他大城市具有启示意义的发现。
由于明确了跨海湾发展和打造多个组团，厦门在城市人口规模超预期增长的情形下，岛外组团发展起到了重要的疏解作用；目前岛外常住人口和建设用地已经超过全市的50%；在空间形态上，山海分隔的组团城市格局已经很清晰。但另一方面，空间形态的“多中心”是否意味着厦门真正实现了多中心空间结构的“空间绩效”？这涉及到“多中心”的内涵究竟是空间形态还是要素联系的组织模式；这个问题实质上也是学界对大城市的“多中心”发展是否有功效的争议源头。对大城市“多中心”结构及其“空间绩效”的证明/证伪及机理解释也正是本文的研究视角。
形态的多中心并不能被直接视为真正的多中心结构，而要看要素组织、交通联系等内在机制是否呈现多中心化——看似山水分割的组团城市可能是强大单中心城市，而看似大饼一块的城市也可能具有多中心的组织方式（韦亚平，赵民，2006）。因此，要从空间视角研究交通拥堵等“大城市病”问题，就需要超越大城市“空间形态”本身而深入分析城市空间要素的联系和作用机制。
3 研究设计与数据支撑
3.1 技术路线
本次研究以厦门为对象，以实证为主、结合推演来研究其“多中心”空间结构的“空间绩效”并解释其成因机理。具体技术路线为：通过大数据与传统普查数据相互校核与支撑，针对“职住关系”这一影响大城市空间结构的核心关系，从静态结构-动态关联两个层次展开定量分析；进而首先解读厦门“岛内-岛外”空间结构兼具“二元性”和“均衡性”的“混合特征”，然后对厦门“岛内强中心”抑或“多中心组团”结构的发展程度与稳定性做深入解析，最终实现对大城市“多中心”结构的本质与“空间绩效”的机理解释。在此基础上，探寻大城市实现“多中心”战略的关键环节，并进一步阐述“空间结构-交通模式”匹配的重要实践意义（图7）。 图7 研究的概念框架
3.2 数据的采集和画像规则
经验数据的质量对于本次研究的证明/证伪具有重要意义。大数据方面，本次研究采用基于GPS 定位嵌入（GPS embedded）的位置服务（Location Based Service） 数据。GPS-LBS数据与手机信令数据、智能刷卡等数据一样，是城市大数据研究一种常用数据源。国内外学者基于LBS数据进行的区域和城市空间研究往往结合社交平台SNS（Social Network Service） 而展开(RyongLee et a1.,2011)，例如需要事件位置定位的推特（Twitter）、微博等（Lee R，et al， 2011； 甄峰， 等, 2012； 陈映雪，等，2014）。LBS数据采集依赖于开启位置服务的应用程序签到和上报位置信息，相对于目前的手机信令数据具有定位更准确可靠的优点，因此既可以用于分析区域和城市宏观结构，也可以进行中微观层面空间的具体分析。但是在应用于“职住关系”等特定研究问题时，传统LBS 数据也具有明显的局限性，例如只有登陆特定APP才能调取数据、相对单一的应用程序导致群体偏差、数据颗粒精度过大、未能识别设备终端（PC/MAC、Pad、手机） 造成大量无位移的“SOHO用户”等等，带来分析结果与现实总体职住空间的偏离，因此更需要谨慎判断数据样本的代表性和数据质量。
为克服传统LBS数据的缺陷，本研究通过数据外包SDK平台筛选出只针对手机终端用户的数据，并能够在一定时段内有效采集多个主流移动应用程序端(Mobile Application，APP)调用的LBS信息（图8）。本次LBS位置服务数据采集机制为：①周期更新数据，即用户打开调用位置信息的上述任意APP后，将颗粒精度为1h/次的频率向后台SDK平台上报用户GPS 位置数据；②事件触发数据，即用户在上述任意APP 登陆、搜索、发送和接收信息和推送等事件也将形成即时位置数据。 图8 SDK平台调用的用户端渗透率(TOP30)的移动应用（2016.06）
数据采集的时空范围是：厦门市域2016.06.13-06.26两个连续工作（上学）周；期间气候温和，无重大节假日。获取的LBS基础数据包括用户脱敏ID、时间戳、经纬度GPS 坐标等信息。凡在2016.06.13-06.26进入过厦门市辖区范围的共计3,079,752个独立手机终端用户都被筛选出来，通过追溯这些用户在过去三个月在全国的所有LBS轨迹，首先明确用户出现频率最高的城市作为其归属地，在此基础上展开用户居住地、就业地画像分析。画像规则是，统计用户在工作日非工作时段（21:00-07:00） 及周末，出现频次最多的坐标地作为该用户的居住地址；统计用户在工作日工作时段（10:00-17:00），出现频次最多的坐标地作为该用户的工作地。在此基础上再进行算法的迭代优化，首先去除节假日的LBS数据，然后对于上个月预测办公地址、居住地址的出现次数，赋予25%的权重，作为输入变量，参与下月办公、居住地址的预测，循环周期为1年。并在此过程中随机抽样进行人工验证，从而提升识别准确度。
通过上述画像过程，辨识出居住地在厦门的手机用户174.31万人，在厦门就业的用户177.65万人；而两周内出现在厦门，居住地在泉州、漳州用户分别为21.78万人、16.51万人，就业地在泉州、漳州用户21.19万人、16.30万人；这些人群代表了厦漳泉一体化的主体；两周内出现在厦门空间范围，并在全国其他城市居住用户95.38人、就业用户92.83万人，上述人口可以判定为两周内出现在厦门旅游、商务、探亲人口，累计约占手机用户总数的30%（图9）。 图9 厦门空间范围的手机用户职住画像的归属地分布（2016.06.13-26，单位：人）
3.3 数据的质量校核（包括结合传统普查数据）
通过SPSS线性回归检验，厦门空间范围内LBS 职住画像约174 万居住用户，分布规律与第六次人口普查353万人口的分街道分布规律高度匹配（校正后方差约0.95，图10）； 177.65万人口的工作地画像数据与第三次经济普查的约236 万就业人口分布规律显著相关（校正后方差约0.83，图11）。根据算法的定义，就业地画像的定义（工作时间的用户常住地） 除包含经济普查统计的实际就业之外，还包括未纳入统计的上学人群信息，因此存在一定范围的理论误差，导致就业分布与普查数据分布规律的匹配程度低于居住地。但与此同时，上学、陪护等交通行为也是组成高峰小时的重要出行目的，因此LBS数据更“广义”的“就业地”定义更有利于分析厦门市职住空间关系和交通疏解问题。通过与现状用地图匹配对比，也可以发现LBS画像居住地和就业地数据分布与土地利用现状的用地性质吻合度很高。 图10 LBS居住地画像数据（左） 与六普常住人口分街道分布情况校核（单位：人） 图11 LBS“就业地”画像数据（左） 与三经普就业人口分街道分布情况校核（单位：人）
除了静态的分布情况，本研究还进一步结合2015年厦门居民出行调查，对LBS原始数据的大区出行OD （图12）、高峰小时分布、出行次数、分小时和分目的OD （图13） 等方面做了一系列校核。结果显示，LBS数据与交通调查数据的一系列指标具有较高的匹配性，可以真实地反映厦门市民的交通出行特征，并进一步校验了职住画像数据的可靠性。
总之，通过与多种传统普查数据的校核，LBS画像数据都体现出了较高的可靠性，能够有效反映厦门市居民职住空间分布的真实情况。大数据与传统数据相结合可以相互弥补各自的缺陷，有助于在城市空间结构研究中得出更丰富可靠的发现。例如，LBS大数据无法体现信息网络用户的就业类型、收入水平等社会属性，但通过将普查数据、开放数据和LBS画像数据的样本在较小空间单元（街道、居委会、栅格） 匹配加总，就可以将该空间单元的就业岗位、就业结构、住房价格等信息与其他单元的职住关联等信息纳入同一个空间分析框架平台，从而为大数据赋予了更多的画像属性，进而可以实现在统一的空间单元基础上深入分析城市职住空间的静态分布和动态关联状况。 图12 厦门交通调查（左）与LBS数据（右） 总OD分布校核（单位：人） 图13 居民出行调查上学+上班目的OD （左） 和LBS工作日6-9点OD （右）（单位：人）
4 厦门“岛内-岛外”职住空间静态分布
首先应用LBS画像数据及经普数据等，对厦门“岛内-岛外”的职住空间做静态分布描述，在用地空间层面上揭示厦门职住空间结构的主要特征。
4.1 “岛内-岛外”职住空间场所静态分布的二元性
（1）就业岗位静态分布的二元性
根据2015年第三次经济普查，厦门市的就业岗位在本岛内部高度聚集，面积约占全市域7.8%的厦门本岛拥有全市65%的就业人口，是岛外总量的1.85倍。“岛内-岛外”就业的“中心-外围”二元分化也体现在分行业的空间分布中。以岛内就业人口区位熵作为衡量标准，区位熵越大，表明该行业在岛内就业聚集程度越高，反之则表明该行业在岛外就业聚集度越高。数据表明，在岛内聚集的就业岗位以服务业为主，包括金融业（49.42）、建筑业（5.55）、生产性服务业（5.84）、房地产业（5.1） 和生活服务业（2.77） 等；而先进制造业（0.72）、一般制造业（0.41）、农林牧渔业（0.03） 的就业主要集中于岛外（图14、图15），总体上形成了“岛内中南部高端服务，岛内中北部生产性服务和先进制造，岛外新城中心生活型服务、外围先进制造和一般制造，北部山区农业发展”的“中心-外围”圈层格局。 图14 岛内-岛外分行业就业人口和区位熵 图15 分街道分行业就业人口数量分布
（2） 就业中心体系静态分布的二元性
在就业岗位总体分布的基础上可以进一步识别厦门市就业中心体系、规模能级、就业岗位结构构成和中心影响力范围等特征。一般意义上的“多中心”城市由就业中心及次中心构成；就业中心也可以在给企业提供聚集经济的场所的同时又降低成本（McMillen，Smith，2003），往往具有明显高于周边地区的规模、密度和综合化程度，足以对城市的人口、就业和土地价格的空间分布带来结构性影响，并呈现出空间聚集特征。
就业中心既可以出现在外围新城，也可以出现在传统老城中心周边（Riguelle，2007；于涛方，等，2016）。基于上述定义和前提，本研究将厦门全市LBS画像就业人口按250×250m 栅格单元加总，通过GIS工具进行连续两次空间聚类，筛选出厦门市“岛内-岛外”就业密集程度在95%的置信区间显著的就业中心/次中心栅格集群。在这些栅格集群中，按照20万人就业人口为门槛的就业中心/次中心划分标准，辨识出厦门岛内4个就业中心和2个次中心⑦，岛外6个就业次中心（图16）。规模超过20万人的4个就业中心（筼筜-江头、旧城、何厝、高殿） 全部聚集在岛内，其中筼筜-江头中心规模更是超过40万人；而岛外相对密集区就业人口普遍在10万人及以下。 图16 厦门市LBS就业岗位250m栅格分布（左，单位：人）、GIS空间聚类（中） 和主要中心（右）
通过分居委会的边界匹配2015年第三次经济普查就业岗位在居委会层面的样本分布，可以进一步分析上述“中心—次中心”的就业岗位结构。研究表明，服务业在岛内中心、次中心占绝对主导地位；而岛外除海沧-石塘外，其余5个次中心都是制造业为绝对主导。另一方面，与制造业密切相关的生产性服务业仍主要集中在岛内中心，岛外制造业中心的生产性服务业和生活服务业发展水平都相对较低（图17）。总括而言，与就业岗位的总体分布规律相似，厦门就业中心体系在就业规模和结构的分布上也呈现出“岛内-岛外”（中心-边缘） 的显著二元分化。
图17 岛内（左）、岛外（右）就业中心规模与结构分布（单位：人）
4.2 “岛内-岛外”职住空间场所静态分布的“均衡性”
除了就业岗位和就业中心体系的空间分布，以就业岗位和居住人口之比衡量的职住空间的均衡程度也是职住关系的一个重要属性。无论LBS数据还是第三次经济普查数据都表明厦门岛内-岛外的职住均衡程度很高；LBS职住画像数据显示，绝大多数街道职住比约在0.95-1.05之间。在居委会层面，由于空间尺度较小，职住比则有着相对明显的差异，但岛内-岛外绝大多数居委会单元的职住比仍然维持在0.85-1.15之间。职住比较高的社区集中在岛内机场地区和西南部CBD滨海地区、岛外新城外围工业区；而职住比明显较低的社区是岛外过海通道入口的海沧、集美、翔安新城中心地区和北部山区。总之，厦门市相对均衡的静态职住比表明，其“岛内-岛外”土地开发较综合，在街道和居委会尺度上的功能混合度较高，理论而言有利于实现就近就业（图18）。
图18 厦门分街道（左）、分居委会（右）静态职住比
此外，厦门“岛内-岛外”建设用地和人口规模接近1：1，似超乎上一轮总体规划的人口疏解预期。厦门城市建设用地在空间上已经呈现岛内-岛外相对独立、组团化的布局模式，职住空间静态分布也基本契合了城市的多中心结构。
至于就业人口规模和产业结构，厦门“岛内-岛外”分街道就业岗位的总体分布，以及“中心-次中心”体系的静态结构，也都呈现出明显的“中心-外围”二元性。
但是仅仅进行静态分布研究仍难以对厦门空间结构的本质做出可靠的解释——由于不能确定就近就业的比例，静态分布测度所得出的职住比仅仅是一个理论值，尚需要通过居民就业出行地与居住地的动态关联分析才能够获得就业均衡程度的准确数值。此外“中心-次中心”体系的测度除依据静态的就业规模分布外，还应考量各个中心/次中心对厦门全市就业人口的吸引力，从而确定各中心的影响力水平。
5 厦门“岛内-岛外”职住空间动态关联
衔接上文的分析，本部分超越城市空间结构的“形态层面”思维，以职住空间关联的动态OD视角分析，去理解和解释厦门职住空间静态分布的“混合性”特征。
5.1 “岛内-岛外”职住关联的空间分布
5.1.1 “岛内-岛外”居民日常职住通勤距离分布
职住通勤距离是居民日常通勤圈的关键指标，较短的日常职住通勤距离意味着居民可以在居住地附近实现就业。以LBS居住地归属作为统计单元，通过测算单元内居民到就业岗位的平均通勤距离，可以发现厦门居民平均职住通勤距离从“岛内强大中心-岛外新城核心地区-新城外围-北部山区”逐渐变长，且岛外通勤距离远大于岛内（图19）。例如，岛内湖里、思明两区居民的平均职住通勤距离约6.9km，两区内部平均通勤距离约3.2km，跨区外部平均通勤距离约10.4km；岛外海沧、集美、同安、翔安四区平均职住通勤距离约10.5km，平均内部通勤距离约4.2km，跨区外部平均通勤距离约16.3km。
图19 厦门居住人口就业出行距离（左）、就业人口居住来源地（右）分居委会分布（单位：m）
比较职住通勤距离的分布和房价分布的空间规律（图20），可以发现二者之间有较高的匹配程度——出行距离短的岛内陆区住房价格相对要高，反之出行距离长的岛外地区房价相对要低；岛内-岛外房地产市场二元分化十分明显，迄今跨海湾的房地产子市场的边际替代性尚不强。换言之，由于岛内就业机会多，服务便利，住房市场的竞争性强，房价必定高企。居民或是支付较高住房价格而邻近就业中心择居；或是支付较低房价而扩大日常通勤圈及承受较长的岛外交通距离和时耗。这样的居民就业出行距离和房价空间分布规律在其他具有“中心-外围”二元结构平原大城市也十分普遍。
图20 厦门二手房（左）、新房（右）分街道价格分布(单位：元/m2)
有一个有趣的现象，如果按就业归属地作为统计单元测算单元内就业人群的居住地距离，典型的平原大城市中心区就业人口的职住出行距离往往较长，就业人口大量来自外围地区。但厦门则是与此相反，其就业人口与他们的居住地距离也呈现出类似的中心-外围递增态势，岛内就业人口的职住通勤距离仍然远低于外围（图19b）。对此的可能解释是，这样的空间分布背后有着两种动态联系机制：一是厦门岛内就业人口的居住地绝大多数位于岛内的邻近地区，并没有出现上海等平原大城市大规模的外围向心就业人群，说明跨海出行的自然障碍仍然在相当程度上对城市职住空间结构的塑造有着影响作用，即有利于在“中心-外围”二元结构内部形成相对独立的职住组团；另一是，厦门实际上也存在类似于上海那样的大量外围向心通勤人口，但这些人口大量居住在临近的岛外新城区，以跨海通道进入本岛，因此并没有显著增加到岛内就业中心的平均通勤距离。在同样的空间形态下，这两种不同机制的主导程度决定了厦门是维持真正的“多中心、多组团”格局还是正走向“单中心、跨海摊大饼”结构。
5.1.2 “岛内-岛外”的内部和跨海湾职住通勤比例与分布
通过对“岛内-岛外”的内部日常就业出行和跨海湾就业出行比例的分析，可以揭示上述两种情境的现况及主次关系。有数据表明，厦门确实具有相对较高的职住均衡度和组团分布格局，岛内-岛外的六区内部职住出行比例都在60%左右；但另一方面，但岛外四区向岛内的跨海湾职住通勤比例亦不容忽视，尤其是海沧、集美和翔安的日常跨海湾通勤比例已经接近或超过25%。在“中心-外围”二元圈层总体格局下，厦门“岛内-岛外”职住出行具有显著的混合性——既具有与平原大城市类似的“向心汇集”，又尚能表现出具实质意义的“多中心组团”出行特征（图21）。
图21 厦门分行政区内部出行（左）、跨海出行（中）和分街道跨海出行（右） 比例分布
5.2 “岛内-岛外”职住组团划分和就业中心势力范围
随着外围各组团及新城区规模的不断增大，维持组团结构的重要性将日益显现。而要达到这一目的，首先需要对“岛内-岛外”的中观层面的现状职住组团结构有更清晰的认识。基于中观层面分街道和分居委会的OD分析可以形成对这一目的达成与否的量化判断。具体为，街道单元间职住联系度越强，说明街道之间的通勤往来越多，空间一体化程度也更高，成为同一个职住组团的组成部分；而对组团中心/次中心的势力圈和争夺区分析则可以测度组团的独立程度，并可以进一步辨识外围哪些组团需要强化其中心的就业吸引力，进而可以减少对岛内的就业通勤压力。
5.2.1 根据职住联系计量划分的“岛内-岛外”职住组团
职住OD数据表明，岛内自身联系和岛外-岛内向心联系是厦门职住联系的主要方向。岛内的湖里与思明两区职住一体化程度很高，大量具高联系强度、高就业吸引力的街道主要集中在岛内。
此外，岛外的海沧、集美、同安、翔安新城核心区也有较强的内部联系和就业吸引力；另一方面，部分外围地区向厦门本岛的跨湾海联系同样较强，其中最突出的是集美区与本岛的联系，其次是海沧，再次是同安和翔安；岛外自身的组团间联系较弱，除了集美与海沧、集美与同安具有一定数量的联外系，岛外其他地区间的联系尚较弱。进一步通过分居委会层面的职住联系和就业吸引分布，还可以辨识出与前文静态分布聚类分析结果相似的岛内-岛外就业中心-次中心集群（图22）。
图22 厦门分街道（左）、分居委会（右）职住联系强度图(单位：人)
基于分街道职住联系的紧密程度，通过Gephi可视化软件的社交网络计量分析，可以得出厦门现状职住组团的空间划分。其可视化表达（图23）：岛内、岛外各自形成了3个相对独立的职住组团，功能组团边界与行政区划匹配较好，但也具有一定的差异性。岛内三大职住组团包括：岛内山体西南的7个思明的街道（鼓浪屿、鹭江、中华、厦港、开元、梧村、滨海街） 构成了一个独立的职住功能组团，集中了滨海旅游、教育、休闲等功能；思明其余的3个街道（筼筜、嘉莲、莲前街） 和湖里的2个街道（江头、金山街） 组成一个岛内中部组团，是岛内主要的商业和办公中心；湖里北部余下3个街道（湖里、殿前、禾山街） 组成岛内北部职住组团，包括了整个机场周边功能区。在岛外，海沧、集美两大组团的职住联系组团和行政区划范围完全一致，同安和翔安则共同组成了一个职住组团。计量分析表明，城市各个组团无论在空间形态上，还是在现状职住关联上都具有相对的一致性和独立性。甚至在建设用地高度密集、空间一体化程度较高的岛内，也可以根据职住关系划分为三个相对独立的组团；除翔安和同安外，各外围组团也表现出依托各自新城的相对独立性。
图23 根据分街道职住联系紧密程度的厦门职住组团划分
5.2.2 “就业中心-次中心”的势力范围和争夺区
至于厦门城市组团结构的稳定性如何，尤其是哪些组团需要进一步强化？对此解答则需要做组团中心势力范围和争夺区分析。
在前文静态分布测度的4个就业中心、8个次中心基础上，通过就业地和居住地的动态职住关联数据，可分别计算每个中心就业人口的居住地归属分布及人口数量，进而可以得出就业中心/次中心在全市范围的就业影响力范围。计算方法为：首先将每个居委会单元前往每个中心/次中心的就业人数排序，如果某个就业中心/次中心在该居委会空间单元的吸引的就业人数明显高于其他中心，则该居委会属于该就业中心/次中心的势力范围。如果同一个居委会单元到两个或多个就业中心/次中心的就业人数最高值相近（<>
基于上述规则的岛内-岛外12个就业中心/次中心势力分析，做可视化表达。可发现：岛内势力范围的划分相对清晰，而势力飞地和争夺地区基本集中在岛外地区；翔安、海沧和集美大量地区属于岛内就业中心的势力范围，受岛内就业中心的吸引较为显著（图24a）。
就业中心争夺区则主要集中在翔安、集美地区，这表明翔安、集美新城就业中心对自身的就业吸引力不足，未来应在上述地区增强新城的功能性开发，包括进一步增加生产性服务业等就业岗位，以增强组团自身的独立性和中心影响力（图24b）。如此才能在上述地区维持较高的内循环比例和合理的跨海湾通勤比例，从而确保厦门城市“多中心”格局的“空间绩效”。
6 结论
6.1 大城市“多中心”的本质与“空间绩效”的机理解释
厦门的经验表明，即使同样空间形态的“岛内-岛外”组团，在不同的职住通勤“内循环”比例和跨海湾通勤比例状况下，实际呈现出不同程度的组团独立性及关联度；而正是这种组团特性，尤其是岛外新城-岛内中心的向心通勤强度揭示了城市是真正的“多中心结构”、还是在“跨海湾摊大饼”。由此可见，大城市“多中心”的本质要义在于“空间形态上的组团”与“城市运行的分区组团”的契合。因而就“多中心”形态本身而测评“多中心”绩效并没有多少实际意义。
所以大城市为应对“大城市病”而实施“多中心”战略，不仅需要在外围地区规划建设足够规模的新城或新城区，使城市在空间形态上实现“多中心”，更需要维持组团之间合理的关联强度——如果外围组团的内循环比例提升，则“多中心”结构的“空间绩效”将趋于实现；而若跨区及向心的通勤比例很高，且以个体机动方式为主导，则原本良好的组团结构也会被瓦解。由此可导出对“空间绩效”的机理解释：一是若组团内循环比例高，即职住相对平衡，跨区交通发生量减少，交通拥堵的可能性则趋低，“空间绩效”得以实现；二是若大量跨区及向心交通需求主要由“点对点”的个体交通方式来承担，使得既有组团与主城区等在空间关联上意义上融为了一体，交通流量则因通勤范围扩大而徒增，这时形态上的“组团”及“多中心”已不具意义，“空间绩效”不复存在。
由此可见，大城市的所谓“多中心”格局绝不仅是城市建设用地空间形态上的多中心；如果没有形成分区的城市经济和社会活动组织模式，或是没有相应的的交通模式相支持，则即便有了静态空间的所谓“多中心”，大城市的空间特征也仍然不会发生本质变化（宋博，赵民，2010），城市的“空间绩效”亦不可能提高。由此也表明，对城市“多中心”的本质把握和对“多中心”结构的“空间绩效”机理理解，有着至关重要的意义。
6.2 厦门坚持“多中心”空间战略和提升“空间绩效”的议题
厦门要坚持“多中心”空间战略并确保其成功，就必须要深刻理解“空间绩效”的机理；而要避免“跨海湾摊大饼”，关键在于维护好“岛内-岛外”既有的良好组团结构，并力求减少向心通勤压力和个体机动交通方式。包括两个方面：
第一，提升外围地区的就业规模和服务业发展水平，增强外围新城的综合性，实现相对较高的内循环比例并维持合理的向心通勤比例。尤其是在外围几大新组团的进一步发展中，要避免有着较高比例岛内就业的“海沧模式”。要高起点、高标准建设翔安副中心，形成与岛内传统中心能级相当的市级商业和综合公共服务中心。海沧、集美和同安也应在完善公共服务的同时，依托外围先进制造业发展，进一步促进生产性服务业岗位的聚集。另一方面，在岛内陆区则要尽快设定就业岗位总量的“天花板”，并逐步优化调整岛内各大片区的职住平衡关系。
第二，构筑与“多中心”空间结构匹配的交通模式，以有效减少巨大向心交通对岛内道路网系统的压力。在厦门未来的城市空间发展中，即使在跨海通勤比例不变乃至降低的条件下，随着厦门岛外新城规模增长和空间扩展，日常跨海向心通勤的总体规模仍将进一步增大，从而对交通承载能力日益接近极限的岛内带来更大压力；这就需要采取更合理的交通模式去匹配城市的空间结构和职住的空间关联。为此，首先需要改变以需求为导向的跨海湾通道建设思维，实际上通道不断增多无异于逐步将岛内-岛外缝合成一个平原城市，既有的多中心空间优势将荡然无存；其次是要坚定不移地贯彻公共交通优先方针，并建构起跨海湾和联系大组团的大容量快速交通-大组团内的中速交通-小组团内的中速和慢行交通，以及实现不同交通方式之间的便捷换乘。
长期以来，我国大城市“多中心”空间战略往往忽视了“交通模式”的重要作用；而既有的交通规划则普遍将城市空间发展作为“前提”，缺乏用交通模式去引导、塑造和维系城市空间结构的观念。事实上，大城市空间形态上的“多中心”并不会自然而然地带来“空间绩效”；在职住平衡难以较好实现的条件下，“多中心”战略的奏效与交通模式的匹配密不可分。在现实中，同样的空间组织若采用不同的交通模式，中心区的道路饱和度水平将呈现出截然不同的状态，这一点将在后续的厦门市“空间结构-交通模式”情境模拟研究中做出清晰的验证。 作者简介 |
|
|
