|
基于百度慧眼数据的广州市小区居住密度研究 作者：徐玺蕴，阚长城，刘小平，罗伟玲，陈洋 本报告由百度地图慧眼与中山大学地理科学与规划学院、广东省空间规划大数据产业技术创新联盟联合研究发布，双方发挥各自的资源、技术优势，形成一系列具有行业前瞻性、实用性的研究成果，并促进研究成果的转化与应用。双方联合研究的领域包括：城镇化发展动态监控与预测、城市空间诊断、评估与模拟、人工智能与城市智慧管理、城市空间决策支持与业务咨询、空间规划新技术等。 导读 城市可以视作支撑人类生产、生活 的各种要素的聚集，这些要素如同物理学中的各种粒子，相互作用，一起形成了客观存在的物理密度——人及其构筑起来的结构和空间。 北美地区从20世纪50年代起，随着高速公路的兴建，私家车的普及以及婴儿潮造成的对大房子的需求，美国启动了低密度郊区化的快速扩张模式，并且一直持续至今。郊区的蔓延使得汽车广泛使用，加剧了交通压力，破坏了生态环境，这种不环保不低碳的发展模式让美国付出了相当大的代价。因此，自20世纪80年代以来，一些学者提出了“新城市主义”和“精明增长”理念，主张通过提高居住的密度，创造公共交通和步行主导的、紧凑的、混合的社区，重建有意义的城市生活，新城市主义在节地、节能、增强社会凝聚力等方面比低密度的郊区蔓延式发展有巨大的优势。基于我国人口众多，土地紧缺的国情，我国也推行节约型和集约化的住宅建设方针。然而，针对“高密度居住空间”的争议也从未停止，有学者认为，过高的居住密度加上过于纯粹的功能分区使居住高度集中，是交通拥堵（拥挤）、运输资源低效的根本原因（周建高 2016）。为缓解人口、交通、资源、环境等压力，北京、上海都已提出疏解非首都功能，疏解非核心功能被认为是北京、上海等特大城市缓解交通与人口压力的有效途径。 从上一篇最新成果｜广州市职住比与通勤距离分析中我们可知，近年来，广州常住人口稳定增加，中心城区（越秀、天河、海珠、荔湾）的居住密度已高于以高密度人口著称的东京23区， 170个街道中的44个街道的居住密度甚至超过了4万人/Km²，逼近香港九龙半岛。据广州地铁官方报道，广州2018年地铁客流强度不断突破记录，5号线和3号线高峰最小行车间隔已达到设备能力极限。甚至为了安全考虑，不得不在早晚高峰期间对多个地铁站点限流。 合理的“居住密度”（residential density），一直是国内外研究的热点。“居住密度”由包括暂住人口在内的区域人口数除以区域面积而得，通常，“区域面积”的尺度较大，包括城市、街道、社区等行政单元，针对小区尺度等微观尺度的居住密度的研究不多，然而，只有小区单元尺度的居住人口密度才能和周边设施、建筑因素、购房群体等多种因素联系起来，更准确地反映人口的分布和稠密。 本文以小区尺度的居住密度为透镜，来观察广州居住空间的分布规律，并尝试从居民特征、房屋属性、周边设施三个方面探索居住密度高低的影响因素。 注：本文使用百度慧眼提供的广州市内4983个小区与747个城中村的常住居民人口数据，以及小区边界数据、POI数据、房价数据等对广州市小区的居住密度及其影响因素进行研究。百度慧眼基于百度地图开放平台的去隐私化定位数据，经过脱敏清洗处理，整合定位和POI等多源数据，提取上百个特征，基于人工智能算法挖掘得出高覆盖率的设备的居住信息。 广州市小区与城中村居住密度分布特征 如图 2‑1所示，为广州4983个小区居住人口密度的空间分布，其中小区居住人口密度的计算方法为小区居住人数/小区占地面积，各小区平均居住密度为59.34人/Km²，大部分小区的居住密度集中在30-60人/Km²,中位数为46.701人/Km²。结合建筑物数据，可得各小区的总建筑面积（建筑占地面积*层数），计算得到样本小区平均人均居住面积为31.36m²。 如图2‑2所示，为广州747个城中村居住人口密度的空间分布，其中城中村居住人口密度的计算方法为城中村居住人数/城中村边界面积，城中村居住密度中位数为46.0人/Km²，用城中村人数/城中村建筑面积，可得各城中村人均居住面积，样本城中村人均居住面积为29.17m²。 样本小区与城中村的居住密度直方图分布如图2‑3所示，与小区居住密度不同，城中村中高于200人/Km²的高密度居住区和低于12人/Km²的低密度居住区占据了城中村的大部分。 比较小区和城中村居住人口密度的空间分布，不难发现小区居住人口密度呈现出中心城区高，外围地区低的形态，而城中村人口密度的分布没有这一特征。空间自相关分析常用来定量地描述某一变量是否在空间上相关，其相关程度如何（如果某一变量的值随着测定距离的缩小而变得更相似，这一变量呈空间正相关；若所测值随距离的缩小而更为不同，则称之为空间负相关；若所测值不表现出任何空间依赖关系，那么这一变量表现出空间不相关性或空间随机性）。分别对小区和城中村的居住人口密度进行空间自相关分析，得到如图2‑4所示的报表，二者的Moran I值、z得分与p值如表2‑1所示。 由表2‑1所示，城中村和小区的居住密度的整体特征相差不大，居住密度中位数值都为46人/K m²左右，然而两者的数据分布和空间分布都存在相当大的差异。 从数据分布的角度看，小区的居住密度数据呈现近似正态分布的特征，具有一定的集聚性，然而城中村居住密度数据并不存在集聚性，居住密度处于中位数附近的城中村占比较小，相反，极高与极低居住密度的地区占比较大。 从空间分布的角度看，小区的Moran I 指数为0.087927 ，z 得分为13.451443，p 值为0，表明居住小区的密度分布存在明显的集聚特征。而城中村的居住人口密度的分布存在空间随机性。 分析形成这一现象的原因，笔者认为小区居住密度由居住人数和建筑物双重决定。由于小区建筑的建设具有相关规范，从而避免了许多居住密度不合理的情况，而城中村的形成原因较为复杂，人为规划因素较少，存在烟稀少的村落与中心城区拥挤的城中村并存的现象。因此极高居住密度的城中村和极低居住密度的城中村并存。 综上，虽然小区与城中村的总体居住密度与人均居住面积都相差不大，但空间分布和数据分布情况都不相同。中心城区的小区与城中村不但空间上更为密集，且居住密度也较高，呈现出一定的强中心结构，居住人口的集聚对中心城区的生活服务设施、交通设施提出了较高的要求。 不同类型居住密度小区 对高低不同居住密度的小区进行分析，可知居住密度的差异主要是由建筑楼层数、建筑面积占比与人均居住面积的不同产生的。因此，本节利用广州市建筑物数据与小区边界数据计算出的四个指标，对广州市4983个小区进行聚类分析，其过程如图 3‑1所示，得到5类不容类型的居住密度小区。 5类不同类型的居住密度小区的占比情况如图3‑2所示，超过50%的样本小区的居住密度较适中，然而，存在超过三分之一的小区居住密度较低以及小部分小区居住密度较高的情况。 如图3‑3所示，为第一种类型的高居住密度小区，人均居住面积较低，居住人数较多是造成其居住密度过高的主要原因。居住密度Top5如表3‑1所示。其中，除幸福花园为独栋别墅外，其他小区均为建成年龄较早的小规模小区，主要分布在天河区，人均居住面积均低于15m²，居住条件整体较差，居住空间拥挤问题不容小觑。 如图3‑4所示，为第二种类型的高居住密度小区，建筑面积占小区总面积的比例较高是其居住密度过高的主要原因。居住密度Top5如表3‑2所示。其中，除君合雅居外，其他小区的人均居住面积都高于14m²，但由于小区为开放式建筑，建筑面积占比较高，楼层较高，因此小区居住密度较大，这类小区需注意配套周边的开放活动空间，否则易因活动空间不足造成活动拥挤。
如图3‑5所示，为第一种类型的低居住密度小区，建筑楼层较低是其居住密度过低的主要原因。居住密度最低的五个小区如表3‑3所示。这类型低密度居住小区以低楼层别墅为主，除了分布在外围地区，中心城区也存在不少低层建筑，这类建筑有的是低层别墅，有的是历史原因遗留的低矮楼层，在土地紧缺地区需要控制别墅类型的开发量。并对低层老旧建筑进行改造，从而增加土地的利用效率。
如图3‑6所示，为第二种类型的低居住密度小区，建筑面积占小区总面积的比例较低是其居住密度过低的主要原因。居住密度最低的五个小区如表3‑4所示。这类型低密度居住小区内自然景观，休闲活动场所占比较大，造成整个小区的居住密度较低。《中共中央国务院关于进一步加强城市规划建设管理工作的若干意见》中提出：'新建住宅要推广街区制，原则上不再建设封闭住宅小区。已建成的住宅小区和单位大院要逐步打开'。官方解释开放原因是'实现内部道路公共化，解决交通路网布局问题，促进土地节约利用。树立'窄马路、密路网'的城市道路布局理念，建设快速路、主次干路和支路级配合的道路网系统'。然而，开放式式小区物业权责模糊、安全性较低、卫生情况不好的问题使得购房者普遍对开放式小区还存在不少质疑，如何在小区环境、物业安全、土地集约、道路公共化中取得平衡仍然是需要解决的问题。
如图3‑7所示，为第三种类型的低居住密度小区，空置率较高是其居住密度过低的主要原因。居住密度最低的五个小区如表3‑5所示，其中三个小区都分布在南沙区。这类型低密度居住小区由于建成年龄较晚，定位高端，配套设施不完善等原因空置率较高，人均居住面积过大。
小区居住密度影响分析 从上文中我们得知小区居住密度存在空间自相关性，居住密度的高低与其所在空间位置和周边设施有关，且建筑特性也对居住密度有影响。本小结将对小区的居住密度高低的影响因素进行分析，将影响因素分为空间因素与非空间因素两大类，空间因素包括小区周边设施及交通便利度的影响，非空间因素包括小区居民的画像与出行特征以及小区建筑的属性。总结为“人、楼、地”三个方面，如图4‑1所示。
小区居民特征可分为居民的画像特征以及出行特征，画像特征根据百度慧眼提供的各小区人群画像数据，而出行特征利用2018年9月22日小区通勤数据，调取百度API的批量算路功能计算各小区常规路线下的驾车时间与距离，如图4‑2所示为各区在该天的平均通勤时间（以驾车方式计算），呈现出距中心城区越远，通勤时间越长的特征。
计算小区居住密度与各特征的相关性如图4‑3所示。其中，与高居住密度相关性最高的几个居民特征为18-24岁，IT通信电子行业，低收入水平与消费水平，而与低密度居住相关性最高的几个居民特征为较长的出行驾车时间，35-44岁，高消费水平，社会公共管理行业。
根据网上公开的小区建筑信息与房价信息，计算小区居住密度与各房产特征的相关性如图4‑4所示。其中，与高居住密度相关性最高的房产属性为套密度，即小区总户数与小区占地面积的比值，而小区的房价、平均户面积、总户数与小区居住密度的相关性不大，与低居住密度相关性最高的建筑特征为较大规模的小区占地面积以及较晚的建成时间。图4‑5为各时间段建成小区的居住人数，可看到样本小区中大部分的居民居住在2000年左右建成的建筑中。
本节将小区周边设施分为生活服务设施与交通出行设施，探讨小区居住密度与各类设施的相关性。 01 小区居住密度与生活服务设施 利用百度地图慧眼POI数据，根据表4‑1设置的核密度半径，计算各类生活服务设施的核密度分布图如图4‑6所示。
将各小区所在位置的各类生活设施的核密度值与小区的居住密度作相关性分析，得到如图4‑7所示的结果，高居住密度小区最相关的生活服务设施为医疗设施与教育设施，尤其是医疗服务设施，与高居住密度的相关性显著高于其他生活类服务点。
02 小区居住密度与交通服务设施 利用百度地图慧眼POI数据，根据表4‑2设置的核密度半径，计算各类交通服务设施的核密度分布图如图4‑8所示。
将各小区所在位置的各类交通设施的核密度值与小区的居住密度作相关性分析，得到如图4‑9所示的结果，高居住密度小区最相关的交通服务设施为停车场，其次是地铁站与公交站。 广州地铁官方数据显示，截至2018年7月24日，广州地铁线网共安全运送乘客16.45亿人次，年日均客运量达802.58万人次，较去年同期（743.93万人次）增长7.88%，再次刷新了历史记录。广州5号线和3号线高峰时间段的发车间隔时间已逼近极限，然而仍然无法满足广大市民的出行需求，只能采用高峰时间段部分地铁站限流的形势保证市民的出行安全。 部分学者认为，居住人口的极限密集是导致交通拥堵的首要原因，而TOD(Transit Oriented Development)理念则认为满足“3Ds”原则（密度、设计和多样性），通过将土地开发与轨道交通建设有机结合来协调城市开展过程中产生的交通拥堵和用地不足的矛盾。那么广州市地铁站周边的居住密度是什么样的呢？
如图 4‑10所示，提取位于地铁站出入口800m范围内的样本小区共2415个，居住密度平均值为67.11人/Km²，居住总人数203.8万人，而地铁站出入口外围样本小区2568个，居住密度平均值为52.14人/Km²，居住总人数260.0万人。比较可知地铁站周边的小区居住密度高于非地铁站邻近地区。各地铁站点周边范围内小区居住人数覆盖情况如图 4‑11所示。
各地铁线路出入口800m范围内的小区居住人数和密度如图4‑11和图4‑12所示。 由于所选小区非全样本数据，居住人口总和统计结果和真实情况情况会存在一些偏差，但可以从居住密度结果看到，地铁3号线北延段、地铁1号线和8号线周边的居住密度较高，为这些线路带来了充足的客流量和较大的交通压力。
同时，部分地铁站点周边由于缺少高密度住区，存在客流量不足的情况。如图4‑14所示，为白云区地铁2号线周边小区居住密度情况，可知高密度住区与萧岗、江夏、黄边等地铁站点之间仍有距离，使得地铁站点的集聚作用难以得到发挥。 总结 本文在第一部分计算了样本小区和城中村的居住密度，发现二者在数据分布和空间分布上都存在较大差异。小区的居住密度数据的分布具有集中性和对称性，存在空间自相关特征，而城中村的居住密度主要分布在过高和过低两种极端情况，且空间分布具有随机性。笔者分析其原因主要在于小区建筑的建设具有相关规范和前期规划，避免了许多居住密度不合理的情况，而城中村的形成原因较为复杂，人为干预因素较少，因此极高居住密度的城中村和极低居住密度的城中村并存。 小区居住密度的高低与楼层高度、建筑面积占比、人均居住面积直接相关，因此在第二部分中，本文对不同原因形成的高密度与低密度居住小区进行了分离，并进行了实证分析。针对低居住密度小区，在土地紧缺，交通压力较大的地区，需注意控制封闭式小区的规模，减少低层别墅的开发量以避免土地利用效率低下的情况；针对高居住密度小区，需要重视居住密度空间拥挤的问题，做好消防安全措施。 针对各小区居住密度的影响因素，本文从居民特征、建筑属性和周边设施三个方面进行了分析，发现与广州小区居住密度正相关性较高的影响因子为小区的套密度，说明小区前期的规划能在较大程度上决定小区的居住密度，住区周边的交通压力、设施压力也是能够在前期得到预测的。其次，对小区居住密度影响较高的因子是周边的生活服务设施与交通服务设施密度，如医疗、教育、休闲娱乐、停车场、地铁站，在人口集聚的高居住密度地区需要考量公共配套是否可负荷，而在居住密度较低，空置率较高的地区需考虑是否增加配套。在居民特征中，居民通勤的时长和距离是与小区居住密度负相关性最高的影响因子，若能在外环地区增加就业机会并提升公共服务水平，可在一定程度上缓解中心城区过高的人口压力，从而支撑多中心的城市结构。 参考文献 [1]路易斯·沃斯：《都市作为一种生活方式》，载 于张庭伟 田莉：《城市读本》， 中国建筑工业出 版社，2013 年，第 101~104 页 [2]周建高. 降低居住密度与治理城市拥堵的关联度[J]. 改革, 2016(4):64-73. ◆ ◆ ◆ ◆ ◆ |
|
|
