
大數(shù)據(jù)分析:一個(gè)“堵城”的掙扎 到底哪里做錯(cuò)了
話說上世紀(jì)末的某一天,位于人民廣場(chǎng)的上海市政府忽然提出了一個(gè)問題:“市中心的人怎么越來越多?。扛杏X好擁擠好堵車。伐開心。哪能辦?”
說時(shí)遲那時(shí)快,座下有某專家近前言道:“既然市中心的車太多了,人也太多了,那大家就不要都擠在一起嘛,明明郊區(qū)風(fēng)景優(yōu)美人煙稀少環(huán)境宜人,把市民們都遷去那里。這樣一來,市中心人少了,自然就不擁堵了嘛。”
市政府聽聞大喜,于是做了一個(gè)愉快的決定:“市民朋友們,你們不要在市中心待著了,都去郊區(qū)那里幸福地生活吧!”
于是,一系列的人口疏解的政策出臺(tái)了,其中主要包括以下幾項(xiàng):
1,嚴(yán)格限制市中心的居住用地出讓和住宅建設(shè);
2,對(duì)市中心進(jìn)行大規(guī)模舊城改造,把舊區(qū)居民拆離市中心;
3,在近遠(yuǎn)郊各處興建大型居住社區(qū),以承接新增人口與市中心遷出人口。
4,在郊區(qū)建設(shè)獨(dú)立新城,增加就業(yè)崗位。
疏解效果如何?
看圖便知。下圖是上海市五普到六普各個(gè)街鎮(zhèn)的人口數(shù)量變化(綠色表示人口減少,紅橙黃色表示人口增加)。
我們不得不欽佩上海市政府強(qiáng)大的執(zhí)行能力。在全市人口高速增長(zhǎng)了近30%的巨大壓力下(從2000年的1800萬(wàn)增長(zhǎng)到2010年的2300萬(wàn)),城市近郊區(qū)及新城人口大部分都有飛速增長(zhǎng)的情況下,市中心(除了浦東以外的內(nèi)環(huán)線內(nèi))的人口數(shù)量竟然硬是被降了下來。我們不能不說這是可以載入史冊(cè)的人口疏解的大勝利。
是的,人口疏解成功了,那么擁堵緩解成果如何?
請(qǐng)看報(bào)道《全國(guó)50城市上班族通勤調(diào)查》。該報(bào)道提到:2014年上海以平均通勤距離18.82公里居全國(guó)第二(北京以19.2公里居首,優(yōu)勢(shì)有限請(qǐng)帝都加油保持),平均耗時(shí)51分鐘。從2006年到2014年,上海人均通勤時(shí)間分別增長(zhǎng)了42%。全市道路交通平均車速下降了13%。見下圖:
說好的不堵車呢?不是說人口疏解了就不擁堵了嗎?
事實(shí)上,要理解人口疏解與交通擁堵的關(guān)系,我們需要回到概念的本質(zhì)來探討。交通擁堵是什么?它是:在某個(gè)時(shí)間段內(nèi),在一定空間范圍里,由于交通供給無(wú)法滿足出行需求所產(chǎn)生的一種現(xiàn)象。
因此,我們可以從相關(guān)關(guān)系上進(jìn)行簡(jiǎn)單的歸納:出行需求量=出行次數(shù)*出行距離,擁堵程度與出行需求量和交通供給有緊密的相關(guān)關(guān)系。在某個(gè)時(shí)間和空間內(nèi),擁堵程度∝(出行次數(shù)*出行距離)/交通供給。也就是說,擁堵程度與出行次數(shù)和出行距離是正相關(guān)的;而與交通供給是負(fù)相關(guān)的。
而在這三個(gè)指標(biāo)中:出行次數(shù),一般與城市總出行人口和人口結(jié)構(gòu)有關(guān);交通供給,一般與城市的交通基礎(chǔ)設(shè)施投入及管理水平有關(guān),而這兩個(gè)指標(biāo)與人口疏解的關(guān)系不大。那么人口疏解是否能解決擁堵問題的關(guān)鍵就在于:人口疏解政策是會(huì)讓出行距離變得更長(zhǎng),還是更短呢?
在理想(田園城市開始)當(dāng)中,偉大的城市規(guī)劃者們總是希望把人們從市中心搬遷至郊區(qū),然后在那里建立起一個(gè)自給自足的新城,規(guī)模不大,出門方便,有工作有房子有配套有環(huán)境,人們?cè)谀抢锇簿訕窐I(yè),沒事打死也不來市區(qū)。在這樣的理想模式下,出行距離當(dāng)然會(huì)下降。整個(gè)城市的擁堵程度當(dāng)然會(huì)緩解。
但是,現(xiàn)實(shí)呢?
以上海引以為傲的軌交系統(tǒng)來看吧。我們選取上海軌道交通某工作日早高峰客流的數(shù)據(jù)制作出下圖。
可以看到,工作日早高峰時(shí)段(早7點(diǎn)至9點(diǎn)),除2號(hào)線外,其余所有軌道交通線路,在通往市中心的方向上均呈現(xiàn)明顯的高擁堵單向客流(顏色越紅,流量越大)。其中1號(hào)線、3號(hào)線、9號(hào)線、11號(hào)線都顯示出了相當(dāng)嚴(yán)重的客流不均衡度。
那這些擁擠的客流都是去哪呢?
我們通過軌道交通刷卡數(shù)據(jù),整理出下圖(軌道交通出行的OD分布圖)。
通過分析OD分布規(guī)律,可以得出每?jī)蓚€(gè)站點(diǎn)之間的關(guān)聯(lián)度,相互來往人數(shù)越多(在圖中表現(xiàn)為顏色越紅),表明關(guān)聯(lián)度越高。從上圖可以看到,無(wú)論是市區(qū)的站點(diǎn)、還是郊區(qū)的站點(diǎn),其相互關(guān)聯(lián)度最強(qiáng)的指向只有一個(gè),那就是市中心;也就是說,無(wú)論人們?cè)谀膫€(gè)站點(diǎn)擠上了地鐵,他們大部分的出行目的地只有一個(gè),那就是市中心。
以寶山區(qū)為例,我們?cè)偕钊肟匆幌?。根?jù)軌交刷卡數(shù)據(jù),區(qū)內(nèi)工作日早高峰內(nèi)搭乘地鐵平均流出19萬(wàn)人(根據(jù)軌道交通分擔(dān)比,我們估算寶山區(qū)竟有100萬(wàn)人每天外出通勤)。而根據(jù)全市所有站點(diǎn)的OD分布,寶山區(qū)市民最主要出行目的地依次為黃埔、徐匯、浦東,三者之和共計(jì)54%,市中心八區(qū)和浦東區(qū)之和更是達(dá)到81%。如下圖所示:
相類似的,9號(hào)線沿線的松江,在早高峰也呈現(xiàn)同樣的特征。松江區(qū)市民的出行目的地中,市中心八區(qū)和浦東區(qū)之和占到71%。
早高峰那么多人出行去市中心,都是去干嘛呢?為什么不在政府規(guī)劃好的新城(寶山和松江都有新城)里安居樂業(yè),過著“出門方便,有工作有房子有配套有環(huán)境,沒事打死也不來市區(qū)”的幸福生活呢?
答案很簡(jiǎn)單。他們要去市區(qū)上班。
我們根據(jù)經(jīng)濟(jì)普查數(shù)據(jù),制作了上海市生產(chǎn)性服務(wù)業(yè)的就業(yè)崗位分布圖:
結(jié)果很明顯:生產(chǎn)性服務(wù)業(yè)的就業(yè)崗位高度聚集在市中心。除了浦東張江,其聚集的范圍連中環(huán)線都沒突破。我們?cè)侔堰@張就業(yè)崗位分布圖和軌交早高峰各站點(diǎn)出站人流量圖(深色點(diǎn)代表出站人流量的強(qiáng)度)做個(gè)比較:
是不是高度一致?沒錯(cuò),這就是魔都每天早高峰擠地鐵的人們的目的地——上海各類高端服務(wù)業(yè)就業(yè)崗位所在地:市中心。
總體而言,在高端就業(yè)崗位仍然集聚在市中心的情況下,即使市中心人口密度降低,人口得到了疏解,但被疏解的群體依然需要每天通勤至市中心工作。因此,疏解人口本身只會(huì)大幅度增加居民的出行距離,從而加劇城市的擁堵程度。
那么,我們進(jìn)一步思考,在人口疏解的同時(shí)也疏解就業(yè)崗位,是否能緩解擁堵問題呢?
是否能緩解,我們且放其后,問題是,上海市政府是否有能力疏散高端就業(yè)崗位?
事實(shí)上,對(duì)于疏解中心區(qū)功能,大力發(fā)展周邊新城這件事,上海已經(jīng)努力多年了。從口號(hào)到實(shí)踐,各種手段都在使用,減稅,補(bǔ)貼,供地,無(wú)不用其極。結(jié)果呢?我們用三張圖來說明。
第一張圖:00年至08年期間上海新增生產(chǎn)性服務(wù)業(yè)企業(yè)的空間分布圖。
雖然新增企業(yè)還基本上集聚在中心區(qū),但是周邊郊區(qū)新城貌似也有了不少的增長(zhǎng)嘛,功能疏解,效果喜人!
第二張圖:00年至08年期間上海新增生產(chǎn)性服務(wù)業(yè)就業(yè)崗位的空間分布圖。
怎么回事?長(zhǎng)勢(shì)喜人的郊區(qū)忽然就稀疏了下來。
再看第三張圖:00年至08年期間上海新增生產(chǎn)性服務(wù)業(yè)企業(yè)營(yíng)收的空間分布圖。
郊區(qū)在哪?……
我們?cè)偃繉?duì)比看一下:
是的,政府努力地在中心城之外的地區(qū)(以新城為主)鼓勵(lì)高端服務(wù)業(yè)的發(fā)展。通過補(bǔ)貼,減稅,供地,等等,試圖對(duì)市中心服務(wù)業(yè)功能進(jìn)行疏解。
有效果嗎?當(dāng)然有,企業(yè)會(huì)去的,它們?nèi)プ?cè)(去領(lǐng)補(bǔ)貼啊,注冊(cè)一下而已)。但是人會(huì)去嗎?當(dāng)然不會(huì),誰(shuí)去那上班啊。自然,錢也沒來。
可見,即使強(qiáng)大如上海市政府,有些事情,也是辦不到的。
為什么呢?因?yàn)樗^疏散,是經(jīng)濟(jì)要素的空間移動(dòng)。在這個(gè)問題,企業(yè)會(huì)比人要堅(jiān)定的多,它們有著自己的空間密度規(guī)律。
見下圖:
此圖是根據(jù)經(jīng)普數(shù)據(jù)分析的上海四個(gè)主要產(chǎn)業(yè)部門就業(yè)密度在空間上的分布特征。金融行業(yè)高度集聚在市中心3km處,其次是文創(chuàng),8km,再次是科技,12km。從規(guī)律上看,未來上海核心發(fā)展的這三大產(chǎn)業(yè)都不支持在城市外圍集聚。向郊區(qū)新城疏散就業(yè)崗位,本質(zhì)上就是逆市場(chǎng)規(guī)律而行。
值得一提的是,制造業(yè)則是一條更平穩(wěn)的曲線,在距離市中心15km之外,還能有一個(gè)新的高點(diǎn)。事實(shí)上,只有制造業(yè)能夠在城市郊區(qū)保持其就業(yè)密度,同樣地,也只有以制造業(yè)為主的產(chǎn)業(yè)新城才能夠?qū)崿F(xiàn)人口疏解和崗位疏解的雙重目標(biāo),很可惜,制造業(yè)從業(yè)人員占比已經(jīng)從2000年的37%持續(xù)下降至現(xiàn)在的30%,它已經(jīng)不再是上海未來就業(yè)的主要載體了。這是另外一個(gè)話題,不再展開。
市場(chǎng)的規(guī)律是很頑固的,高端服務(wù)業(yè)就是無(wú)法離開市中心;它們更傾向在城市中心聚集,盡管聚集的尺度略有差異。所以,即使上海市政府強(qiáng)大到能夠打敗市場(chǎng)規(guī)律(我相信多花錢肯定辦得到),真的在城市外圍地區(qū)發(fā)展出新的服務(wù)業(yè)就業(yè)的集聚區(qū)域,在遠(yuǎn)郊新城實(shí)現(xiàn)了某種程度的自我平衡。但只要市中心的就業(yè)崗位數(shù)量不隨著人口疏解而減少,交通擁堵便只會(huì)持續(xù)加重。
無(wú)論是市場(chǎng)規(guī)律還是國(guó)際城市經(jīng)驗(yàn)都告訴我們:一個(gè)以服務(wù)業(yè)為主的國(guó)際大都市將不可避免地仍會(huì)保持其市中心就業(yè)崗位的高速增長(zhǎng)和持續(xù)集中。即便是被學(xué)界認(rèn)為新城戰(zhàn)略非常成功的東京,在過去的十幾年中,其崗位的空間集聚度仍然在不斷加強(qiáng),崗位總體上仍然呈現(xiàn)空間極化的趨勢(shì),如下圖所示:
但上海市政府又是否有能力有意愿來減少市中心的就業(yè)崗位數(shù)量呢?
對(duì)于這個(gè)問題我們無(wú)法回答。
但是,
我們看到的是,僅2013年一年上海中心城區(qū)便有約1000萬(wàn)平方米的辦公商業(yè)建筑竣工;
我們看到的是,中心城區(qū)還有約100平方公里的工業(yè)地塊有待更新為辦公和商業(yè)功能;
我們看到的是,市中心還有繁重的舊城改造工作(僅虹口一區(qū)就有500萬(wàn)平方米的拆遷量),那些拆二代正等著這些舊區(qū)變成更有價(jià)值的商業(yè)開發(fā)……
這一切,都會(huì)讓上海的市中心變得更有活力,也會(huì)給上海的市中心帶來更多的就業(yè)崗位。
上海就是這樣一個(gè)城市。
在這樣一個(gè)城市里,假如我們依然嚴(yán)守人口疏解的政策,嚴(yán)格控制市中心的人口,使郊區(qū)(包括新城的)人口不斷增長(zhǎng)擴(kuò)大,我們會(huì)得到什么?
我們會(huì)不會(huì)得到傳說中的“田園城市”?
不會(huì)。
我們只會(huì)得到一個(gè)無(wú)論你修多少地鐵到郊區(qū)早高峰時(shí)永遠(yuǎn)是一邊擠不上一邊是空車廂的城市;
一個(gè)通勤距離越來越長(zhǎng)的城市;
一個(gè)人和崗位越來越遠(yuǎn)的城市;
一個(gè)綜合交通不堪重負(fù)的城市;
一個(gè)越來越擁堵的城市。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語(yǔ)言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11