產(chǎn)業(yè)與地形因素影響下的山地城市職住空間關(guān)系
——以重慶市主城九區(qū)為例

雷玙冰，林 耿,2，楊 忍，王 英

[1. 中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣州 510006；2. 南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室（珠海），廣東珠海 519000；3. 重慶市規(guī)劃設(shè)計(jì)研究院，重慶 401120]

就業(yè)與居住空間關(guān)系是城市空間研究的重要領(lǐng)域，早在《雅典憲章》（1933）中就提及城市規(guī)劃中對居住、就業(yè)、休閑與交通的合理分區(qū)的重要性。隨著工業(yè)革命后大城市迅速發(fā)展，歐美、日、韓等發(fā)達(dá)國家涌現(xiàn)的100多座新城中，職住不匹配現(xiàn)象日益增多（孟曉晨等，2009），職住空間關(guān)系成為國際上城市地理和城市規(guī)劃研究的重要議題。Giuliano（1992）認(rèn)為職住空間平衡指一定范圍區(qū)域提供的就業(yè)崗位數(shù)與就業(yè)人口數(shù)大致相等，且居民具有足夠的住房選擇。不同于西方國家，中國城市的職住空間關(guān)系受自身社會文化背景、戶籍制度、宏觀政策等方面的影響（林榮平等，2019）。在新中國成立之后的計(jì)劃經(jīng)濟(jì)時期，依據(jù)蘇聯(lián)經(jīng)濟(jì)地理地域綜合體的理論，政府根據(jù)“單位”組織城市人口，將工作、居住和生活空間整合到一起，形成緊湊區(qū)域（Bjorklund, 1986），呈現(xiàn)“空間綁定（spatial bond）”的特殊現(xiàn)象（Wang et al., 2011）。伴隨中國工業(yè)化和城市化進(jìn)程的加快，城市住房市場化改革、“退二進(jìn)三”的產(chǎn)業(yè)政策、經(jīng)濟(jì)全球化發(fā)展等因素將市場引入到土地和住房分配系統(tǒng)，城市就業(yè)與居住空間之間的緊密聯(lián)系逐漸瓦解，城市空間結(jié)構(gòu)經(jīng)歷了復(fù)雜的重構(gòu)過程（Tian et al.,2010）。職住分離的本質(zhì)原因在于城市各功能區(qū)的優(yōu)化速度滯后于城市空間擴(kuò)展速度，引發(fā)城市中心的向心力不斷增強(qiáng)（鄭思齊等，2015）。職住失衡會導(dǎo)致交通擁堵、環(huán)境污染、能源消耗和空間隔離等一系列城市問題。因此，有必要對城市職住空間現(xiàn)狀進(jìn)行分析，這有利于認(rèn)識職住空間內(nèi)在機(jī)制，切實(shí)改善職住空間分離現(xiàn)象，提升居民生活幸福感與滿意度。

傳統(tǒng)職住關(guān)系的研究主要以問卷調(diào)查數(shù)據(jù)與普查數(shù)據(jù)作為數(shù)據(jù)源。然而，問卷數(shù)據(jù)的樣本量有限，大范圍的職住數(shù)據(jù)獲取成本偏高。全國人口普查與經(jīng)濟(jì)普查之間存在普查時間不匹配問題，且普查間隔周期較長，基于普查的人口數(shù)據(jù)與就業(yè)數(shù)據(jù)之間也存在獲取時間不一致問題。隨著大數(shù)據(jù)處理技術(shù)和應(yīng)用的推廣，手機(jī)信令數(shù)據(jù)（鄒戴曉等，2018；王蓓等，2020）、公共交通刷卡數(shù)據(jù)（劉耀林等，2019；申犁帆等，2019）和出租車移動數(shù)據(jù)（郝新華，2016）等被廣泛應(yīng)用于城市就業(yè)與居住空間關(guān)系研究。既往研究通常通過獲取大規(guī)模就業(yè)與居住位置數(shù)據(jù)，從宏觀上分析城市職住空間與居民行為活動特征。但大數(shù)據(jù)也存在一定局限性，如手機(jī)信令數(shù)據(jù)獲取成本較高，公交刷卡數(shù)據(jù)與出租車移動數(shù)據(jù)又局限于使用這2種出行方式的居民。而百度慧眼數(shù)據(jù)基于用戶手機(jī)端上的百度產(chǎn)品進(jìn)行定位，用戶覆蓋面廣，連續(xù)性強(qiáng)，獲取難度相對較低，適合用于識別就業(yè)與居住人口。目前職住空間關(guān)系測度方法主要包含平衡度測量與自足性測量。就業(yè)－居住比（仇璟等，2020）、就業(yè)－居住偏離度和空間錯位指數(shù)（郭亮等，2018）是最常用的平衡度測度指標(biāo)，主要從數(shù)量上分析職住空間關(guān)系。而自足性測量從質(zhì)量上分析職住空間關(guān)系，指一定范圍內(nèi)地區(qū)居住并就業(yè)的人口數(shù)量所占比重（孟曉晨等，2009），即就業(yè)－居住比率（Cervero,1989）。目前，國內(nèi)已開展的研究大多集中在一線平原城市（孫鐵山等，2012；程鵬，2017；鐘燁等，2019）。這些城市空間結(jié)構(gòu)主要為圈層式，就業(yè)空間普遍呈現(xiàn)向心集聚特征，人口空間分布呈現(xiàn)一定郊區(qū)化與分散化特點(diǎn)，職住分離現(xiàn)象顯著（孫鐵山，2015）。而山地城市的地貌特征比起平原城市具有復(fù)雜性與特殊性，呈現(xiàn)就業(yè)與居住人口分布分散化和多中心化的特點(diǎn)（段亞明等，2019），目前國內(nèi)外針對山地城市職住空間關(guān)系的研究相對偏少。重慶市作為典型的山地城市，職住空間關(guān)系具有一定特殊性與典型性，對其進(jìn)行分析討論有利于豐富職住空間關(guān)系相關(guān)研究內(nèi)容。

職住空間受到多種因素的綜合影響，其中包括居民社會經(jīng)濟(jì)特征、交通條件、公共設(shè)施布局、土地利用混合度等。不同社會經(jīng)濟(jì)屬性的人群職住空間錯位程度不同，弱勢群體面臨更明顯的職住空間錯位（劉志林等，2011）。交通與職住用地關(guān)系密切，但交通條件對職住空間關(guān)系的影響存在爭議，有研究認(rèn)為職住平衡區(qū)域交通通達(dá)性普遍良好，交通設(shè)施充足（仇璟等，2020），不易產(chǎn)生嚴(yán)重的交通擁堵。相反的觀點(diǎn)則認(rèn)為交通條件的改善會加劇住宅郊區(qū)化（肖琛等，2014），加大就業(yè)與居住郊區(qū)化進(jìn)程的不一致性，加劇了職住分離程度。沈忱等（2019）認(rèn)為交通對職住的影響因城市而異，就業(yè)居住空間本身不匹配的城市不適宜增加公共交通設(shè)施的投入。此外，公共服務(wù)設(shè)施和商業(yè)服務(wù)設(shè)施的分布對職住空間具有較大影響，職住平衡區(qū)域公共配套設(shè)施發(fā)展良好，居住點(diǎn)與商業(yè)中心之間距離較短（張逸姬等，2019），商業(yè)服務(wù)設(shè)施水平較高（仇璟等，2020），居民生活購物需求更易得到滿足。也有研究指出，混合的土地利用對降低職住分離程度有積極意義（黨云曉等，2015），用地功能高度混合的街道就業(yè)區(qū)與居住區(qū)在空間上較為接近（鐘國平，2016）。土地利用混合度反映用地多樣化程度，但甚少討論各類產(chǎn)業(yè)用地對職住空間的影響，而居民從事行業(yè)是職住空間結(jié)構(gòu)的重要變量（湛東升等，2017），不同行業(yè)就業(yè)人口的就業(yè)－居住空間錯位差異明顯（孫鐵山，2015）。其中，位于城市外圍的制造業(yè)職住平衡情況較好，集聚于城市中心的現(xiàn)代服務(wù)業(yè)職住分離程度較高（葉昌東等，2018）。目前探討產(chǎn)業(yè)因素對職住空間關(guān)系影響的研究主要通過選取部分行業(yè)或直接計(jì)算其混合度，未能在拆分各行業(yè)門類的基礎(chǔ)上進(jìn)行更細(xì)致的探討。

鑒于此，本研究以中國最典型的山地城市重慶主城九區(qū)為研究區(qū)，利用百度慧眼大數(shù)據(jù)識別并分析其就業(yè)人口與居住人口的空間匹配關(guān)系，在對產(chǎn)業(yè)進(jìn)行綜合因子分析基礎(chǔ)上，定量化識別產(chǎn)業(yè)綜合因子和地形因子對重慶主城九區(qū)職住空間匹配性影響，解釋重慶市主城九區(qū)的職住空間關(guān)系的形成機(jī)制，以期為職住空間關(guān)系研究提供來自不同于平原城市的認(rèn)識和觀點(diǎn)。

1 研究區(qū)域、數(shù)據(jù)與方法

1.1 研究區(qū)概況

選取重慶主城九區(qū)作為研究區(qū)域（圖1），包括渝中區(qū)、江北區(qū)、南岸區(qū)、九龍坡區(qū)、沙坪壩區(qū)、大渡口區(qū)、北碚區(qū)、渝北區(qū)和巴南區(qū)，共計(jì)162個街鎮(zhèn)，面積為5 472.68 km2。重慶市位于中國內(nèi)陸西南部，是國務(wù)院批復(fù)確定的長江上游地區(qū)經(jīng)濟(jì)中心和西南地區(qū)綜合交通樞紐，經(jīng)濟(jì)發(fā)展迅速，主城九區(qū)是重慶市發(fā)展的核心，2019 年常住人口為884.39萬人，GDP達(dá)9 334.23億元，占全市近40%，其中第二三產(chǎn)分別為2 846.79 億元和6 385.27 億元（重慶市統(tǒng)計(jì)局等，2020）。重慶是典型的山地城市，地形起伏大，受自然環(huán)境限制，被長江、嘉陵江分割，形成以解放碑為主中心，以沙坪壩、觀音橋、楊家坪、南坪等為副中心的組團(tuán)式多中心結(jié)構(gòu)（段亞明等，2019）。

圖1 研究區(qū)域位置Fig.1 The location of the study area

1.2 數(shù)據(jù)來源

選取基于百度慧眼識別的就業(yè)與常住人口數(shù)據(jù)（2019 年5 月），其中研究區(qū)內(nèi)就業(yè)人口數(shù)據(jù)為6 128 324條，居住人口數(shù)據(jù)為13 044 245條。百度慧眼定義的就業(yè)人口指連續(xù)3個月內(nèi)，定位發(fā)生時間為工作日白天，定位位置大多處于寫字樓或其他具有辦公屬性的位置，連接WIFI屬性為公共WIFI等條件的人口；居住人口指連續(xù)3個月內(nèi)，定位發(fā)生時間為工作日夜晚或周末，定位位置大多處于居住區(qū)域、連接WIFI屬性單一或非公用WIFI、滿足在重慶市居住超過3 個月等條件的人口。辦公屬性位置與居住區(qū)域位置為百度公司識別獲取。本文同時選用2018 年的全國（重慶市）第四次經(jīng)濟(jì)普查數(shù)據(jù)①http://tjj.cq.gov.cn/作為產(chǎn)業(yè)分析的數(shù)據(jù)源進(jìn)行研究，市、區(qū)層面的數(shù)據(jù)來自重慶市統(tǒng)計(jì)局的第四次全國經(jīng)濟(jì)普查公報(bào)，街道層面的數(shù)據(jù)來自重慶市規(guī)劃設(shè)計(jì)研究院。

1.3 研究方法

1.3.1 就業(yè)－居住偏離度指數(shù) 就業(yè)－居住偏離度指數(shù)用于度量就業(yè)活動與居住活動在空間上的配置關(guān)系（張學(xué)波等，2019）。計(jì)算公式為：

式中：Zi為街鎮(zhèn)i的就業(yè)－居住偏離度；Yi為街鎮(zhèn)i的就業(yè)人口數(shù)量；Y為重慶市主城區(qū)的就業(yè)人口數(shù)量；Ri為街鎮(zhèn)i的居住人口數(shù)量；R為重慶市主城區(qū)的居住人口數(shù)量。理想狀態(tài)下的指數(shù)為1，即該地區(qū)的就業(yè)與居住功能完全匹配；Zi>1表明這個地區(qū)就業(yè)人口比重高于居住人口比重；反之，就業(yè)人口比重低于居住人口比重。將Zi＞1.3的街道定義為就業(yè)主導(dǎo)區(qū)，1.1～1.3 之間的街鎮(zhèn)為就業(yè)次級匹配區(qū)，0.9～1.1 之間的街鎮(zhèn)為基本匹配區(qū)，0.7～0.9 之間的街鎮(zhèn)為居住次級匹配區(qū)，Zi＜0.7的街鎮(zhèn)定義為居住主導(dǎo)區(qū)（英成龍等，2016）。為反映全市就業(yè)與居住空間差異大小，使用偏離度指數(shù)的標(biāo)準(zhǔn)差（SD）進(jìn)行衡量：

式中：SDi為街道i的偏離度標(biāo)準(zhǔn)差，值越小表示職住空間越匹配，值越大表示職住空間越失衡。

1.3.2 主成分分析 主成分分析可以將多個具有相關(guān)性的要素進(jìn)行降維處理，轉(zhuǎn)化成幾個綜合指標(biāo)，具體計(jì)算原理見文獻(xiàn)（王鵬等，2015）。本研究對各經(jīng)濟(jì)行業(yè)進(jìn)行主成分分析，獲得若干產(chǎn)業(yè)因子，揭示不同產(chǎn)業(yè)對重慶主城區(qū)職住空間關(guān)系的影響。

1.3.3 空間回歸分析 引入空間回歸分析探索產(chǎn)業(yè)要素對重慶市職住空間關(guān)系的影響?？臻g滯后模型與空間誤差模型是常用的空間回歸模型（李瓊等，2020）?？臻g滯后模型（Spatial Lag Model, SLM）考慮到不同空間單元因變量之間的相互影響，基本形式為：

式中：y為因變量，即就業(yè)－居住偏離度指數(shù)與偏離度標(biāo)準(zhǔn)差；ρ為因變量空間滯后的待估參數(shù)；W為空間權(quán)重矩陣；本研究選取Rook空間權(quán)重矩陣，x為一組自變量，即若干個產(chǎn)業(yè)因子與地形因子，β為自變量待估參數(shù)，ε為誤差項(xiàng)。

空間誤差模型（Spatial Error Model, SEM）考慮到不同空間單元誤差項(xiàng)之間的關(guān)系，其基本形式為：

式中：λ為待估系數(shù)；μ為誤差項(xiàng)；其余變量解釋同空間滯后模型。

2 重慶市職住空間關(guān)系特征分析

2.1 就業(yè)人口與居住人口的空間分布

重慶市主城區(qū)就業(yè)人口與居住人口的空間分布特征大致相同，高人口密度街道集中在主城區(qū)中部，中間高值被四周低值包圍，存在多個中心點(diǎn)（圖2）。在街鎮(zhèn)尺度上，就業(yè)人口與居住人口密度存在顯著的全局性空間自相關(guān)，Moran'sI值分別為0.75 和0.97（p值均為0）。就業(yè)人口主要聚集在內(nèi)環(huán)地區(qū)，最高值達(dá)7.18萬人/km2，其次是外環(huán)，外環(huán)以外人口密度較低，最低值為8 人/km2。就業(yè)人口密度最高的幾個街道主要分布于解放碑商圈、南坪商圈、大坪商圈等城市主要商圈地區(qū)。重慶市的商圈存在一定特殊性，附近分布大量居民區(qū)，人群多樣化，就業(yè)與居住人口均十分密集。就業(yè)人口與居住人口最密集的地區(qū)存在一定空間重合，如解放碑街道、七星崗街道、南坪街道等，其就業(yè)人口密度分別為7.12 萬、2.91 萬和2.84 萬人/km2，居住人口密度分別為5.10 萬、7.49 萬和4.90 萬人/km2。另外，外環(huán)存在2個人口聚集點(diǎn)，以天生街道和陳家橋街道為中心，其就業(yè)人口密度分別為1.26 萬和0.38 萬人/km2，居住人口密度分別為2.20 萬和0.69萬人/km2。位于主城區(qū)西北部的天生街道是北碚區(qū)的經(jīng)濟(jì)文化中心，工業(yè)發(fā)達(dá)，是重慶專用汽車制造基地。位于西部沙坪壩區(qū)的陳家橋街道是重慶大學(xué)城的所在地，2003年起大批教職工與學(xué)生遷入。大學(xué)城的人才資源吸引了重慶西永微電子產(chǎn)業(yè)園入駐。隨著重慶市西部新城戰(zhàn)略的實(shí)施，陳家橋街道被定位為重慶市城市副中心和西部新城都市核心區(qū)，吸引了大量人口。

圖2 重慶市主城區(qū)就業(yè)人口密度（a）與居住人口密度（b）分布Fig.2 Working population density(a)and residential population density(b)in the main urban area of Chongqing

2.2 職住空間的匹配特征

重慶市主城區(qū)總體職住空間較平衡，就業(yè)－居住空間匹配度較高（圖3-a），存在少量職住錯位嚴(yán)重的街道，偏離度最低值為0.447，最高值為5.903。162個街道中33個為就業(yè)主導(dǎo)區(qū)，32個為就業(yè)次級匹配區(qū)，36個為基本匹配區(qū)，39個為居住次級匹配區(qū)，22個為居住主導(dǎo)區(qū)。就業(yè)主導(dǎo)區(qū)的街道主要呈現(xiàn)東北－西南方向分布特點(diǎn)，分布于內(nèi)外環(huán)。位于中心的街道現(xiàn)代服務(wù)業(yè)發(fā)達(dá)，如解放碑街道和朝天門街道，就業(yè)－居住偏離度為2.95和1.93，承載著商業(yè)功能，經(jīng)濟(jì)活動多樣，就業(yè)崗位豐富，但居住空間相對不足。位于非中心的街道，如兩路街道，重慶江北國際機(jī)場坐落于此，就業(yè)人員密集且周邊住宅較少，以就業(yè)功能為主導(dǎo)，就業(yè)－居住偏離度達(dá)1.81。居住主導(dǎo)區(qū)的街道同樣呈現(xiàn)東北－西南方向的分布特點(diǎn)。位于內(nèi)環(huán)的居住主導(dǎo)區(qū)圍繞幾個重要商圈，如南紀(jì)門街道，主要承擔(dān)居住與生活功能。外環(huán)部分居住主導(dǎo)街道位于行政區(qū)周邊的城鄉(xiāng)結(jié)合部，承載大量外來人口。

就業(yè)－居住偏離度反映地區(qū)就業(yè)與居住功能的主導(dǎo)性，其標(biāo)準(zhǔn)差進(jìn)一步表示職住空間差異的大小，重慶主城區(qū)職住空間分離程度較低（圖3-b），SD＞1 的街道有4 個，占街道總數(shù)的2%，SD＞0.5的街道有21個，占街道總數(shù)的12%。職住空間功能差異最為顯著的街鎮(zhèn)主要集中在外環(huán)線以內(nèi)的就業(yè)主導(dǎo)區(qū)域，少部分分布在居住主導(dǎo)區(qū)域。在“一主四副”在城市中心結(jié)構(gòu)中，主中心的職住平衡度較低，SD 值為1.95，4 個副中心的職住平衡度較高，SD值均＜0.5。

圖3 就業(yè)—居住偏離度指數(shù)（a）和標(biāo)準(zhǔn)差（b）分布Fig.3 Spatial distribution of job-housing deviation degree(a)and standard deviation(b)

3 影響重慶市職住空間的產(chǎn)業(yè)與地形因素

3.1 指標(biāo)體系構(gòu)建

3.1.1 產(chǎn)業(yè)因子 將全國第四次經(jīng)濟(jì)普查數(shù)據(jù)根據(jù)國民經(jīng)濟(jì)行業(yè)分類劃分為17 類，具體包括制造業(yè)（X1）、電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)（X2）、建筑業(yè)（X3）、批發(fā)和零售業(yè)（X4）、交通運(yùn)輸、倉儲和郵政業(yè)（X5）、住宿和餐飲業(yè)（X6）、信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)（X7）、金融業(yè)（X8）、房地產(chǎn)業(yè)（X9）、租賃和商務(wù)服務(wù)業(yè)（X10）、科學(xué)研究和技術(shù)服務(wù)業(yè)（X11）、水利、環(huán)境和公共設(shè)施管理業(yè)（X12）、居民服務(wù)、修理和其他服務(wù)業(yè)（X13）、教育（X14）、衛(wèi)生和社會工作（X15）、文化、體育和娛樂業(yè)（X16）、公共管理、社會保障和社會組織（X17）。采用因子分析中的主成分分析處理上述17個行業(yè)的從業(yè)人員數(shù)據(jù)，探究行業(yè)分布與職住空間之間的關(guān)系。將17 個變量與162 個街鎮(zhèn)組成一個17×162 的矩陣，對矩陣進(jìn)行KMO 和Bartlett檢驗(yàn)，二者卡方值分別為0.881和1 887.675，且顯著性為0.000，即因子分析適用于原始數(shù)據(jù)。根據(jù)特征值以及分類效果，最終提取出4個主因子（表1），累積解釋方差為68.956%。依據(jù)主因子載荷與變量特征將主因子1～4 分別歸納為綜合性服務(wù)產(chǎn)業(yè)因子、生產(chǎn)性服務(wù)產(chǎn)業(yè)因子、社會性服務(wù)產(chǎn)業(yè)因子和制造業(yè)因子，并計(jì)算繪制各主因子得分的空間分布（圖4）。

表1 主因子載荷矩陣Table1 Principal components'matrix

第一主因子為綜合性服務(wù)職能，特征根為7.763，貢獻(xiàn)率為45.667%，主要與文化、體育和娛樂業(yè)，批發(fā)和零售業(yè)，居民服務(wù)、修理和其他服務(wù)業(yè)，租賃和商務(wù)服務(wù)業(yè)，房地產(chǎn)業(yè)，住宿和餐飲業(yè)、衛(wèi)生和社會工作，教育等行業(yè)高度相關(guān)，其中文體娛樂業(yè)載荷最高，為0.851。綜合性服務(wù)職能因子高值區(qū)主要位于內(nèi)環(huán)人口密度較高的幾個街道，外環(huán)的北溫泉街道、天生街道、虎溪街道、魚洞街道等得分也比較高。綜合性服務(wù)職能全局空間自相關(guān)Moran'sI得分為0.430，說明其空間集聚性較強(qiáng)（圖4-a）。第二主因子為生產(chǎn)性服務(wù)職能，特征根為1.871，貢獻(xiàn)率為11.007%，與水利、環(huán)境和公共設(shè)施管理業(yè)，信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)，金融業(yè)，科學(xué)研究和技術(shù)服務(wù)業(yè)，交通運(yùn)輸、倉儲和郵政業(yè)高度相關(guān)。生產(chǎn)性服務(wù)職能因子高值區(qū)主要分布在內(nèi)環(huán)北部的就業(yè)主導(dǎo)區(qū)，少部分分布在外環(huán)。生產(chǎn)性服務(wù)職能Moran'sI得分為0.259，說明其空間集聚性較差（圖4-b）。第三主因子為社會性服務(wù)職能，特征根為1.148，貢獻(xiàn)率為6.751%，除了建筑業(yè)外，與公共管理、社會保障和社會組織，電力、熱力、燃?xì)饧八a(chǎn)和供應(yīng)業(yè)高度相關(guān)。社會性服務(wù)產(chǎn)業(yè)因子的Moran'sI得分為0.358，其空間集聚性一般（圖4-c）。內(nèi)環(huán)北部與外環(huán)南部形成2個高值聚集區(qū)，分別以觀音橋街道和魚洞街道為中心。第四主因子為制造職能，特征根為0.940，貢獻(xiàn)率為5.530%，主要與制造業(yè)高度相關(guān)，主因子載荷高達(dá)0.906。制造業(yè)因子的Moran'sI得分最低，僅為0.007，表示其分布分散，空間集聚程度非常弱。制造業(yè)因子高值街道主要分布在內(nèi)外環(huán)的平衡區(qū)與居住主導(dǎo)區(qū)（圖4-d）。

圖4 主因子得分空間分布Fig.4 Spatial distribution of principle components

3.1.2 地形因子 重慶土地利用受到地形因素的制約，高強(qiáng)度土地利用類型主要分布在平地和低緩坡，主城區(qū)建設(shè)用地大量分布在0°～2°的平地，隨著建設(shè)用地?cái)U(kuò)張，2°～6°緩斜坡和6°～15°斜坡也大量被占用（陳丹等，2013）。將海拔高度500 m 視為基準(zhǔn)山體高度，采用移動窗口分析法計(jì)算重慶主城的地形起伏度。根據(jù)數(shù)字高程模型的精度選擇最佳采樣矩形窗口大小5×5。重慶主城區(qū)的坡度范圍較大，最高達(dá)64.3°，適宜生產(chǎn)生活的平地、緩斜坡和6°～15°斜坡占比分別為4.48%、22.02%和45.27%，主要分布在人口密集的內(nèi)環(huán)與山脈之間；地形起伏度在0.190～0.781之間，整體趨勢為東部低于西部，中心低于外圍（圖5）。

圖5 重慶主城區(qū)坡度（a）與地形起伏度（b）分級Fig.5 Classification of slope(a)and topographic relief(b)in the main urban area of Chongqing

3.2 空間回歸分析及影響因素解釋

將綜合性服務(wù)產(chǎn)業(yè)因子、生產(chǎn)性服務(wù)產(chǎn)業(yè)因子、社會性服務(wù)產(chǎn)業(yè)因子和制造業(yè)因子分別命名為FAC1、FAC2、FAC3、FAC4，為產(chǎn)業(yè)變量，將地形起伏度命名為RDLS，作為地形變量。建立6 組模型，模型1－3的因變量為就業(yè)－居住偏離度，模型4－6 的因變量為就業(yè)－居住偏離度標(biāo)準(zhǔn)差。模型1和模型4為OLS回歸模型，不考慮因變量空間相關(guān)性；其余4個模型為空間回歸模型，通過測試與比較，使用Rook空間權(quán)重矩陣。6組回歸模型結(jié)果如表2所示。

表2 回歸模型計(jì)量結(jié)果Table 2 Results of regression models

通過比較發(fā)現(xiàn)，空間滯后模型和空間誤差模型的Log Likelihood 均大于經(jīng)典線性回歸模型，且AIC和SC均小于線性回歸模型，表明空間回歸模型擬合度優(yōu)于線性回歸模型，適用于分析產(chǎn)業(yè)與地形因素對主城區(qū)的影響。拉格朗日乘子檢驗(yàn)可用于判斷最優(yōu)的空間回歸模型（姜磊，2016）。從表3的檢驗(yàn)結(jié)果看，選擇就業(yè)－居住偏離度（Z）作為因變量時，LM-lag 和LM-error 均通過顯著性檢驗(yàn)，而RLM-lag 的顯著性高于RLM-error，說明空間滯后模型（模型2）更適用于解釋影響因素與就業(yè)－居住偏離度的關(guān)系；選擇偏離度標(biāo)準(zhǔn)差（SD）作為因變量時，LM-error 在5%的檢驗(yàn)水平下顯著，LMlag 未能通過顯著性檢驗(yàn)，空間誤差模型（模型6）更適用于解釋影響因素與偏離度標(biāo)準(zhǔn)差之間的關(guān)系。

表3 空間依賴性診斷檢驗(yàn)Table 3 Diagnostic test results of spatial dependence

模型2 與模型6 均表明產(chǎn)業(yè)與地形因素對重慶市職住空間關(guān)系具有顯著影響，其中綜合性服務(wù)產(chǎn)業(yè)因子與生產(chǎn)性服務(wù)產(chǎn)業(yè)因子擴(kuò)大了職住空間差異，社會性服務(wù)產(chǎn)業(yè)因子、制造業(yè)因子和地形起伏度縮小了職住空間差異。偏離度主要反映街道就業(yè)或居住主導(dǎo)性，標(biāo)準(zhǔn)差則刻畫了街道職住差異大小，使用偏離度標(biāo)準(zhǔn)差作為因變量更優(yōu)，適用于檢驗(yàn)產(chǎn)業(yè)與地形對職住空間關(guān)系的影響。模型6的R2為0.229，高于模型2 的R2（0.223），且模型6 中4個影響因子通過顯著性測試，而模型2 中僅有2 個影響因子通過顯著性測試。由于模型2 與模型6 結(jié)果大致相同，且后者可靠性高于前者，故采用模型6的結(jié)果并進(jìn)行解釋。模型6中綜合性服務(wù)產(chǎn)業(yè)因子系數(shù)為0.053，擴(kuò)大了職住空間差異，但未通過顯著性檢驗(yàn)，原因在于綜合性服務(wù)產(chǎn)業(yè)同時包含生產(chǎn)與生活相關(guān)產(chǎn)業(yè)，如批發(fā)業(yè)、零售業(yè)和居民服務(wù)業(yè)等，類別相對復(fù)雜，同時吸引了就業(yè)與居住人口。生產(chǎn)性服務(wù)產(chǎn)業(yè)因子系數(shù)為0.121，是影響力最大的產(chǎn)業(yè)因子，該因子得分高的區(qū)域職住差異程度較大，這是由于相關(guān)行業(yè)具備人才集聚特征，就業(yè)吸引力大于人口吸引力，導(dǎo)致就業(yè)與居住分布不平衡，社會性服務(wù)產(chǎn)業(yè)因子系數(shù)為-0.048，降低了職住人口不平衡，原因在于該因子與生活性服務(wù)業(yè)相關(guān)行業(yè)高度相關(guān)，有利于滿足居民生活消費(fèi)需求，提高居民生活質(zhì)量。地形因子系數(shù)絕對值明顯大于產(chǎn)業(yè)因子系數(shù)絕對值，表明地形因素對主城區(qū)職住空間關(guān)系的影響大于產(chǎn)業(yè)因素。另外，地形因子系數(shù)為負(fù)，表明地形起伏度高的區(qū)域職住空間錯位不明顯，原因在于地形起伏較大的地區(qū)就業(yè)人口與居住人口稀疏，二者差異較小，這也表明模型6 更適用于檢驗(yàn)出人口稀疏處地形因子對職住空間關(guān)系的影響。

地形地貌是重慶主城區(qū)發(fā)展的基礎(chǔ)，三山兩江將主城區(qū)分割成多個部分，形成了多中心、組團(tuán)式的城市空間結(jié)構(gòu)，對城市交通環(huán)境與政府規(guī)劃產(chǎn)生深刻的影響。重慶內(nèi)環(huán)地區(qū)路網(wǎng)密集，交通設(shè)施完善，通達(dá)性良好，城市環(huán)線的建設(shè)加快了各園區(qū)產(chǎn)業(yè)的整合，便捷的中心與外圍的聯(lián)系條件，有助于主城產(chǎn)業(yè)升級和服務(wù)業(yè)的集聚發(fā)展，在其引導(dǎo)下的就業(yè)人口與居住人口呈現(xiàn)了重慶主城區(qū)職住平衡的基本格局。城市土地制度與房地產(chǎn)制度市場化促進(jìn)城市功能分區(qū)，重慶市政府一直秉持“大分散、小集中”的規(guī)劃理念，致力于實(shí)現(xiàn)生產(chǎn)生活的大致平衡。因此，產(chǎn)業(yè)布局與地形地貌是重慶主城區(qū)職住空間關(guān)系的重要影響因素，二者與城市空間結(jié)構(gòu)、政府規(guī)劃、交通條件和居民生活相互補(bǔ)充、共同作用，塑造了重慶主城現(xiàn)今協(xié)調(diào)發(fā)展的就業(yè)－居住空間格局（圖6）。

圖6 重慶主城區(qū)職住空間關(guān)系影響機(jī)制Fig.6 The framework of jobs-housing relationship in the main area of Chongqing

重慶主城區(qū)內(nèi)環(huán)地區(qū)大部分街道職住平衡，產(chǎn)業(yè)與人口集中，就業(yè)崗位充足，生活服務(wù)設(shè)施豐富，土地利用混合程度高。自開展土地“退二進(jìn)三”以來，重慶主城區(qū)為調(diào)整產(chǎn)業(yè)布局，加大第三產(chǎn)業(yè)的發(fā)展，將部分產(chǎn)業(yè)外遷。因此，制造業(yè)因子高值街道大多分布在外環(huán)地區(qū)，如縉云山和中梁山、銅鑼山和明月山之間較為平坦的區(qū)域。雖然制造業(yè)因子高分的街道公共性、消費(fèi)性與生產(chǎn)性服務(wù)業(yè)發(fā)展較慢，相關(guān)服務(wù)產(chǎn)業(yè)因子得分較低，但為滿足企業(yè)員工居住需求，在新建園區(qū)附近進(jìn)行了一系列住宅建設(shè)，如九龍西苑和西彭公租房，同時引入商品住宅開發(fā)，以實(shí)現(xiàn)生產(chǎn)生活空間協(xié)調(diào)發(fā)展。

4 結(jié)論與討論

4.1 結(jié)論

1）重慶市主城區(qū)的就業(yè)與居住人口空間分布基本一致，均呈現(xiàn)“中間高，四周低”的空間特征與多中心的城市格局。就業(yè)人口與居住人口密集區(qū)域存在一定空間重合，高人口密度街道主要位于經(jīng)濟(jì)發(fā)達(dá)、就業(yè)機(jī)會多的繁華商圈及其周邊地區(qū)。外環(huán)存在少量人口分布相對密集的街道。

2）重慶主城區(qū)職住偏離程度總體不高，大部分街道職住空間基本平衡。少數(shù)位于中心區(qū)域的街道就業(yè)功能主導(dǎo)，經(jīng)濟(jì)活動豐富，周邊存在少量主要承載居住功能的街道。“一主四副”的城市結(jié)構(gòu)中，主中心解放碑的職住平衡度相對較低，沙坪壩、觀音橋、石橋鋪、南坪4個副中心職住平衡度較高。

3）重慶山水分隔的地貌格局型塑了主城區(qū)產(chǎn)業(yè)的分布形態(tài)，而交通條件與政府規(guī)劃決策進(jìn)一步強(qiáng)化了主城區(qū)產(chǎn)業(yè)和生活集中分布的特征。相對平衡分布的生產(chǎn)性、服務(wù)性產(chǎn)業(yè)與居民生活選擇的共同作用，使重慶主城區(qū)形成了有別于一般平原大城市職住分離的空間關(guān)系，塑造了山地城市協(xié)調(diào)發(fā)展的職住空間格局。

4.2 討論

針對大城市的既往研究表明（鄭思齊等，2015；程鵬，2017；范佳慧等，2019），圈層結(jié)構(gòu)的城市就業(yè)向心聚集，中心城區(qū)就業(yè)功能主導(dǎo)，經(jīng)濟(jì)活動豐富，職住空間的不匹配程度由中心向外圍逐漸降低，居民通勤時間長。而重慶主城區(qū)城市建設(shè)深受環(huán)境制約，多山多水的自然環(huán)境將城市分割成若干部分，奠定了城市用地格局，形成了現(xiàn)今多中心組團(tuán)式的空間布局。單中心CBD飛地式擴(kuò)展，逐漸演變成多中心CBD 系統(tǒng)（鄭伯紅等，2004），各中心具有相對完整的功能形式（余穎等，2014）。組團(tuán)之間的天然阻隔致使跨組團(tuán)交通時間成本較高，而組團(tuán)內(nèi)部發(fā)展成熟，就業(yè)生活便利，居民更傾向于本地就業(yè)。已有研究表明，重慶主城區(qū)通勤交通以片區(qū)、組團(tuán)內(nèi)部通勤為主，跨片區(qū)、跨組團(tuán)外部通勤為輔（冷炳榮等，2016），未出現(xiàn)因通勤造成的大量交通擁堵現(xiàn)象。重慶特殊的地形地貌奠定了產(chǎn)業(yè)分布基礎(chǔ)，造就了本地化就業(yè)特征，進(jìn)而促進(jìn)了職住空間均衡化發(fā)展。不同于北京、上海進(jìn)入功能外溢的發(fā)展階段，重慶主城區(qū)現(xiàn)階段處于功能迭代升級的過程（王芳等，2018），未出現(xiàn)較為嚴(yán)重的職住空間失衡，但隨著經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)繼續(xù)外遷，若不及時采取相應(yīng)措施，城市也將面臨職住失衡加劇的問題。

既往文獻(xiàn)已指出了平原地區(qū)大城市普遍出現(xiàn)的職住分離現(xiàn)象及其成因，本文通過對山地城市職住空間關(guān)系的研究，解釋了產(chǎn)業(yè)與地形因素在職住平衡中的重要作用，對進(jìn)一步認(rèn)識職住關(guān)系的多元機(jī)制具有積極的作用。研究存在的主要不足：首先，原始人口數(shù)據(jù)來源于百度慧眼平臺，在就業(yè)與居住人口的界定方式上雖然具有一定的合理性，但原始數(shù)據(jù)完全由商業(yè)平臺提供，無法進(jìn)一步甄別（如同一位置同一人持有多臺移動通訊設(shè)備，并同時登錄多個百度賬號），在一定程度上影響了其客觀性。其次，由于數(shù)據(jù)限制，僅采用偏離度指數(shù)，從數(shù)量上分析職住空間關(guān)系，如果從微觀角度出發(fā)，引入居民職住OD 流分析，更有利于探討職住平衡的自足性。另外，后續(xù)研究可以加入對時間維度的探討，分析就業(yè)－居住空間關(guān)系變化過程，預(yù)測未來發(fā)展態(tài)勢，提出具有針對性的政策建議。