[新增就业人口如何计算]arcgis人口空间化_基于空间增量模型的人口与就业岗位分布预测

HWS326

作者

写在前面：

怎样以获取并预览卫星城公共交通住宅小区人口数与劳工市场组织工作岗位原产统计数据是现阶段公共交通总体规划组织工作遭遇的痛点。作者透过预测土地总体规划、图夫尔、占地面积与卫星城人口数和劳工市场组织工作岗位原产的亲密关系，构筑如前所述内部空间存量数学模型的人口数与劳工市场组织工作岗位原产数学模型，透过宜昌市杨浦区公共交通住宅小区统计数据展开校正。

任智

北航智能公共交通控制系统科学研究中心大三硕士学位科学博士生

传统的公共交通住宅小区人口数与劳工市场组织工作岗位原产统计数据以获取方式主要就是人口数、中国经济抽样调查。然而，这些抽样调查方式的周期间隔极短。因此，怎样以获取并预览卫星城公共交通住宅小区人口数与劳工市场组织工作岗位原产统计数据是现阶段公共交通总体规划组织工作遭遇的痛点。

随着育苗布喇格的关注度不断上升和GIS(GIS)、遥感(RS)技术的愈发成熟，不少学者将目光转向了宏观人口数、劳工市场组织工作岗位原产与土地总体规划之间的科学研究。历史文献[1-6]运用GIS，RS统计数据和其他统计数据来估计人口数原产。历史文献[7]以广州市土地总体规划和中国经济抽样调查等统计数据为依据，对全区783个市中区社区的分类型劳工市场组织工作Andelle与土地总体规划性质展开关联性预测，并对劳工市场组织工作岗位与工业用地展开插值，发现插值后获得的劳工市场组织工作岗位结果精确度更高。历史文献[8]以2008年无锡市第二次中国经济抽样调查的劳工市场统计数据和2007年无锡市工业用世界地图层为依据统计数据，借助ArcGIS软件对统计数据展开修改、相匹配，获得无锡市主城各乡镇的第三产业、工业以及总劳工市场表面积，并借助劳工市场科创指数预测法获得无锡市主城工业和第三产业的内部空间原产规律。历史文献[9]以上海市企业分市中区劳工市场统计数据为依据，借助计算方法数学模型探求工业劳工市场原产的主要就负面影响不利因素，科学研究表明地理位置、公共交通、土地价格和政策不利因素对劳工市场原产有明显负面影响。

已有科学研究对土地总体规划、图夫尔、占地面积与人口数和劳工市场组织工作岗位的亲密关系甚少控制系统的阐释。责任编辑在内部空间消费常数的基础上，提出并构筑如前所述内部空间存量数学模型的卫星城人口数与劳工市场组织工作岗位原产数学模型，并以宜昌市杨浦区65个公共交通住宅小区为例，对数学模型展开模块校正和赞扬。

土地总体规划、图夫尔、占地面积与

人口数和劳工市场组织工作岗位的亲密关系

?1?

土地总体规划与人口数和劳工市场组织工作岗位的亲密关系

卫星城发展离不开商业工业用地、办公工业用地和工业工业用地的总体规划与建设，这些工业用地将带来大量的人口数与劳工市场组织工作岗位。另一方面，人民生活满意度的提升离不开教育工业用地、医疗卫生工业用地等的总体规划与建设，这些工业用地将吸引人们在周边居住，从而对卫星城的人口数原产产生一定负面影响。

?2?

图夫尔与人口数和劳工市场组织工作岗位的亲密关系

国内外学者对图夫尔概念都有自己的理解。历史文献[10]将图夫尔分为个体图夫尔和地方图夫尔两类，前者能够反映个人生活质量水平，后者指所有人口数易到达的区域或地方所特有的属性。历史文献[11]按照三大类阐释了图夫尔的概念，即如前所述内部空间阻隔、如前所述机会累积以及如前所述内部空间相互作用。历史文献[12]认为图夫尔是指借助公共交通控制系统从某区域到活动地点的便利程度。可以看出，不论是哪种图夫尔的含义，都与出行成本和地点地理位置特性密切相关。其中，出行成本又包括出行费用、出行时间等。

一般而言，居民期望通勤时间能够在一个合理范围内，且生活娱乐能够相对方便，这些不利因素都会对居民的住房选址产生一定负面影响。因此，图夫尔与人口数和劳工市场组织工作岗位原产呈正相关亲密关系。

?3?

占地面积与人口数和

劳工市场组织工作岗位的亲密关系

在土地-公共交通整体总体规划数学模型——PECAS数学模型中，占地面积是一种商品，可被社会中国经济活动所消费[13]。区域内劳工市场组织工作岗位越多，中国经济活动量越大，相应类型的占地面积消耗就越大。同理，人口数对应的居住占地面积也是如此。因此，人口数、劳工市场组织工作岗位与消费的占地面积之间存在线性亲密关系。

内部空间消费常数是区域内人口数和劳工市场组织工作岗位所消费的平均占地面积，即人均占有的占地面积[14]。因此，在不考虑空置率的情况下，内部空间消费常数=总占地面积/人口数数(劳工市场组织工作Andelle)。

如前所述内部空间存量数学模型的人口数与

劳工市场组织工作岗位原产数学模型构筑

根据内部空间消费常数的概念，在假设一定年份内内部空间消费常数保持不变的情况下，可以认为人口数、劳工市场组织工作岗位的变化量与对应的占地面积变化量保持一定的线性亲密关系。但在卫星城实际建设发展中，商品住宅住宅小区等存在一定程度的空置，因此在建模过程中需要考虑入住率的负面影响。

责任编辑以内部空间消费常数为依据，对总体规划年相对于基准年占地面积增加与减少这两种情况展开建模。针对第一种情况，责任编辑提出一种内部空间存量分配思想，即公共交通住宅小区新增人口数、劳工市场组织工作Andelle占整个科学研究区域内新增人口数、劳工市场组织工作Andelle的比例取决于该公共交通住宅小区居住、劳工市场占地面积存量与对应的内部空间消费常数的比值占科学研究区域内各公共交通住宅小区该比值之和的比例。同时，考虑图夫尔、入住率对人口数和劳工市场组织工作岗位原产的负面影响。第二种情况通常为拆迁所致，因此不考虑图夫尔和入住率不利因素，可直接根据居住、劳工市场占地面积负存量和对应的内部空间消费常数计算出对应的人口数、劳工市场组织工作岗位减少量。

如前所述以上两种公共交通住宅小区预测年占地面积变化情况的讨论，责任编辑构筑的如前所述内部空间存量数学模型的人口数与劳工市场组织工作岗位原产数学模型分别如式(1)和式(2)所示。

式中：POPi为总体规划年公共交通住宅小区i的人口数/人；POPbsi为基准年公共交通住宅小区i的人口数/人；Ai为公共交通住宅小区i的图夫尔；a0为图夫尔调整模块；Ocri为公共交通住宅小区i的入住率；ΔQjzi为总体规划年相对基准年在公共交通住宅小区i的居住占地面积变化量/m2；SCRjz为居住内部空间消费常数；a1为新增人口数调整模块；POPadd为科学研究区域内总体规划年相对基准年的总人口数存量/人；n为科学研究区域内总体规划年相对于基准年所有居住占地面积增加的住宅小区数/个。

式中：EMPi为总体规划年公共交通住宅小区i的劳工市场组织工作Andelle/个；EMPbsi为基准年公共交通住宅小区i的劳工市场组织工作Andelle/个；b0为图夫尔调整模块；ΔQepij为总体规划年相对基准年在公共交通住宅小区i的第j类劳工市场组织工作岗位占地面积的变化量/m2；SCRepj为第j类劳工市场组织工作岗位内部空间消费常数；b1为新增劳工市场组织工作岗位调整模块；EMPadd为科学研究区域内总体规划年相对基准年的总劳工市场组织工作岗位存量/个。

以下是对数学模型的几点说明：

1)无论是人口数原产数学模型还是劳工市场组织工作岗位原产数学模型，都需要考虑总体规划年相对基准年的占地面积变化情况；

2)与人口数原产数学模型不同的是，劳工市场组织工作岗位原产数学模型需要计算总体规划年与基准年的七种劳工市场组织工作岗位(即居住组织工作岗位、工业仓储组织工作岗位、行政办公组织工作岗位、商业金融组织工作岗位、教育科研组织工作岗位、其他公建组织工作岗位、其他组织工作岗位)增减量总和，以便为该公共交通住宅小区分配劳工市场组织工作Andelle；

3)责任编辑构筑的如前所述内部空间存量数学模型的人口数与劳工市场组织工作岗位原产数学模型中的图夫尔调整模块和新增人口数劳工市场组织工作岗位调整模块，需要借助基准年和总体规划年的公共交通住宅小区内相关统计数据去校正。

数学模型赞扬

责任编辑以宜昌市杨浦区为科学研究对象，对卫星城人口数与劳工市场原产数学模型展开模块校正并赞扬。

?1?

统计数据以获取

公共交通住宅小区划分

公共交通住宅小区划分的原则是将具有一定公共交通关联度和公共交通相似度的区域划分为同一个公共交通住宅小区。宜昌市杨浦区65个公共交通住宅小区划分情况如图1所示。

图1 宜昌市杨浦区公共交通住宅小区划分

内部空间消费常数

历史文献[15]提出一种借助区域内总占地面积和已知的人口数、劳工市场组织工作岗位统计数据来估计不同种类的内部空间消费常数的方法，即透过人口数、劳工市场组织工作岗位统计数据与各自类别的内部空间消费常数的乘积之和作为区域内总占地面积的亲密关系，借助数学总体规划方法，建立内部空间消费常数估计数学模型

式中：aij为公共交通住宅小区i的第j类人口数/人，j=1表示卫星城人口数，j=2表示农村人口数；xij为公共交通住宅小区i的第j类居住内部空间消费常数；cik为公共交通住宅小区i的第k类劳工市场组织工作Andelle/个，类型包括居住组织工作岗位、工业仓储组织工作岗位、行政办公组织工作岗位、商业金融组织工作岗位、教育科研组织工作岗位、其他公建组织工作岗位、其他组织工作岗位；xik为公共交通住宅小区i的第k类劳工市场内部空间消费常数；Soi为公共交通住宅小区i的总占地面积观测值/m2。

在内部空间消费常数估计数学模型的基础上，借助遗传算法求解出宜昌市杨浦区的居住与劳工市场内部空间消费常数(见表1)。

表1 宜昌市杨浦区居住与劳工市场内部空间消费常数

占地面积统计数据

责任编辑使用的统计数据是宜昌市公共交通发展战略科学研究院提供的2008年杨浦区65个公共交通住宅小区人口数和劳工市场组织工作岗位统计数据，以及2013年杨浦区65个公共交通住宅小区的建筑物图层及土地总体规划图层统计数据。从统计数据的可获得性而言，人口数和劳工市场组织工作岗位统计数据是透过公共交通调查获得，建筑物图层和土地总体规划图层统计数据透过测绘获得。

将2008年作为基准年，透过公共交通住宅小区人口数、劳工市场组织工作岗位统计数据以及对应的内部空间消费常数，可推算出杨浦区基准年的居住、劳工市场占地面积(见图2a)。将2013年作为总体规划年，透过ArcGIS软件对建筑物图层、土地总体规划图层和公共交通住宅小区图层展开叠加预测，可以获取杨浦区总体规划年的居住、劳工市场占地面积(见图2b)。

图2 宜昌市杨浦区占地面积原产

图夫尔统计数据

透过对图夫尔不同定义的预测，责任编辑将公共交通住宅小区的图夫尔表示为从该公共交通住宅小区到所有公共交通住宅小区的综合效用，其中综合效用与各种出行方式的出行时间和出行成本相关[16]。因此，责任编辑给出如下图夫尔公式，其中效用函数中变量的模块为宜昌市公共交通数学模型的经验模块，透过宜昌市公共交通调查后经回归预测获得。

式中：ukij为从公共交通住宅小区i到公共交通住宅小区j使用的第k种出行方式所产生的综合阻抗；t为出行时间/min；f为出行费用/元；Ai为公共交通住宅小区i的图夫尔。

根据图夫尔公式，可计算出宜昌市公共交通住宅小区的图夫尔(见图3)。

图3 宜昌市公共交通住宅小区图夫尔原产

入住率统计数据

历史文献[17]提到土地与公共交通整体总体规划数学模型——PECAS数学模型中所考虑的空置率与年租金有关，空置率与入住率的和为1。因此，透过宜昌市某些区域的入住率与年租金的样本调查统计数据，对入住率公式展开模块校正，校正后的入住率

式中：Ocri为公共交通住宅小区i的入住率；P为公共交通住宅小区i的年租金/(元·m-2)。

透过从互联网收集到的2013年宜昌市杨浦区具有代表性区域的年租金，借助ArcGIS中克里金插值法获得各公共交通住宅小区年租金统计数据。最后借助上述公式推算出各公共交通住宅小区入住率(见表2)。

表2 宜昌市杨浦区公共交通住宅小区入住率

?2?

模块校正

模块校正方法采用遗传算法，将目标函数编写完毕后，在MATLAB命令行中输入相关命令调用GA函数，然后设置相关的约束即可。责任编辑将总体规划年相较于基准年占地面积增加的公共交通住宅小区统计数据随机挑选出40个，用于校正模块。获得的如前所述内部空间存量数学模型的人口数与劳工市场组织工作岗位原产数学模型中的图夫尔调整模块值和新增人口数与劳工市场组织工作岗位调整模块值为?a0=3.15，a1=0.643，b0=1.51，b1=0.894。

?3?

数学模型赞扬

如前所述模块校正后的人口数原产数学模型，将剩余的25个公共交通住宅小区统计数据用于数学模型校正。其中，居住占地面积增加的公共交通住宅小区数量为17个、减少的公共交通住宅小区数量为8个。获得的人口数预测值与观测值的相对误差统计如表3所示。

表3 人口数原产数学模型预测值与观测值的相对误差

从表3可看出，在25个公共交通住宅小区中，人口数原产数学模型预测值与观测值之间的相对误差在30%以下的公共交通住宅小区数量为18个，占公共交通住宅小区总数的72%。但是，也存在极个别公共交通住宅小区的人口数预测结果相对误差较大的情况，其中有一个公共交通住宅小区的人口数预测相对误差达到165.33%，这是因为该公共交通住宅小区在2013年新建了较多的商品房，导致数学模型中的人口数存量分配权重较大，而现实情况则是新建商品房的入住人口数很少，从而造成数学模型预测出的该公共交通住宅小区的人口数相对误差偏大。总体而言，责任编辑构筑的人口数原产数学模型能够保证70%以上的公共交通住宅小区的人口数预测结果相对误差在30%以内，数学模型具有一定的可靠性。

同样，如前所述模块校正后的劳工市场组织工作岗位原产数学模型，将剩余的25个公共交通住宅小区统计数据用于数学模型校正。其中，劳工市场占地面积增加的公共交通住宅小区数量为20个、减少的公共交通住宅小区数量为5个。劳工市场组织工作岗位原产数学模型预测值与观测值的相对误差统计如表4所示。

表4 劳工市场组织工作岗位原产数学模型预测值与观测值的相对误差

从表4可看出，在25个公共交通住宅小区中，劳工市场组织工作岗位原产数学模型预测值与观测值之间的相对误差在30%以下的公共交通住宅小区数量为18个，占公共交通住宅小区总数的72%。但是，也存在极个别公共交通住宅小区的劳工市场组织工作岗位预测结果相对误差较大的情况，其中有一个公共交通住宅小区的劳工市场组织工作岗位预测相对误差达到80.66%，这是因为宜昌市杨浦区在十二五期间展开了三旧改造，部分公共交通住宅小区的工业建筑被拆除，新建为高楼层的商业建筑或者教育科研建筑，导致数学模型中的劳工市场组织工作岗位存量分配权重较大，而现实情况则是新建的劳工市场建筑还没有形成正式的劳工市场组织工作岗位，从而造成数学模型预测出的该公共交通住宅小区的劳工市场组织工作岗位相对误差偏大。总体而言，责任编辑构筑的劳工市场组织工作岗位原产数学模型能够保证70%以上的公共交通住宅小区劳工市场组织工作岗位预测结果的相对误差在30%以内，数学模型具有一定的可靠性。

写在最后

卫星城人口数与劳工市场组织工作岗位原产是卫星城公共交通总体规划及公共交通需求预测的基础，然而人口数与中国经济抽样调查间隔年限极短，无法持续以获取每个年度的卫星城人口数与劳工市场组织工作岗位原产。根据历史文献科学研究可知，在人口数原产方面，国内外学者借助GIS和遥感来预测格网人口数原产的科学研究较多，但是格网精确度不易保证；在劳工市场组织工作岗位原产方面，现有科学研究方法较少且大多是宏观预测。

责任编辑透过深入预测土地总体规划、图夫尔、占地面积与人口数和劳工市场组织工作岗位原产的亲密关系，如前所述内部空间消费常数，构筑了如前所述内部空间存量数学模型的卫星城人口数与劳工市场组织工作岗位原产数学模型，并以宜昌市杨浦区65个公共交通住宅小区为例，收集了占地面积、图夫尔、入住率等统计数据，对数学模型展开模块校正，最后对数学模型的精确度展开校正。结果表明，如前所述内部空间存量数学模型的人口数与劳工市场组织工作岗位原产数学模型具有一定的可靠性。

需要指出的是，责任编辑的入住率是根据经验公式推算得出，存在一定误差。后续需要透过一定量的样本调查，掌握区域内较为精确的建筑空置原产，从而有助于提升数学模型的预测精确度。此外，宜昌市需要构筑土地总体规划数学模型，与公共交通数学模型整体总体规划，从而促进卫星城中国经济、土地总体规划以及公共交通的协调发展。

参考历史文献(上滑查看全部)：

[1] Briggs D J, Gulliver J, Fecht D, et al. Dasymetric Modelling of Small-Area Population Distribution Using Land Cover and Light Emissions Data[J]. Remote Sensing of Environment, 2007, 108(4): 451-466.

[2] 朱翠霞，陈阿林，刘琳. 如前所述GIS的区域人口数统计统计数据内部空间化：以重庆都市区为例[J]. 重庆师范大学学报(自然科学版)，2013，30(5)：50-55.

Zhu Cuixia, Chen Alin, Liu Lin. Based on GIS Regional Population Statistic Data of Space: Taking Urban Chongqing as an Example[J]. Journal of Chongqing Normal University (Natural Science), 2013, 30(5): 50-55.

[3] 王海力，韩光中，谢贤健. 如前所述多源遥感统计数据和DEM的沱江流域人口数原产与地形起伏度亲密关系科学研究[J]. 云南大学学报(自然科学版)，2017，39(6)：1001-1011.

Wang Haili, Han Guangzhong, Xie Xianjian. Research on Relationship Between Population Distribution and the Relief Degree of Land Surface Based on Multi-Source Remote Data and Dem: A Case Study of Tuojiang River Basin, China[J]. Journal of Yunnan University (Natural Sciences Edition), 2017, 39(6): 1001-1011.

[4] 董珍珍，王亮，仇阿根. 如前所述特征分区的人口数统计数据格网化科学研究[J]. 测绘与内部空间地理信息，2017，40(12)：64-67+72.

Dong Zhenzhen, Wang Liang, Qiu Agen. Research on the Grid Transformation of Population Data Based on the Feature Partition[J]. Geomatics & Spatial Information Technology, 2017, 40(12): 64-67+72.

[5] 谭敏，刘凯，柳林，等. 如前所述随机森林数学模型的珠江三角洲30 m格网人口数内部空间化[J]. 地理科学进展，2017，36(10)：1304-1312.

Tan Min, Liu Kai, Liu Lin, et al. Spatialization of Population in the Pearl River Delta in 30 m Grids Using Random Forest Model[J]. Progress in Geography, 2017, 36(10): 1304-1312.

[6] 刘瑞，蒋旭，赵静，等. 如前所述GIS的广州市违法建筑居住人口数表面积内部空间原产科学研究[J]. 国土资源遥感，2018，30(1)：233-237.

Liu Rui, Jiang Xu, Zhao Jing, et al. GIS Based Research on the Spatial Distribution of Population Density in Illegal Buildings in Shenzhen City[J]. Remote Sensing for Land & Resources, 2018, 30(1): 233-237.

[7] 郭莉，李智. 如前所述土地总体规划的人口数组织工作岗位原产预测科学研究[C]//中国卫星城公共交通总体规划2012年年会暨第26次学术研讨会，西湖宾馆，福州，2012：公交优先与缓堵对策.

[8] 王慧，吴晓，强欢欢. 无锡市主城劳工市场内部空间布局初探[J]. 中国经济地理，2014，34(6)：115-123.

Wang Hui, Wu Xiao, Qiang Huanhuan. A Preliminary Analysis of Spatial Distribution of Employment Spatial in Nanjing Main City[J]. Economic Geography, 2014, 34(6): 115-123.

[9] 陈小晔，孙斌栋. 上海都市区工业劳工市场格局的演化及负面影响不利因素[J]. 人文地理，2017，32(4)：95-101.

Chen Xiaoye, Sun Bindong. Spatial Structure and Determinants of Manufacturing Employments in Shanghai Metropolitan Area[J]. Human Geography, 2017, 32(4): 95-101.

[10] Kwan M P, Murray A T, Okelly M E, et al. Recent Advances in Accessibility Research: Representation, Methodology and Applications[J]. Journal of Geographical Systems, 2003, 5(1): 129-138.

[11] 刘贤腾. 内部空间图夫尔科学研究综述[J]. 卫星城公共交通，2007，5(6)：36-43.

Liu Xianteng. General Description of Spatial Accessibility[J]. Urban Transport of China, 2007, 5(6): 36-43.

[12] 张志伟，母睿，刘毅. 如前所述图夫尔的卫星城公共交通与土地总体规划一体化赞扬[J]. 卫星城公共交通，2018，16(2)：19-25.

Zhang Zhiwei, Mu Rui, Liu Yi. Evaluation on the Integration of Urban Transportation and Land Use Based on Reachability[J]. Urban Transport of China, 2018, 16(2): 19-25.

[13] 易汉文，殷茵. PECAS：卫星城工业用地和公共交通集成化数学模型控制系统[J]. 卫星城公共交通，2006，4(4)：12-20+59.

Yi Hanwen, Yin Yin. PECAS: An Integrated Land-Use and Transportation Modeling System[J]. Urban Transport of China, 2006, 4(4): 12-20+59.

[14] 余碧琳. 土地—公共交通整体总体规划数学模型内部空间原产估计与优化方法科学研究[D]. 武汉：北航，2017.

Yu Bilin. Estimating and Optimizing Floorspace Data for Intergrated Land Use Transport Model[D]. Wuhan: Wuhan University of Technology, 2017.

[15] Zhong M, Yu B L, Liu S B, et al. A Method for Estimating Localised Space-Use Pattern and Its Applications in Integrated Land-Use Transport Modelling[J]. Urban Studies, 2018, 55(16): 3708-3724.

[16] Hunt J D, Abraham J E. Design and Application of the PECAS Land Use Modeling System[EB/OL]. 2006[2019-11-01]. http://www.ucalgary.ca/~jabraham/Papers/pecas/8094.pdf.

[17] Hunt J D, Abraham J E. Design and Implementation of PECAS: A Generalised System for Allocating Economic Production, Exchange and Consumption Quantities[M]//Elsevier. Integrated Land-Use and Transportation Models, 2005: 253-274.

《卫星城公共交通》2020年第5期刊载文章