産城融合哪家強？

蘇州工業園區 VS 蘇州高新區

大數據視角下的蘇州工業園區職住及通勤研究

前言

• 1.蘇州工業園區工作人口的區内職住比例高于蘇州高新區。
• 2.蘇州工業園區工作人口的近距離通勤比例低于蘇州高新區。
• 3.蘇州工業園區不同收入的工作人群呈現出居住地相對分離現象。

研究方法：區内工作人口的職住比及通勤距離研究

本文依托手機信令數據和相關分析技術，研究蘇州工業園區（以下簡稱園區）内工作人口的工作地點、居住地點、通勤距離等因素，重點關注園區職住比和工作人口的通勤距離比例兩個指标，并将其與面積、定位、區位、發展時間相似的蘇州高新區（以下簡稱新區）同類指标進行對比，來初步研判園區的産城融合程度。

圖1：園區/新區區位圖

圖2：蘇州工業園區土地利用規劃圖

圖3：蘇州高新區土地利用規劃圖

本次研究采用2019/3/1-3/31之間蘇州手機信令數據，分别以園區/新區行政範圍為電子圍欄進行工作人口（研究樣本）篩選，将區内工作人口長期工作地與居住地之間距離大于500米的數據作為樣本對象。經過數據篩選：

園區工作人口符合分析要求的樣本量為38.2萬；

新區工作人口符合分析要求的樣本量為24萬。

職住比的對比分析

觀察01：園區内工作人口的職住比約為63%，高出新區約4%。

1.園區内工作人口的職住比為63%，新區内為59%；

2.園區各類收入層次工作人口的職住比均高于新區。

圖4：兩個園區職住占比

觀察02：園區和新區均呈現出産業體系向高端轉型的人口空間分布結構性特點，其中科技研發及現代服務業的工作人口空間集聚度高，而傳統工業區工作人口集聚度低。

園區和新區就業密度均呈現由中心地區向周邊地區的遞減趨勢，傳統工業區工作人口密度相對較低。園區獨墅湖高教區及周邊生物醫藥、納米技術應用等産業的發展，顯著帶動了就業人口的快速集聚。

從地理條件看，新區受地形地貌影響，區内工作人口主要布局于東接蘇州古城的一側；園區地形地貌更加規整，區内工作人口空間分布的多中心結構更加清晰和均衡。

圖5：新區/園區工作人口工作地空間分布示意

觀察03：園區不同收入水平工作人口的居住地相對分離，新區不同收入水平工作人口的居住地相對混合。

新區

低中高收入工作人口的居住地整體呈現混合居住的特征。

圖6：新區低中高收入工作人口居住地分布示意

園區

低收入工作人口的居住地分布相對較散，主要聚集區域為園區周邊鄉鎮的安置小區。

中、高收入工作人口居住地聚集程度明顯，主要集中在湖東片區，并形成多個聚集區域。

與新區相比，園區低收入和中高收入工作人口的居住區域相對分離的程度更高。

圖7：園區低中高收入工作人口居住地分布示意

觀察04：園區工作人口通勤距離在5公裡以内的人數比例低于新區，5公裡以上通勤距離的人數比例高于新區。

圖8：新區/園區各類職住通勤距離占比

觀察05：園區形成多處近距離的工作通勤集聚區，其中勝浦工業園和獨墅湖高教區的近距離通勤特點更為明顯，産城融合度更優；作為園區現代服務業中心的湖西CBD及湖東商業中心，中遠距離工作通勤的特征明顯，産城融合度相對偏弱。

注：工作人口居住地、工作地聚合度采用KMeans算法進行優化：

（1）分别從新區和園區工作人口的工作地/居住地經緯度坐标中随機選出300個數據作為質心坐标（聚類中心）；

（2）測量每個數據經緯度坐标到每個質心坐标的距離，并将其歸之于最近的質心的類别；

（3）重新計算已經得到的各個類别的質心坐标；

（4）叠代（2）~（3）步，直至新的質心與原質心相等或小于指定阈值，算法結束。

即最後得到300個工作地/居住地的聚合點，并基于此計算職住通勤距離。

圖9：園區通勤OD示意

本文由中國（深圳）綜合開發研究院産城研究中心和山川大數據共同完成

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!