2000万人口的大北京,上下班原来是这样的 (附超炫蝌蚪图)

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 城市通勤反映的是一个城市中劳动力的活动半径。随着北京城市化和现代化发展进程加快,通勤交通流量的空间分布出现了区域间的分化和区域性的特征。 今天,我们用滴滴出行大数据为你重构北京的通勤交通。 职住分离与高通勤成本 北京早晚高峰通勤流动图 上面的两张动态图,分别截取了早八点和晚六点时段的20分钟内,北京上班族使用滴滴出行的通勤流动示意图。


1

城市通勤反映的是一个城市中劳动力的活动半径。随着北京城市化和现代化发展进程加快,通勤交通流量的空间分布出现了区域间的分化和区域性的特征。

今天,我们用滴滴出行大数据为你重构北京的通勤交通。

职住分离与高通勤成本

2

3

图1-2 北京早晚高峰通勤流动图

上面的两张动态图,分别截取了早八点和晚六点时段的20分钟内,北京上班族使用滴滴出行的通勤流动示意图。

滴滴出行大数据显示,早高峰的通勤车流如水滴般由四面八方向北京中心城区涌入,到了晚高峰则恰恰相反,“水滴”从中心城区向外围地区四散开来。

要分析城市通勤,就要讨论居住和就业这两个城市空间结构中的核心要素,而“职住分离”是北京城市结构无法避开的明显特征。

计划经济时期,中国大城市内部就业-居住的空间关系多以单位大院为特色,形成较为平衡的“前场后院”职住接近格局。从90年代起,中国各城市经历了激烈的制度转型和空间重构,就业变动和土地、住房的市场化带来了就业-居住在空间关系上的疏离,就业者通勤距离和通勤时间不断延长。

4
图3 北京早高峰通勤终点分布
近年来,北京城市空间规模迅速扩张,呈现职住分离和就业多中心的发展趋势。

郑思齐等学者(2015)对北京市城六区职住比的测算结果显示,职住比最高(即就业人数远高于居住人数)的12个街道中,3个位于二环内、4个位于朝阳CBD区域、2个位于海淀区中关村区域。根据滴滴出行大数据,在早高峰时段使用网约车通勤的终点分布(图3)显示,北京的就业中心分布在东直门、国贸、中关村等地,除亦庄和西二旗上地以外,大多集中分布在中心城区。

5
图4 北京早高峰通勤起点分布
伴随着常住人口和就业总量的高速增长、以及中心城区密度的攀升,北京中心城外围的近郊区成为人口居住集聚区。

根据滴滴出行的早高峰通勤起点分布(图4),我们能够绘制出北京的居住区域集中分布在通州、回龙观、天通苑等地。虽然在行政区划上,燕郊隶属于河北省三河市,但它毫无疑问是北京通勤系统中的一部分。每天早高峰降临前,数十万燕郊通勤族跨越白河涌入北京,去往各自办公地所在的就业集聚区。
表1 北京各居住区早高峰通勤对比
6
注:仅统计距离在3-80公里范围内的订单
上表详细分析了几个居住区的早高峰通勤特征。表1是2017年4月某周工作日早高峰(06:00-09:59)的滴滴出行顺风车统计数据。

“热度指数”是指日均早高峰通勤人次,采用了最大值标准化的计算方法。“平均距离”和“平均耗时”分别是早高峰订单距离和耗时的中位数。在通勤热度上,通州足足领先第二名回龙观0.36,是北京最集中的生活居住区。燕郊和房山因地理位置较偏,在早高峰通勤距离更远、耗时更久。
7
图5 北京早高峰通勤动态图
在图5中,滴滴出行大数据完整呈现了6-10点全北京早高峰通勤动态图。接下来,我们将进一步分析通州区的通勤特征。

城市副中心的通勤发展

通州作为北京市城市副中心的功能逐步凸显。根据北京市2017年政府工作报告,今年底四大市级机关和相关市属行政部门将率先向通州启动搬迁。

2012年以来,通州的行政功能经历了从“城市副中心”到“行政副中心”,再回到“城市副中心”的转变,唯一保持不变的是通州纾解非首都功能的核心定位,以及通州区庞大的通勤人口。通州区2016年统计公报显示,全区常住人口142.8万,其中常住外来人口57万,占比近40%。
8
图6 通州早高峰通勤放射图
在图6中,滴滴出行大数据展示了早6-10点期间从通州区出发的所有通勤路线。这些通勤路线主要分为四条:一是从通州到东直门、朝阳门和三元桥等地区,二是从通州到望京,三是从通州到亦庄,四是从通州到上地和西二旗地区。
9
图7 通州早高峰通勤距离分布
从图7中可以看出,通州区早高峰通勤距离主要分布在20-40公里之间,该区间的订单量占通州通勤总量的64.8%。与此同时,还有超过10%的通勤人口要跨越40公里的距离,奔赴自己的办公室。
10
图8 通州和北京城六区之间通勤人数
在被授予“副中心”这一头衔之前,通州是北京除燕郊之外的另一个“睡城”:人们白天在城里上班,晚上回通州睡觉。随着通州区和北京城六区的联系愈发紧密,通州跨区域通勤人数也越来越多。图8中,除去10月和2月的节假日,过去一年间通州的跨区通勤人数呈稳步上升趋势。未来,随着“副中心”的各项城市功能日趋成熟,通州的通勤人次将会增多,而通勤成本有望降低。

北京是一个空间极化的城市,权力和资源的过度集中给予这座城市难以企及的地位,同时也造成了城市内部的空间折叠和高度碎片化,这种折叠反映在日常通勤中的特点就是人群积累和车流量拥挤。

在前所未有的城市扩张过程中,北京的就业区和居住区分布愈加迥异,早晚高峰均呈现出不同方向的人流分布。在此关键节点上,雄安新区和通州副中心等规划的提出显得尤为重要。借助滴滴出行大数据分析,智慧城市技术和空间解构规划将是有效解决北京通勤问题的两大方向。

数据来源:滴滴出行大数据

原文链接

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
人工智能 数据可视化 数据挖掘
上海“爷叔”神话分析——爱在深秋
上海“爷叔”股市评论走红,言论影响巨大,分析显示其预测大多不准确,但个别时机准确,模拟操作获利,反映股市预测复杂性,强调投资需谨慎。
|
3月前
|
数据可视化
教你一招,用Echarts拿下旭日图
教你一招,用Echarts拿下旭日图
|
5月前
|
JSON JavaScript 定位技术
Echarts 绘制地图(中国、省市、区县),保姆级教程!
Echarts 绘制地图(中国、省市、区县),保姆级教程!
|
数据可视化 Python
可视化 | 中国历届夏季奥运会奖牌数据(树图)
可视化 | 中国历届夏季奥运会奖牌数据(树图)
|
数据可视化 数据挖掘 Python
看世界杯也能学画图:R语言ggplot2画热图展示不同国家历届足球世界杯的成绩
看世界杯也能学画图:R语言ggplot2画热图展示不同国家历届足球世界杯的成绩
|
前端开发 Java 数据挖掘
2021年北京积分落户名单公布了,爬了两个多小时得到了所有数据,有了惊人的发现(附源码)
2021年北京积分落户名单公布了,手痒痒就写了一段Java代码,运行了两个多小时,终于到了所有数据,如下截图:
346 0
2021年北京积分落户名单公布了,爬了两个多小时得到了所有数据,有了惊人的发现(附源码)
|
存储 数据采集 数据挖掘
2018年苏州房价都快超过上海了,python技术实践分析一波!
2018年苏州房价都快超过上海了,python技术实践分析一波!
1244 0