改革开放以来,中国涌现出大规模、高强度的城乡间、区域间流动人口,目前流动人口已达2.5亿,占总人口的1/6[1-3]。中国特殊的城乡分割社会管理体制,导致城市对流动人口采取“经济吸纳、社会拒人”的双重态度,流动人口被排斥在社会保障范围之外,加上收入低,不得不选择在城市边缘地区的城中村等廉价房租地域聚居生活[4-6]。由此,中国特大城市和大城市出现一种特殊的异质性社区——流动人口聚居区。流动人口聚居区具有复杂的社会经济形态和特殊的地理环境,凸显出“社会经济二元性”和“地理空间异质性”特征,严重阻碍了城市健康可持续发展[7-10]。从社会经济形态来看,流动人口聚居区表现出“身体在场,关系不在场、利益不在场、参与权不在场、保障权不在场”非正常现象[11]。从地理环境特征来看,大量流动人口聚居区的城市建设远滞后于城市化发展,基础设施建设不完善尤为突出[12-14]。如何促进流动人口聚居区与城市融合发展,成为中国新型城镇化建设和农业转移人口市民化的焦点问题。

流动人口聚居区研究一直是地理学、城市规划学、社会学、公共管理学等众多学科领域的重要课题。社区是城市空间的基本单元,社区尺度下流动人口聚居区的系统性研究是政府部门进行流动人口聚居区顶层制度设计的科学基础。由于中国社区尺度人口统计数据不向公众开放,当前研究成果大多是依靠研究者主观识别的个案实证研究,由此可能出现“以偏概全”缺陷。如何破解社区尺度下流动人口聚居区空间识别的技术瓶颈,进而开展整个城市尺度流动人口聚居区系统性研究,是学术界亟待解决的问题。

不同空间尺度流动人口聚居区识别结果的差异性,即流动人口聚居区的空间尺度效应也是需要明确的重要问题。大量研究表明,地理学现象的格局、过程、机理随着空间尺度的不同而发生变化[15]。空间尺度选择对正确解释研究对象的科学本质至关重要。空间尺度过大,事物内部差异极易忽视;空间尺度过小,事物整体特征难以把握[16]。空间尺度效应在地理学中广为关注,包括地貌系统、景观结构变化、生物多样性、遥感反演等[17-19]。然而,在流动人口聚居区的研究中,空间尺度效应没有得到应有的关注。关于流动人口聚居区的空间识别,一部分学者界定为街道乡镇尺度[20],一部分学者界定为社区尺度[21,22]。然而,两种空间尺度之间是否可以相互转换、异同点及其作用机制,极少受到关注。

国内外学者针对流动人口聚居区空间识别问题,开展了大量研究。梳理流动人口聚居区空间识别方法,大致可以划分为三类：第一类是依据人口统计数据确定流动人口聚居区,即根据流动人口数量、比例等指标,进行以街道为基本单元的流动人口聚居区识别[20]。第二类则是利用遥感影像识别出低收入流动人口聚居区,即首先提出若干判定低收入流动人口聚居区的准则,而后依据遥感影像进行流动人口聚居区识别。这些准则大致包括房屋密度、道路密度、绿化比例等[23-26]。第三类是运用实地走访调查、公众意识等方法进行流动人口聚居区的主观识别[21,22]。显然,第一类研究直接使用行政区人口统计数据,空间识别方法简单有效,其缺点是以行政单元边界为依托,严格受人口统计数据限制。第二类研究使用遥感影像,技术路线成熟,识别成果明确、可视化程度好;其缺点则是人口信息利用不足,只能识别出低收入流动人口聚居区,并且容易与低收入人口聚居区混为一谈。第三类研究使用了更加主观的方法,将人口信息和空间信息相结合,可以得到较为准确的自然单元边界;但主要依靠研究人员主观判断,方法不容易推广普及,并且各个研究人员主观判别标准差异大,流动人口聚居区识别成果不容易得到普遍认同。

综上所述,流动人口聚居区空间识别的技术选择,主要取决于数据的可获取性、经济成本和人工成本。本文在地理空间数据和人口分布数据高度关联性基础上,建立基于空间配置法的流动人口聚居区空间识别方法,实现社区尺度流动人口聚居区的空间识别;并通过与街道尺度流动人口聚居区的对比分析,判断流动人口聚居区的空间尺度效应,明确社区尺度作为流动人口聚居区空间尺度的必要性。

空间尺度转换是人文地理学及许多社会科学研究的重要课题。在人文地理学研究中,数据来源的一个重要特点是其来自于统计数据而不是实验数据。这些统计数据一般以行政统计单元为空间单元,而行政统计单位的大小又是空间尺度的基准。因此从数据来源的角度,其空间尺度特征往往是被预先决定的。可是在实际研究中,行政单元问题、研究问题以及最终的应用层次之间常常存在尺度的不一致性,从而导致尺度转换在人文地理学及相关学科中不可避免。

全国人口普查数据和其他来源的人口统计数据是划分和分析流动人口聚居区的基础数据。在中国,街道尺度的人口统计数据是对公众开放和可以公开获取的最小空间尺度。然而,中国的街道面积很大,街道并不是一个具有高度社会空间同质性的区域。在同一个街道内部,社区环境和人口统计特征具有极大的空间分布不均匀性。例如在北京六环内区域,街道的平均人口是87240人,平均面积是18.8 km2,远远高于国际上异质性社区研究的普遍标准。中国“街道”的地域范围和人口规模远大于国外的统计单元,街道层面以下如居委会、住宅小区的社会空间分异往往被忽视[27]。因此,流动人口聚居区研究中,街道尺度的人口统计数据不够精细,有必要对流动人口聚居区进行空间降尺度识别。

土地作为人与自然相互作用的产物,与人口分布的关系非常密切[28]。不同土地利用类型的人口密度具有很大差异性,而同一土地利用类型的人口密度则具有同一性[29]。因此,在土地利用和人口分布的同一性基础上,本文建立了基于空间配置法的社区尺度流动人口聚居区识别方法,实现了流动人口聚居区的空间降尺度识别。“社区”一词,广泛应用于社会学、地理学、城市规划学等多个学科领域。学者们普遍认为,“社区”是指进行一定的社会活动、具有某种互协关系和共同文化维系力的人类生活群体及其活动地 域[30]。然而,学者们对于“社区”的空间属性、空间范围和空间层级并没有达成统一的共识。依据是否具有明显的地域空间,社区可以划分为空间性社区和非空间性社区两类。依据地域界限的属性,空间性社区细分为法定社区、自然社区和专能社区。为了使研究成果更方便指导城市规划与管理,本研究的“社区”采用法定社区概念,即地方行政区,具有法律规定的地域界限,在农村指的是行政村,在城市指的是居委会辖区。在中国的三级行政区划体系中,社区是城市街道、行政建制乡镇这一基层行政区划单位的基本构成单元。

关于流动人口聚居区的识别指标及识别标准,学术界和政府规划部门没有统一的共识和定论。综合国内外研究,流动人口聚居区的识别指标主要有两个：流动人口规模和流动人口比例。这两个指标的侧重点不同：流动人口规模关注的是流动人口的绝对数量,流动人口比例关注的是流动人口的相对数量。为了充分利用流动人口规模和流动人口比例这两个指标在识别流动人口聚居区的优势,避免单一识别指标的缺点,本文选取流动人口规模和流动人口比例两个指标,构建流动人口聚居区的双指标识别法。具体做法为：

首先,确定流动人口聚居区的流动人口规模阈值和流动人口比例阈值。关于流动人口规模阈值,本文采用一倍标准差,即γ=mean+S.D.。关于流动人口比例阈值,采用1.2倍的平均流动人口比例,即δ=1.2×$\overline{PCT\_FP}$（$\overline{PCT\_FP}$是平均流动人口比例）。各街道流动人口比例与平均流动人口比例的比值,实际上就是经济学中的“区位商”概念。大量的研究证明,当区位商1.2时,代表这一区域的观测值集聚程度很高[31]。由此,在流动人口比例阈值的确定中,采用1.2×$\overline{PCT\_FP}$这一阈值。

其次,以流动人口规模为X轴,以流动人口比例为Y轴,建立判别坐标系（图1）。这样,可以将所有的空间单元划分为四个类型,：高流动人口规模高流动人口比例型（简称“高规模高比例”,位于第一象限）、低流动人口规模高流动人口比例型（简称“低规模高比例”,位于第二象限）、低流动人口规模低流动人口比例型（简称“低规模低比例”,位于第三象限）、高流动人口规模低流动人口比例型（简称“高规模低比例”,位于第四象限）。其中,仅有高规模高比例型街道同时满足流动人口聚居区的识别准则。

显示原图| 下载原图ZIP| 生成PPT

图1   流动人口聚居区的判别坐标系

Fig. 1   The coordinate frame of identifying floating population communities

依据土地利用与人口分布的同一性原理,建立基于空间配置法的流动人口聚居区识别法：首先将街道尺度人口数据细化到社区尺度,然后采用流动人口聚居区的双指标识别法,对社区尺度流动人口聚居区进行空间识别。具体流程如下（图2）：

显示原图| 下载原图ZIP| 生成PPT

图2   基于空间配置法的流动人口聚居区空间识别技术流程图

Fig. 2   The process of identifying floating population communities based on space allocation

第一步,划分土地利用类型。利用土地利用现状图,区分城市居住用地、农村居住用地和非居住用地。非居住用地被认定为没有人居住,人口密度为0;只有城市居住用地和农村居住用地有人居住,分配一定规模的人口。

第二步,常住人口空间化。根据以下两个原则将街道尺度的总人口分配到每一个社区：第一个原则,城市居住用地和农村居住用地的人口密度比;第二个原则,每一个社区里,各个土地利用类型所占的土地面积。本研究采用空间抽样方法来获取城市居住用地和农村居住用地的人口密度比。空间抽样的具体过程如下：选取只包含同一个土地利用类型的社区,通过实地调查、深度访谈村干部或居委会工作人员、派出所登记数据等多种方法,获取该社区的总人口。利用土地利用数据,测算出该社区的占地面积,进而计算出人口密度。这一空间抽样过程在每个街道单独进行,即每个街道分别抽取两个具有不同土地利用类型的社区。其原因是对于各个土地利用类型的人口密度比,每个街道之间存在较大的差异。将街道尺度的人口数据分配到社区尺度的计算公式如下：

POPvt=∑Dti×Avi（1）

式中： POPvt是位于t街道的v社区的总人口; Dti是t街道的i类土地利用类型的人口密度; Avi是v社区内i类土地利用类型的总面积。

第三步,流动人口比例估算。根据前人研究和实地调查,同一个街道内部,各个土地利用类型的流动人口比例具有高度的空间同质性;不同街道之间,各个土地利用类型的流动人口比例具有空间不均匀性。基于上述假定,流动人口比例估算方法采用空间抽样法,具体方法步骤同常住人口密度估算方法。首先,将街道尺度的流动人口数据分配到社区尺度。计算公式如下：

FPvt=∑FRti×POPvi（2）

式中： FPvt是位于t街道的v社区的流动人口; FRti是t街道的i类土地利用类型的流动人口比例; POPvi是v社区内i类土地利用类型的常住总人口。

然后,结合第二步估算出的社区总人口,计算社区尺度流动人口比例。计算方法 如下：

FRvt=FPvt/POPvt（3）

式中： FRvt是t街道的v社区的流动人口比例; FPvt是估算流动人口; POPvt是估算总 人口。

第四步,建立流动人口聚居区的双指标识别准则,包括流动人口规模和流动人口比例两个指标。

第五步,利用估算出的社区尺度人口数据和流动人口聚居区识别准则,识别出社区尺度流动人口聚居区。

北京是中国流动人口高度集聚的三大城市之一。北京市下辖16个市辖区,总面积1.64万km2。本文研究区是北京市六环路以内区域,以六环路为界,涵盖六环路以内以及六环路经过的所有街道和乡镇,土地面积3477 km2（图3）。通过人口空间化数据与研究范围的空间叠加分析发现,北京市六环路以内区域是流动人口主要分布区。2010年北京市六环内区域流动人口为634万,集中了北京市约90%的流动人口。

显示原图| 下载原图ZIP| 生成PPT

图3   研究区域

Fig. 3   The map of the study area

本研究采用的常住人口数据来源于《北京市2010年第六次全国人口普查主要数据资料》《北京市2010年人口普查资料——乡、镇、街道卷》《北京市2010年人口普查资料——流动人口卷》,常住人口包含本地户籍常住人口和外来常住人口,不包含半年以下的暂住人口。空间数据由北京市测绘设计研究院提供,主要包括北京市道路、水系、地名、行政边界等基础地理信息数据和2007年第二次全国土地调查数据（所有涉密数据在本文图文之间均未体现）。基于北京市第二次全国土地调查成果数据库,依据土地利用类型提取出北京市居住用地空间分布图（图4）。第二次全国土地调查数据是使用多源高分辨率遥感影像（包括0.2 m分辨率的航空遥感数据、0.6 m分辨率的快鸟遥感数据、10 m分辨率Spot遥感数据、4 m分辨率的中国资源二号和北京一号遥感数据等）,在农村地区以1:1000比例尺、城镇地区以1:500比例尺下进行解译、结合外业调查的数据库。

显示原图| 下载原图ZIP| 生成PPT

图4   北京市居住用地空间分布图

Fig. 4   The spatial distribution of residential land in Beijing

在北京市2010年人口普查数据和2007年全国第二次土地利用调查数据基础上,利用基于空间配置法的流动人口聚居区识别方法,对北京市社区尺度流动人口聚居区进行空间识别。经过土地利用类型划分、常住人口空间化和流动人口比例估算三个步骤,可以得到北京市分社区流动人口规模和流动人口比例。在此基础上,确定北京市分社区流动人口聚居区的判别阈值。经计算,北京市分社区流动人口平均数量是2043人（S.D.=5082）,流动人口平均比例是35.49%。基于双指标识别法,流动人口聚居区必须同时满足规模和比例两方面的要求：在规模总量上,满足流动人口数大于7125人;在比例上,满足流动人口比例大于47.12%。据此,可制作出北京分社区流动人口聚居区判别坐标系（图5）。位于流动人口聚居区判别坐标系第一象限的社区,即流动人口聚居区。经统计,流动人口聚居区共计120个,涉及30个乡镇/街道,面积405 km2,常住人口297万,占北京市六环内常住总人口的18.42%;涉及流动人口183.5万,占北京市六环内区域流动人口总量的28.96%;流动人口平均比例为65.29%。

显示原图| 下载原图ZIP| 生成PPT

图5   北京市分社区流动人口聚居区判别坐标系

Fig. 5   The coordinate frame of identifying floating population community in Beijing

本文利用正态分布概率密度函数和空间抽样法两种方法来验证基于空间配置法的流动人口聚居区识别方法的有效性。首先,从图6可以看出,北京市分社区流动人口规模基本符合对数正态分布,流动人口比例基本呈正态分布。利用正态分布概率密度函数可得,北京市分社区流动人口聚居区规模阈值（7125）的概率是6.68%,比例阈值（47.12%）的概率是15.87%。由此可以判断,北京市流动人口规模和流动人口比例两个指标在流动人口聚居区与普通居民社区二者之间存在较为显著的差异,即本文设定的流动人口聚居区阈值具有较高可信性。第二,从北京市流动人口聚居区空间识别结果中随机选取10个进行检验。通过实地调查获取10个样本区的流动人口规模和比例数据,并与估算结果进行对比。经对比,运用空间配置法估算的流动人口规模和比例的误差率均小于10%。这证明本研究构建的基于空间配置法的流动人口聚居区识别方法具有较高的有效性。

显示原图| 下载原图ZIP| 生成PPT

图6   北京市分社区流动人口规模和比例频率直方图

Fig. 6   The frequency histogram of size (a) and proportion (b) of floating population at the community scale in Beijing

3.2.1 区位分布特征 根据城市空间关系,将北京市城区划分为中心城区、近郊区和远郊区三个圈层。其中,中心城区包括东城区和西城区,面积92 km2;近郊区包括石景山区、海淀区、朝阳区、丰台区,面积1276 km2;远郊区包括六环路以内的房山区、门头沟区、通州区、昌平区、顺义区、大兴区的部分街道和乡镇。从识别结果看,北京市流动人口聚居区主要位于城市近郊区,尤其是四环路至六环路之间,呈环形结构（图7）。流动人口聚居区的环形结构与北京市城市边缘区的空间地域范围相互吻合。城市边缘区具有土地价格较低、房租便宜、公共交通相对便捷、房源充足、行政管理相对宽松、城乡过渡性地域文化等区域特征。这与流动人口较低的经济收入水平、有限的交通成本支付能力、农村地域文化背景等个体特征构成稳健的供需关系,共同促使城市边缘区流动人口聚居区的发育和演化。由于北京市城市拓展方向以环路为基,从中心城区向外呈圈层状拓展,由此导致流动人口聚居区呈现与环路方向一致的环状结构。

显示原图| 下载原图ZIP| 生成PPT

图7   北京市分社区流动人口聚居区空间分布图

Fig. 7   The spatial distribution of floating population communities in Beijing

城市近郊区集中了60%以上的流动人口聚居区,吸纳流动人口高达109万人;远郊区集中了约30%的流动人口聚居区,吸纳流动人口67万人。值得注意的是,北京市中心城区未识别出流动人口聚居区。其主要原因有二：一是中心城区人口密度极高,导致流动人口规模虽然不小,但是所占比例相对较低,不能达到流动人口聚居区的识别标准;二是与全国其他特大城市不同,北京市中心城区以“城中村”为代表的廉价住宅较少。“城中村”是高速城市化进程中,部分政府采取“获取农村耕地、绕开村落居民点”的城市土地开发政策,导致城市边缘区的农村耕地被大量占用、村民仍留在农村宅基地居住的一种半城市化或不完全城市化现象[32]。城中村大量廉价的出租房屋,成为低收入流动人口进入城市的首选落脚地。2005-2008年期间,为了迎接2008年北京奥运会,北京市政府集中整治了奥运场馆和四环路以内的171个城中村。2009年底,北京市再次开展城中村整治改造工作,50个重点改造城中村中的38个位于中心城区。大规模、持续不断的城中村改造工作,导致北京市中心城区几乎不存在城中村,进而导致流动人口很难在中心城区找到支付能力范围内的廉价住宅。

3.2.2 空间集聚特征 通过测算空间关联局域指标（Local Indicators of Spatial Association,LISA）显著水平,利用Local Moran's I统计量计算流动人口的空间集聚程度。基于此,采用等间距法将区域划分为三个类型：流动人口集聚分布区（Local Moran's I的标准化值>0.667）、流动人口分散分布区（Local Moran's I的标准化值