大数据背景下的通勤模型构建与应用——以上海市为例

摘要

基于传统抽样调查数据构建通勤模型,由于数据精度和覆盖率等问题,难以准确反映通勤活动的空间异质性.大数据环境下,数据具有大样本、高精度、全覆盖等优势,可采用分单元建模,构建结构简单精准度高的模型.本研究基于手机信令数据,构建上海市分出发地单元、只包含就业岗位数量和通勤时间变量的基础模型.其次分析模型残差并提取系统变量,形成优化模型.最后对剩余残差进行局部空间自相关分析,生成残差自变量,形成残差模型.通过上海市就业空间布局优化和虹桥商务区就业岗位模拟两个案例展示了模型的应用价值.本研究在方法层面探索了“基础模型-优化模型-残差模型”的大数据建模路径,在应用层面可为城市职住空间优化布局提供技术支撑.