蘇州工業園區吧
產城融合哪家強？
蘇州工業園區 VS 蘇州高新區
大資料視角下的蘇州工業園區職住及通勤研究
前言
本文研究觀察到的三個總體現象：
1.蘇州工業園區工作人口的區內職住比例高於蘇州高新區。
2.蘇州工業園區工作人口的近距離通勤比例低於蘇州高新區。
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：區內工作人口的職住比及通勤距離研究
本文依託手機信令資料和相關分析技術，研究蘇州工業園區（以下簡稱
園區
）內工作人口的
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
兩個指標，並將其與
面積
、
定位
、
區位
、
發展時間
相似的蘇州高新區（以下簡稱
新區
）同類指標進行對比，來初步研判園區的產城融合程度。
圖1：園區/新區區點陣圖
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
資料樣本
本次研究採用2019/3/1-3/31之間蘇州手機信令資料，分別以園區/新區行政範圍為電子圍欄進行工作人口（研究樣本）篩選，
將區內工作人口長期工作地與居住地之間距離大於500米的資料作為樣本物件
。經過資料篩選：
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：園區內工作人口的職住比約為63%，高出新區約4%。
1.園區內工作人口的職住比為63%，新區內為59%；
2.園區各類收入層次工作人口的職住比均高於新區。
圖4：兩個園區職住佔比
職住空間集聚分析
觀察02：園區和新區均呈現出產業體系向高階轉型的人口空間分佈結構性特點，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、奈米技術應用等產業的發展，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，區內工作人口主要佈局於東接蘇州古城的一側；園區地形地貌更加規整，區內工作人口空間分佈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佈示意
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徵。
圖6：新區低中高收入工作人口居住地分佈示意
園區
低收入工作人口的居住地分佈相對較散，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，並形成多個聚集區域。
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佈示意
職住通勤距離分析
觀察04：園區工作人口通勤距離在5公里以內的人數比例低於新區，5公里以上通勤距離的人數比例高於新區。
圖8：新區/園區各類職住通勤距離佔比
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，產城融合度更優；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徵明顯，產城融合度相對偏弱。
注：工作人口居住地、工作地聚合度採用KMeans演算法進行最佳化：
（1）分別從新區和園區工作人口的工作地/居住地經緯度座標中隨機選出300個數據作為質心座標（聚類中心）；
（2）測量每個資料經緯度座標到每個質心座標的距離，並將其歸之於最近的質心的類別；
（3）重新計算已經得到的各個類別的質心座標；
（4）迭代（2）~（3）步，直至新的質心與原質心相等或小於指定閾值，演算法結束。
即最後得到300個工作地/居住地的聚合點，並基於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）綜合開發研究院產城研究中心和山川大資料共同完成