BMW卓越城市｜陆铭：数据研判城市，不能止于表面描述

我们每个人都生活在城市，可是我们每个人对城市都那么了解吗？我们先从最近这场新冠疫情开始讲起。

2020年的新冠疫情冲击了全球。大家有一种感觉，好像有一些大城市，人口密度高的地方，新冠疫情暴发得也比较严重。

那么，高密度的城市发展，是不是错了呢？

从不好的方面来讲，更高的人口密度，当然，意味着人和人之间更加频繁的接触。它也会导致疫情传播。但我们往往忽略掉这件事情的另一面。那就是，更高的人口密度同时也意味着更好的经济发展，其实有利于疫情的防控以及疾病的治理。那么，到底人口密度所起的作用，哪一个有更大的影响呢？我们就需要借助数据来进行研究了。

接下来，我给大家看一张图。横轴是每一个城市的人口密度，而纵轴是这个城市的感染率。我们把每一个城市跟武汉之间的经济联系，通过用大的客车流或货车流这样的数据来进行控制。剩下的这样一个关系，就体现出，其实人口密度更高的城市，反而新冠疫情的感染率是越低的。

这是不是有点让大家意外？

这就说明，在疫情防控当中，其实我们只需要把社交意义上的人口密度进行控制。那么，平均的人口密度所发挥的，是有利于新冠疫情防治的这么一种积极的作用。

用数据看拥堵城市病

在我们城市当中，存在各种各样的问题。大家通常所讲到的城市病，有另一个更加重要的问题，就是城市的拥堵。

我们如何看待城市的拥堵呢？我也从数据开始。现在我们有大量手机APP，可以记录大家的行踪。于是我们可以比较方便地，用大数据来统计每一个城市的平均通勤时间。

这里要给大家看一张图。这张图上的横轴是每一个城市的人口规模，而纵轴就是每一个城市的平均通勤时间。这张图告诉大家，的确，人口越多的大城市，平均通勤时间要高一点。但是请大家注意，高的幅度其实非常小。这张图显示出，人口规模增加了一倍，通勤时间仅仅增加10%，相当于两分钟多一点。

而且，我还要告诉大家，如果我用美国的数据来画这样一张图，得到的规律和结果，几乎跟中国的情况一模一样：也是人口翻一倍，平均通勤时间仅仅增加两分钟左右。

所以这意味着，其实一个城市的人口增多，并不像大家想的那样，会大规模地、大幅度地增加拥堵。

为什么会这样呢？因为在城市人口增加过程当中，自己就会发生一些调节。比如说住得近一点。城市的人口密度高，也不是一件很坏的事情。有的时候，高密度恰恰有利于控制城市拥堵。出去买东西，或者会朋友，是不是，因为人口密度高了，大家的距离其实就缩短了？这个时候，通勤的时间和成本都会下降。

我们在城市里发展基础设施，比如地铁这样的通勤工具时，有一个非常重要的原理，叫做规模经济。

如果地铁造好了，它的成本几乎是固定的。如果有更多的人去乘地铁，平均的地铁运营成本就会下降。这个时候，人口密度比较高的一些城市，就比较容易建设起来一条四通八达的地铁网络。

所以，在大城市里，大家的出行更加依赖于公共交通，尤其是地铁。这个时候，城市的基础设施也可借助于人口规模所产生的规模经济效应，来缓解城市的拥堵。

很多人都认为，外来人口增加，带来城市人口规模增长，可能是拥堵产生的原因。那么，真的是这样吗？接下来，我们仍用数据来说话。

我给大家看一张图。在这张图上，我们有两条线，其中横轴用来度量城市人口规模，而纵轴仍是城市的平均通勤时间。的确可以看到，城市人口增加，会小幅增加大家的通勤时间。有趣的是下面这条线，你可以看到，随着城市外来人口增加，其实城市平均通勤时间几乎没有发生任何变化。

换句话来讲，如果我们以为，是外来人口增加了城市拥堵，在政策上以为控制住外来人口，就可以把城市拥堵问题给解决，恐怕还真的下错了药方。

甚至可以这样讲，如果你真相信人口规模增加会带来拥堵，可能还真的不是外地人带来的，恰恰是本地人带来的。

那么，为什么外来人口的增加并没有给城市增加过多的交通负担呢？我们的数据分析显示，那是因为，大量外来人口在城市里居住的时候，会选择租房。其实，租房地点就离自己的工作单位比较近。

职住分离与拥堵

要讨论拥堵的形成，就必须理解城市的空间结构。在城市的空间结构里有一个话题，可能是导致城市拥堵非常重要的原因，那就是职住分离。大量的城市居民，居住的地点和上班的地点中间是有一段距离的。这个时候就需要通勤。

现在给大家看两张图。我们用大数据的方式来给大家展现，上海这样一个非常有代表性的国际大都市的职住分离现象。其中，左边这张图就是上海白天人口的空间分布，白天有大量人口集中在中心城区，在干什么呢？在上班。为什么我们大量人口集中在中心城区上班呢？请大家注意，像上海这样的大城市，其实产业结构已经大量偏重在服务业。而服务业有个特点，需要在空间上面对面进行交流。因为服务业的大量产品是不可以运输和储存的。

那么，在一个城市中，什么样的地方更有利于大家方便地见面呢？什么样的地方更有利于企业把自己的服务提供给整个城市的其他居民呢？很容易理解。那就是市中心。所以，大量就业岗位布局在城市的中心，我们每天需要到中心城区上班。

但恰恰由于大量中心城区的土地和住房被一些企业占据用于生产。所以我们的普通市民可能有一部分要选择居住在城市郊区。在夜间，上海人口在空间上怎样分布的？你可以看到，有不少人选择居住在城市郊区。

我们会发现，出现潮汐式人来人往的通勤，而这种职住分离就构成了我们在城市当中的拥堵问题。这种居住在郊区又在市区办公的现象，是大量就业岗位集中在中心城区而导致的。

在我最近的研究当中，我跟我的学生一起，用大数据刻画了在城市的职住分离的状态。

这张图上，颜色越偏暖色的地方，就是职住分离比较严重的地方。而偏冷色的这些地方，就是职住分离没有那么严重的地方。你们可以非常清楚地看到，大量红色的地方，布局在城市外环。而中心城区就比较偏绿色，说明的确有大量居民住到城市外围。而且，在城市的郊区部分，有很多所谓地铁房的概念。

现代服务业的发展，是以促进知识的传播和创新来作为城市发展的动力的。因此，大量从业者需要到市中心就业。

我来给大家看一下，早高峰的时候，人都是怎样通勤的。手机数据可以比较清楚地表明，你从哪里出发，又到哪里去上班。最左边这张图定义的，是那些上班在上海内环的人群。而这些有颜色的线条就表示大家通勤的轨迹。可以看到，大量上班在上海最最中心的内环的人，早上出发点都在城市郊区部分，是长途通勤的。

第二张图记录了上班地点位于内环和外环中间的那些人群。这部分人群其实很少居住在上海的内环以内。但大量在这个位置上班的人，是居住在城市的郊区。

好了，接下来再看第三类人群。他们的上班地点在城市的外环以外。看他的上班轨迹，就会发现，其实这部分人群，也大量居住在外环以外。

好了，这就说明，我们每一个人对居住、就业的选择，是衡量了收入和房价之间的关系，之后做出权衡的结果。

对前两类人群来讲，他们收入可能比较高，就业质量可能也比较好。这个时候，要么选择居住在中心城区，付出比较高的房价。要么住到城市外围，这个时候，可能房价不需要那么高，但需要付出比较高的通勤成本和通勤时间。

第三类人群就做出另一种选择，就是宁愿居住在城市的外环以外，房价的确比较低，也不想长途通勤，就近就业。但这个时候，不好意思，可能必须得牺牲掉自己的就业收入和品质。

这就是我们通过大数据分析，来给大家展现的城市空间格局以及通勤模式。这背后的职住分离，就是我们前面讲到的城市通勤拥堵问题产生的根本原因。

这个时候，就会带来另一个现象，叫地铁房。相对来讲，当你居住在郊区的时候，你仍然不希望早上通勤成本那么贵，这时你会选择住在地铁站周围。不好意思，当这样选择时，你也需要付出更高代价。这个代价就催生了地铁房的概念。

居住与公共服务的分离

好，我前面讲到的是城市的职住分离和拥堵之间的关系。我们在理解城市空间结构时，还有一个问题特别值得注意。那就是居住和公共服务的分离，这是导致城市拥堵的另一个原因。

在北京和上海这样的大城市，城市人口增长非常快，城市面积扩张速度也非常快。但由于历史原因，有大量的优质中小学，集中在中心城区。

比如说，我给大家看一下北京的情况，在这张图上，大家可以看到，用圆圈标示出来的一些优质教育资源，其实主要集中在三环，最多是四环以内。

我来给大家看一张图。在这张图上，纵轴是北京的交通拥堵指数，越往上就是拥堵越严重，而越往下就是交通拥堵有所缓解。

在这张图上面，有很多交通拥堵的低点。这些是什么时候？学生放寒暑假的时候。每到放寒暑假的时候，家长就不再需要开车，送自己的孩子长途去上学了。家长的选择是，尽量让自己的孩子在市中心的优质学校上学，但买中心城区的房子太贵，就算买，就买一个小小的学区房。但小房子不够住，所以到郊区去买或租一个大房子，每天早上开车送自己的孩子上学。

那么，这对城市的拥堵有多严重的影响，就需要进行数据分析。

根据我们的研究，在假期，孩子不需要上学了，城市拥堵指数比非假期孩子需要上学的时候，缓解20%、甚至30%。换句话讲，在北京这样的大城市，可能有20%到30%的拥堵，其实跟人口总量没什么直接关系，而是由于公共服务和教育这样的资源，跟居住之间出现了空间分离导致的。

很多人，包括政府的政策制定者认为，城市人口高密度不是有利于缓解拥堵，而是增加拥堵的。放眼一看，在城市里，哪里人口密度最高，哪里拥堵问题最严重呢？就是中心城区。如果不看数据，不去分析城市的内部空间结构及其形成的机理，政策上就很容易导致另一个结论，就是要疏散城市的中心城区人口。

那么，疏散人口的一个办法是什么呢？就是城市更新，通过把城市中心的一些地块进行功能再造，使它不再承载居住功能。这样一来，中心城区住房少了，人们就很自然地选择搬到郊区居住。

那么，它到底会导致什么样的结果？真的能够缓解城市的拥堵吗？

我们同样来看数据。首先，我们来看一下北京的城市人口在空间上怎样分布。可以看到，北京中心城区，西城区、东城区，它的人口在整个北京所占的比重是下降的。换而言之，北京还真的像很多人所想像的那样，出现了中心城区的人口向外围疏散。

这种疏散是怎么实现的呢？随着城市居民收入水平提高，大家可能觉得，城市中心城区的房子太小太旧了，不想住在那里。这个时候，我们会看到，人会自主选择搬到郊区，相对来说，居住环境比较好，房子比较大。

但我不得不提到城市公共政策的影响。在我们的研究当中，收集了一个数据。可以看到，在大概两年里，大量地块更新其实出现在北京中心城区。

我在这张图上还附了一张表格。可以看到，大概只有50%的地块仍然保留了居住功能。另外将近一半的地块，不再作为居住用地，而承载了类似基础设施、商业开发等这样的功能。居民面对中心城区更少的住房供应，就不得不搬到城市的郊区去居住了。

那么，由于公共政策和地块更新导致的这样一种人口疏散，会带来什么样的结果呢？我们也做了一项研究。

我们把北京居民分成两组。第一组是自己的家庭受到了地块更新的影响。第二组是没有受到地块更新的影响。

我们的研究显示，相对那些没有受到地块更新影响的北京居民，受到影响的居民，更换通勤起点的概率平均提高了超过三个百分点，而通勤起点到市中心的距离平均增加了超过1600米，早上通勤距离增加了超过500米。

大家可能觉得，500米好像也不是很远。注意，我这里讲的是平均值，在我的样本里，平均受到影响的居民增加了超过500米。它相当于我们整个样本中北京市居民通勤距离的7.3%。

大家这样想，我们那些大城市，出现了人口不断增长、城市面积不断增加的情况，不仅出于我们每个人的自主选择，我们的公共政策也通过中心城区的城市更新和地块更新，使得住房供应有所下降。这个时候，也逼着一部分人搬离中心城区，进入城市郊区。几十年下来，就会导致更严重的职住分离，以及居住和公共服务的分离，城市的拥堵就产生了。您还真的不能怨城市的人太多。

好的，通过今天这样的讲解，我们用大数据的方式，用数量分析的手段，来给大家展现了城市的空间结构，以及大量的城市问题，特别是拥堵问题，是怎样产生的。

总结一句话，我们在城市的发展当中，必须从供给侧去进行公共服务和基础设施的改进，以及城市的空间布局的改进，来使得我们城市的生活质量有所改善，同时又不牺牲经济的增长和社会的和谐。反之，如果我们片面地把城市的各种各样的问题归结为人太多，以此进行人口的控制，或者中心城区人口的疏散，导致的结果很可能是事倍功半——不仅不能有效治理城市病，反而有可能造成更加严重的城市的通勤问题。

在未来的城市治理当中，大数据的应用还有非常广阔的空间。不仅是认识人的行为，或者是追踪疫情的传播，还需要理解城市中的活动的规律以及它的空间结构。这里就需要由社会科学家建立相应的模型来加深对城市的理解，改善城市治理。这方面仍然大有可为，谢谢大家！