Towards Sustainable Urban Spatial Structure: Does Decentralization Reduce Commuting Times?

Abstract

This paper contributes to the existing debate on the co-location hypothesis, by devising a proximity measure and controlling for a set of other urban form measures. Utilizing the LEHD (Longitudinal Employer–Household Dynamics) Origin-Destination Employment Statistics (LODES) data that provide the number of jobs by a finer geography, this paper measured the degree of centralization, proximity, and job–housing mismatch. Multiple regression analysis revealed that the job–worker proximity leads to a shorter commuting time. In addition, the results focusing on suburban areas revealed that the impact of the job–worker imbalance and the impact of job–worker mismatch on the commuting time are greater in the suburb in comparison with the city center.

Measuring urban economic resilience of two tropical cities, using impulse response analysis

“…Historically, economic growth and urbanisation share a complex yet dynamic relationship tied to firms locations decisions (Alonso, 1964), infrastructure development (Bairoch, 1988), transport infrastructure (Harris & Ullman, 1945;Floyd & Allen, 2002), employment (Castells, 1977:237;Hoffmann et al, 2019), land rent and rural-urban wage disparity (Gale et al 2005;Jiang et al,2012;D'Costa & Overman, 2014;Deng et al, 2010), and commuting distance to work (Angel and Blei, 2016;Kim and Choi, 2019).…”

Spatio-temporal variations of traffic congestion under work from home (WFH) arrangements: Lessons learned from COVID-19

“…The underlying jobs-housing imbalance, similarly found in many cities, has led to a strong uni-directional commuting flow to the central business district and severe congestion at strategic roads during peak hours ( Loo & Chow, 2011 ). For a long time, urban planners have tried to decentralize jobs and reduce excess commuting but without much success ( Kim & Choi, 2019 ). Though WFH during COVID-19 has aroused the attention of some scholars ( Vyas & Butakhieo, 2020 ), the effectiveness of WFH arrangement on relieving urban traffic jams has not been examined in close detail.…”

Characteristics of inter-city commuting and influencing factors in the Beijing-Tianjin-Hebei mega-region based on housing rental data

“…地 理 科 学 进 展 第 43 卷 itan)拓展到城市群(mega-region)尺度。无论是美国 2050 年大都市区规划 [21] ， 还是欧洲多中心城市群 (mega-city region)的发展战略 [22] ， 都一致认为跨城通 勤不仅有着更长的通勤距离和通勤时间， 还存在更 低的通勤率， 并且更依赖高速铁路和城际快轨等支 持。例如， 西班牙拉曼恰区域的案例研究发现， 借 助高铁的通勤距离甚至长达 220 km [23] ， 通勤时间长 达 1~2 h， 通勤率相应仅在 2%~5%之间 [24][25] 。因而， 城市群尺度的跨城通勤呈现出差异的特征， 在都市 圈尺度上的既有研究已不能完全概括跨城通勤的 全貌。 在描述跨城通勤现象的同时， 目前研究前沿聚 焦于两个主要话题： ① 基于流动空间理论， 以跨城 通勤的时空特征反推城市空间结构 [12,14] ， 或城市群 网络化的空间结构重构 [26][27] ； ② 基于通勤行为理论， 通过跨城通勤群体的行为， 揭示在高铁枢纽等重要 节点的购物、 休闲、 餐饮等通勤伴生活动特征 [28][29][30] 。 其中， 前者更注重空间结构分析， 后者更注重个体 视角的流动性行为研究。 近年来， 在个体层次的影响因素研究方面， 通 常涵盖了职住空间所在地相关的工资、 住房价格 等， 以及收入、 性别、 年龄等个体属性因素(表 1)。研 究结果通常显示， 居住地与工作地之间的工资 [3,16] 、 住房价格 [31][32] 差距越大， 通勤时间更长 [33] 。在这种 "价差" 吸引下产生两类跨城通勤群体： 一方面， 收 入较低的青年群体， 特别是新市民， 通常有着更长 的通勤时间 [5,[34][35][36] ， 他们期待获得更高的工资 [37][38][39][40][41][42] ， 并 节约住房成本 [43][44][45] ； 另一方面， 高收入 [46][47][48][49][50] 、 重视住房 质量 [51][52] 的人群也容易成为长时间通勤者， 其中男 性高管成为这类人群的典型画像 [53] 。此外， 相比市 内极端通勤， 跨城通勤还更加强调由于行政边界、 制度、 就业市场等差异带来的就业机会和住房价格 等差异 [45] 。 在跨城通勤影响因素中， 最近的研究普遍关注 到了空间异质性的重要作用。已有研究通常假设各 因素的影响空间同质， 然而对美国普吉特湾中部 [46] 及中国苏州-上海之间 [44] 的研究显示， 社会经济、 土地利用及通勤者个体因素在空间上存在着明显 的差异化作用。相似地， 中国京津冀城市群内各城 市发展水平、 功能定位的不同， 导致不同地区通勤 人群存在明显偏好差异…”

“…征 [64] 。来京的向心通勤规模约为去往天津的反向 通勤规模的 1.62 倍， 与已有研究中 1.35 及 1.8 倍的 结论近似 [65] [66] ； 而西班牙拉曼恰地区 [23] 及中国粤港澳大湾区 [67] 的通 勤廊道呈现出多向性、 网络化特征。 0 km 都市圈范围 [12][13][14][19][20] [69] ， 京石城际铁路 从保定和石家庄来京的通勤时间缩短至 40 min 和 85 min [70][71] 。 城市群都市圈尺度的跨城通勤距离与区域自身 空间范围有关。在国内城市群中， 京津冀的最远跨 城通勤距离与长三角城市群接近(约为 260 km) [17] ， 而大于粤港澳大湾区(约为 160 km) [72] 。相较于国外 城市群， 京津冀跨城通勤范围与西班牙拉曼恰区域 的 220 km 极限通勤距离接近 [23] ， 但小于美国加利福 尼亚州内的 200 英里(约 322 km)极限通勤距离 [34] 。 2.3 跨城通勤比率呈现随距市中心距离增加而递减 通勤率是已有都市圈边界划分研究的常用指 标， 如北京都市圈研究中采用的 5%双向联系率 [13] 、 5% [24] 或 10%通勤率 [19] 跨跃性飞地现象 [13,73] ； 而在依托高铁通勤的长三角 城市群， 通勤率分布同样具有飞地特征 [74] 。 产生正向影响 [52] 。同时， 欧洲意大利、 瑞士及亚洲 韩国的案例研究也显示出相似的结论， 住房价格、 工资差异将带来更长的跨城通勤时间 [32,10,5] 。 个人因素对跨城通勤时间存在一定影响。年龄 越小的群体， 越倾向于更长时间的通勤(β5=-0.046, P=0.001)， 与前人研究中年轻群体更倾向于长时间通 勤的结论一致 [5] 。而在性别 [53] 、 户籍 [75] 、 住房面积 [76] 方面， 与已有研究的差异在于并未对通勤时间造成 显著影响。…”

“…例研究中， 住房成本更低的上海周边地区， 对住房 成本效益和工资更加敏感的结论一致 [44] 。而天津与 此不同， 工资差更高的影响水平(β2″=0.129)(图 6b) 说明这部分群体的通勤主要动机是获得更高的工 资， 同时重视更好的住房质量或环境(β1″=-0.020) (图 6a)。在美国普吉特湾中部等研究中， 同样观察 到了在区域发展中心， 通勤者收入水平更高的同 时， 为了提高居住质量而极端通勤的现象 [46] 。 这些差异表明， 通勤行为特征因各城市间社会 经济、 土地利用等差异而有所不同 [77][78] 。作为城市 群核心之一的天津发展水平较高， 通勤者能够承担 更高的住房成本， 因而具有提高居住质量的通勤动 机 [79] 。而廊坊、 保定等地发展水平相对较低， 通勤者 对经济收支更加敏感， 故选择长时间跨城通勤 [80] 。 此外， 分析也显示了来自石家庄的通勤者均受到 租房价格差(β1′′′=-0.041)(图 6a)和工资差(β2′′′=-0.082) (图 6b)的负向影响。这可能与位于南部的石家庄与 北京功能互动程度不高有关 [81] 。石家庄的跨城通 勤时间影响因素有待进一步探究。 其中居住地到高铁站距离因素的中位数(β3′= 0.226)显示(图 6c)， 天津和石家庄依托高铁的通勤 者能够通过缩短与高铁站的距离有效缩短整体通 勤时间。同时， 仍有部分住在保定及廊坊的通勤者 (β3″=-0.242)可能受限于可达性等原因， 不依靠高铁 而转向私家车等其他通勤方式 [82] ； 或是其就业地与 高铁站在城市空间的区位不匹配 [52,83] [23] 及中国粤港澳大湾 区 [67] 多中心性、 网络化通勤不同的显著廊道特征。 京津冀城市群的跨城通勤空间范围大于粤港澳大 湾区 [72] 而小于美国加利福尼亚州 [34] ； 与长三角城市 群通勤率飞地化分布特征 [74] [2] Salas-Olmedo M H, Nogués S. Analysis of commuting needs using graph theory and census data: A comparison between two medium-sized cities in the UK [J]. Applied Geography, 2012, 35(1/2): 132-141.…”