“潜力在哪儿”这个问题牵动着无数漂泊的心。一个人的朋友圈足以影响其一生,一个城市地理空间上相依相偎的“朋友圈”同样可以决定它的价值。本文将从通勤视角,从城市“朋友圈”的角度探索这个问题的答案。
今年早些时候,都市圈研究中心开展了《极限通勤》系列主题研究,发现在中国,占通勤时间top10%的极限通勤现象已经成为人们心中的痛,特别是在像北上广深这样的一线城市,极限通勤已经成为漂泊的奋斗者们每天早晚奋斗的一部分。如果给这群人再分个类,大致有两类:一类人每天奔波数小时,像罐头里的沙丁鱼般挤公交,寒来暑往,在下就属于这一类;另一类人定期往返大小城市,圈长身边有很多这样的人,他们每周周五走,周日回,如此往复,直到地老天荒。
面对居高不下的房价以及一涨再涨的租金,我们一退再退,从大城市的边缘退到了更边缘。那么问题来了,退到哪去哪里才是乐土!有人会说:“退到哪是哪呗,上班别太远就行。”也有人会说:“只要交通便利,住哪都行。”接着这个话题,今天讨论的重点就是,找寻大城市周边值得托付未来的乐土,就是发展速度快、生活环境好、房子能保值,blablabla,的地方,学术点讲就是,价值洼地!
1.长三角跨行政区通勤网络雏形已经形成
开篇一张图,内容全靠编,不,全靠写。国际惯例,先上图!
图1 长三角地区通勤图
圈长整理了长三角地区三省一市,共306个区县之间的通勤率数据,并将通勤率不低于1%的区县连接起来,用不同的颜色和粗细代表不同水平的通勤率。在这里,a区域到b区域的通勤率定义为:居住在a区域并且工作在b区域的人数占a区域总人数的比重。
那为什么展示的通勤率是不低于1%而不是10%、0.1%呢参考隔海相望的邻居日本,他们将中心城市周边市町村划入都市圈的阈值确定为了1.5%,秉承着取其精华、去其糟粕的理念,结合我国的国情(人太多),圈长们最终商定了一个具有中国特色的通勤率阈值——1%。
这里提到了都市圈的概念。日本学者木内信藏1951年提出了城市地域分异的“三地带学说”,认为大都市圈由中心地域、城市周边地域和市郊外缘广阔腹地三部分组成。近年来,越来越多的国人开始关注并重视都市圈,社会各界普遍认为都市圈是我国城市化进程的主要方向。
(一)核心城市能级高、虹吸效应显著
图1显示,深色粗线大都集中在城市中心,这意味着人们大都喜欢在城市中心通勤,还可以发现,城市外围的人也喜欢向城市中心聚集,毕竟人都喜欢往“高”处走,这就是城市中心虹吸效应的体现,而核心城市体现出来的虹吸效应则更为显著。
在长三角地区,可以称的上是核心城市的有上海、南京和杭州,最多再加一个合肥,一个苏州,一个宁波。图1告诉了我们,这三个“大佬”级城市在各自区域的吸引力有多大。上海就不用多说了,它不但吸引了核心区域周边的同市区县,还吸引了嘉兴、苏州这样的外省城市;再如南京,滁州、镇江和马鞍山也被吸纳进了南京都市圈,又如杭州,还招揽了湖州、绍兴和嘉兴这样的小兄弟们加入杭州都市圈大家庭。这表明,以上海、南京、杭州为核心的都市圈辐射效应已显现,核心城市对周边城市的人口虹吸效应较为明显。
(二)紧密通勤网络初长成
除此之外,根据图1的展示结果还可以发现,长三角地区的日常通勤大都集中在各地级市内部,很少有突破行政区划范围的通勤出现,相比之下,可以明显的看到长三角地区已经形成了2个联系紧密的通勤网络,分别是:
1. 合肥-马鞍山-芜湖-宣城-南京-滁州-镇江-常州-无锡
2. 湖州-苏州-上海-嘉兴-杭州-绍兴-宁波
值得注意的是,这里所说的通勤网络并不是严格意义上的通勤圈,而是在1%的通勤率水平下已经连通的区域组成的网络。因此,这不代表通勤网络中的所有城市都已经形成了较大范围的日常互通,只是说这些城市之间已经通过某个或者某些重要的节点形成了联通,也就是社交网络概念下的连通。
这表明,在长三角地区,突破行政区划范围的日常通勤网络已初具雏形,并且我们有理由相信,在不久的将来,随着交通基础设施越来越完善,经济协作越来越密切,我国都市圈化发展将不断加速,跨行政区划的通勤网络会越发壮大,而那些起到连通作用的重要节点城市将在这一过程中起到关键性的作用。
2.长三角地区的三大“朋友圈”正谋求大融合
参考发达国家都市圈划定标准,华夏幸福产业研究院都市圈研究中心确立了一套具有“中国特色的都市圈划定标准”,划定的都市圈范围从内圈层到外圈层分别称为城市核、城市圈以及都市圈,用由浅到深的颜色表示(见图2和图3)。本文只引用我圈划定的都市圈范围,而不涉及具体的划定方法,具体的划定方法另文再聊。
(一) 苏锡常并没有那么相亲相爱
苏锡常都市圈包括苏州、无锡和常州三个城市。这三座在江南版图上由东向西并排着的城市都是我国重量级的繁华都市,其中苏州坐拥1068万人口,创造17320亿元gdp,是当之无愧的“大哥”;无锡的493万人和10512亿元gdp以及常州的472万人和6620亿元gdp稍逊一筹。
看数据结果,比较特别的是,已形成的两个通勤网络雏形正是以苏州和无锡、常州为分界的,这说明无锡和常州有一定通勤联系,比较亲近,而他们与苏州之间通勤联系并不紧密,没有想象中的相亲相爱。虽然不能完全找到其中的缘由,但我们仍然可以窥探一二。一方面,苏州、无锡和常州不论从经济还是人口的体量上看,都已经达到了大城市的水准,所以虽然三地紧邻,但依然无法相互吸引;另一方面,苏州与能级更高的上海毗邻,相比无锡和常州,上海的吸引力不知道高到哪里去了。
苏锡常地理位置相当优越,北邻南京,南交上海、杭州,怎么看怎么有潜力,相信在未来,不论苏锡常都市圈内部如何交流,但有一点是值得肯定的——苏锡常的蓬勃发展是必然。
(二)两座历史文化名城期待相互交融
图2 合肥、南京都市圈
南京——六朝古都,合肥——三国故地,两座历史文化名城之间隔着滁州和马鞍山——两座安徽的城市。如今的现实状况是,隶属于安徽的这两座城市的人民更青睐江苏的南京,而非同根的合肥。可以看到,合肥都市圈和南京都市圈的联系十分不紧密,虽然相隔不远,但两个都市圈几乎是独立的,纵使都市圈内部联系纵横交错,但两者之间仅有一条纽带联系着彼此,这就是“巢湖-含山-和县-浦口”走廊。值得一提的是,根据我们的都市圈范围划定方法,“含山县”正好位于合肥都市圈和南京都市圈的交界地带,至于这是如何确定的,这是另一个话题,另文会解释。
总而言之我们期待着未来能够有更进一步的交融。
(三)杭州湾憧憬交流更进一步
图3 上海、杭州、苏州、宁波都市圈
相比合肥和南京这两座历史文化名城,长三角的另一个富庶的区域——杭州湾各城市间的沟通与交流就显得更加自然与频繁,他们之间已经形成了一定程度的交融。包裹杭州湾的城市大军是以追求卓越的上海、被誉为人间天堂的苏杭以及港通天下的宁波为核心的都市圈,而地处杭州湾中心区域的嘉兴作为沪杭苏甬的小兄弟,当仁不让发挥了沟通桥梁的作用。例如,g60科创走廊连通了沪杭,促进了沪杭之间的经济与人才的流动;苏州的吴江与嘉兴的秀洲之间相互联系沟通了苏杭。另外,苏州昆山和太仓与上海的青浦和嘉定联系紧密,促进了苏州和上海的相互联系。
似乎,杭州湾各城市之间的交流与发展与宁波半毛钱关系都没有,人家沪杭苏之间的日常通勤如江水般川流不息,还顺便带了一把小弟嘉兴,旁边的宁波像是一个被孤立的外族人,日常的来来往往几乎只在本市范围内进行,仅有的络绎不绝也只存在于余姚和上虞之间。这或许是因为宁波太远了吧,那如果杭州湾上再多一座沟通宁波和上海的大桥,会不会有所不同呢特别憧憬着未来有一天,杭州湾能够变得“浑然一体”,或许到那时候,杭州湾也是能叫得响的世界级湾区了。
3.寻找高能级城市连绵区的潜力区域
前菜品罢,正菜将至。前面的文字着重于通勤网络的描述分析,接下来的文字将属于价值洼地的探索。在进入主题之前,先郑重推出故事的主角——特征向量中心性。特征向量中心性是度量复杂网络中节点重要程度的统计量,如果相邻节点(指的是由边相连的节点)越重要,那该节点就越重要。google的pagerank的设计灵感也来源于斯。直白点说就是,厉害的人物,他的朋友一般都很厉害。换言之,如果你的朋友都很厉害,那你就很有可能成为厉害的人物。因此,特征向量中心性得分越高,说明节点的重要程度越高,基于这个思想,圈长将特征向量中心性这一概念引入到了探索价值洼地的工作中。
(一) 沪宁杭区域已形成一个节点城市能级高、城市之间联系紧的连绵区
废话不多说,还是先上一张图。
图4 特征向量中心性得分图
这张图展示了长三角地区306个区县的特征向量中心性得分情况,得分随着颜色的由浅到深逐渐升高,可以非常明显地看到,高分(95+分)区域主要集中在沪宁杭区域。圈长认为,可以有两个方面的原因:一方面,沪宁杭区域节点城市自身能级较高;另一方面,这些重要节点城市相互联系十分紧密。
前面提到过,一个节点城市的特征向量中心性得分越高,说明这个节点城市的“人际圈”越牛x,圈长带大家一起看一下得分排名靠前的区县都有哪些,符不符合大家的认识。
表1 得分95+的区县基本情况表
图5 各省市得分95+的区县数量
结合表1和图5可以读出以下信息,上海的16个区县中有15个得分95+,仅崇明区的得分低于95分,为83.43分。从省级层面看,江苏省的96个区县中,25个得分95+,浙江省的89个区县中17个得分95+,而安徽省的105个区县中仅3个区县95+。从市级层面看,江苏的三个城市——苏州、南京和无锡95+区县最多,然后是浙江的三个城市——杭州、嘉兴和宁波。
从整体来看,得分95+的区县大多为直辖市、省会城市核心区域,经济社会发展水平相对较高,而且在国家长三角一体化战略的督促下,这些区域之间的联系变得更加密切,所以特征向量中心性得分就展现出了这样一种地域分布特征。所以,从通勤视角看,以上海、杭州和南京为核心的长三角地区已经形成一个节点城市能级高、城市之间联系紧的连绵区。
(二)强大的“朋友圈”是自身强大的助推器
根据前文的描述,应该已经对特征向量中心性得分高的区域有了一个模糊的画像,为进一步探讨与特征向量中心性得分最相关的社会经济指标是什么,圈长又分别计算了特征向量中心性得分与人口指标、经济指标以及房价租金数据之间的斯皮尔曼相关系数,见图6。在这里之所以使用斯皮尔曼相关系数,是因为指标间的相关性不一定是线性的,很可能是非线性的,而斯皮尔曼相关系数作为一个比皮尔逊相关系数更加稳健相关系数,在刻画非线性相关关系时更加有效。
图6 相关系数矩阵图
从相关系数矩阵图看,与特征向量中心性得分(图中为“eigenvector评分”)相关性最强的是gdp,斯皮尔曼相关系数高达0.81,属于强相关关系,其次是租金、gdp密度和房价,相关系数分别为0.72,0.70和0.68。相比经济水平,人口规模与得分相关性并不高。这个结果告诉我们,得分高的区域,经济水平会相对较高。这说明什么这表明,区县的“朋友圈”是靠谱的,和强大的区域“交朋友”会让自己也变的强大!这一点尤其体现在经济上。鉴于这一发现十分符合认知和逻辑,故而我们可以利用特征向量中心性得分来挖掘潜力区域,即价值洼地。
(三)可能的价值洼地
根据上述规则,圈长从特征向量中心性得分95+的区县中筛选了gdp排名50+的区县,见表2。
表2 得分95+且gdp排名50+的区县
既然筛选标准是得分95+且gdp排名50+,那么这些区县在“交友”方面的水准自然是一流的,但在经济水平上却可能是“拖后腿”的。这份名单中包含了上海、南京、杭州、苏州、宁波、合肥的核心区,这很可能是由于核心区面积太小,导致了这些区域的gdp水平没有看上去的那么高,但实际上,这些区域的经济发展水平是很高的。那么,用gdp密度(gdp/陆地面积)度量经济发展水平怎么样这听上去是个不错的选择,但实际上这也是不公平的,因为有些地方就那么大装不了太多人,一旦装满,经济发展也就遇到了瓶颈;而有些地方特别大,而且gdp水平极高,但被陆地面积bia叽一下除掉了,经济水平看上去一下子下降了很多,你能说这些地方经济发展水平不好么当然不能!因为这些地方代表了希望,代表了发展的可能性,有地、有人,才会有经济。
这就是为什么圈长给这一节的标题取名为“可能的价值洼地”的原因。特征向量中心性得分一个指标终究无法刻画一个复杂的经济社会的运行模式,更完善的方法需要更进一步的探索,但特征向量中心性得分给了我们一种新的视角来探索价值洼地。
本文写到这里就告一段落了,感谢各位花宝贵的时间阅读本文,反正圈长已经开始期待下一次相遇了,手动滑稽脸,未完待续……
数据来源:华夏幸福产业研究院、高德地图、统计年鉴等。
关注公众号并回复数字“102”,获取本期21篇产业观察全文。
