面向交通需求預(yù)測(cè)的就業(yè)崗位密度多源數(shù)據(jù)分析方法
——以昆山市為例

李雪揚(yáng)，石 飛

（南京大學(xué)建筑與城市規(guī)劃學(xué)院，江蘇 南京 210093）

引 言

交通需求預(yù)測(cè)是交通規(guī)劃的重要組成部分，是銜接交通需求與供給的重要環(huán)節(jié)。作為交通需求預(yù)測(cè)模型的輸入數(shù)據(jù)，基于建筑面積的就業(yè)崗位密度指標(biāo)獲取是交通量分布預(yù)測(cè)的重要前提。

本文所述就業(yè)崗位密度，即不同用地類型上單位建筑面積所產(chǎn)生的就業(yè)崗位數(shù)?？梢哉f(shuō)，就業(yè)崗位密度是不同種類就業(yè)崗位與建筑空間相互關(guān)系的反映。然而，就業(yè)崗位密度精確數(shù)據(jù)的獲取困難，較大地影響了交通分析預(yù)測(cè)的準(zhǔn)確性。傳統(tǒng)的交通小區(qū)就業(yè)崗位密度數(shù)據(jù)獲取手段主要包括同類城市類比以及人口、經(jīng)濟(jì)普查等傳統(tǒng)調(diào)查方法兩種。傳統(tǒng)調(diào)查方法不僅獲取成本高，且存在著周期間隔較長(zhǎng)、時(shí)效性較差等問(wèn)題，難以滿足時(shí)間或空間精度需求較高的精細(xì)化分析。另一方面，“拿來(lái)主義”、“信念規(guī)劃”等主觀因素也影響著規(guī)劃科學(xué)性。各個(gè)城市的經(jīng)濟(jì)、人口、交通等情況千差萬(wàn)別，由于空間使用模式與區(qū)位高度相關(guān)，“借來(lái)的”就業(yè)崗位密度數(shù)據(jù)準(zhǔn)確度與精細(xì)度不足，可能導(dǎo)致交通需求預(yù)測(cè)產(chǎn)生較大誤差。

對(duì)于這一問(wèn)題，國(guó)外研究也指出，建筑面積是土地利用-交通整體規(guī)劃模型（ILUTM）的重要輸入數(shù)據(jù)，它不斷變化并導(dǎo)致了活動(dòng)區(qū)位、出行模式等的變化，非住宅和住宅建筑面積的使用則分別顯示了企業(yè)和家庭的空間消費(fèi)模式［1］。由于空間使用模式與區(qū)位高度相關(guān)，利用傳統(tǒng)的調(diào)查數(shù)據(jù)及“借來(lái)的”空間利用系數(shù)（SUC）則誤差較大。有研究表明，這些數(shù)據(jù)準(zhǔn)確度與精細(xì)度不足，以此來(lái)預(yù)測(cè)常出現(xiàn)數(shù)據(jù)間矛盾的情況［2-4］。因此，提出一種精細(xì)度與準(zhǔn)確度更高的單位建筑面積人口/就業(yè)崗位數(shù)估計(jì)方法勢(shì)在必行。

研究表明，用地類型、區(qū)位均對(duì)就業(yè)崗位密度產(chǎn)生影響。朱海明等通過(guò)聚類分析，發(fā)現(xiàn)崗位密度基本呈現(xiàn)出由內(nèi)向外逐漸降低的態(tài)勢(shì)，從不同類型的主導(dǎo)用地來(lái)看，就業(yè)崗位密度呈現(xiàn)出公建大于工業(yè)大于居住的特征；同時(shí)，同種產(chǎn)業(yè)不同行業(yè)之間的崗位密度也具有較大差異［5］。

而現(xiàn)有針對(duì)就業(yè)崗位分布預(yù)測(cè)的研究，多借助就業(yè)崗位與土地利用的關(guān)系實(shí)現(xiàn)。郭莉等［6］以深圳市用地和經(jīng)濟(jì)普查等數(shù)據(jù)為基礎(chǔ)，以社區(qū)為單位對(duì)就業(yè)崗位數(shù)與用地性質(zhì)進(jìn)行相關(guān)性分析與模型擬合，發(fā)現(xiàn)擬合后得到的就業(yè)崗位結(jié)果精度更高。同樣，王慧等［7］基于用地與經(jīng)濟(jì)普查數(shù)據(jù)，在得到分行業(yè)就業(yè)密度的基礎(chǔ)上，通過(guò)就業(yè)集聚指數(shù)分析法得到南京市主城區(qū)制造業(yè)和服務(wù)業(yè)的空間分布規(guī)律。任智等［8］以武漢市江岸區(qū)為例，在考慮可達(dá)性、建筑面積與人口和就業(yè)崗位關(guān)系的基礎(chǔ)上構(gòu)建了基于空間增量模型的人口與就業(yè)崗位分布模型。

不難發(fā)現(xiàn)，現(xiàn)有就業(yè)崗位密度與就業(yè)崗位預(yù)測(cè)研究多使用傳統(tǒng)數(shù)據(jù)。近年來(lái)，隨著各項(xiàng)信息技術(shù)的發(fā)展與日益成熟，越來(lái)越多的大數(shù)據(jù)能夠被獲取，尤其是手機(jī)數(shù)據(jù)可記錄居民逐日活動(dòng)范圍和活動(dòng)頻率的特性［9］，為更加精準(zhǔn)可靠的城市需求預(yù)測(cè)奠定了數(shù)據(jù)基礎(chǔ)。本文基于昆山市手機(jī)信令數(shù)據(jù)，通過(guò)回歸分析嘗試描述不同用地類型上建筑面積與就業(yè)崗位數(shù)的關(guān)系，以期為昆山市規(guī)劃實(shí)踐提供具體參數(shù)參考，并為其他城市提供一種相對(duì)準(zhǔn)確且簡(jiǎn)便的獲取適合自身城市特點(diǎn)的就業(yè)崗位密度方法。

1 研究范圍及數(shù)據(jù)準(zhǔn)備

1.1 研究范圍

本文選取昆山市中心城區(qū)為研究對(duì)象。昆山市地處江蘇省東南部，為江蘇省轄縣級(jí)市，由蘇州市代管，經(jīng)濟(jì)實(shí)力雄厚，已連續(xù)多年位列全國(guó)百?gòu)?qiáng)縣市之首。昆山市域總面積931平方公里，常住人口為2092496人（全國(guó)第七次人口普查數(shù)據(jù)）。研究范圍用地規(guī)模約140平方公里，研究范圍如圖1所示。

圖1 研究范圍示意圖

基站依據(jù)用戶的密度進(jìn)行布設(shè)，服務(wù)范圍半徑市區(qū)大約為100～500 m，郊區(qū)大約為400～1000 m。但由于基站服務(wù)范圍受到地形、建筑物等的干擾，可能出現(xiàn)手機(jī)終端在選擇基站時(shí)出現(xiàn)飄忽、重選等情況影響定位；同時(shí)避免以面積較小的基站服務(wù)范圍為研究單元導(dǎo)致每個(gè)單元內(nèi)各類用地規(guī)模為0的情況數(shù)較多而影響回歸結(jié)果。因此，本文將以基站集聚小區(qū)為研究單元，每個(gè)基站集聚小區(qū)包含若干個(gè)基站服務(wù)范圍。

基站集聚小區(qū)劃分參考Shi等［10］的基于手機(jī)信令的交通分析小區(qū)劃分方法，具體方法如下：（1）在ArcGIS中生成基于基站的泰森多邊形；（2）基站集聚小區(qū)的邊界應(yīng)與基站服務(wù)范圍形成的泰森多邊形邊界重合，以便于就業(yè)崗位數(shù)統(tǒng)計(jì)，并盡量減少長(zhǎng)條、彎曲、犄角等不規(guī)則形狀的基站集聚小區(qū)；（3）每個(gè)基站集聚小區(qū)應(yīng)包含5個(gè)以上的基站形成的泰森多邊形，以減小由于難以準(zhǔn)確判別基站實(shí)際覆蓋范圍所帶來(lái)的誤差，在基站密度較低的地區(qū)，這一數(shù)字不小于3個(gè)；（4）基站集聚小區(qū)數(shù)量盡量保持在80個(gè)以上，平均每個(gè)基站集聚小區(qū)的用地規(guī)模約為1～3平方公里，以應(yīng)對(duì)后續(xù)的回歸分析，用地規(guī)模大小視地區(qū)人口密度大小而定，人口密度大的地區(qū)基站集聚小區(qū)用地規(guī)模小。最終，本文1268個(gè)基站服務(wù)范圍被聚集至98個(gè)基站集聚小區(qū)，研究單元示意如圖2所示。

圖2 研究單元示意圖

1.2 數(shù)據(jù)準(zhǔn)備

1.2.1 手機(jī)信令數(shù)據(jù)

本文所用手機(jī)信令數(shù)據(jù)為團(tuán)隊(duì)科研項(xiàng)目獲取的研究區(qū)域中國(guó)移動(dòng)通信運(yùn)營(yíng)商2017年5月20～22日和6月1～10日共計(jì)13天的手機(jī)信令數(shù)據(jù)。昆山目前移動(dòng)用戶量達(dá)180萬(wàn)左右，占昆山總?cè)丝诘?0%。根據(jù)市場(chǎng)占有率及有效數(shù)據(jù)提取比例確定基礎(chǔ)擴(kuò)樣率，而后由人口特點(diǎn)進(jìn)一步確定不同類型人口擴(kuò)樣率修正系數(shù)，針對(duì)每類人口逐一擴(kuò)樣，匯總得到擴(kuò)樣后總?cè)丝凇Ｔ谕瓿蓴?shù)據(jù)脫敏、剔除冗余數(shù)據(jù)、合并乒乓數(shù)據(jù)、清洗漂移數(shù)據(jù)等前期預(yù)處理工作后，從手機(jī)信令數(shù)據(jù)挖掘研究單元的就業(yè)崗位數(shù)量。

本文假設(shè)就業(yè)者的工作地點(diǎn)固定，并選取工作日9：00～11：30以及14：00～16：30為工作時(shí)段，將工作時(shí)間段內(nèi)停留最久且日均停留時(shí)間大于2 h的基站作為就業(yè)者的工作地點(diǎn)（針對(duì)出現(xiàn)2天及以上的手機(jī)用戶進(jìn)行統(tǒng)計(jì)），進(jìn)而匯總統(tǒng)計(jì)每個(gè)研究單元的就業(yè)崗位數(shù)量。

需要指出的是，對(duì)于特殊的工作方式，如某些就業(yè)者僅上午或下午上班，或周末上班而工作日休息，或工作地不固定等情況，本文的就業(yè)地判斷及就業(yè)崗位數(shù)統(tǒng)計(jì)方法無(wú)法有效統(tǒng)計(jì)，故僅考慮最普遍的8 h工作制及擁有固定工作地的就業(yè)者。

根據(jù)手機(jī)信令數(shù)據(jù)推算的2017年昆山市域人口為208萬(wàn)，該數(shù)值與2017年昆山市國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)中統(tǒng)計(jì)的人口數(shù)205.9萬(wàn)的誤差很小，表明利用手機(jī)信令數(shù)據(jù)統(tǒng)計(jì)研究范圍內(nèi)各單元就業(yè)崗位數(shù)具有較高的可信度。

1.2.2 用地建筑數(shù)據(jù)

本文選用的城市用地建筑現(xiàn)狀數(shù)據(jù)來(lái)源于昆山市規(guī)劃局提供的城市建設(shè)用地現(xiàn)狀資料，其屬性字段如表1所示。用地現(xiàn)狀數(shù)據(jù)的用地類型依據(jù)《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)（GB50137—2011）》劃分，共計(jì)35個(gè)類別。考慮到可能存在建筑被基站集聚小區(qū)邊界穿越，即一個(gè)建筑被劃分在兩個(gè)基站集聚小區(qū)的情況，故統(tǒng)一將該類建筑面積一分為二分別統(tǒng)計(jì)至兩個(gè)基站集聚小區(qū)。

表1 用地建筑數(shù)據(jù)字段描述

2 基于手機(jī)數(shù)據(jù)的就業(yè)崗位密度模型構(gòu)建

2.1 土地利用與就業(yè)崗位關(guān)系

土地資源是一個(gè)城市經(jīng)濟(jì)和產(chǎn)業(yè)開(kāi)展的必要載體。對(duì)于公共設(shè)施、商業(yè)、工業(yè)等空間，其主要功能為滿足人們?nèi)粘Ｈ缟习嗌蠈W(xué)、購(gòu)物等社會(huì)活動(dòng)的需求，不同用地性質(zhì)的土地上承載著具有不同勞動(dòng)力特征的產(chǎn)業(yè)，其所產(chǎn)生的就業(yè)崗位數(shù)也有所差別。

由于任何社會(huì)經(jīng)濟(jì)活動(dòng)都發(fā)生在建筑空間中，因此在土地-交通整體規(guī)劃模型中，建筑空間被看作一種商品，可被社會(huì)經(jīng)濟(jì)活動(dòng)所消費(fèi)［11］?？梢哉f(shuō)，所有的社會(huì)經(jīng)濟(jì)活動(dòng)其產(chǎn)生的根本為人的需求，在同種類型用地中，建筑面積越大，社會(huì)經(jīng)濟(jì)活動(dòng)量越大，其產(chǎn)生的就業(yè)崗位就越多。因此，就業(yè)崗位與消費(fèi)的建筑面積之間存在線性關(guān)系。在實(shí)證研究方面，余碧琳［12］據(jù)此提出空間消費(fèi)系數(shù)概念，即空間消費(fèi)系數(shù)=建筑總面積/人口數(shù)（就業(yè)崗位數(shù)），基于此構(gòu)建了武漢市人口與建筑面積的定量預(yù)測(cè)模型，以此預(yù)測(cè)建筑空間總量。通過(guò)對(duì)比建筑空間總量估計(jì)與實(shí)際值，發(fā)現(xiàn)誤差很小。根據(jù)人口或就業(yè)崗位與建筑面積線性關(guān)系構(gòu)建預(yù)測(cè)模型具有一定可靠性。

2.2 模型構(gòu)建原理

本文提出一種基于手機(jī)信令數(shù)據(jù)的就業(yè)崗位密度估算方法，包含構(gòu)建基礎(chǔ)數(shù)據(jù)庫(kù)、數(shù)據(jù)預(yù)處理、數(shù)據(jù)計(jì)算、數(shù)據(jù)耦合、回歸分析等步驟。具體計(jì)算流程如圖3所示。

圖3 技術(shù)路線示意圖

2.2.1 數(shù)據(jù)預(yù)處理

用地?cái)?shù)據(jù)方面，在研究區(qū)范圍內(nèi)依據(jù)《城市用地分類與規(guī)劃建設(shè)用地標(biāo)準(zhǔn)（GB50137—2011）》對(duì)土地調(diào)查數(shù)據(jù)進(jìn)行建筑分類。

手機(jī)信令數(shù)據(jù)方面，除進(jìn)行擴(kuò)樣、數(shù)據(jù)脫敏、剔除冗余數(shù)據(jù)、合并乒乓數(shù)據(jù)、清洗漂移數(shù)據(jù)等前期工作外，在識(shí)別工作地后，空間關(guān)聯(lián)基站就業(yè)崗位數(shù)統(tǒng)計(jì)表與基站服務(wù)范圍，得到每個(gè)基站的就業(yè)崗位數(shù)。最后通過(guò)空間統(tǒng)計(jì)，得到每個(gè)基站集聚小區(qū)就業(yè)崗位數(shù)。

2.2.2 建筑數(shù)據(jù)與手機(jī)信令數(shù)據(jù)耦合

將研究區(qū)范圍內(nèi)用地?cái)?shù)據(jù)按基站集聚小區(qū)邊界進(jìn)行分割，以基站集聚小區(qū)邊界為統(tǒng)計(jì)單元獲取各類建筑總面積。隨后進(jìn)行空間連接，得到包含各類建筑總面積與就業(yè)崗位數(shù)的基站集聚小區(qū)圖層。

2.2.3 回歸分析

針對(duì)每個(gè)基站集聚小區(qū)構(gòu)建一個(gè)多元線性方程，構(gòu)建多元線性回歸分析模型：

式中Yn表示第n個(gè)基站集聚小區(qū)的就業(yè)崗位數(shù)；βm表示第m類用地的就業(yè)崗位密度；xnm表示第n個(gè)基站集聚小區(qū)的第m類用地的建筑總面積；n表示基站集聚小區(qū)的數(shù)量；m表示用地類型個(gè)數(shù)，n＞m；εn為誤差項(xiàng)。

2.3 實(shí)證分析

2.3.1 就業(yè)崗位分布特征分析

昆山市中心城區(qū)就業(yè)崗位主要分布在北部與東南部，如圖4所示。經(jīng)濟(jì)開(kāi)發(fā)區(qū)、周市鎮(zhèn)就業(yè)崗位分布較多，主要集中在光電、精密機(jī)械、模具制造等產(chǎn)業(yè)集聚區(qū)。

圖4 昆山市中心城區(qū)就業(yè)崗位數(shù)分布情況

2.3.2 就業(yè)崗位密度指標(biāo)模型構(gòu)建

基于手機(jī)信令數(shù)據(jù)獲取的昆山市中心城區(qū)就業(yè)崗位數(shù)據(jù)，采用逐步多元線性回歸方法，分析以建筑面積為單位的不同用地類型的就業(yè)崗位密度指標(biāo)。

首先以用地大類作為自變量回歸分析，回歸結(jié)果如表2所示。

表2 就業(yè)崗位密度大類回歸結(jié)果（單位：職工數(shù)/百平方米）

為了得到不同中類用地的就業(yè)崗位密度，進(jìn)一步細(xì)化變量。通常來(lái)說(shuō)，公共管理與公共服務(wù)（A）、商業(yè)服務(wù)業(yè)（B）、工業(yè)用地（M）對(duì)就業(yè)崗位生成貢獻(xiàn)率最高，由于A類用地變量在大類回歸模型中不顯著，故在第二階段僅以B類、M類用地中類和其他大類用地為自變量，進(jìn)行逐步多元線性統(tǒng)計(jì)回歸。結(jié)果如表3所示。

表3 就業(yè)崗位密度中類回歸結(jié)果（單位：職工數(shù)/百平方米）

利用回歸所得就業(yè)崗位密度，重新擬合昆山市中心城區(qū)就業(yè)崗位情況，以評(píng)價(jià)模型擬合水平。以絕對(duì)百分比誤差（APE）比較重?cái)M合與實(shí)際就業(yè)崗位數(shù)情況，其公式如下：

表4 大類及中類模型APE統(tǒng)計(jì)結(jié)果

整體來(lái)看，大類模型及中類模型的APE平均值均達(dá)到30%以下，其中，中類模型65%以上的基站集聚小區(qū)絕對(duì)百分比誤差控制在30%以內(nèi)。總體而言，模型具有一定的可靠性。

3 結(jié)論與討論

本文通過(guò)對(duì)比回歸結(jié)果與《蘇州市交通影響評(píng)價(jià)技術(shù)標(biāo)準(zhǔn)》討論分析。蘇州市于2015年開(kāi)始實(shí)行《蘇州市交通影響評(píng)價(jià)技術(shù)標(biāo)準(zhǔn)》（下文簡(jiǎn)稱《標(biāo)準(zhǔn)》），該標(biāo)準(zhǔn)適用于蘇州市區(qū)（不含工業(yè)園區(qū)）內(nèi)的交通影響評(píng)價(jià)項(xiàng)目，其參數(shù)標(biāo)準(zhǔn)制定依據(jù)為2013年6～7月份的調(diào)查數(shù)據(jù)。該標(biāo)準(zhǔn)給出了各類建設(shè)項(xiàng)目的就業(yè)崗位密度參考值范圍。本文僅列舉與回歸分析相關(guān)項(xiàng)目類型參考值情況，具體如表5所示。

表5 《標(biāo)準(zhǔn)》中部分就業(yè)崗位密度參考范圍

由于《標(biāo)準(zhǔn)》中為建設(shè)項(xiàng)目分類，與城市用地分類不是一一對(duì)應(yīng)關(guān)系，故應(yīng)將建設(shè)項(xiàng)目中類中所屬用地為商業(yè)用地的建設(shè)項(xiàng)目統(tǒng)籌考慮。通過(guò)比較，回歸分析所得B1類用地就業(yè)崗位密度值（1.654人/百平米）位于《標(biāo)準(zhǔn)》各中類建設(shè)項(xiàng)目參考范圍內(nèi)，且與各項(xiàng)均值相差不大，具有較大參考意義。而對(duì)于具有較高顯著性水平的B類用地中的其他中類用地，其回歸系數(shù)卻無(wú)法采納，主要原因在于諸如B3、B4等用地樣本量較少，從而影響了回歸結(jié)果。

本文回歸分析所得M1和M2類用地就業(yè)崗位密度值（M1為1.806人/百平方 米，M2為3.174人/百平方米）與《標(biāo)準(zhǔn)》中一類二類用地參考范圍值（3.41～4.62）存在一定差異，這可能是多種原因?qū)е碌模菏紫仁菚r(shí)間與地域差異，產(chǎn)業(yè)升級(jí)導(dǎo)致勞動(dòng)力需求降低?！稑?biāo)準(zhǔn)》數(shù)據(jù)為蘇州市區(qū)的2013年調(diào)查數(shù)據(jù)，與本文所用昆山2017年數(shù)據(jù)相差5年。近年來(lái)，隨著昆山全市產(chǎn)業(yè)轉(zhuǎn)型升級(jí)步伐加快，新一代信息技術(shù)、高端裝備、生物醫(yī)藥等高新技術(shù)產(chǎn)業(yè)對(duì)勞動(dòng)力資源需求有所減弱。另一方面，隨著成本上升，區(qū)域競(jìng)爭(zhēng)優(yōu)勢(shì)減弱，眾多工廠企業(yè)選擇向東南亞等人力成本低廉地區(qū)轉(zhuǎn)移，降低了昆山對(duì)外來(lái)務(wù)工人員的吸引作用。其次，以往傳統(tǒng)勞動(dòng)力輸出地的務(wù)工人員受地緣、人緣、生活壓力等綜合因素影響，回流現(xiàn)象較為明顯。2015年末，蘇州公安登記流動(dòng)人口698.05萬(wàn) 人，比2014年末略減0.85萬(wàn)人。自2011年至2018年，昆山市常住人口與戶籍人口差值不斷縮小，從93.54萬(wàn)人減小到76.27萬(wàn)人，一定程度上也反映了昆山市外來(lái)流入人口的減少。因此，昆山市一類二類工業(yè)用地上單位建筑面積產(chǎn)生的就業(yè)崗位數(shù)值較低。由于《標(biāo)準(zhǔn)》中未出現(xiàn)三類工業(yè)用地，根據(jù)現(xiàn)有經(jīng)驗(yàn)及資料，一般三類工業(yè)用地就業(yè)崗位密度估算選取100～200人/公頃。本文回歸分析所得就業(yè)崗位密度值對(duì)于昆山市具有更高參考意義。

除此之外，回歸分析中較為顯著的還有R類用地，即居住區(qū)也可作為工作地。這是由于除住宅沿街商業(yè)及社區(qū)服務(wù)中心等，許多城市的居住區(qū)內(nèi)部存在各類辦公場(chǎng)所，如教育培訓(xùn)機(jī)構(gòu)等，即用地性質(zhì)沒(méi)有變化但使用性質(zhì)發(fā)生了轉(zhuǎn)變。此外，還有大量家政人員的存在。在就業(yè)崗位密度分析中無(wú)法回避上述群體，故不針對(duì)回歸所得數(shù)值進(jìn)行分析。

對(duì)于本文回歸分析中不顯著的用地類型，其就業(yè)崗位密度可參考各類規(guī)范標(biāo)準(zhǔn)劃定。如對(duì)于中小學(xué)用地，可根據(jù)《關(guān)于制定中小學(xué)教職工編制標(biāo)準(zhǔn)的意見(jiàn)》及《中小學(xué)設(shè)計(jì)規(guī)范》等文件要求（高中教職工與學(xué)生比為1：12.5、初中為1：13.5、小學(xué)為1：19），進(jìn)行教職工崗位數(shù)量測(cè)算。

4 結(jié) 語(yǔ)

大國(guó)發(fā)展，規(guī)劃先行。規(guī)劃是導(dǎo)向、是龍頭，是做好各項(xiàng)工作的前提和基礎(chǔ)。做到規(guī)劃科學(xué)，才能做出能用、好用、管用的規(guī)劃，切實(shí)提高空間治理體系和治理能力的現(xiàn)代化水平。相比較傳統(tǒng)的調(diào)查與預(yù)測(cè)方法，本文所提出的基于手機(jī)信令數(shù)據(jù)的就業(yè)崗位密度分析方法具有準(zhǔn)確度高、即時(shí)性好、獲取成本低的優(yōu)點(diǎn)，同時(shí)能夠更加匹配當(dāng)?shù)爻鞘刑卣?，很好地避免了各類城市尤其是中小城市在就業(yè)崗位密度獲取上的“拿來(lái)主義”。對(duì)于本文通過(guò)回歸分析所得的顯著性水平較高的就業(yè)崗位密度值可應(yīng)用于當(dāng)?shù)氐慕煌ㄐ枨箢A(yù)測(cè)模型。而通過(guò)手機(jī)數(shù)據(jù)的迭代更新，可以動(dòng)態(tài)獲取就業(yè)崗位密度數(shù)據(jù)，為交通規(guī)劃提供可持續(xù)性數(shù)據(jù)支撐。需要指出的是，數(shù)據(jù)樣本量與數(shù)據(jù)精度對(duì)于本文研究方法具有一定影響。如受限于數(shù)據(jù)樣本量，本文對(duì)于除商業(yè)及工業(yè)用地之外的其他用地?zé)o法得到顯著性水平較高的系數(shù)。故后續(xù)其他城市在利用該方法進(jìn)行分析時(shí)，應(yīng)重視數(shù)據(jù)樣本量情況。同時(shí)可以針對(duì)城市內(nèi)部不同區(qū)域進(jìn)行分類，而后分別進(jìn)行回歸分析，得到更加精細(xì)化的成果。

手機(jī)信令數(shù)據(jù)相比于其他大數(shù)據(jù)具有樣本更加全面、信息更加詳細(xì)的優(yōu)勢(shì)，不應(yīng)僅被作為識(shí)別現(xiàn)狀特征的新手段，而是面向未來(lái)，作為開(kāi)展精細(xì)化定量分析與規(guī)劃的重要數(shù)據(jù)基礎(chǔ)。