2000-2010年我們國家4大直轄市的人口密度梯度分析,人口學論文城市人口密度分布是研究城市空間構造及城鎮化或郊區化進程中的重要內容。人口密度梯度的變化作為研究人口空間分布規律的一項重要衡量指標，揭示了城市人口聚散趨勢。通過對此課題進行研究，有助于把握城市人口分布現在狀況，有助于地方及城市規劃者進行更貼合實情的城市總體規劃，以更有效地配置及利用交通、公共設施以及開放空間等資源。除此之外，人口密度分布可以作為評估房價的一項根據，具有現實價值。

中國城市人口密度模型的研究始于20世紀90年代后期，主要是利用人口普查數據對若干大城市的人口密度梯度進行估計，重在分析其單核心條件下的最優人口模型，進而歸納中國城市空間構造的特征和變動情況。

本文通過估計20002018年我們國家4大直轄市的人口密度梯度，探究和比擬4大直轄市的人口密度分布，并在這里基礎上對于各直轄市的城市交通規劃予以政策建議。基于我們國家第五次和第六次人口普查中的常住人口數據和地理信息系統軟件中的城市相關數據，運用單核心假設下Clark模型，對4大直轄市的人口空間分布進行擬合。結果表示清楚，4大直轄市的人口密度分布趨勢各不一樣。本文最后分析研究中存在的問題，并有針對性地提出建議，進而為推動中國城市相關研究及城市規劃提供借鑒。

二、相關文獻評述

對于城市人口密度分布最經典的擬合模型來自于Clark的負指數函數模型D(x)=D0e-bx，它表示清楚了人口密度與離市中心距離的關系。華而不實，D(x)為離市中心x公里處的人口密度；D0為城市中心人口密度的理論值；b為人口密度梯度，即離市中心的距離每增加1公里時人口密度減少的百分比；e為自然對數的底。Clark模型基于兩個基本假設:〔1〕對于所有大城市來講,除了中心的商業用地以外，其余是人口密集分布區，人口密度隨著離市中心距離增加而減小；〔2〕在大部分城市里,隨著時間推移，中心人口密度減小,郊區人口密度增加,城市區域隨之擴散。

就國內而言，馮健等研究了19822000年間、北京市區的人口密度分布，并與核心區的人口密度分布進行比擬，結論是Clark模型在模擬城市中心區的人口密度時占優，人口分布趨于分散和平衡。

除此之外，1990年都市區雙核心構造剛剛發育，2000年多核心構造比擬明顯但并不成熟，北京單核心模型的擬合效果仍然較好。吳文鈺等研究20世紀90年代上海人口密度模型的結論是單核心模型中Clark模型在擬合1990年的城市中心區和2000年的城市中心區以及中心近郊區時占優。除此之外，1990年多核心構造剛剛發育，2000年已經發育較為成熟，上海人口空間構造已經從簡單的單核心構造變為復雜的多核心構造。吳文鈺等對于中國城市人口密度分布模型的研究歸納出中國城市人口密度分布的共性特征：單中心人口密度模型能較好地描繪敘述中國緊湊性的城市人口分布；Clark模型有較好的擬合優度；人口密度梯度逐步變小，密度曲線更為平緩；部分大城市的人口密度分布已經符合多中心模型分布特征，大城市次中心已經初步發育。

綜合來看，在單核心假設下，Clark模型對于中國城市中心城區的擬合程度較優，但多核心模型也已經遭到越來越多的關注。從研究時間上看，主要利用第三次、四次、五次人口普查數據，研究19822000年的人口密度梯度變化，少有牽涉到2018年的研究。從研究對象來看，主要集中于北京、上海、廣州等特大城市，而且都是這些大城市的個案研究，缺乏橫向比照與實際應用。

由于開展第六次人口普查，使得對于20002018年中國4大直轄市人口密度分布的研究成為可能，能夠比照4大直轄市的人口密度分布規律，并提供城市交通規劃方面的政策建議。

三、模型方式方法和數據

本文采用單核心假設下Clark模型，對4大直轄市中心城區的人口密度分布進行擬合，考慮到國內已有研究均表示清楚單核心假設下，Clark模型對于中國城市中心城區的擬合程度較優。將Clark模型D〔x〕=D0e-bx變形后得到lnD(x)=lnD0-bx，lnD(x)為離市中心x公里處的人口密度〔人/平方公里〕的對數值，lnD0為理論上城市中心人口密度的對數值，b為人口密度梯度。b值的增加反映了人口向城市中心地區集聚的趨勢，反之，b值的減小反映了人口由城市中心地區向外擴散的趨勢。

研究方式方法如下：首先，界定各直轄市的中心城區，從(人口普查分鄉、鎮、街道資料〕中獲取中國第五次和第六次人口普查中相應各街道常住人口數據；其次，選取各直轄市的中心商業區，以地理信息系統軟件GoogleEarth提取4大直轄市中心城區各街道的面積、街道質點坐標以及各街道距城市中心的距離;最后，采用統計軟件SPSS19.0對相應lnD(x)和x進行最小二乘回歸〔OLS〕，模擬人口密度分布模型。回歸得到的截距即為理論上城市中心人口密度的對數值，斜率的絕對值為人口密度梯度。需要注意的是，對于行政區劃變化較大的街道，應對相關街道的人口進行合并處理。除此之外，OLS回歸分析易遭到數據中異常值的影響，導致對lnD0和b預測值的偏差，所以在實際操作中要盡量排除異常值帶來的影響。

四、擬合結果和討論

1.對于北京，界定華而不實心城區包括首都功能核心區〔東城區、西城區〕及城市功能拓展區〔海淀區、朝陽區、豐臺區、石景山區〕，參考馮健等的研究，選取東華門街道的中心點作為城市中心點。根據上文所述研究方式方法，回歸結果如表1所示：北京的人口密度梯度變小，反映了人口由城市中心地區向外擴散的趨勢。

2.對于上海，華而不實心城區包括黃浦區、徐匯區、長寧區、靜安區、普陀區、閘北區、虹口區和楊浦區，但綜合考慮近10年來浦東新區的發展狀況及地理位置，也將其納入研究范圍。參考吳文鈺等的研究，選取人民廣場街道的中心點作為城市中心點。經過處理，回歸結果如表1所示：人口密度梯度值明顯降低，但同樣調整后的R2值降到0.066。參照以往研究表示清楚，Clark模型擬合的R2值低于0.4時，擬合效果較差。因而，能夠推斷單核心Clark模型對于上海的擬合效果較差，尤其在2018年已明顯脫離該模型。揣測原因應該為在2000年多核心構造已經發育較為成熟的基礎上，到2018年上海已完全發展為成熟的多核心構造。【表1】

3.對于天津，界定華而不實心城區為市內6區，即和平區、河西區、南開區、河東區、河北區和紅橋區。根據市政規劃及歷史因素，選取小白樓街道的中心點作為城市中心點。回歸結果如表1所示：調整后的R2值接近0，表示清楚天津不符合Clark模型。進一步研究發現，天津的人口密度分布并不符合Clark模型中人口密度隨著離市中心距離增加而減小的基本假設，其主要原由于天津城市規劃中對于居民區的空間布局規劃。例如2000年河東區的東新街道是純居民區，比照離市中心距離相當的其他街道，有相對高的人口密度。參考(天津生態市建設規劃綱要〕文件，天津將中心城區劃分24個寓居片區，則對應街道擁有較高的人口密度，不符合Clark模型的距離規律。

4.對于重慶，界定華而不實心城區為渝中區、九龍坡區、沙坪壩區、大渡口區、南岸區、巴南區、江北區、渝北區和北碚區。根據(重慶市商務區總體規劃〕，選取解放碑街道的中心點作為城市中心點。回歸結果如表1所示：重慶的人口密度梯度不斷增大，反映了人口向城市中心地區集聚的趨勢。同樣，D0的增大也反映出城市中心人口密度的增加。

五、研究結論與建議

1.結論和政策建議。

本文基于單核心假設下Clark模型對于4大直轄市人口密度梯度的估計，得出4大直轄市人口密度分布趨勢各不一樣的結論。研究表示清楚：(1)北京較符合Clark模型，呈現人口郊區化趨勢；(2)上海擬合效果較差，尤其在2018年已明顯脫離單核心構造；(3)天津不符合Clark模型，這與天津劃分寓居片區有直接關系；(4)重慶較符合Clark模型，呈現人口城鎮化趨勢。由此可見，中國各大城市的人口分布規律乃至城市發展進程因地而異，其影響因素以及人口密度分布的優化問題都是非常值得研究的。

基于上文對于4大直轄市人口密度分布規律的分析，能夠有針對性地對各直轄市的城市交通規劃給予政策建議。在優先發展公共交通的基礎上，各直轄市應根據人口密度分布的發展趨勢有側重地合理分配資源。(1)對于北京，鑒于中心地區人口向外擴散，應側重發展中心城區與近郊區間的軌道交通，并提高軌道交通和公共汽車換乘的便捷性來緩解中心城區的交通擁堵。(2)對于上海，鑒于其成熟的多核心構造，應側重發展各個核心區周邊的公共交通，進一步促進多核心形式的發展。(3)對于天津，考慮到人口密度分布受城市規劃影響，其公共交通發展應嚴密圍繞寓居片區，盡量減少居民通勤的時間成本，提高公共交通的使用效率。(4)對于重慶，鑒于人口向城市中心地區集聚，應側重大力發展中心城區的公共交通，尤其要提高公共汽車的分擔率，改善交通狀況。

2．存在問題與研究建議。

本文在研究經過中存在下面幾點問題：(1)對于上海擬合效果較差的揣測原由于上海已脫離單核心構造，構成成熟的多核心構造。但僅限于根據以往研究的揣測，并沒有進行證實。(2)由于重慶山城的地貌特征，本文對無法知足人口連續均勻分布假設的街道予以剔除，導致重慶可獲取的街道樣本量相對偏少，而樣本量缺乏可能會導致估計量有偏和方差較大的問題。

針對4大直轄市人口密度分布規律，本文只簡單討論了對城市交通規劃的政策建議。對于進一步的研究方向，能夠深切進入討論人口密度分布差異與城市其他特征的聯絡，例如就業或公共基礎設施方面的原因，以及應怎樣引導人口分布趨勢、調整產業布局或調節城市發展速度等。

以下為參考文獻

[1]PapageorgiouG.Thepopulationdensityandrentdistributionmodelswithinamulticentreframework.EnvironmentandPlanningA，1971，3：267-282.

[2]ClarkC．Urbanpopulationdensities[J]．JournaloftheRoyalStatistic