1.2　大數據看城市

生活在城市里，每個人都在生產數據。這些數據所形成的海量大數據，如果放在地圖上，就把城市的美展現在讀者面前了。

“民以食為天”，餐飲消費是最普遍、最重要的城市服務消費。大眾點評網記錄了餐館的位置和每位消費者的點評。我們仍然以上海為例，把上海劃分成一些方格，然后將餐館定位在每個方格里，再將每個方格里的餐館數量劃分為6個等級，結果如圖1.2所示。不出意外，餐館數量最多的區域主要集中在內環線以內區域，同時像浦西這樣的傳統市中心的餐飲密度明顯高于浦東地區。內環和外環間的餐館數量也存在著集中連片的格局，但相對內環的規模而言偏低。在外環外的郊區和郊區城鎮中心，則呈星星點點狀分布。

對消費者而言，服務消費的便利性不僅來自服務業供給的數量，服務的質量和多樣性也非常重要。我們用消費者給餐館的評分來度量質量，同時測量了餐館菜系品類的多樣性。從圖1.3中可以看出，無論是餐館的質量還是多樣性，高值區主要集中分布在中心城區，尤其是內環以內。

接下來再看學校、醫院、文化服務設施與國有金融機構的空間分布（圖1.4），這幾種服務都高度集中在中心城區。相對來說，學校和國有金融機構在外環以外的分布也比較多，因為在人口較少的地區這些服務也是日常必需的。(3)

在中心城區，不僅看得見的公共服務集中在此，看不見的公共管理效率也更高。我的團隊研究了人口密度與公共管理效率之間的關系。依托大數據，公共管理效率這樣難以度量的指標，也可以用數據呈現了。(4)

我們獲得了上海市城市運行和管理過程中產生的一個大數據，該數據詳細記錄了2018年通過12345熱線、網站等方式反饋的市民投訴，投訴涉及市容管理、交通管理、環境保護、工商管理等12個大類，占道經營治理、夜間施工治理、違法建筑治理等29個小類。我們用每條投訴從登記到最終處理所花費的時間來度量管理效率。接著，我們做了模型分析，結果顯示，在方格層面上，夜間人口密度每增加1%，投訴處理時間縮短約0.15%—0.16%。這表明，常住人口在空間上集聚時，政府的治理半徑更小，相關部門的執法距離縮短，從而提升了治理效率。

這又說了回來，城市管理和執法，也是面對面的服務啊！密度高，服務的成本就低了。

總結一下，城市空間結構背后有規律可循。消費者和企業的最優化行為形成了城市空間結構的底層邏輯，政府在規劃和提供基礎設施、公共服務時，既需要適應市場的邏輯，也需要考慮不同地段的公共服務可達性。在這些邏輯之下，中心城區擁有更高的人口密度，更多、更好、更多樣的服務業，以及更多、更好的就業機會。不管是人居住在市中心，還是企業的辦公地點在市中心，均可以獲得更好的便利性，但同時也要付出更高的房價和租金。

對于居民來說，中心城區的服務業既是就業機會，也是消費場所，這就需要在房價、收入和通勤之間進行權衡。要么居住在市中心，承受更高的房價，享受更多、更便捷的資源；要么遠離市中心，節省住房上的費用，付出更多的通勤時間和金錢。這就是我們在這一章開頭給大家看的上海居民趕往市中心上班的道理。

當然，還有一個組合，那就是住得遠離市中心，就近上班，那就很可能得放棄更高收入的機會。圖1.1（c）顯示，住在上海外環以外的居民大多屬于這一類型。

以上就是在城市內部就業、居住、通勤三者之間的權衡。

我們來看一下上海的人口空間分布。通過手機信令數據的計算，圖1.5展示了2019年上海白天人口和夜間人口在1公里邊長格網上的空間分布。其中白天人口與就業人口的概念接近，而夜間人口與居住人口的概念接近。從圖中來看，上海白天人口主要集聚在內環，而夜間人口則具有較為明顯的向外擴散趨勢，內環線內的核心區人口分布明顯減少，人口主要分布在內環和內外環中間的部分地區，也有部分人口在郊區的新城呈點狀分布。

上海只是個例子，大城市的“向心”特征概莫能外。