基于地理加权引力加和模型与机器学习的城市内部通勤流量边界效应的表示-解释框架

《Computers, Environment and Urban Systems》：A representation-explanation framework for flow-based border effects on intra-urban commuting using geographically weighted additive gravity model and machine learning

　　

**摘要要点**

• 提出表示-解释框架，量化基于流动的边界效应。
• 提出基于流动的地空间加权加法引力模型（FB-GWAGM）。
• 加法引力模型以等效公里数表示边界厚度。
• 行政边界在空间异质性上超过自然边界。
• SHAP属性归因以公里数衡量边界厚度，交通连通性占主导地位。

**引言**

城市通勤是城市内部最高频、最刚性的出行方式，其本质是家庭与工作地点之间固定、重复的空间承诺（H?gerstrand, 1970; Rodrigue, 2024）。研究表明，通勤行为受土地利用多样性（Liu, Fang, & Jing, 2020）、职住平衡（Bautista-Hernández, 2024）、交通可达性（Ashik, Sreezon, Rahman, Zafri, & Labib, 2024; Li, Yao, Liu, & Yang, 2024）、房价（Zhao & Cao, 2020）、本地服务设施（Liu, Gong, Tong, & Liu, 2026）以及距离摩擦（Cervero & Kockelman, 1997; Ewing & Cervero, 2010）等因素影响。这些因素在空间上以渐进且连续的方式削弱通勤需求。然而，一类根本不同的约束机制作用于离散的边界，而非连续的梯度地带。行政边界以及山脉、河流等自然屏障，均会在边界处引入交互强度的急剧断层（Nijkamp, Rietveld, & Salomon, 1990; Rietveld, 2012），将城市空间切割为功能各异的功能区（Newman, 2006; Jin et al., 2021; Liu, Zhang, et al., 2025）。因此，理解边界在何种程度上以及在何处对空间交互施加约束力，是刻画城市内部空间组织特征的核心问题。这种约束力被称为边界效应。

边界效应通过抑制人流、物流和信息流的跨边界流动，逐步推动边界两侧建成环境差异的生成，包括土地利用、房价和服务供给的差异（Tóth et al., 2021; Wang & Yang, 2025）。现有研究主要通过边界效应在建成环境中的下游后果来衡量其大小，例如应用空间回归断点设计量化边界两侧房地产的价格差异和服务供给缺口（Aiello, Bernstein, Kargar, Lewis, & Schwert, 2025），或估计行政边界在多大程度上削弱了辖区间房价的空间相关性（Wang & Yang, 2025）。然而，这些结果与边界效应本身之间隔着一个中间环节：边界首先抑制空间交互流动，而这种抑制的累积结果才表现为建成环境的差异。每一次被削弱的流动都是边界效应的直接体现，而非经过时间积累后才出现的后果。因此，从流动来衡量边界效应比从下游建成环境结果来衡量更贴近边界约束过程的本质。

与距离或人口不同，边界效应无法直接从数据中测量。它仅作为一种未观测到的成分，嵌入在空间交互流动之中（Anderson & van Wincoop, 2003; Redding, 2024）。每条观测到的通勤流动记录了某一起点与目的地之间流动的工人数量，但起点规模、目的地规模、距离衰减和边界效应的贡献全部复合在流动计数之中（Fotheringham & O'Kelly, 1989）。边界成分无法从数据中直接读取，只能通过模型估计来恢复（Jin et al., 2021; Persyn & Torfs, 2016）。

边界效应并非仅由边界的物理属性决定，还受边界两侧社会经济条件和建成环境的塑造。遵循空间交互的三个前提条件——起终点之间的功能互补性、连接两者的可动性供给以及竞争性介入机会——同一类型的边界将根据其所划分区域的需求梯度、交通连通性和功能专业化程度，产生不同水平的出行阻力（Fotheringham & O'Kelly, 1989; Ren et al., 2020; Rietveld, 2012）。因此，边界效应在本质上具有空间异质性。

通勤行为将上述两种特性集中体现在一种单一且可分析的交互形式中。作为城市内部最高频、数据最丰富的出行形式，通勤流动提供了一个直接的实证窗口，精准地揭示了边界效应发挥作用的空间：即城市内部、跨越分割城市空间的行政边界和自然边界（Jin et al., 2021; Newman, 2006）。由于通勤由职住需求、交通连通性以及居住区与就业区之间的功能互补性驱动，嵌入在通勤流动中的边界效应恰恰受到产生边界效应空间异质性的社会经济条件和建成环境的影响。同时，这些边界效应在原始流动数据中仍然不可观测，必须通过模型估计来提取。因此，通勤将边界效应的隐含性和社会经济异质性浓缩在了城市空间交互中最具实证可及性的形式中。

上述考量催生了三个现有城市内部通勤边界效应研究尚未解决的研究缺口：（1）基于流动的边界效应无法直接观测，现有方法因此无法同时将其作为通勤流动的预测变量和作为需由建成环境与社会经济因素解释的因变量，这要求建立新的分析框架；（2）边界效应作为一种物理-社会现象本质上是空间异质的，但现有方法仅产生全局估计，无法捕捉其在不同建成环境和社会经济背景的起终点组合之间的差异；（3）边界效应作为出行阻抗的一个组成部分，应以距离等效单位表示，但现有的乘法引力模型将其表示为无量纲系数而非公里数，且各因素对边界效应的贡献也无法以距离等效单位量化。这三个缺口的共同存在意味着，城市内部通勤边界效应的空间异质性既未被充分表征，也未被充分解释。

为弥补上述缺口，本研究提出了一种基于流动的边界效应分析框架，其主要贡献包括：（1）提出一个两阶段表示-解释框架，将边界效应同时作为嵌入在通勤流动中的预测变量和作为需被解释的因变量，将这两个分析步骤整合为一个连贯的链条；（2）表示阶段采用地空间加权框架以产生局部变化的边界厚度估计值，解释阶段应用随机森林（RF）和SHAP（SHapley Additive exPlanations）分析识别驱动该空间异质性的建成环境与社会经济因素；（3）通过采用加法非线性引力模型，该框架以公里数表示边界厚度，并以相同的距离等效单位量化各因素的贡献。

本文结构如下：第2节介绍研究区域和数据集；第3节呈现研究方法，包括研究问题与分析框架、用于表征空间异质性边界厚度的基于流动的地空间加权加法引力模型（FB-GWAGM），以及用于解释它的RF和SHAP方法；第4节报告两个阶段的结果；第5节讨论研究发现；第6节总结全文。

**研究区域与数据集**

根据2020年全国人口普查数据，广州常住人口约1870万人，分布在11个行政区（广州市统计局, 2022）。行政区边界将城市肌理分割为具有不同规划管辖权的管理单元，在跨境流动中产生制度性边界效应（Chen, 2025）。广州的地形进一步施加了自然屏障，包括一系列山脉

**研究问题与分析框架**

上述三个研究缺口衍生出三个递进式研究问题（RQ）：

**RQ1：** 如何在一个统一的分析框架内，从通勤流动中表征边界效应并对其驱动因素进行解释？

**RQ2：** 边界厚度的空间异质性如何表现，不同边界类型下哪些建成环境和社会经济因素驱动这种异质性？

**RQ3：** 如何将边界厚度及其相关因素贡献以距离等效单位表示？

**模型评估与验证**

在进行局部估计之前，必须指定自适应带宽b，因为它决定了用于为每个焦点起终点组合校准参数的核加权子样本的大小（见第3.2节）。带宽在局部估计之前通过联合评估候选K近邻范围内的AICc和CV-MSE来选定（图4）。AICc单调递减并在K=2500之后趋于平稳，表明该范围内的带宽可实现稳定的模型拟合而不至于过度

**表征：不同边界类型的空间异质性边界厚度**

局部估计的均值揭示了两种边界类型之间的明显层级关系，行政边界产生的出行阻力显著大于自然边界。除了平均厚度的差异外，两种边界类型均表现出显著的空间异质性，表明每种边界类型的屏障效应随着本地建成环境背景的不同而在起终点组合之间产生较大差异。

**行政边界产生更大的出行阻力**

**结论**

本研究建立了一种基于流动的边界效应表示-解释框架，并将其应用于中国广州的城市内部通勤研究，数据来源为手机信令数据中提取的18,672条通勤流动。主要贡献如下。

（1）本研究将基于流动的边界效应的表示与解释整合为一个连贯的两阶段分析框架，将边界效应同时作为嵌入在通勤流动中的预测变量和作为需被解释的因变量来对待。

**CRediT作者贡献声明**

赵俊阳：原始草稿撰写、可视化、验证、资源、调查、正式分析、数据管理。张兆东：验证、资源、方法学、数据管理。温席翔：验证、软件、资源、数据管理。辛梦巍：方法学、正式分析。宫永喜：审阅与编辑、验证、监督、资源、项目管理、方法学、调查、资金获取、概念化。刘昱：审阅与编辑、

**致谢**

本研究受国家自然科学基金（42371202, 42430106, 42571286）、深圳市科技计划项目（RKX20250526091504006）和深圳市哲学社会科学规划项目（SZ2024B008）资助。

赵俊阳 | 张兆东 | 温席翔 | 辛梦巍 | 宫永喜 | 刘昱