
我们用大数据画了个圈,发现了城市的新边界
“首都北京,行政面积1.64万平方公里。”
“多大?”
“1.64万平方公里。”
“那是多大?”
比起行政面积,也许出行半径更能描述市民日常实际活动范围。滴滴媒体研究院利用滴滴出行平台订单数据对全国主要城市的出行半径进行“测量”,从一个侧面反映城市究竟有“多大”。
毫不意外的,北京的出行半径最大,31.7公里。也就是说,北京90%的出行订单的起点或终点在距离市中心(天安门)31.7公里的范围内,而从天安门开车到东六环,刚好是30公里。中国城市中,出行半径大于30公里的有4个:北京、上海、深圳和佛山。
全国主要城市出行半径排行
注:“出行半径”:若超过90%的出行起点或终点与城市中心的距离在R公里范围内,则定义城市半径为R(单位:公里),即大多数出行活动的起终点都在城市半径R范围内。
工作在北京东四环外传媒产业园的张扬,两年前把房子买在了南六环,每天开车上班单程需要近一个半小时。
上海的姗姗在市中心的一家日企工作,家住长宁区的她每天要乘地铁上下班,单程三站地,加上走路全程需要近40分钟。
一个城市有多大?看看上班族上下班要花的时间。这是衡量“城市有多大”的另一个维度:通勤。
如上所述的出行半径是一个静态的直线距离,它并不能体现出城市形态、城市规划、拥堵状况等因素。而平均通勤距离和时间则可以帮助我们融合更多的路面信息和生活体验,从而更好地感知一个城市到底有多大。
全国主要城市通勤距离&时间
**“通勤距离&通勤时间”:此处是指根据滴滴出行平台上打车出行数据测算的上下班通勤距离和时间,即工作日06:00-10:00和16:00-21:00期间通过滴滴顺风车和专快车来往于住宅小区和商务楼宇的订单的平均距离及时间,数据统计周期为2017年11月。
令人惊讶的是,广东东莞的平均通勤距离和时间分别为17.3公里和48.5分钟,超过了上海、广州、深圳这些一线城市,仅次于北京。早高峰期间,从东莞住宅区发出的订单中很大一部分会进入了深圳、广州、惠州等周边城市。这便不难理解,为何出行半径并不显著的东莞,会在通勤排行上如此高位。
出行半径、通勤距离&时间前十位
东莞北接广州,南连深圳,毗邻香港,是粤港澳大湾区的重要组成部分,据媒体报道,在东莞凤岗停满大量的粤B牌轿车,早高峰期间人流也几乎全部涌向深圳方向,珠三角一体化程度高,城市间连通性也极高,因而,在地域上仅用“行政区域”来描述生活区域便不够准确,这便引出另一个概念,“城市功能地域”。
四大城市功能地域
城市功能地域,是以24小时为周期的城市工作、居住、教育、商业、娱乐、医疗等功能所波及的范围。它或大于,也或小于本来的城市行政区域,由于如今城市群一体化进程不断加快,一个城市的功能区也很可能与相邻城市连成一片。
上图中呈现的功能地域是中国融合程度最高的四大城市群,以区域一为例,也许你生活在东莞,但每日的工作、娱乐范围,完全可能涵盖深圳、广州等城市。由此可见,在一定程度上,城市功能地域要比城市行政区更能准确描述你在这个城市可能的生活范围。
此时,让我们再回头考虑那个初始问题:“这个城市到底有多大?”,我们便有了一些更加贴合日常生活的数据:出行半径、通勤时间、通勤距离,以及城市功能地域。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29