世界人口日

用微信扫码二维码

分享至好友和朋友圈

导读

新型冠状病毒肺炎（COVID-19）在人口稠密的城市区的集中爆发，引发了人们对于人口流动和城市建成环境的关注。本文选取此次疫情中累计确诊人数最高的前50个城市作为研究对象，基于疫情爆发期间的百度迁徙人口流动大数据和城市的各项指标数据，运用SPSS的统计回归分析进行实证设计，并进一步结合城市建成环境作用机制、共性城市和特殊城市的描述性分析，证实了人口流动会加速此次疫情的传播且呈现阶段性特征，揭示了城市建成环境中的土地混合利用度、人均城镇住宅面积两类因素会对人口流动下的疫情传播产生积极抑制作用，而道路网密度加剧了人口流动对疫情的影响，为今后在面对此类突发公共卫生危机时从城市建成环境特征角度划定城市应急等级、制定相应策略提供思考方向和参考依据。

本文字数：7869字

阅读时间：24分钟

作者| 彭雨晗，黄玲，魏易芳，李梦实，邱怡箐

同济大学建筑与城市规划学院

人口流动；建成环境；新型冠状肺炎；城市应急等级

#1

引 言

城市公共卫生问题是推动现代城市规划升级的重要原因之一。自2003年SARS疫情结束以来，新型冠状病毒肺炎（COVID-19）在人口稠密的城市区的集中爆发，再次引发了人们对于人口流动和城市建成环境的关注。针对此次疫情，主要通过接触传染和飞沫传染，所以人口流动无疑会直接导致疫情传染范围的扩大。已有研究也表明大规模的人口流动是导致疫情迅速扩散传播的重要因素（牛建林，2013[1]; 吴晓旭等，2013[2]），但其针对性不强，没有证实流动人口是因为本身携带病毒而成为传染源还是因为防治环境的不足而导致其成为易感人群而患病，也没有具体地说明人口流动作用下疫情传播的特征。此外，目前对于COVID-19的传播机制的探究仍然在探索阶段，疫情的传播及扩散随着人员在城市空间中的流动而具有某种不确定性，城市建成环境对疫情的扩散所产生的作用和影响尚不明确[3]，亟待从人与空间环境相互作用角度对可能产生的影响进行分析[4]。

因此，本文选取此次疫情中累计确诊人数最高的前50个城市作为研究对象①，基于疫情爆发期间的百度迁徙人口流动大数据和这些城市的各项指标数据，通过SPSS的相关性检验等方法进行实证设计，试图发现人口流动作用下疫情传播的特征，并进一步探索城市建成环境对人口流动下疫情传播的作用和影响，为切实推进健康安全城市的建设，以及今后在面对此类突发公共卫生危机时及时制定更合理的防治策略提供科学参考。

#2

文献回顾与研究假设

1

人口流动对疫情的影响

根据学者们对于不同类型传染病的研究发现，传染病的流行需要同时具备传染源、传播途径和易感人群三个环节。由于流动人口健康意识不足、健康成本较高且居住和工作环境普遍较差，导致其传染病发病率显著较高（夏国美等，2006[5]；孙伟增等，2019[6]）。一旦流动人口感染传染病，成为传染源，其迁移行为将会显著扩大传染病的传染范围，造成更大规模的疫情传播（李建军等，2020[7]）。也有研究证明，在流动人口更多的地区，传染病的发病水平也显著更高（吴晓等，2020[8]）。

本次疫情爆发时间正值春运期间，并且疫情最为严重的武汉市更是位于一个交通核心区位，武汉市的“封城”行动无疑在全国的疫情防治过程中做出了巨大贡献。根据中国-世界卫生组织新冠肺炎联合考察报告[ ]中，对新冠肺炎疫情及防控的阶段划分，并结合限制人口流动的重大防控措施的实施日期，将研究分为了四个阶段（图1）：疫情爆发初期（1月23日前以武汉市封城作为时间节点）、全面防控阶段（1月24日至2月8日）、局部防控阶段（2月9日开始复工复产至4月8日武汉市解封）以及严防境外输入病例且坚持内部防控阶段（4月9日至5月3日），分别针对不同阶段的人口流动对疫情传播的影响进行分析。由此，提出本文有待实证检验的第一个假说：

假说1——人口流动会加速疫情的传播且呈现阶段性特征。

图1 各阶段病例数据变化

2

城市建成环境对疫情的影响

现有关于新冠疫情的研究中，不乏对城市建成环境主题的研究。通过对武汉市COVID-19在城市中的空间格局分布及不同区域的影响，可以明显看出城市建成环境的变化对于疫情的传播和防控都有一定的影响（李欣等，2020[10]）。城市中的绿地面积、卫生隔离带等的设置，控制城市规模、人口密度等都能显著有效地促进疫情防控（李秉毅等，2003[11]）。此外，城市因素会对人口流动产生明显的影响。不同地区的城市公共服务水平和物质空间环境都是影响人口流动的重要因素（李拓等，2015[12]）。

虽然现有研究分别指出了城市建成环境会对疫情传播和人口流动产生影响，但是基本没有从城市尺度上研究城市建成环境对于潜在传染源作用下的疫情传播的影响。针对本次新冠疫情的传播特性，大部分地区的疫情爆发都与曾有武汉旅居史的人口流动有关，所以本文基于武汉市的人口流动大数据，以及现有研究中提出的城市因素中的城市形态、城市设施、城市功能等数据，针对疫情传播中人口流动起显著影响的阶段，分析城市建成环境对人口流动作用下的疫情传播影响。由此，提出本文有待实证检验的第二个假说：

假说2——不同的城市建成环境因素会对人口流动作用下的疫情传播产生抑制或加剧的作用。

#3

实证设计

为探究人口流动对疫情传播的影响作用，对假说1进行检验，本文构建实证模型如下：

其中：Disease表示疫情情况，本文搜集了2020年1月15日至5月3日全国所有城市卫健委公布的累计确诊人数，统计总数排名前50的城市在四个阶段内分别新增的确认病例数量。下标i表示具体城市。InOut表示城市的人口流动情况，是本文的主要解释变量，基于百度迁徙数据选取2020年1月15日至5月3日各城市由武汉迁入的规模（InWuhanout）、各城市作为迁入地的总迁入规模（InWadiout）、各城市城内出行规模（InCityTravel）三个人口流动变量来衡量各城市的人口流动情况。α1是人口流动情况的回归系数，如果α1显著为正，则说明人口流动加速疫情传播情况；如果α1各阶段的显著性不同，则说明人口流动加速疫情传播呈现阶段性特征，综合验证假说1正确。

Control表示本文选取了一系列除人口流动外可能对疫情传播情况造成影响的控制变量，以保证回归分析结果的准确度。首先，人口流动下的疫情传播可能与各城市的社会经济因素联系紧密，同时各地医疗水平的差异也会直接影响疫情的传播和防控过程。因此，本文确定了各城市社会人口、经济发展、医疗水平三个层面的控制变量，具体包括常住人口总量（InPop）、人口密度（InPopDen）、老龄化率（Eld）、人均GDP（InGDP）、一般公共预算支出（InGov）、医疗卫生预算支出（InMedCost）、每万人医院床位数量（InMedBed）、每万人卫生技术人员数量（InMedNum）。

进一步，为了探究城市建成环境影响人口流动下的疫情传播特征，对假说2做出检验，本文进一步构建实证模型如下：

其中：InCity代表城市建成环境指标，是本文主要的交乘变量。对于本次疫情而言，作为一种以呼吸道传播为主的疾病，城市建成环境一定程度影响城市间与城市内部的人口流动，进而影响疫情的传播（Alirol E, Getaz L, Stoll B, 2011[13]）。因此，本文采用土地利用混合度（Land）、人均建设用地面积（InCon）、城镇人均住房面积（InHouse）、城市建成区绿化覆盖率（InGreen）和道路网密度（InTran）五个指标来衡量各城市的建成环境指标，分别用这五个指标与人口流动交乘，探究城市建成环境影响人口流动下的疫情传播特征。其中，五项城市建成环境指标均采用各城市2018年城市建设统计年鉴公布的数据。β2是城市建成环境指标与人口流动交乘项的系数，如果β2显著为正，则说明城市建成环境指标显著加剧人口流动对疫情传播的影响；如果β2显著为负，则说明城市建成环境指标显著抑制人口流动对疫情传播的影响，支持假说2。

为剔除多重共线性的变量，两种实证模型均在SPSS中采用逐步回归的方法对上述解释变量及控制变量的相关性进行分析，详细的变量定义见表1。

表1 主要变量定义与描述性统计

#4

实证分析与初步结论

1

人口流动作用下的疫情传播特征

1、各阶段人口流动数据特征

疫情期各阶段人口流动规模具有差异性特征（图2、表2）。具体来看，阶段一为各地实行交通管制前的人口自由流动状态，城内出行规模总体上大于城市间人口流动规模，且相对稳定；1月23日武汉封城前，城市间人口流动及武汉人口迁出规模显著上升，原因主要为封城前的恐慌性人口流动及春运返乡高峰，其中武汉流出集中在周边城市及北京、上海。阶段二为各地实行交通管制的全面防控阶段，整体人口流动规模显著下降，特别是城市间人口流动及武汉人口迁出规模，持续维持在较低水平，但北上广及部分省会城市仍有一定规模的人口流入。阶段三为部分城市复工的局部防控阶段，武汉由于依旧处于封城阶段，人口迁出规模持续较低，而除湖北省外各地城市间、城市内的人口流动规模开始逐步上升，但依旧未恢复至正常水平。阶段四为武汉解封的严防境外输入阶段，整体人口流动规模逐步上升，城市内部出行规模恢复至正常水平，武汉周边城市间人口流动恢复较慢。

图2 患病数前50城市各阶段人口流动数据特征

表2 患病数前50城市各阶段人口流动规模分布情况

2、人口流动与疫情传播关系检验

本文对人口流动与疫情传播的关系进行检验，结果如表3所示，列（1）-（4）分别代表了四个阶段人口流动与疫情传播的关系。

表3 各阶段人口流动与疫情传播的关系

其中，由结果（1）（2）（3）可知，阶段一到阶段三中，各城市武汉迁入规模系数在1%的统计水平上显著为正，且系数逐渐减小。说明在国内疫情传播阶段，武汉向各城市的人口输出显著加快了疫情的传播，但随着武汉封城等交通出行管控措施的颁布，武汉人口输出对疫情传播的作用程度逐渐降低，到我国全面进入疫情境外输出阶段（阶段四）时，武汉人口输出对疫情传播的作用不再显著。由结果（1）（2）可知，各城市外地人口迁入规模系数在阶段一显著为正，而在阶段二显著为负。说明在实行交通出行管制前人口自由流动阶段，各城市之间的人口流动加速了疫情的传播，但实行交通出行管制后疫情严重地区的管控力度大于疫情较轻地区，因而呈现出疫情严重地区城市间人口流动规模小的特征。由结果（2）（3）（4）可知，阶段二到阶段四中，各城市内部人口流动系数在1%的统计水平上显著为负，且系数逐渐变大。说明城市内部出行规模并未加速疫情的传播，而由于疫情较轻地区解除出行管控及复工的时间均较早，因而整体城市内部出行规模较大。

综上，阶段一的回归结果代表不考虑外部政策管理条件下，人口流动与疫情传播的关系；而阶段二至阶段四则为外部政策管控作用下，人口流动与疫情传播的关系。总体上，武汉人口输出在国内疫情传播阶段具有显著的加快疫情传播特征，而外地输入和城内出行的并未呈现出加速传播的特征，假设1正确。

此外，回归结果中各控制变量也揭示了一定的规律。社会人口层面，常住人口规模越大，老龄化程度越高，易感人群规模就越大，感染概率越高。经济发展层面，城市人均GDP越高，经济发展水平越好，所承接的武汉及外地人口流入规模就越大，整体的感染概率越高。医疗水平层面，整体上未与确诊情况有显著关联。

同时，考虑到此次新型冠状病毒存在14天的潜伏期，且疫情初期各地的检测水平和重视程度存在差异，本文进一步对人口流动作用结果的滞后性进行检验。采用一个阶段的人口流动数据与后一阶段的确诊病例数据进行与上述相同的逐步回归分析，结果如表4所示。

表4 确诊病例滞后性数据表征

其中，结果（5）（6）分别用阶段一、二的确诊病例数据与阶段一的人口流动数据进行回归分析，可知结果（6）的方程拟合程度优于结果（5），且各城市武汉迁入规模系数大于结果（5），同样的结果（8）的方程拟合程度及各城市武汉迁入规模系数均大于结果（7），说明人口流动的作用结果的确存在滞后性，但人口流动与疫情传播的作用关系并未发生改变，即上述结论依旧成立。

2

城市建成环境与人口流动下的疫情传播的交叉性检验

基于上述分析，本文进一步检验城市建成环境对人口流动作用下疫情传播的影响，考虑到人口流动作用结果的滞后性及外部政策管制的影响，采用阶段一的人口流动数据及阶段二的确诊病例数据进一步分析建成环境的作用，回归结果如表5所示。其中，列（1）~列（5）分别采用土地利用混合度、人均建设用地面积、城镇人均住房面积、城市建成区绿化覆盖率和道路网密度五种城市建成环境指标进行衡量。

表5 城市建成环境与疫情传播

可以看出，在列（1）~列（5）中，土地利用混合度与人口流动的交乘项系数在1%的统计水平上显著为负，这说明城市土地利用混合度越高，对人口流动下的疫情防控起到积极作用；城镇人均住房面积与人口流动的交乘项系数在1%的统计水平上显著为负，这说明更大的人均住房面积对人口流动造成的传染起到抑制作用；道路网密度与人口流动的交乘项系数在1%统计水平上显著为正，这说明道路网密度的提高会加剧居住区周边的交通量，进而增加居民流动的暴露风险。假说2得到了支持。

#5

城市建成环境影响的进一步讨论

1

城市建成环境作用机制解释

回归分析证实了城市建成环境中的土地利用混合、城镇住房增大对人口流动带来的疫情传播有减弱作用，而道路交通是加剧作用，人均建设用地和城市绿化覆盖率则未体现与人口流动下疫情传播的相关性（表6）。结合人的活动规律可以做出解释：

①土地混合利用度与疫情传播看似没有直接联系，但是更高的土地利用混合度可能意味着更复合的城市功能，人们可以在更小的范围内完成日常活动，可以降低人群交叉感染的风险。

②城镇人均住房面积直接决定了居住条件，人均住宅面积越小意味着更多的人际接触、设施共享，而此次COVID-19爆发期主要传染发生在社区内部，保持社交距离是预防传染最重要的途径，本研究在城市尺度上印证了更大的城镇人均住房面积可以增加和保持人们社会交往的距离，从而降低对人口流动下疫情传播的风险。

③建成区道路网密度本身是反应城市建设水平的积极指标，带来更便捷的交通和更高的城市运行效率，当公共卫生事件发生时，更高的路网密度可能反而促进人口移动，导致疫情扩散。

④人均建设用地、建成区绿化覆盖率虽然是健康城市的重要指标之一，但是主要作用体现在对空气污染物的净化（王兰等，2016[14]），未有其对传染病防控方面的实证研究，疫情期间城市不同程度执行居家隔离管制，以限制社交接触的方式阻断病毒传播，包括公园在内的多数公共活动场所关闭，所以这两项因素未体现出明显相关性。

表6人口流动带来疫情传播中的建成环境要素影响

值得注意的是，在明确城市间人口流动促进疫情传播的基础上，上述模型2的交乘项反应的是建成环境要素对疫情传播中人口流动造成影响的作用，而不是建成环境与确诊人数的直接关系。考察后者的相互关系（图3），线性回归的模型解释度很低（R2 /阅读下一篇/ 返回网易首页 下载网易新闻客户端