钮心毅：大规模的城际流动有“正向”效应也有明显的“负向”效应

凤凰网财经讯 5月31日中国城市百人论坛2020青年论坛举行，论坛主题是“后疫情时代：人口流动性、土地和住房规划”，本次论坛以演播室在线直播形式举办，凤凰网财经全程报道。

同济大学建筑与城市规划学院教授钮心毅发表了题为《中国城市群的人员流动性特征与城市群的安全韧性》的演讲。钮心毅表示，突发性的公共卫生事件反映了大规模的城际流动有“正向”效应也有明显的“负向”效应。

钮心毅表示，后疫情时代要关心三个方面：要推进要素的流动；要保证要素流动的安全；让要素流动“正向”效应尽可能发展出来，而把“负向”效应控制在最最最低的限度。

以下为演讲实录：

感谢主持人，感谢毛老师和田老师的邀请，今天我和各位交流的关键词是流动性，去年开始我一直在做全国人员出行流动，今年疫情一出来，发现这两个其实是密切相关的。这段时间关在家里，做了很多的计算和对应，有些发现。我想部分可以回答刚才王世福教授说的不同城市之间，超大城市和一般城市对同样的人流下带来的韧性到底有什么差别？我看部分可以回答，还有部分我也很困惑，希望以后能有个量化的结果。给我最大的启发是，以前我们关注城际人员流动非常关注流动对经济的促进，流动对区域均衡的发展，换句话说我国的流动性在过去二十年里增加了多少倍，航空运输量增加了10倍，私人汽车到达多少量。换句话说整个流动量增长，因为没有二十年前的数据对应，这肯定是几何倍数的增长。但我们以前一直关心“正向”，换句话说我们推进城市群发展，推进要素流动，这是重要的措施，其实我初衷也是做这个研究的。

今年突发的突发性公共卫生事件反映了大规模的城际流动有“正向”效应也有明显的“负向”效应。今天我和各位交流，我从这个数据里看到“负向”效应发生在哪里，哪些地方最容易受到“负向”效应影响的。在后疫情时代，更好地掌握全国城际人员流动特征，能够更好地研判“负向”效应带来的问题，也看到风险和安全的一体。这是我研究的初衷，其实并没有做完，有一些发现，和各位交流一下。

这个故事从武汉说起，今年的疫情暴发点在国内是从武汉开始的，随着春运的人流扩散到全国。这是和百度千禧合作的数据，从武汉流出的人去了全国哪里，70%在湖北省内流动，所以湖北是重灾区，还有30%的人是出省，去了全国各地。有大致两个去向，一种是大量流向就近城市，最多的是信阳，如果信阳是100，重庆是85，长沙是65；第二种是大量流向了全国中心城市北京、上海、深圳、广州，信阳是100的话，北京就是59，上海41。这就告诉我们，人的流动不是那么简单的，越近流得越多，其实和城市的功能互相之间有一定的关系。正因为这样，我们想试着构筑不同的模型看看，城市流动和人的关系是什么样的。我做了四个定量模型，希望来解答人员流动和“负向”效应到底是什么关系。

一、城际人员流动与重大公共卫生事件。

（图，PPT）第一个模型是这样的，把横坐标当作春节前两周，1月10日--1月23日武汉封城，正好两周，从武汉流出的百度用户数流到这个省的数量。纵坐标是算到2月6日，各地确诊的病例数，正好封城14天，武汉流入的病例和引起感染的一代病例在14天之后都出来了，换句话说这直接能回答流动性带来多大的负面影响。我们把省放在上面之后，看到了绝大多数省市都遵循一条调整相关规律，这两个是完全正相关，非常吻合的我们统计上的相关性。这回答了城际流动带来的“负向”效应是非常显著的，换句话说和流动两直接相关。

我们看到有两个跳到上面去了，一个广州一个浙江，它带来的“负向”效应，在同样的流动量上，“负向”效应比我们预估得高非常多，照理说它应该在400多，（实际是）1000多，2倍多。这给我一个其余，这两个城市是上来样子？实际是我们国家经济最发达的两个省。我就想了想，把长三角和珠三角也当作一个省，长三角16个城市，珠三角11个城市（音）。同样流动量情况下，和被接受地的经济，人员内部情况有极大的关系，所以，城际人员流动给长三角、珠三角城市带来了明显的超过一般省的“负向”效应。

我把空间大约再分解，全国一共有将近370个地市单元，我把直辖市也放在里面，里面大概377个单元。（图）横坐标是从武汉流出去的百度用户数；纵坐标是到2月24日，一代病例和输入性病例都已经被发现的情况下的数目数。同样做了统计分析看到这个曲线，绝大多数城市都在这个曲线附近或曲线内，总体上流入量和确诊数强烈相关，我们看到两个组完全不一样，一个组在这儿，这个组是什么意思呢？同样的流入量，它的发病率特别高，一代传染和输入传染高得非常多；另一段在这儿，同样的流入量，他们的发病率或一代病例数比预期的低很多。这两个很有相似性，上面四个北上广深，中国最大的四个超大城市，下面也有很大特点，安庆、九江、南阳、岳阳、信阳都是环武汉的人口，劳务输出型城，就是到武汉打工的人大量回去。他们确诊数是多少呢？北上广深每从武汉流入1万人大概带来140个病例；下面一组，每从武汉流入1万人带来40多个病例，大概相差3倍左右。换句话说城际人员同样流动的情况下，带来的给北上广深带来的“负向”影响显著高于其他城市，而且明显高于就近的城市。那就告诉我们，城市的经济结构、产业结构或密度使它更多。我真不知道这是什么，这两个是有差别的。就像刚才王世福教授说的，这已经考虑到超大城市的医疗能力，社会管制能力远远高于进武汉的劳动输入型城市情况下，还是有这么强大的差别，换句话说城市越大或现在的经济中心城市在这种流动性冲击下非常脆弱，比乡村脆弱得多。

二、我国城市群的人员流动性特征。

抱着这个想法，我去年以来一直做了一个研究，想回到全国人口流动特征上。这是百度用户显示的全国人口出行，不是长期迁移，而是流动特征。2014年4月份，我们在做全国出行流动的特征，我当时想做经济驱动和人员流动是什么关系，结合今年春运看到，大数据反映的主要城市流动特征可以这么看，在春节的时候有四个极，京津冀、长三角、珠三角，还有一个地市极在城域，平时是三个极，长三角、珠三角、京津冀。不管是什么时候，从流动量来讲，武汉的位置比较显眼，在流动性第二档上，和前几个相比还是有很大的差别。平时常态下，最长距离的联系就是北京和上海之间的联系，换句话说今天这个会没有疫情在北京开，我要从上海飞到北京去。当然，春节的时候不一样，春运带来的是下降的。

这个极怎么看？我们把中国地级城市做了一个排名，我提出了两个指标来认识流动性：

一是流动规模，这段时间内从这个城市进进出出的人流多少？

二是流动广度，在这个时间里在城市里进进出出的人最主要是从哪些城市来。我们的指标是95%的人从哪些城市来。结果这样一分类，发现不同的城市完全不一样，比如广州在春运的时候一共进进出出一千多万人次，流出95%的人在39个城市，流入95%的人在12个城市。这是春运的前期。

我们看到一个很有意思的城市在宁波，在中国的东南域，它的流动量比广州小多了，发现它的流出95%在80个城市，流入的只有12个。平时也有一些指标，武汉在总量上平时排在第12位，春节排在第13位，流动广度上它也居于中间，流入流出比较均衡，这个数字不算大，也不算小，中上层面。排名靠前的，不管流动规模还是流动广度上，看到我们国家的四个超大城市北上广深，还有长三角、珠三角里的主要中心城市统统排在武汉前面，甚至还有东莞、佛山、郑州。这样来看，我们国家城际流动的主线就是四个超大城市和三个城市圈，春节的时候再加上城域，主导了我们全国人口流动的主要特色。九省通衢的武汉区位非常好，在中间，但人员流动不管在中间还是不在中间，因为交通工具完全不一样，武汉的流动规模和流动广度上在全国处于中上水平，中国有300多个城市，它排在十几位的量上。

最后我建了第四个模型，想看看不管在哪个时间段，全国流动性最高的区域在哪里？到底是在中部还是西部，还是什么地方？我们做了空间统计的方法，有局部空间算出来流动规模的热点。这是春节前期两周的流动热点地区，（图）这和长三角城市群的边界，这和珠三角城市群的边界，这和京津冀城市群的边界基本吻合，平时做出来也是这样，但只不过这个边界更大了一点。所以，我们三大城市群地区是我们国家人口流动性最高的集合，空间统计得到的热点聚类区和三大城市群的边界基本一致。

以超大城市为中心的城市群极大流动广度意味着它会带来的“负向”扩散效应非常大，我们前期的模型证明了，他们在受到“负向”效应冲击下，比一般的城市危险得多。如果这个重大的疫情不是从武汉暴发，是从长三角、珠三角某些地方暴发，对全国的扩散速度，“负向”影响比武汉大多了，大多少？不敢想象，应该是几何倍数上升。所以，超大城市为中心的城市群，意味着它的城市群扩散有巨大的“负向”效应。

三、后疫情的思考：流动性与城市群安全。

这只是一些思考，还没有量化的结论。呼应今天的主题，后疫情时代我们要干什么？

第一，城市发展带来更好的流动性。

在座的各位也很清楚，十九大报告明确了“以城市群为主体，构建大中小城市和小城镇系列化发展的城市格局”，而且中国城镇化的下半场主要的空间形态是城市群，要推进城市群发展必然会带来更强的流动性，更强的功能集聚。全国城际出行流动的大数据揭示了三大城市群是全国城际流动最强的区域。这样告诉我们两个点，第一个模型证明了，超大城市群为中心的城市群本身受到城际人员流动带来的“负向”效应，它的风险就大；第二，如果他本身变成了“负向”效应的展元，会极大地扩散这种“负向”效应的风险。今年发生的事情当中，我们对付的手段是阻断，今年年初抗击疫情当中，我们通过阻断城际人员流动，阻断交通节点方法，迅速阻挡住了疫情。但大家知道，这种阻断是暂时之计，没办法的办法。我们马上看到的全国经济数据，第一季度明显下滑，上海第一季度GDP下降了6.7%，其中工业下降了18%多，这是改革开放以来从事没有过的，全国的数字还没有去查，但上海相对韧性还比较强一点。后疫情时代，如何保证城际人员流动各种要素的安全性，这是我们推动城市群发展的安全性，还是要流，总归不能不（让人员）流（动），怎么让人的要素和生产要素更安全地流动起来，这是我们今后这个学科要考虑的问题。

第二，城市群安全韧性在于确保城市群流动性的安全韧性。

刚才王世福老师也讲到空间的韧性，我认为流动性也有个韧性的问题，怎么能够确保流动的机制能够有更好的韧性，也就是城市群当中的要素流动，在这样的危机冲击前能够有抵御能力，有适应能力或快速恢复能力，这是城市群类型建设的主要需求，这直接体现在城市之间的客运交通和物流联系上，背后还有各种各样的空间要素来支持。我们知道，我们国家经济最发达区域是全国流动性带来“负向”效应风险最高的区域，三大城市群流动网络当中的韧性需求也是最高的韧性需求。这个韧性该怎么做？当然有应对策略，要在合适的时间、地域与危机进程中，首先要保证流动性安全，到底怎么做？这也是摆在我们学科面前很重要的问题。

如何确保城市群在面临外部威胁冲击中更有韧性，这将是我们新型城市化进程中另外一个重要的议题。

四、结论。

这是后疫情时代我们一定要关心的：

1、要推进要素的流动。

2、要保证要素流动的安全。

3、让要素流动“正向”效应尽可能发展出来，而把“负向”效应控制在最最最低的限度。

我的报告就这三个结论，第一个结论只是告诉大家，我们国家流动性最强的地方，政策在哪里？在中国的三大城市群：长三角、珠三角和京津冀的北京。它的流动、规模和广度远超过全国其他地区，人员流动的强弱不单纯按照地理位置来决定的，其实和城市性质、产业职能有直接的关系。城市群超大城市的超强流动性伴随着更大的“负向”效应，而这是我原来没有想到的，也是今年疫情告诉我的，研究“正向”推动经济发展，也要研究“负向”效应带来的风险，那个风险告诉我两个点，一是它本身的风险，二是扩散“负向”效应的风险，带来我们的议题是，新型城市化进程中要推动城市群发展一定要从安全的角度来审视流动网络的安全性和韧性。

我和各位交流的就是这么一些内容，非常感谢论坛提供的机会，也非常感谢合作伙伴百度慧眼提供的数据支持。谢谢主持人！