人口密度十篇

人口密度篇1

1、韩国人口密度：529.7人/平方公里 (2018年)。

2、大韩民国（韩语：????，英语：Republic of Korea，South Korea），简称“韩国”。韩国位于东亚朝鲜半岛南部，总面积约10万平方公里（占朝鲜半岛面积的45%），主体民族为韩民族，通用韩语，总人口约5164万。首都为首尔。

3、韩国人口将由2019年的5200万小幅增长到2028年的5223万。2019年韩朝总人口为7700万，2032年出现峰值，2038年减至6500万。2015年至2020年，北朝鲜居民人均预期寿命为72岁，较韩国低10.5岁。2019年南韩人口排名世界第28，北朝鲜排名第54，合计排第20。

4、韩国是高人口密度国家，2015年人口密度约为每平方公里506人，是世界人口密度最大的国家之一。人口分布在韩国很不均匀，人口大多居住在城市，城市化率为82.5%。2015年，包括首尔、仁川和京畿道在内的首都圈人口总计为2514万，占到总人口的49.7%

（来源：文章屋网 ）

人口密度篇2

中国人口密度最大的省是江苏省。

江苏省人口7296万人，土地面积10、67万平方公里，人口密度683、51人每平方公里，居全国最高。河南密度只有580人每平方公里左右，浙江440每平方公里，四川170没平方公里。 而于省级行政区来说，澳门特别行政区人口44、5万人，面积27、3平方千米，人口密度16300.36人每平方公里，上海2300人每平方公里左右，北京700人每平方公里左右。

（来源：文章屋网 ）

人口密度篇3

（淮阴工学院经济管理学院，淮安223001）

（CollegeofEconomicsandManagement，HuaiyinInstituteofTechnology，Huaian223001，China）

摘要：近年来，世界上爆发了多起非常规突发事件，关于此类事件的应急救援是一个亟待解决的问题。文章首先介绍了马尔科夫链的基本知识，其次以此构建了面向人口高密度地区强震人员伤亡的预测方法，采用一个算例进行了仿真计算。研究结果进一步验证了该方法的实用性，对于应急管理具有重要的决策参考价值。

Abstract:Inrecentyears,theworldbrokeoutseveralunconventionalemergencies.Emergencyrescueforthiskindincidentsisanurgentproblemtobesolved.Thispaperfirstlyintroducesthebasicknowledgeofthemarkov-chain,thenconstructsamarkov-basedmethodforpredictingstrongearthquakecasualtiesofhighpopulationdensityarea.Ansimulationexampleisusedforcalculatingdemonstration.Resultsfurtherverifiedthepracticabilityofthemethod.Thispredictionmethodhasanimportantreferencevalueforthedecision-makingofemergencymanagement.

关键词 ：强烈地震；马尔科夫；预测方法

Keywords:strongearthquakes；markov-chain；prediction

中图分类号：N94文献标识码：A文章编号：1006-4311（2015）21-0234-02

0引言

近年来，世界各国频频发生非常规突发事件。如2005年初的印度洋海啸、2006年的英国伦敦爆炸、2007年的印度安得拉邦连环爆炸、2008年我国四川省发生的5.12特大地震、2011年日本强烈大地震并引发海啸，以及2015年4月尼泊尔爆发的强烈大地震等。这些非常规突发事件的发生给世界各国带来巨大的经济损失和人员伤亡，同时也向世界各国敲响了安全警钟。在此背景下，世界各国都高度重视非常规突发事件的防范与应对工作。目前国内外众多学者对非常规突发事件开展了大量卓有成效的研究，并相继取得了丰硕的研究成果。在非常规突发事件的资源布局问题方面。Sherali，H.D.和Subramanian，S在以上三个模型的基础上，提出了“救助的机会成本”概念，建立了改进的模型[1]。DaskinMS基于MCLP模型，提出了最大期望覆盖选址问题（Maximumexpectedcoveragelocationproblem，MEXCLP），建立了MEXCLP模型[2]。在非常规突发事件的警力部署方面。Larson，RichardC以及PaolaB.B.Ricciardelli，StevenJD´Amico等将超立方排队模型应用到应急设施的选址和服务区域划分的问题中[3-4]。Barbarosog1u[5]发展了救灾援助中的直升机派遣问题的数学模型，并给出了相应的算法。在非常规突发事件的资源调度问题方面。刘春林分别从多出救点和路径选择两方面系统地研究了应急管理中的紧急资源调度问题，建立了此问题的广义模型，并给出了多种条件下（如确定和不确定网络信息）最优方案的求解算法[6]。薛澜，张强，钟开斌从时间序列、组织行为和决策过程三个方面阐述了管理体系的建设，并研究了各大城市相继建立的城市应急管理体系[7]。上述学者的研究工作对于非常规突发事件的应急管理工作具有重要的理论参考价值和实践指导意义。然而纵观现有研究成果，目前学术界关于人口高密度地区强震伤亡预测的研究尚为罕见。在人口高密度地区爆发强烈地震这类非常规突发事件具有破坏力强烈，人员伤亡数量重大等特征，因此，研究这类非常规突发事件的人员伤亡预测问题，对于揭示此类事件伤亡演变规律，提高相关应急管理部门救援工作效率具有重要理论与实践价值。文章基于人口高密度地区强震人员伤亡的特征，采用马尔科夫模型，对强震中的人员伤亡进行演化预测，为应急管理部门开展实际救援工作提供决策参考和智力支持。

1人口高密度地区强震伤亡马尔科夫过程及预测模型的构建

马尔科夫（Markov）理论指出：“系统达到每一状态的概率仅与近期状态有关，在一定时期后马尔科夫过程逐渐趋于稳定状态而与原始条件无关”的这一特性称为“无后效性”。马尔科夫过程实际上是一个将系统的“状态”和“状态转移”定量化了的系统状态转换的数学模型：

状态{S（k）}：指系统在某一时刻的某种状态。当系统可完全由定义状态的变量取值来描述时，称系统处于一个状态。

状态转移：指当系统的描述变量从一个状态的特定值变化到另一个状态特定值时，就表示系统由一个状态转移到另一个状态，从而该系统实现了状态的转移。相应地，事物处于某种状态的可能性的大小，称为状态概率S（k）。则某一时期k的状态概率向量为：S（k）={S1（k），S2（k），…，Sn（k）}，

当k=0，S（0）={S1（0），S2（0），…，Sn（0）}称为系统初始状态向量。

转移概率矩阵：运用马尔科夫链进行预测的关键在于：建立状态转移概率矩阵（指系统在时刻t所处状态，转变为时刻t+1所处状态时与之相对应的一个条件概率）。

若由状态Si转向Sj的概率为Pij，则称Pij为从状态Si经过一个时期转移到状态Sj的一阶转移概率，其中Pii、Pjj为同一状态的转移概率，也称为保留概率。一般而言，对于任意i，j，所有转移概率Pij构成的转移矩阵P为：

从计算结果可见，强震爆发第三天，理论上的死亡人数已超越伤亡总人数的75%。轻伤与重伤人员数量比例呈下降态势，这与轻伤人员容易及时得到救助，重伤人员可能未获及时救助而死亡有关。

3结论

文章首先阐述了近年来世界非常规突发事件的状况及相关研究进展与人口高密度地区强震伤亡预测的重要性，其次介绍了马尔科夫链的基本知识，构建了人口高密度地区人员伤亡预测模型，并进行了仿真分析，计算实验结果与理论分析结果具有高度的一致性，进一步验证了该方法的实用性。

参考文献：

[1]Sherali,H.D.&S.Subramanian.Opportunitycost-basedmodelsfortrafficincidentresponseproblem[J].JournalofTransportationEngineering,1999,125(3):176-185.

[2]Daskin,M.S.Amaximalexpectedsetcoveringlocationmodel:Formulation,properties,andheuristicsolution[J].Transportationscience,1983,17:48-69.

[3]Larson,RichardC.AMethodfordeterminingtheoptimaldistrictinginurbanemergencyservices[J].Computers&OperationsResearch,1974,1(1):67-95.

[4]PaolaBertolazzi,LucioBianco,SalvatoreRicciardelli.Ahypercubequeuingmodelforfacilitylocationandredistrictinginurbanemergencyservices[J].Computers&perationsResearch,1977,4(1):1-12.

[5]CulayBarbarosoglua,LinetOzdamarbandAhmetCevikb.Aninteractiveapproachforhierarchicalanalysisofhelicopterlogisticsindisasterreliefoperations[J].EuropeanJournalofOperationalResearch,2004(140):118-133.

人口密度篇4

城市人口空间分布研究较多，目前最有影响力的有两个模型，即克拉克和纽林模型(Geary，R.，1954;Getis，A.andOrd，J.K.，1992;高向东，2003)。

1.1克拉克模型1951年，克拉克(Clark)通过对若干大城市的人口密度分布进行模拟，提出了著名的人口密度距离衰减模型:dx=d0e－bx其中dx是距离市中心的距离为x处的人口密度;d0是市中心区域的人口密度;b为常数，x为环带距离市中心的距离。d越大，说明该环带区域内人口密度越高，人口分布越拥挤;反之，如果d趋向减小，说明环带区域内人口密度逐渐降低。b代表人口密度随x的增加而衰减的速度，所以b值越大说明人口越趋向于分布在城市中心。一般来说，随着城市的发展，人口郊区化趋势日益加剧，人口分布也会发生新的变化，人口密度最高点向外移动，城市中心人口密度缺口出现。

1.2纽林模型纽林(Mewling)于1969年提出了二次指数模型，其数学表达式为:式中，b、c为常数，其他符号含义同克拉克模型参数含义。当b为负值，c为零的时候二次指数模型就转化成负指数模型，因此可以说负指数模型是二次指数模型的一个特例。需要指出的是，无论负指数模型还是二次指数模型，都是西方学者针对西欧、北美等国家大城市的发展和人口空间变动分布而概括所得，对于北京城市是否适用还有待检验。因此本文还选择了直线方程、二次方程、三次方程、复合曲线、等比级数曲线、指数方程等6种模型与之进行比较。

2数据来源与处理

2.1数据来源本文数据来源于北京市1982年第三次人口普查、1990的第四次人口普查、2000年第五次人口普查和2010年第六次人口普查结果。

2.2数据处理人口密度函数的建立基于圈层距离法来获得距离和人口密度数据。具体来说是以北京市中心点为圆心，以不同的距离为半径划圈，来测量和分析不同圈层中的人口状况。为准确获取不同圈层的人口数据，应用ArcGIS工具进行切割。具体的步骤如下:(1)根据北京市各区县第三、四、五、六次人口普查数据计算出人口密度。并将矢量数据转换成栅格数据，栅格单元100米×100米;(2)确定市中心的位置，本研究以原中心四城区(东城、西城、崇文、宣武)的交点作为北京城市中心点;(3)建立不同半径的缓冲区。使用命令MultipleRingBuffer输入不同的半径值，这里根据研究的需要，从中心区开始以3km为半径进行切割，同时考虑到北京市区域形状特点，此次切割到包括大兴和通州的区域，共16环、48公里(3公里×16环);(4)用不同半径的缓冲区来切割北京市的区县政区划图(见图1);(5)根据每个环带重新切割之后的人口数量和面积，计算得到北京市四个年份人口密度与距离数据矩阵(见表1)。得到人口密度和距离关系的矩阵以后，在SPSS软件里面通过曲线回归分别拟合了6种常见曲线函数以及前文提到的克拉克人口密度距离衰减模型和纽林的二次指数模型，分别得到1982年、1990年、2000年和2010年这四年的北京市人口密度拟合函数。

3北京城市人口密度空间分布的函数模拟

3.1人口密度空间模拟通过利用8个模型对四个年份北京城市人口空间分布进行拟合，结果表明纽林二次指数模型的判定系数均在8个模型中最大。而克拉克人口密度距离衰减模型的判定系数为居于第二位，说明二次指数模型要优于一次指数模型。表2中是四个年份人口密度空间分布拟合的结果，其中b0表示模拟函数的常数项，而b1、b2、b3表示回归系数，R2表示判定系数，F表示方差分析值。通过对四个年份各圈层人口密度的实际观测值与指数模型的预测值作出的趋势图(见图2)，可以发现各年人口密度观测值随着环带编号的增加急剧下降，直至下降到第4环的时候速度开始减缓，随着环带编号的增加人口密度几乎不变。也就是说随着距离x的增加，人口密度d刚开始是急剧下降，下降至6～9千米所在环带的时候速度骤然放缓。一次指数模型(克拉克模型)和二次指数模型都对人口密度d随距离x而变化的这一现象作了很好的拟合，表现在图2中就是一次指数模型和二次指数模型的预测曲线与观测值曲线几乎是一致的，尤其是第一环带至第三环带之间，而第三环带以后则预测的有些差强人意。运用指数方程对人口密度的预测值与实际观测值进行拟合后(见图3)，结果表明第七环带至第十六环带(最后一个环带)之间，指数方程能够很精确地模拟人口密度的空间变化。基于上述的分析，笔者认为可以采用一个分段函数来模拟人口密度的空间分布。具体讲，用纽林二次指数模型来模拟第一环带至第三环带中人口密度的空间变化，用指数方程来模拟第四环带至第十六环带的人口密度空间变化，得到北京市1982年、1990年、2000年和2010年的人口密度空间分布模型。

3.2人口密度空间模拟结果分析由于四个年份人口密度的空间分布呈分段函数的属性，所以这里分别比较各年的二次指数模型预测值以及指数方程预测值。在各年的二次指数模型预测值的比较中，重点比较第一环带至第三环带的人口密度曲线走势;在各年指数方程预测值的比较中，重点比较第四环带至第十六环带的人口密度曲线走势。一般地，人口密度趋势线越趋陡峭，说明城市中心区的人口密度越大，人口聚集程度越大;反之，人口密度趋势线越趋平缓，说明人口向城市转移的越多，人口分散程度越大。据此，通过比较1982年、1990年、2000年以及2010年四个年份的人口密度趋势线的陡峭/平缓程度借以说明1982年至2010年期间北京市中心城区的人口分布情况。比较第一至第三环带中人口密度趋势变化，可以看到，从1982年至2010年间，人口密度的趋势线由陡峭开始变得稍微平缓，说明第一至第三环带中的人口分布随着时间的变化趋于均匀、一致(见图4)。

比较第四至第十六环带中人口密度趋势变化，可以看到，从1982年至2010年间，人口密度的趋势线由平缓开始变得陡峭了，说明第四至第十六环带中的人口分布随着时间的变化趋于集中和不均衡，这一点是与第一至第三环带刚好相反的(见图5)。按照过去30年的人口密度变化趋势，北京功能拓展区的人口密度越来越大，人口分布将越来越不均衡，如此，会导致功能拓展区交通拥堵越加严重，学校、医院、养老机构等公共基础设施更加拥挤，大城市病将会愈加严重。所以采取有效措施疏解核心区和功能拓展区人口，使之有序迁移到新城区，实现人口的合理分布势在必行。

4促进北京城市人口合理分布的对策建议

4.1继续实施功能区定位战略，实现区域功能定位与人口分布相协调按照首都主体功能区规划，核心区主要任务是加强城市管理，保护古都风貌，改善人居环境，大力发展现代服务业，为实现首都城市性质和功能做出贡献;拓展区主要任务是拓展面向全国和世界的外向经济服务功能;新区是北京发展制造业和现代农业的主要载体;涵养区主要任务是加强生态环境的保护与建设。从人口分布角度来看，核心区要逐步降低人口密度，涵养区也要相应控制人口过度分布的态势，以减轻过量人口数量对资源环境的不良影响，更好的发挥生态涵养和生态屏障的功能。而拓展区和新区将承担起人口集聚的功能，拓展区的人口承载能力有显著提升，而新区的经济布局和产业重心还未完全显现，同时，还存在着人口文化程度整体较低与未来经济重心职能不符等问题(沈金箴，2003)。因此，未来北京还要继续实施功能区定位战略，优化不同功能区的人口分布，实现区域功能定位与人口分布相协调。

4.2合理配置要素空间布局，促进人口空间优化以产业升级转型带动人口合理分布。近年来北京一直在进行产业布局的调整，在中心城区大力发展第三产业，将城区的工业迁往郊区。力图通过产业结构的调整在消除中心城区的工业污染源的同时达到引导人口外迁，缓解中心城区人口压力。但中心城区的人口密度依然较大，新城集聚人口的吸引力不强，一个重要的原因是产业布局不合理，如通州区住宅建设与产业不配套，吸纳人口就业的能力就受到限制，对人口的吸纳必将不能起到应有作用。以城市住宅规划引导人口合理分布。规划城市住宅发展的重点区域将是城市人口迁移的主要方向，对人口的迁移有重要的引导作用。北京要合理规划住宅分布，改造城乡结合部住宅条件，科学选址商品房、保障房和公租房，并相应提高与住房相配套的其他公共服务设施的建设质量，引导人口朝着合理化方向发展。通过改善基础设施优化人口分布。城市基础设施对城市人口分布在经济因素方面的影响，简单来说就是基础设施通过对经济发展的影响作用于城市人口分布，从而促进城市人口分布的拓展。其中，城市交通是城市空间的血管，直接影响城市人口迁移与流动(张文新，2004)。北京进一步改善基础设施建设，提升交通网络的通达性，必将优化人口分布。

4.3加强城镇一体化发展战略，实现人口合理分布构建首都城乡全面对接的制度安排。加强制度创新和制度安排，持续推进城乡一体化进程。城乡一体化的重点在农村，难点也在农村，因此要逐步改变北京城乡管理各自自成体系的管理体制，建立起统一管理的新格局。加速推进农村人口城镇化。坚持立足市情，围绕加快人口城镇化进程，稳步推进户籍、土地、社会保障制度改革。转变城镇发展方式，走资源节约、环境友好、集约紧凑的城镇化道路，引导人口有序流动和迁移。大力推进城乡基本公共服务均等化。全市公共需求全面快速增长与基本公共产品短缺的矛盾凸显，公共资源配置失衡，新城区基本公共服务不足。基本服务在北京区域间的不均衡分布影响人口迁移流动。因此，要实现人口均衡分布就必须要缩小城区之间差距，推进基本公共服务均等化。

4.4改变单中心扩展模式，促进城市向着“多核心、均质化、相协同”的态势延展北京是典型的单中心城市，城内8区面积只占全市总面积8.15%，但在这个中心圆中却汇聚了全市60%以上的人口，创造了75%以上的地区生产总值，承载了全国政治、文化、教育、科技等几乎全部市级以上的功能。尤其是以长安街两侧及其延长线为核心的中心城区，高度叠加着全国政治中心、市级行政管理中心、文化中心、旧城保护核心地区、金融中心、国际交往中心、中央商务区、国际化大都市重要展示区等多项城市功能。中心城区的功能高度聚集，是造成北京人口过密、住房紧张、空气污染、交通堵塞等“城市病”现象的重要原因。城市发展要摒弃“摊大饼”模式，要将原来单中心均质发展的状况向多中心与新城发展战略转变，通过建设副都心和多个分中心，分散城市中心区的功能。

人口密度篇5

在经济社会转型背景下，中国不同城市的人口格局发生显著变化，人口郊区化趋势已经出现。因此，研究城市人口时空分布规律对于城市空间的可持续发展及城市发展战略的制定具有一定理论和现实意义。在西部大开发、成渝经济圈战略背景下，成都市社会经济发展迅速，城市规模不断扩张，人口迅速增加。人口的变化已经影响到成都市社会经济发展各个方面。近10年来，成都市经济的巨大发展是否引起了人口空间分布变化？城市人口时空的变化对城市发展有何影响？这些都是值得研究的问题。

国内外学者对此作了大量研究。国外对人口分布研究其主要出现在第二次世界大战之后，1951年Clark[1]对20多个城市的人口密度的空间分布进行了研究，得出人口密度与距离之间为负指数关系。1969年Newling[2]等用人口分布的二次指数模型，更加系统精确的分析了人口分布的空间规律。20世纪60年代至70年代，空间分析学派开始定量分析人口空间特征。20世纪70年代中期以后，学者开始从多个角度研究人口分布及变化。国内早在20世纪30年代对人口分布进行了研究。1933年，中国地理学家胡焕庸[3]绘制了第一张人口密度图，提出了“胡焕庸”线，并一直为国内外人口学者和地理学者所承认和引用。20世纪70年代以后，国内学者在人口分布方面的研究逐渐开始转向定量研究，GIS技术更为广泛地应用到人口学研究。1996年，周春山[4]通过对广州市人口研究，将人口变动分为人口减少型、人口增长型、人口基本稳定型三种类型，并用聚类方法划分了广州市的地域结构。2003年冯健、周一星[5]通过对比全国第五次人口普查数据和20世纪80年代的数据，概括了20世纪90年代以来北京市人口地域分布特征和最新变化。2009年，陈火星等人[6]结合成都市的行政区划与圈层空间分布的差异特征，将成都市分为4个圈层。2013年，潘倩[7]等运用不均衡指数、人口重心、集中指数等方法定量揭示了中国人口分布的时空格局及其变化特征。2013年，江琴在研究武汉市人口分布变化的动因的结果表明，人口流动的原因在于社会经济的发展所导致的区域收入差距以及对高品质生活啊的向往与最求[8]。

二、数据来源与处理方法

数据资料主要是人口普查数据和分县区数据。其中人口普查数据源于第五次人口普查和第六次人口普查2期数据，统计口径为常住人口。分县区数据源于同期的《成都统计年鉴》，其中成都市行政区划进行了调整，为了方便数据统计分析，本文统一采用2013年成都市行政区划（共19个单元，武侯区包含高新区人口和土地）作为统计单元，其他年份以此为标准进行相应的数据整理。

三、成都市人口时空分布特征

（一）成都市人口的增长特征分析

图1 成都各县、市（区）2000年、2010年人口数量

如图1所示，成都市人口分布不平衡。总体来看，市辖区人口数量较多，蒲江县、新津县人口数量较少。除青白江区、蒲江县、金堂县、彭州市外，成都市各个县、市（区）的人口数量均有不同程度的增长。其中，武侯区增长幅度最大，青白江区、蒲江县、金堂县、彭州市人口呈负增长，金堂县10年间人口减少5.5万人。10年来人口数量除了数量的增长，人口数量分布的布局变化不大，说明人口基数以及人口数量的历史积累是影响成都市人口数量分布的重要因素之一。各区县的人口数量主要集中在40-100万范围段。大于100万的县区数由1个增加到3个，0-30万的县区数由2个减少到1个，说明10年来成都各县区的人口数量增长较快。人口最多与人口最少的县区人口数量差距由2000年的81.5万人扩大为139.8万人，地区间的人口数量差距在不断扩大。

（二）成都市人口密度的空间特征

成都市属于单核心人口分布城市，即以中心城区为核心，从中心向外扩散，从内到外人口密度不断降低。20世纪90年代便有学者将成都市分为4个圈层，是以成都各区、县（市）距离中心点距离远近和人口聚集程度来划分的：内城区为第一圈层，城区周边为第二圈层，近郊区为第三圈层，更远的郊县为第四圈层。也有研究根据成都市人口、经济分布的中心性以及空间分布的圈层差异，将成都市从中心向依次划分为：核心团、近郊圈和边缘环3个圈层。本文基于中心-理论，结合成都市的行政区划与圈层空间分布的差异特征，将成都市19个县、市（区）分为4个圈层并计算其2000年、2010年面积比重与人口比重，如表1、表2所示。

由表1可知，1、成都市各区域间人口分布有着极强的圈层差异。10年来，各区域人口密度逐年增加。全市人口密度从每平方公里908人增加到1159人。人口密度最高的是武侯区，2010年底高达13420人/平方公里；人口密度最低的是大邑县，391人/平方公里。最高密度与最低密度相差近34倍，差异悬殊。4个圈层结构的人口密度按照离城市中心点的距离从第一圈层到第四圈层依次降低；2、成都市人口分布内密外疏。中心城区相对与其他地区而言，人口密集程度很高，远郊区人口密集度较低。内密：中心城区的人口密度明显高于其他地区，2000年人口密度均达到6500人/平方公里以上，2010年人口密度均达到8500人/平方公里以上。外疏：近城区的人口密度明显低于中心城区，但也看出人口比近郊区、远郊区要稠密。同时，各区域间差异逐渐增大。从历史数据来看，成都市中心城区密度特别高，增长速度也很快。中心城区相对于近城区差异逐年增大，近城区相对于近郊区与远郊区相对与近郊区增长较小。可见成都市人口密度差异主要表现为中心城区人口高度聚集。从成都市发展趋势来看，未来几年各区域间差异仍将继续增大。

通过计算2000年、2010年成都4个圈层的人口增长率，可知：

1、全市的人口增长率为24.93%，全国的人口增长率为5.8%，是同期全国增长水平的4倍；

2、成都人口密度的分布趋势与成都的人口增长率具有一定程度的一致性。除近郊区外，人口密度高的圈层，人口增长率相应的较高。其中，近郊区的负增长原因之一是相较远郊区距离城区更近，人口大量向城区涌进，以获得就业机会；

3、人口增长率的空间分布差异较大。中心城区、近城区的人口增长率分别达到42.72%和35.88%。自中心城区向远郊区呈现明显的“圈层状”、“阶梯状”；

4、成都市人口密度与城市中心距离存在较大的关联性。以地貌变化较一致的成都西部为例：除了成都市城区（第一圈层）外，第二圈层紧邻三环路，第四圈层紧邻第二圈层。即，人口密度变化与距城市中心距离成正相关。

四、结论与讨论

本文在总结前人学者研究成果的基础上，以2000年、2010年2期成都市人口普查数据为研究样本，对人口的时空分布特征进行了研究，得到以下主要结论：

第一，人口数量众多，基数庞大。2000年成都市总人口1124万人，2010年总人口1404万人，远高于同期四川省其他城市的人口数量。

第二，城市总人口持续增长，年均变化率区域差异大。通过成都市的数量特征分析，发现成都市常住人口在10年间增长了近300万人，除青白江区等4个县、区（市）外，人口数量均有不同程度的增长，地区间人口数量差距不断扩大。

第三，人口不断向市区聚集与人口的空间重分配。通过密度特征、重心迁移及均衡度分析，发现成都人口时空分布特征主要体现在两方面：除金堂县等3个县、市（区）外，人口密度变化呈现快速增长，人口密度的空间分布的“圈层”特征明显，人口密度按照离城市中心点的距离依次降低，空间分布差异较大。通过分析发现，成都市2000年、2010年的人口重心均在市辖区范围内，呈现向东南方向迁移，迁移幅度较小，说明这一时期全市的人口整体分布格局没有出现较大波动。成都市近10年的不均衡指数和集中指数不同程度地增长，人口分布向不均和集中发展。

人口密度篇6

如果按照生产要素密集度分类，服务业可以被划分成劳动密集型、资本密集型和技术密集型服务业三大类。这种分类方法是按照所投入的、占主要地位的资源的不同为标准，即根据劳动力、资本和技术三种生产要素在各产业中的相对密集度来划分的。

技术密集型服务业是指在生产过程中，对技术和智力要素依赖大大超过对其他生产要素依赖的服务业。特点是科技人员在职工中所占比重较大，劳动生产率高；产品技术性能复杂，更新换代迅速。在生产结构中，技术知识所占比重大，科研费用高，劳动者文化技术水平高，产品附加价值高，增长速度快。

BPM5和《扩大的国际收支服务分类》（EBOPS）将服务贸易分为11类：运输；旅行；通信服务；建筑服务；保险服务；金融服务；计算机和信息服务；特许权使用和许可费用；其他商业服务；个人文化和娱乐服务；别处未包括的政府服务。技术密集型服务贸易包含的服务行业有：通信服务中的电信服务，保险服务、金融服务、计算机和信息服务、特许权使用和许可费用、其他商业服务中的杂项商业、专业和技术服务、个人文化和娱乐服务，共计7个服务行业。下文各经济体技术密集型服务贸易的进出口数据均是以上七个服务贸易数据的合计。各行业服务贸易的进出口数据均可在IMF官方网站上查阅。

根据世界贸易组织数据显示，从1998年到2006年，世界服务贸易出口总额由13924.8亿美元增至28162.8亿美元，年平均增幅达9.20%。其中技术密集型服务贸易出口额由4541.9亿美元增至10164.8亿美元，年平均增幅达10.59%，高于劳动密集型服务贸易的7.15%和资本密集型服务贸易的7.47%。技术密集型服务贸易占服务贸易的比重从32.6%增长到36.1%，在服务贸易中占据着越来越重要的位置。

在技术密集型服务贸易的众多分项中，金融服务与计算机和信息服务这两项是引擎，引领技术密集型服务贸易整体快速增长。IMF官方网站公布的数据显示， 1998-2006年世界范围内的金融服务在技术密集型服务贸易的分项中（除杂项外）出口额始终排名第一，2006年这项数据高达1897亿美元。在金融服务贸易的带动下，保险、证券和信托等行业的服务贸易也快速发展。计算机和信息服务是发展速度最快的行业，1998-2006年世界范围内出口额年均增速高达20.0%。在它的带动下，版权服务等也有较快的发展，许可费服务出口额的年均增速为9.6%。

美国是技术密集型服务贸易市场中的领跑者。其综合国力强大，在金融、科技和文化等领域中均处于全球领先地位，因此无论是从绝对优势的角度还是从比较优势的角度衡量，美国的竞争力都体现出明显优势。印度虽然是发展中国家，但由于在近十年来执行发展以计算机和软件业为核心的现代服务业的国家战略，大量生产和出口以计算机软件为代表的技术密集型服务产品，技术不断进步，规模不断扩大，成为当前世界技术密集型服务贸易市场中竞争力提高最快的国家。据统计，印度已经成为全球最大的承接服务外包的国家，其中包括全球65%的软件外包市场业务和46%的其他服务外包市场业务。大量承接以软件为主的服务外包就意味着技术密集型服务产品的出口，这就使印度在这个市场中具有较强的国际竞争力。

中国的技术密集型服务贸易的国际竞争力总体呈现两个特点：当前的发展水平低（基础弱）和增速缓慢（动力不足）。在世界服务业市场的分工中，中国的服务业大多处于整体产业链的低端，即劳动密集型服务产业。而处于服务业产业链高端的技术密集型服务市场则被美国、英国等发达国家和印度、爱尔兰等以服务业为主导的新兴国家占据。纵观国际环境与自身发展条件，中国若想短时间内在技术密集型服务市场中占有一席之地难度较大。因此，中国需要向美国、印度借鉴相关的发展经验，以尽快提高自身技术密集型服务贸易的国际竞争力。

二、中国、美国和印度技术密集型服务贸易竞争力的变化分析

本章旨在分析中国技术密集型服务贸易竞争力的时间序列变化，并与美国和印度做出对比分析。美国是现代服务业最发达的国家，其技术密集型服务贸易的竞争力也十分强大；印度与中国虽同为发展中国家，但其更侧重发展以计算机和软件业为其核心的服务业。通过与服务贸易发展水平最高的发达国家和发展中国家进行对比，可以分析出中国与它们究竟存在何种程度的差距。

（一）市场占有率分析

市场占有率指标是指一国或某一产业、某一产品的出口总额占世界出口总额的比例。即：

一国出口总额

市场占有率=-------------

(1)

世界出口总额

本文中，该指标是一国技术密集型服务贸易的出口总额与世界技术密集型服务贸易的出口总额之比，它从市场份额的角度反映该国技术密集型服务贸易国际竞争力的强弱，本质上是一种绝对优势的体现。

中国技术密集型服务贸易的市场占有率一直维持在很低的水平，在1998年只有0.46%，到2006年也仅为1.37%。但是从增速的角度看，中国的市场占有率年平均增幅为14.61%，而出口额的年平均增幅高达26.76%。综合看来，中国在技术密集型服务贸易的国际竞争力以很快的速度持续提升，但由于基数较低，想要在市场中占有重要地位还需要很长时间。

美国的技术密集型服务贸易的市场占有率一直处于20%以上，优势十分明显。即使美国的市场占有率在2004至2006年处于整个时期的低谷，也能够稳定在21%的水平。一个国家拥有超过世界市场1/5的份额，证明它拥有垄断性的优势。

印度技术密集型服务贸易的市场占有率是发展中国家中最高的，2006年已增至为5.45%。从增速的角度看，9年间平均增速高达21%。由于印度政府一直大力发展以计算机和软件业为其核心的服务业，使其在技术密集型服务贸易领域逐渐占据了越来越多的市场份额，具有了很强的国际竞争力。

（二）贸易竞争指数分析

贸易竞争指数是一国或某一产业、某一产品的净出口额与其进出口总额之比。即：

出口总额-进口总额

贸易竞争指数=------------------

(2)

出口总额+进口总额

本文中，该指标指的是一国技术密集型服务贸易的净出口额与进出口总额之比。它是一个相对值，介于-1和+1之间。它剔除了通货膨胀等宏观经济总量方面波动的影响，排除了进出口绝对量的影响，使不同时期、不同国家直接的数值更具可比性。该指标数值为-1表示该国的技术密集型服务贸易出口额为零，数值为+1表示该国的技术密集型服务贸易进口额为零。该指标值越接近+1，其国际竞争力越强。

从贸易竞争指数看，中国的技术密集型服务贸易的国际竞争力很弱：9年间的指数都低于-0.3，2002年出现了最低值-0.55，体现出了极其严重的逆差问题。自2002年后，数值开始稳步提升，2006年的数值为-0.33。这说明我国在这个市场中由于产品的国际竞争力不足，无法大量出口，反而要依靠进口来满足国内的需求，因而造成严重逆差。

美国的技术密集型服务贸易的国际竞争力很强，9年的贸易竞争指数一直呈现正值，且绝对值大于0.2，说明该国在技术密集型服务贸易市场中存在较稳定的顺差。但是9年的数据整体呈现下降趋势，证明了其他经济体在这一领域的发展使美国净出口数额降低的事实。

印度的技术密集型服务贸易国际竞争力的发展速度惊人。指数从1998年的-0.01逐年提高到2006年的0.38，9年间从一个贸易基本平衡的状态转变成拥有大比例顺差的状态。说明这一时段的印度在大力发展技术密集型服务业，并且大量出口技术密集型服务产品。

（三）显性比较优势指数分析

显性比较优势指数是一国的某一产业或产品在该国出口中所占的份额与世界范围内该产业或产品在世界贸易中所占的份额之比。即：

一国某一产业（产品）出口额/该国贸易出口总额

显性比较优势指数=-------------------------------------------

(3)

世界某一产业（产品）出口额/世界贸易出口总额

本文中，该指标是一国技术密集型服务贸易的出口额占该国服务贸易出口总额的份额与世界技术密集型服务贸易的出口额占世界服务贸易出口总额的份额之比。这一指标是一个相对值，剔除了国家和世界经济总量波动的影响，反映了一国技术密集型服务贸易的出口水平与世界平均出口水平的相对优势（劣势）。该数值为1，表示该国处于世界出口平均水平；该数值小于1，表示该国处于比较劣势，值越小比较劣势越明显；该数值大于1，表示该国处于比较优势，值越大比较优势越明显。

中国的技术密集型服务贸易的国际竞争力非常弱，其显性比较优势指数在9年间均小于0.4，说明中国的技术密集型服务出口占总服务出口的比例与国际总体水平相距甚远。虽然指数在9年间从0.27增至0.37，但是增幅缓慢，说明中国在未来相对很长时间里的国际竞争力仍将处于非常低的水平。

美国的技术密集型服务贸易的显性比较优势指数在这9年内呈现出稳定增长，由1.22增至1.43，说明该国的技术密集型服务贸易在国际市场上一直具有较强的国际竞争力。

印度的技术密集型服务贸易发展态势良好。从显性比较优势指数的角度看，该国从1998年的1.41上升到2006年的2.04，即印度的技术密集型服务出口占该国服务总出口的比重远远高于世界平均水平，且一直在提高。这些数据体现出印度在这个市场一直具有很强的国际竞争力，而且优势越来越明显。

三、美国和印度技术密集型服务贸易的发展对中国的启示

美国、印度技术密集型服务贸易的发展可以归功于以下几点因素。这些经验对中国在这一领域的发展有很强的借鉴意义：

（一） 加快产业结构的调整

美国服务业产业的比重占到了近80%，是全球技术密集型服务业最发达的国家。印度自1980年开始经济改革以来，就把服务业的发展作为重点。经过20多年的努力，服务业GDP占总GDP的比重从1980年的36%增至2004年的51%。国内服务业的快速发展对服务贸易的发展形成了有力的产业支撑。尤其是印度的软件服务业非常发达，使其在软件服务贸易方面体现出绝对优势。

我国应当加快产业结构调整。在保持农、工业稳步发展的同时，适当将重心偏向服务业，尤其是通信、金融和计算机等核心服务业，使这些产业不仅能够满足当前的国内需求，而且有能力参与国际竞争。

（二） 实现层次分明和有针对性的教育体系

美国的教育十分重视人的个性和创造力的培养，而且与市场的需求密切结合在一起。印度也十分重视发展精英教育、职业和技术教育，每年都要培养出200万熟练掌握英语并同时拥有很强技术能力的毕业生。软件业是印度技术密集型服务业的核心，作为国家支柱产业，教育对软件业的人才输出也是源源不断的。印度每年可供应100万软件人才，其中通过培训获得微软认证的印度工程师就近10万人。

我国的教育应加快向以就业为导向、以培养实际操作能力为目标的转变，高等教育更要在计算机、信息、通信、金融和文化创意等专业领域加大投入，塑造出大批有特色、实际工作能力强的实干型人才。

（三） 努力拓展海外市场

美国是服务业高度发达的国家，服务业的繁荣带来了服务贸易的兴盛。美国的企业拥有着世界上最先进的科技发展水平和经营管理水平，随着服务的可贸易性的提高，它们就被大量的美国服务业的跨国集团通过各种形式在目标市场设立的海外分支机构，为目标消费国提供技术密集型服务的出口。所以，美国服务业的对外直接投资是推动其服务贸易发展的直接动力，服务业的跨国集团在海外设立大量的分支机构，带动了本国知识、技术、经验等技术密集型服务贸易的出口。印度的软件业海外扩张也十分成功，并带动了其技术密集型服务贸易的出口。

我国的服务企业在采取各种应对措施来巩固国内市场的同时，我国也要努力扩大服务出口的国际市场份额，全面参与国际分工，更积极地参与国际竞争。尽量把扩大利用外资和加快对外投资有机结合起来，从美国等技术密集型服务贸易发达的国家中汲取宝贵的经验和技术，加快自身的技术创新、制度创新和组织创新，形成一批技术密集型服务产业的大型企业集团，切实提高开拓海外市场的实力和国际竞争力。

（四） 重视知识产权的保护

知识产权是技术密集型产业的核心价值，对其保护不力会使大量投资者因得不到回报而退出，导致整个产业的发展停滞。美国在保护自主知识产权方面早已形成完备的法律体系，《1930年关税法》中的“337”条款，可以说是针对侵犯权和商标权行为的“大规模杀伤性武器”。印度政府为保护知识产权做出了多项努力：早在1994年就出台了世界上最严厉的版权法，它明确规定了版权所有者与使用者之间的权利和义务，对任何违禁者将给予严厉的处罚，甚至刑事指控；2000年，《信息技术法》正式生效，该法监督并强化了保护信息技术知识产权的执行力度。同时，印度还签署了有关知识产权保护的国际协议，与其他国家一起严厉打击盗版行为。

相比之下，我国知识产权保护的现状令人担忧。整个社会的知识产权保护意识不足，国内盗版猖獗，打击力度不够；海外侵权不断，也缺乏足够保护。这些都令一些高新技术领域的跨国企业对和中国企业的合作产生疑虑。对知识产权的侵害，严重影响了国内技术密集型服务业的发展。对此，我国应从相关法律的制定和执行入手，出台一系列针对不同领域的知识产权保护法规，扩大覆盖面，同时加大处罚力度，并做到严格执法。加强对公众的教育，从法律和道义、国家利益与自身利益的多种角度进行保护知识产权的宣传。

（五） 税收减免政策力度大

美国政府对技术密集型服务业的支持保护政策体现在各个方面，税收优惠也是其中之一。印度政府对从事IT出口行业的企业所得税实行5年减免5年减半，再投资部分3年减免等等。企业负担很低，在起步阶段基本上是零税收，这在相当大程度上形成了出口技术密集型服务产品的成本优势。

目前我国对企业征收的所得税的税率范围为15%～25%，其中对高新技术产业征收的税率最低（15%），却仍然远高于印度的税率，这使我国技术密集型产品在国际竞争中缺乏竞争力。我国可以效仿印度，对技术密集型企业进行分阶段税收政策，在起步阶段给予充分支持。对已经征收较高税率的可以考虑给予出口退税等优惠政策，以帮助相关企业降低技术密集型服务在出口竞争中的成本负担。

参考文献：

[1]国家统计局. 中国统计年鉴2007[M]. 北京：国际统计局，2007.

[2]联合国经济和社会事务部统计司.国际服务贸易统计手册[M].日内瓦：联合国出版司，2002

[3]万红先.入世以来我国服务贸易国际竞争力变动分析[J].国际贸易问题. 2005年第5期.

人口密度篇7

Abstract: The continued appreciation of RMB has already produced some significant negative effects on parts of China's export industries, it threatens the profit of the majority of Chinese export corporation badly. This paper analyzes the different effect of changes in exchanges rate of RMB on Chinese different industrial sectors, and make some analysis of the reasons. At last gives a number of countermeasures which can enhance the export competitiveness of Chinese industry.

关键词：人民币汇率；工业品；出口竞争力

Key words: the exchange rate of RMB；industrial products；the export competitiveness

中图分类号：F752.62 文献标识码：A 文章编号：1006-4311（2011）23-0113-02

0引言

自从2005年7月21日我国开始实行以市场供求为基础的、参考一篮子货币进行调节、有管理的浮动汇率制度起，人民币对美元汇率开始逐渐升值。纵观汇改以来的情况，人民币对美元汇率的总体呈现持续小步上扬的态势。截止至2010年11月24日，人民币对美元的汇率为6.6525，与2005年7月的8.23相比，升值达到了19.17%。人民币对美元持续升值已经对中国部分出口产业产生了显著的不利影响，使中国大多数出口企业的利润空间受到严重威胁。本文探讨了人民币实际汇率变动对不同类别工业品出口竞争力的影响差异。然后通过研究结果为制定适当的汇率政策、提高中国工业品的出口竞争力、明确出口企业改革方向提供有利的启示。

1人民币汇率变动对不同工业品出口竞争力的影响

在研究人民币实际有效汇率变动对中国工业品不同部门出口竞争力的影响时，将中国工业品分为非技术密集型工业品和技术密集型工业品。

1.1 对非技术密集型工业品出口竞争力的影响按照HS分类的食品、饮料、酒醋烟草及其代用品，塑料及其制品；橡胶及其制品，皮革制品；旅行用品；动物肠线制品，木及木制品；编结材料制品，木浆；纸、纸板及其制品，纺织原料及纺织制品，鞋、帽、伞、羽绒及其制品这七大类属于劳动密集型工业品。贱金属及其制品属于资源密集型工业品。车辆及运输设备，机械器具及其零部件属于资本密集型工业品。按照SITC分类的纺织品，杂项分类，服装这三大类属于劳动密集型工业品；钢铁属于资源密集型工业品；汽车及相关产品属于资本密集型工业品。不管是按HS分类还是SITC分类，劳动、资源和资本密集型工业品都差别不大，不影响分析的结论。

通过分析得出，所有的非技术密集型工业品在2001年-2005年间的贸易竞争指数增长率均为正，意味着在此期间这些工业品的贸易竞争指数均有不同程度的上升，也就是它们的出口竞争力在不断增强。

在2005年-2009年间非技术密集型工业品的贸易竞争指数增长率一部分为正，另一部分为负。在此期间贸易竞争指数增长率为负的有食品、饮料、酒醋烟草及其代用品，木及木制品；编结材料制品，鞋、帽、伞、羽绒及其制品和贱金属及其制品，很显然，这些工业品的贸易竞争指数都在下降，也就是它们的出口竞争力在明显减弱。其余的非技术密集型工业品的贸易竞争指数增长率虽然为正，但是它们的增长率显然都不同程度的低于该类产品在2001年-2005年之间的增长率，所以即使这些工业品的贸易竞争指数在上升，但与2001年-2005年相比上升得较慢，意味着它们在此期间的出口竞争力比2001年-2005年间的出口竞争力相比较弱。

2001年-2009年之间非技术密集型工业品的国际市场占有率都处于上升趋势且有明显的规律，2001年-2005年间国际市场占有率增加的百分点均大于2005年-2009年间国际市场占有率增加的百分点。因此，非技术密集型工业品的出口竞争力在人民币实际有效汇率贬值时期强于人民币实际有效汇率升值时期。

综上所述，人民币实际有效汇率变动对非技术密集型工业品的出口竞争力有一定的影响且成反向作用。在人民币实际有效汇率下降时，非技术密集型工业品的出口竞争力明显增强；在人民币实际有效汇率上升时，非技术密集型工业品的出口竞争力相对较弱。也就是说人民币贬值有利于中国非技术密集型工业品出口竞争力的提升，人民币升值不利于中国非技术密集型工业品出口竞争力的提升。

1.2 对技术密集型工业品出口竞争力的影响通过分析得出，在2001年-2009年间技术密集型工业品的贸易竞争指数是以2005年分界线先降低后升高的，所以技术密集型工业品在2001年-2005年间出口竞争力下降，在2005年―2009年间的出口竞争力上升。

2001年-2009年间技术密集型工业品的国际市场占有率都处于上升趋势并且也有明显规律，2005年-2009年间国际市场占有率增加的百分点均大于2001年-2005年间国际市场占有率增加的百分点。因此，技术密集型工业品的出口竞争力在人民币实际有效汇率升值时期强于人民币实际有效汇率贬值时期。

综上所述，人民币实际有效汇率变动对技术密集型工业品的出口竞争力有一定的影响且为正向作用。在人民币实际有效汇率下降时，技术密集型工业品的出口竞争力降低；在人民币实际有效汇率上升时，技术密集型工业品的出口竞争力明显增强。也就是说人民币贬值不利于中国技术密集型工业品出口竞争力的提升，人民币升值有利于中国技术密集型工业品出口竞争力的提升。

2汇率变动对不同工业品出口竞争力影响差异的原因

2.1 汇率变动的价格传递效应汇率变动对出口贸易影响的大小依赖于汇率变动的价格传递效应。在不同条件下，汇率变动的价格传递效应的大小是有差异的。一般而言，在完全竞争条件下，该效应的作用效果最大。在不完全竞争条件下，作用效果相对较弱。那些技术密集度高的产品的垄断势力往往较强，而非技术密集型产品的垄断势力大多较弱。因此，汇率变动对技术密集度高的产品出口价格影响不大，而对非技术密集型产品的出口价格影响巨大。一般来说，当出口国货币升值时，技术密集度高的产品其出口利润不会明显下降；而非技术密集型产品出口的利润空间则会受到显著挤压。所以，一国货币升值对该国非技术密集型产品出口竞争力的消极影响远大于对技术密集度高的产品。非技术密集型产品的出口竞争力主要体现在价格方面，而技术密集型产品的竞争力则往往体现在以产品性能和产品附加价值呈现的技术水平。因此本国货币升值对该国非技术密集型产品出口竞争力的削弱程度显著大于对技术密集型产品。

2.2 生产成本的进口投入比例生产成本取决于生产投入，而汇率变动会直接引致进口品的价格变化。因此，汇率变动对生产成本的影响程度与生产投入中进口投入品所占的比例密切相关。在开放经济中，由于不同出口产业或商品在生产过程中，进口投入品在生产总投入中所占的比例是有差异的。所以，汇率变动对不同商品生产成本所带来的影响大小各异，进而导致各类商品的价格竞争力和利润水平发生变化。一般情况下，汇率贬值使进口品的价格升高；而汇率升值就会使进口品的价格降低。由于我国的技术还不是很发达，所以我国技术密集型产品的生产投入中进口投入品所占的比例较大，汇率升值就会使进口投入品的价格下跌，从而使生产成本降低，出口竞争力增强。反之，我国非技术密集型产品尤其是劳动密集型产品的生产投入中进口投入品所占的比例不大甚至很小或为零，所以汇率升值导致进口品价格下降并没有给它们的生产带有多少益处，故出口竞争力没有增强，反而因为汇率升值使出口商品价格上升而导致出口竞争力减弱。

3人民币升值背景下提升中国工业品出口竞争力的措施

面对人民币长期升值的趋势，为了尽可能地减少人民币升值对中国经济的不利影响，发挥其对提升中国工业品出口竞争力的积极作用，本文提出以下措施：

3.1 提升产品档次，增加产品附加值从总体上看，中国的出口主要仍以劳动密集型产品为主，如纺织、服装等，其贸易竞争指数高于其他产品。然而这些产品的竞争力在于价格优势，故产品档次不高且附加值低。所以企业应该提升产品档次，增加产品附加值，转变以往单纯依靠价格优势为主要竞争手段的做法。面对人民币升值带来的挑战，单纯依靠价格优势的企业在国际市场上的空间将日渐狭小。相关出口企业应该审时度势，转变经营策略，通过提升产品品质和服务、产品升级换代来提升产品档次、增加产品附加值，以提升产品在国际市场的综合竞争力。同时，中国企业应转变经营理念，强化品牌意识，积极培育和树立自己的品牌，逐步使产品形成品牌优势。

3.2 加强与发达国家技术密集型产业的合作为有效增加中国的进口，特别是从发达国家的进口，应该加强与发达国家之间在技术密集型产业上的合作，运用各种方法促进其增加对中国高科技工业品的出口。2008年以来，面对金融危机，世界各国开始寻求合作以共克时艰。中国政府积极和各主要经济体开展对话，为在高科技领域加强与发达国家的合作打下了良好的政治基础。但是，任何国家都不会轻易放弃建立在比较优势基础上的双边贸易主导权。这种情况下，中国企业一方面要积极争取和创造与发达国家合作或向发达国家学习的机会；另一方面要注重自身的研发和创新工作，以提升中国工业品的出口竞争力。

3.3 合理利用外汇储备，为提高企业出口竞争力创造条件当前，人民币升值压力在很大程度上来源于巨额外汇储备。所以利用中国目前大量的外汇储备来进口石油、粮食、矿产等中国紧缺资源以及急需的高新技术，不仅可以缓解大量外汇储备所累积的人民币升值压力，而且能为提高国内企业生产能力和整体素质创造有利条件。可见，合理利用外汇储备对于促进产品升级、提升产品出口竞争力发挥着重要作用。目前，可以考虑具体实施的途径主要有：在国际金融市场上建立和完善中国重要战略资源的期货储备机制，比如石油、铜、铁矿石等中国稀缺资源。这样不仅可以增强中国在这些资源定价上的话语权，也为保障国家战略安全做了必要的准备；放宽外汇管制，提高有实力企业的用汇比例，鼓励国内有实力企业对外直接投资，以提高外汇储备的使用效率；购买国内紧缺商品，从而利用人民币升值来降低部分行业的采购成本。在当前国际金融危机的形势下，美元不断贬值，合理有效利用中国巨额的外汇储备，对实现中国外汇储备的多元化以及保值增值有极为重要的意义。

参考文献：

[1]范爱军，林琳.中国工业品的国际竞争力[J].世界经济，2006，（11）.

[2]刘渝琳，李松.基于制造业FDI的工业竞争力分析[J].贵州财经学院学报，2008，（4）.

[3]邵杰.人民币汇率变动对我国外贸的影响探析[J].商业环境,2009，（3）.

人口密度篇8

城市内部空间结构是在一定的经济、社会背景和基本发展动力下，综合了人口变化、经济职能的分布变化以及社会空间类型等要素而形成的复合性城市地域形式，城市人口分布是城市空间结构研究的核心部分，也是诸多相关研究的基础[1]。人口群体在地理空间中的分布、集散及组合状况，是重要的人口现象和社会经济现象[2]，已成为衡量和反映城市空间结构演化与发展的重要指标。自20世纪50年代开始，国外学者对城市人口空间分布展开了大量的定量研究，形成了人口空间分布测度与模拟研究、郊区化研究、城市空间结构研究以及城市社会空间分异等多个研究领域[3-8]，并从交通、就业、政府行为等方面对城市人口空间集聚与扩散的机理进行了探讨[9-11]。国内学者关于人口空间分布的探索大致可以分为三个方面：①人口空间分布特征描述性研究，主要通过定性描述和计量模型拟合来实现对人口空间分布特征的解读及预测[12-16]。②人口空间集聚与不均衡程度的定量测度研究，具体表现为运用空间统计分析方法实现对人口空间分布集聚扩散情况的分析与探索[17-20]。③人口多中心空间结构的识别与判定，主要通过人口密度多核心模型的拟合来比较拟合优度，以此判别人口次中心的有无以及发育情况[21-22]。

西安市是我国西北地区的重要核心城市，也是2014年国务院关于城市规模划分新标准下的代表性特大城市，人口总量大、流动性强。西安市城市范围的扩张与历史因素和政策驱动作用密切相关，为了保护西安古城原有风貌，西安城墙范围内的开发受到了严格的限制。此外，西安市凭借其良好的区位以及教育、科研等优势，在国家政策的支持下，近年来建立了多个部级园区，经济、文化、社会等各方面的发展有独特的“园区色彩”。基于此背景下，西安市的人口分布特征与空间结构是否也有独特的发展趋势与特征？因此，本文以西安市为研究案例，采用第五次和第六次人口普查数据中街道和乡镇尺度的人口数据作为研究基础，并根据期间街道和乡镇层面的行政区划变动情况对相关数据进行了适当调整，结合运用GIS、Geoda空间表达方法对西安市人口空间分布与演化特征、人口空间结构进行探讨，以期为优化西安市人口空间布局提供支持。

1 研究区范围及人口分布概况

1.1 研究范围

为考察西安市圈层人口变动特征，本文将西安市市域范围划分为中心区、近郊区和远郊区三个圈层：以莲湖区、新城区和碑林区作为中心城区，其他在绕城高速以内的街道和乡镇为近郊区，剩余街道和乡镇为远郊区。

1.2 西安市人口空间分布特征

（1） 圈层差异较大，“东北-西南”轴向扩张明显。2000年～2010年间，西安市总人口增长120万，增长率为16.40%，其中近郊区吸纳了73万，远郊区吸纳了42万，中心城区增长了4.6万。从人口密度来看，十年间中心区、远郊区有小幅增长，近郊区人口密度上升快。从增长速度来看，西安市三个圈层人口增长分化明显，中心区几乎保持不变，增长率仅为2.49%，近郊区超高速增长，增长率高达47.5%、远郊区也保持较高的增长，增长率为10.71%，形成了中心区人口低速增长、近郊区爆发式增长、远郊区人口快速增长的空间格局（表1，图2）。可以看出，十年间西安市人口空间分布趋势没有发生大的改变，呈现出以中心区为核心向近郊和东北-西南方向连绵扩展的空间格局。莲湖区、新城区、碑林区人口中心的核心地位得到强化，未央区、灞桥区、雁塔区等街道（乡镇）成为人口由中心区向扩展的重要承接地，它们均是城市化发育成熟的区域。阎良区、临潼区、高陵县（区）的大部分街道（乡镇）人口密度处于1500～4999人/ km2的水平，是城市化扩张已经完成、城市化发育水平渐趋成熟、城市服务有待提升的区域。西安市南部周至县、户县、长安区、蓝田县则因受到地形及交通干线的影响，始终是西安市人口低密度地区，这些区域也是未来西安市城市区域向外扩张的重要区域。

（2） 户籍人口郊区化与外来人口的局部集聚相伴而生。中心城区户籍人口的减少是反映郊区化真实水平的重要指标[23]。为了解中心城区的郊区化情况，本文对2000年～2010年西安市中心城区户籍人口的变动情况进行了分析。结果显示，西安市户籍人口减少的街道数量为23个，中心城区户籍人口减少的街道占中心城区所有街道数量比例高达88.5%，人口郊区化现象显著。在有明显郊区化现象的街道中，西安市有87%的街道?艏?人口减少10%以上，同时有61%的街道户籍人口减少20%以上，显示出西安市人口郊区化具有较高的强度。由图3可以看出，西安市外来人口局部集聚特征明显。莲湖区、新城区、碑林区三个老城区2000年外来人口密度达到6000人/km2的水平，成为外来人口集聚度最高的地区。此外，自2000年起，未央区三桥街道、大明宫街道、张家堡街道，以及南部长安区韦曲街道等因紧邻中心城区，经济发展条件良好，就业机会多，基础设施条件完善吸引了大量外来人口集聚。2010年，西安市外来人口显著增加，呈现出以老城区为核心向近域扩展的格局，高陵县（区）泾渭镇，雁塔区曲江街道、长安区郭杜街道等都成为新的外来人口次高密度中心。

2 研究方法

2.1 人口结构指数

人口结构指数包括不均衡指数U和集中指数C，用来描述人口分布的集中和分散趋势。

其中，n为研究单元个数；xi为第i个研究单元的土地面积占区域总面积的比重； yi为第i个研究单元的人口占区域总人口的比重。不均衡指数和集中指数越小，说明人口分布越均匀；两者数值越大，则说明人口分布集中于某地。

2.2 Moran’I指数

Moran’I指数是用来研究空间自相关性的一项指标，它检验整个研究区中邻近地区间是相似、相异（空间正相关、负相关），还是相互独立的。包括全局Moran’I指数和局部Moran’I指数；通过对城市人口分布的空间相关性分析，可以有效揭示出城市人口分布的空间集聚和分散特征[24]。Moran’I指数计算公式如下：

式中，I为全局Moran’I指数，Ii为局部Moran’I指数，n为研究单元个数，Wij为研究单元i与j的相邻空间权重矩阵。当i与j相邻时，Wij为1；当i与j不相邻时，Wij为0。对于全局Moran’I指数来说，其值介于-1至1之间，大于0时为空间正相关，小于0时为空间负相关。Moran’I指数越大，空间分布相关性越高，说明空间有集聚分布现象；Moran’I指数越小，空间分布相关性越低；当其值趋于0时，空间分布呈随机分布的情况。根据局部Moran’I指数的显著性水平，结合Moran’I散点图可对每个区域与周边地区间的空间差异程度进行分类：Ⅰ类（HH）：表示高密度人口区域被高密度人口区域所包围；Ⅱ类（HL）：表示高密度人口区域被低密度人口区域所包围；Ⅲ类（LL）：表示低密度人口区域被低密度人口区域所包围；IV类（LH）：表示低密度人口区域被高密度人口区域所包围。Ⅰ和Ⅲ反映相似值的空间集聚，Ⅱ和Ⅳ反映空间异常。

2.3 Gi指数

Geary指数的局部聚类检验，称为Gi指数（Gi statistic），用来检验局部地区是否存在统计显著的高值或低值。Gi指数的定义如下：

这个指数用来检验局部地区是否有高值或低值在空间上趋于集聚。高的Gi值表示高值的样本集中在一起，而低的Gi值表示低值的样本集中在一起。Gi统计可以揭示人口“热点”，反映人口空间集聚的情况。

3 西安市人口空间集聚特征

3.1总体特征

运用人口结构指数计算2000年和2010年常住人口、外来人口、老龄人口的不均衡指数和集中指数可直观地观察三类人口分布的集聚与分散情况。由表2可看出，常住人口、外来人口、老龄人口的不均衡指数U较小且有小幅下降，表明三类人口空间分布更趋均衡。集中指数C有小幅上升，说明在局部地区三类人口有集中分布的趋势。两个指数的变化情况表明，西安市常住人口、外来人口、老龄人口的空间分布趋向均衡，但仍有向局部地区集聚的趋势，呈现出“总体均衡，局部集中”的空间分布格局。从Moran’I指数来看，西安市常住人口、外来人口空间分布表现出较强的空间依赖性且集聚程度在不断增强。2000年西安市常住人口全局Moran’I指数为0.6242， 2010年为0.7175，外来人口Moran’I指数值由0.6463上升为0.7656。老龄人口空间相关程度与常住人口、外来人口相比，空间自相关程度较低，2000年、2010年Moran’I指数值分别为0.4030、 0.4562。

3.2 局部特征

?木植坷纯矗?西安市从整体集聚演化趋势来看变化不大（图4），2000年“高-高”集聚区包括碑林区、新城区、莲湖区各个街道、未央区和雁塔区的部分街道。从地理位置上看，这些区域完全包括了城市中心区及其周边的部分地区，是高密度人口集聚区，也是西安市政治、经济、文化的核心区，作为城市的主体功能区充分发挥了较强的人口向心效应，能够带动周边地区人口的增长。2010年人口“高-高”集聚区在2000年的基础上，新增曲江街道和韦曲街道，其中曲江街道由“低-高”集聚区演化为“高-高”集聚区，反映出中心区在不断增强集聚的同时还通过扩散效应来带动近郊区人口的增长，这也与曲江国家文化产业示范区的建立和作为西安建设国际化大都市的重要承载区的重要地位密切相关。韦曲街道由“低-低”集聚区演化为“高-高”集聚区，说明西安市中心城区的高密度人口集聚区在不断扩大，经济发达、交通等基础服务设施完善等优势条件使靠近传统中心区的郊区具有强大的人口吸引力。“低-低”集聚区仍集中在西安蓝田县、周至县的大部分地区并且范围有扩大的趋势。这些区域均处于西安市远郊区范围，距离中心区有一定距离，人口密度远小于中心区，具有明显的低密度集聚趋势。

外来人口空间集聚变化不大，2010年长安区韦曲街道由“低-低”集聚区演化为“高-高”集聚区，“低-低”集聚区仍集中在周至县及蓝田县的大部分地区。“高-高”集聚区集中在莲湖区、新城区、碑林区的各个街道，未央区大明宫街道、雁塔区鱼化寨街道、丈八沟街道等由于中心城区的辐射影响和近郊区良好的发展态势成为外来人口的“高-高”集聚区。老龄人口“高-高”集聚区为中心城区及其近郊区的部分街道，“低-高”集聚区为中心城区北部未央区未央宫街道、大明宫街道、灞桥区十里铺街道。2010年“高-高”集聚区向中心城区西南方向蔓延，雁塔区鱼化寨街道、丈八沟街道、长延堡街道成为新的老龄人口集聚区。周至县及蓝田县的大部分地区“低-低”集聚的空间关联模式没有发生太大改变。

3.3 热点分析

总体来看，西安市中心城区及中心城区的近郊区是人口“热点”区域，人口密度分布存在高度集聚现象；Gi指数负值主要分布在远郊区，表现为人口密度的低值集聚，整体Gi指数呈现出“由中心向”递减的规律。南部长安区韦曲街道Gi指数增加，成为新的人口“热点”区，这也与局部Moran’I指数的识别结果一致，反映了西安城区范围的外扩以及郊区基础设施的完善汇集了大量人口的集聚。西安市蓝田县及长安区南部的部分乡镇Gi指数降低，表现为人口密度的低值集聚。从外来人口来看，外来人口“热点”区除中心城区及周围街道外新增韦曲街道，由此可见韦曲街道已逐渐发展成为西安市新的人口集聚区；灞桥区洪庆街道Gi指数值降低，人口密度高值集聚性下降；西安市东北部临潼区新丰街道及其周围街道、蓝田县葛牌镇经过十年的人口增长变化成为外来人口密度低值集聚的“冷点”区。从老龄人口来看，人口集聚程度并没有发生改变，中心城区及其周围街道为老龄人口分布的“热点”，即老龄人口集聚程度最高的区域。灞桥区洪庆街道为老龄人口分布的次“热点”区，蓝田县汤峪镇Gi指数最低，是老龄人口密度的低值集聚区。

4 结论与讨论

基于第五、第六次人口普查数据，对西安市人口空间分布、集聚特征进行了研究，发现：①西安市人口空间分布上圈层分化明显，人口扩张呈现出向近域和“东北-西南”方向连绵扩展的格局。人口郊区化现象与外来人口的局部集中相伴而生，老龄人口的向心集聚特征明显。②西安市人口局部空间集聚造成“空间马太效应”不断增强。常住人口、外来人口和老龄人口的“高-高”集聚区均集中在中心城区各街道以及空间上与之相邻的近郊区部分街道；“低-低”集聚区主要集中在东西两侧的远郊区部分乡镇，且随着时间的推移两者的空间范围均有不同程度的扩大。

人口密度篇9

在中国这样一个人口大国，长三角、珠三角和环渤海湾这三大都市圈，未来都会产生东京和纽约这样的特大城市，这是与经济发展水平和特大城市的职能相适应的。不能简单地把今天中国特大城市的问题归结为人口规模。这方面，目前存在诸多认识误区。

误区1 中国已出现大城市人口过密问题

现代城市经济以第二、三产业为主，随着经济从工业化向后工业化阶段过渡，大城市对于现代服务业的发展越来越重要。然而长期以来，社会各界始终存在一种认识上的误区，认为中国已出现大城市人口过密问题。事实上，随着经济的高速增长，中国的城市人口也在高速增长，但从国际比较的视野看，不能简单判断我国的大城市已经太大。

对于特大型城市，不能简单从统计上的总人口数量得出其规模过大的结论。中国的城市是按行政辖区来定义的，特大型城市（特别是直辖市）的面积都非常大，严格说来是城市群而不是单个城市。在做比较时，必须区分核心城区、市郊和卫星城。我们将北京、上海、广州分别作为环渤海湾、长三角和珠三角三大都市圈的核心地区与东京和纽约进行比较。数据显示，如果简单地计算上海、北京和广州的人口密度，这几个城市的人口密度明显低于东京、纽约，但辖区面积远远大于东京和纽约。

我们特别计算了与东京、纽约面积大致可比的北京、上海、广州中心城区的人口密度，结果发现，北京和上海的中心城区人口密度基本上相当于东京和纽约的密度，但广州的人口密度还较低。如果将东京圈作为比较对象，则北京辖区、上海加苏州、广州加佛山在面积上分别与东京圈大致相当，可以看出，上海加苏州范围内的人口密度已经与东京圈相当，而北京辖区和广州加佛山的人口密度则仍与东京圈有明显差距，这一差距主要来自于中心城市以外的地区。

城市研究者和政策制定者对于发展大城市的忧虑是“城市病”，主要体现在交通拥挤、环境污染和犯罪三个方面。但不能简单认为“城市病”与人口密度正相关。从北京2009—2010年间的区级数据能够看出城市发展的得与失。一方面，人口密度更高的区，平均工资明显更高，失业率则更低，显示出人口集聚对于提高居民收入和创造就业的效应。进一步考察人口密度与犯罪率和环境指标的关系可以看出，人口密度居中的地区犯罪率较高。在环境方面，人口密度更高的地区生活垃圾无害化处理度更高，而人口密度居中的地区空气质量较差。虽然受制于数据量上述分析不太严谨，但这至少提醒我们，不能简单将城市问题与人口规模、人口密度联系在一起。

从美国城市发展历史来看，在拥挤方面，虽然大城市总体上的通勤时间更长，但在1980—2000年，大城市规模不断扩张，其通勤时间却没有比小城市长更多。这背后有两方面原因：一方面，大规模且快速的市内公共交通网的发展使大量居民能够较快地上下班，缓解地面交通拥堵，相应缩减了开车上班的居民的通勤时间。另一方面，在大城市扩张过程中，出现了人口和就业岗位的同时郊区化，住在市郊的居民无需赶往市中心上班，这部分居民也更多地开车上班。平均来看，大城市居民通勤时间并没有明显增加。如果只比较那些住得离市中心比较远的居民的通勤时间，大城市和小城市之间几乎没有区别。从中国特大城市的情况来看，当前要做的不是限制人口，而应是基础设施建设。同时，要引导企业将一些生产和生活服务业分散至市郊，推进生活设施、公共服务（特别是优质教育）向郊区分散，减少市中心的交通需求。

误区2城市扩大导致污染更严重

转贴于

城市扩大导致污染更严重，这也是一个认识上的误区。大城市依靠密集的地铁网络来解决出行难题，加上对使用汽车的限制，比如香港提高牌照费、停车费、燃油税和环境税；伦敦和新加坡对特定路段征收拥堵费。城市汽车密度得到有效控制，有效减少了私家车的尾气排放。同时，汽车保有量的控制也使出行车速不至太慢，对于减少汽车尾气排放也有益。

清华大学房地产研究所副教授郑思齐在对中国74个城市居民交通出行碳排放所作的分析中发现，城市人口密度与出租车碳排放、公共汽车碳排放都呈现显著的负相关关系，平均每平方千米增加1000人会减少全年平均每户家庭出租车碳排放0.424吨，减少公共汽车碳排放0.837吨。另外，大城市的环境保护在很大程度上更依赖于产业结构的变化。大城市以服务业为主，相比工业城市更有利于减少污染排放。许多欧美城市曾经历环境污染到改善的过程，改善的关键是城市功能日渐变化。同样的产业结构之下，在高密度、高容积率的城市楼群里，能源的使用更集约，更有利于控制整个城市的碳排放。

误区3 城市规模与犯罪率正相关

人口密度篇10

【关键词】北京市；产业集群化；人口压力

一、引言

北京市的人口发展与城镇化水平以及城市的可持续发展战略之间的关系更是错综复杂，丝丝相扣、息息相关。为此，本文谨针对人口发展问题最为繁复的北京市的人口压力进行相关的阐释与研究。谈及人口压力，人口承载力则是不得不深虑的概念，在此，文章以童玉芬教授的“城市人口承载力”概念为基准[1]，即：城市人口承载力是指在可预见的时期内，在不损害城市环境质量和破坏城市资源永续利用以及能充分满足人们对生活质量的满意度要求的前提条件下，由构成该城市人类生存和发展的所有物质条件和社会经济条件所共同决定的人口规模。本文仅以北京市产业集群现象为背景，力求阐释产业集群化对北京市人口压力的贡献值。

二、研究方法与数据

本文所用数据皆是来自于2000年第五次人口普查和2005年1%人口抽样调查以及北京市统计年鉴。在此基础上，结合其他相关资料对数据进行分析与整理。

因产业集群化在提高生产率、拉动经济增长、提高企业效益、增强区域竞争力等方面斐然的影响力，所以目前对产业集群理论的研究主要集中于其为城市或区域竞争力带来的优势方面，而衡量产业集群化的指标更是不一而足，在众多见仁见智的指标体系中，为避免莫衷一是的尴尬，本文以试探并深究的态度，独辟蹊径，希望能以人口学统计指标从侧面反映区域内产业集群化的纵深程度。其体系指标主要包括：人口密度、二三产业从业人员密度以及昼夜人口比等。

三、产业集群化对北京市人口发展的影响

（一）北京市产业集群化的现状

产业集群的最重要特点之一，就是它的地理集中性，即大量的相关产业相互集中在特定的地域范围内。伴随着产业的集聚，必定会带来人口的聚集、流动，必定要对人口总量、结构以及素质等人口要素产生影响。

（1）北京市各区县人口密度分析

北京全市面积为16410.54平方公里，其中市区面积为1368.32平方千米。至2008年，全市常住人口为1755万人，人口密度达1069人/平方公里。市区人口1043.9万人，人口密度为7629人/平方公里。显而易见，北京市中心城区的人口密度远远高于其他区县。其中，西城区、东城区、宣武区、崇文区人口密度最高

绝大多数的外来人口均分布于中心城区。其中，以海淀区和朝阳区为最多，分别是90.6万和99.8万人。不难发现此种分布情况必定有其更深层次的原因，即产业结构分布的不均衡性使然。

（2）北京市各区县二三产业从业人口的基本情况

北京市各个区县中，就业人口的构成是迥然不同的，在大相径庭的从业人员密度分布中，可以清楚的透视某区域内的产业结构及其类型。以2001年基本单位普查数据和第五次人口普查数据为基准，从第二、第三产业的从业人员的人口密度分布分析，城区与近郊区八区的高从业人口密度可见一斑。中心城区的从事二三产业的人口密度如此之大，如此突出，在深究其内在因由可知，城区内产业集群现象普遍性。

（3）北京市各区县昼夜人口比

一般地，一个地区的昼夜人口比大于1，则可以认为该地区主要是作为“工作地”，即“功能区”。昼夜人口比的值越大，说明该地区经济活动越频繁，昼夜人口比值最大的地区，就可以认为是城市的中心地。[2]

根据第五次人口普查和第二次全国基本单位普查的数据资料将北京市各区县昼夜人口比的基本情况：在2000年东城区、西城区、崇文区、宣武区的昼夜人口比均大于1，属于功能区；而2005年，宣武区与朝阳区昼夜人口比有所下降，海淀区的昼夜人口比增长至1以上。通过昼夜人口比，中心四城区无可厚非的成为了功能区，该指标直观的表示出此区域内产业集群化的纵深程度。

综上所述，无论是人口密度还是从业人口密度抑或是昼夜人口比等各项指标，都旗帜鲜明的指向中心城四区，最为直接的原因可以归结为该区域需要大量的劳动力资源，更深层是的原因可追溯至产业结构的影响上，即产业集群现象的作用。不同类型的产业集群其形成机制有本质上的差异。中关村是典型的科技资源衍生型产业集群，而此产业集群又属于劳动密集型产业，亟需各个层面的大量的劳动力，在我国城镇化建设的现阶段，该区域以此对适龄劳动人口有着一种天然的吸引力。

（二）北京市人口压力的直观表现――交通拥堵

首先，对于城市的内部构造来讲，北京市现阶段的地域构造采用的是同心圆地带构造。城市的成长表现为城市地域外延的扩大，这种扩大过程呈现出同心圆地带的形式，从市中心开始到城市外缘，顺次的形成中心业务区、过渡地带、住宅区。由于单核心的地域构造，当人口规模达到相当程度的时候，人口问题将直观的表现于交通问题中。

根据2009年北京市统计年鉴，2008年民用汽车中私人汽车为248.3万辆，比2007年增长了17.1%，其中轿车为174.4万辆，是2007年轿车拥有量的119.2%。据统计，2008年北京市轿车的销售量达到54.5万辆，而在2001年这个指标只有11.4万辆。尽管交通工具数量急剧增多，但是由于人口总量的制约，人均交通设施仍然处于较低水平，加之人口流动的频繁现有的交通条件已不能满足人们日常生活出行的要求，交通堵塞的现象已经愈演愈烈。如此严峻的交通问题与北京市的人口密度有着千丝万缕的联系。

北京市近些年来人口密度的分布情况，中心城区和近郊区都是人口高密度区。这也从另一方面说明此区域内人口集聚现象与产业集群现象之间的更深层次的联系。

（三）产业集群化对人口压力现状的影响力分析

通过以上的阐述可以知道，利用一组人口学统计指标可以从侧面判定某一区域产业集群化的程度。本文采用人口密度，从业人员密度和昼夜人口比三个指标组成一个指标体系，通过对北京市各区县人口数据的分析与演绎，归纳得出中心城四区为产业集群化程度高的区域。

产业集群化是城市化进程中的普遍现象，是渐入高度城市化的必经阶段。其对该地区人口发展规模的影响是把双刃剑。其对北京市人口发展的影响力主要表现在：

首先，在北京市现有的同心圆地域构造结构内，随着城市化水平的提高，产业集群化程度的加深，以及劳动力密集型产业的主导优势，在相当的时期内，交通问题会首当其冲，交通设施的有限性无法满足适龄劳动人口流动的需求，势必会造成交通的拥堵。

其次，产业集群化会引起人口结构的异化，譬如京津冀都市经济圈内，个别区域的过分产业集群化会造成人才流动的极端不均衡，从而使区域间城镇化水平参差不齐，增大地区间的经济实力差距，进而拉大贫富差距。

再次，产业集群化的另一方面副作用是会在一定程度上加快特定区域内资源的消耗速率，会加快区域内资源匮乏的严重程度。

四、结论与思考

人口的良性发展不仅仅指人口的规模，更重要的是人口的结构及其与居住地、工作地之间的宜居程度。城市化进程中的产业集群现象往往会导致人口结构性的分布不均，最直接也是最突出的表现为城市交通的拥堵，从本质上给城市人口发展带来严峻的挑战。北京市该如何最大限度的运用产业集群化带来的社会效益并将其对人口发展的压力限定在最小程度之内将是政府城市规划中不可忽视的问题。

对现阶段北京市产业集群化纵深程度的思考，有利于进一步加深对城市化发展进程的理解，便于今后的规划设计。这里仅对如何减轻产业集群对人口发展的制约提及一点思考：

是先城市化后逆城市化的发展道路？还是合理规划城市的持续发展？逆城市化是相对于城市化而言的，逆城市化是由于经济水平的提高，城市化进程较高的时候，此时人口（高收入者较多）往往向郊区迁移的过程。逆城市化是城市内部环境条件恶化的表现。毋庸置疑，可持续发展才是硬道理。合理的城市布局以及明确的职能定位是人口与地区协调发展的必要条件，而从国际经验来看，将非核心业务转移出去，降低成本提高效率是有效手段。

参考文献：