「研究分享」当收缩不可避免,让谁搬走更经济
独作学者:Takashi Aoki
Division of Global Architecture, Graduate School of Engineering Osaka University, Suita-City, Japan 大阪大学, 大学院工学研究科, 地球综合工学专攻, 助教
博士: 关西学院大学 (2021年3月) 硕士: 关西学院大学 (2018年3月)
研究方向:人口减少与老龄化背景下的城市空间结构重组、紧凑型城市建设及郊区可持续再生研究。他重点通过空间分析、行为经济学等方法,探讨轨道交通沿线开发、人口迁移意愿以及工作与居住空间连结对未来城市规划的影响。
研究:当收缩不可避免,让谁搬走更经济
Which generation should migration promotion measures target to shortly achieve a compact structure for shrinking cities?
移民促进措施应针对哪一代人,以尽快实现缩小城市的紧凑结构?
期刊:Cities
https://doi.org/10.1016/j.cities.2024.105020
摘要
根据当前人口结构,将城市区域精简至适当规模是一个重要且紧迫的问题。因此,日本于 2014 年颁布了《立地适正化计划》(Location Normalization Plan),并正在向更紧凑的区域结构转变。然而,该计划无法强制人们迁移到目标区域。因此,紧凑区域结构的形成预计将持续数十年。因此,在住宅区外的生活环境恶化之前,尽快将基于居民自愿迁移的紧凑区域结构转变为紧凑区域结构至关重要。本研究利用空间统计分析了在促进城市化且不具备居住吸引力的区域人口达到零所需的时间。我们假设多代人是迁移促进政策的目标,并考虑了每种情景的差异。结果表明,目标区域自然撤离需要超过 100 年,且针对退休前和退休后世代的移民政策最为有效。本文的贡献有价值,因为它讨论了基于全球成熟城市中正在进行的压缩措施中,推动尽可能缩短缩减时间的迁移的重要性。
Streamlining urban areas to appropriate sizes based on the current population structure is an important and urgent issue. Therefore, Japan enacted the Location Normalization Plan in 2014, and a shift toward a more compact regional structure is underway. However, this plan cannot force people to migrate to the target area. Consequently, the formation of a compact regional structure is expected to persist for several decades. It consequently is crucial to shortly convert to a compact regional structure based on the voluntary migration of residents before the living environment outside residential zones deteriorates. This study analyzed the time required for the population to reach zero in urbanization-promoting areas excluded from residential attraction, using spatial statistical analysis. We assumed that multiple generations were the targets of the migration promotion policy, and considered the differences in each scenario. The results demonstrate that >100 years would be required before the natural withdrawal of target areas, and that migration policies targeting pre- and post-retirement generations were the most effective. This paper’s contribution is valuable in that it discusses the importance of promoting relocation based on the viewpoint of the shortest possible shrinkage to the compacting measures currently being undertaken worldwide in matured cities.
研究问题
在存量规划(Stock Planning)的语境下,作者立足于地方政府空间重构的现实执行困境,提出了三个研究问题:
- 政策的目标 (Policy Targeting): 在财政资源受限且无强制搬迁权的前提下,搬迁激励政策应精准投向哪个特定的生命周期世代(Life-stage cohort),才能获得最大的空间收缩“杠杆率”?
- 空间收缩的时间成本 (Temporal Efficiency): 若仅依靠人口自然动态与非强制性政策引导,外围低密度区域(Urban Perforation 区域)的人口规模降至可安全切断基础设施供给的阈值,具体需要多长的衰退周期?
- 异质性空间策略 (Spatial Heterogeneity): 考虑到不同规模城市的基底人口结构差异,单一的世代搬迁策略是否普适?应如何基于城市规模和时间轴构建动态优化的政策模型?
为何发问?
- 城市穿孔化(Urban Perforation)与基础设施的财政危机 (Introduction-P1, P4): 在人口负增长阶段,成熟城市面临物理空间未能同步收缩的困境,导致局部密度随机下降(即“穿孔现象”)。维持外围低密度区域的公共服务(如交通、水务、上门医疗)正严重拖垮市政财政,空间形态的“紧凑化”已成为维持城市可持续性的刚需。
- 现行《立地适正化计划》的制度局限 (Introduction-P5, P9): 日本于 2014 年确立了以“居住诱导区域(Residential Attraction Areas)”为核心的紧凑城市政策。然而,该规划仅提供空间愿景与正面激励,缺乏强制重置(Forced Relocation)的行政权力。如果仅依靠居民的自发决策,空间收缩的过程将过于漫长。
- 传统搬迁补贴政策的“受众错位” (Results 3.1-P1, P2; Discussion-P2): 现实中,多数地方政府的搬迁补贴(如租金补贴、购房补贴)依然基于“增长范式(Growth Paradigm)”的思维惯性,盲目瞄准 35 岁左右的年轻育儿家庭。作者从空间统计学角度质疑了这种经验主义政策在加速“区域清空”方面的实际效能。
用什么方法?
为了测算不同世代搬迁对城市紧凑化的真实效能,作者基于队列要素法(Cohort Factor Method)构建了预测模型,核心推演逻辑如下:

- 待清空区域界定 (Materials and methods-P3): 利用 QGIS 提取日本 154 个已实行的市政数据,将法定的“城市化促进区(Urbanization promotion areas)”与“居住诱导区域(Residential attraction areas)”进行空间差值计算。两者之间未重合的外围飞地,即被定义为需要被清空的“目标缩减区”。
- 确定人口切片 (Materials and methods-P3, P7): 提取该目标区域内 2015 与 2020 年的普查微观数据,并根据日本社会学特征,将人群划分为 6 个生命周期世代:20岁(青年)、35岁(育儿家庭)、50岁(空巢/再伴侣)、65岁(退休)、75岁(高龄)、85岁(需重度护理)。
- 锁定“禁止流入”为模型基准线 (Materials and methods-P6): 引入核心参数——队列变化率(Cohort change rate)。模型强制设定外围区域不再有新人口流入(即设定所有群体的 Cma≤1.0Cma≤1.0)。这模拟了政府严格切断外围开发审批的基准状态,区域人口仅受自然衰老与死亡主导。
- 设定 50% 搬出率的独立世代压力测试 (Materials and methods-P8): 为 6 个年龄段的人,构建 6 个平行模拟情景。每次仅对其中 1 个特定世代施加政策干预假设(强制设定其 Cma=0.5,即成功迁出该群体 50% 的人口),其余 5 个世代保持自然衰退。
- 以“清空时间”作为核心评估指标 (Materials and methods-P5): 政策优劣的评估指标并非“搬走了多少人”,而是“清空倒计时”。观测在不同世代的干预情景下,该区域总人口跌破初始值 50%(半数化)和 10%(可安全关闭基础设施阈值)分别需要推进到哪一年。耗时最短的世代,即为最优政策靶点。**
- 输出基于城市规模的动态策略 (Materials and methods-P9, P10): 将城市按人口规模分为 7 个层级,并导入“动态优化算法”——系统在每一个预测年度自动切换至能使总人口比例(RmtRmt)降幅最大的干预场景,从而输出一套随时间演进的动态政策切换路线图。
结论
- 自然衰退策略在财政上不可行 (Abstract; Results 3.3-P2): 若不施加极强的定向干预,仅依靠切断新人口流入(基准线),边缘目标区域的“自然清空”将耗时 100 年以上,城市基础设施的沉没成本将持续发酵。
- “50-65岁的退休前后世代”是最高效的政策杠杆点 (Discussion-P3, P7):
- 量化维度(时间与基数效应): 相比于基数小且流失快的极高龄老人或年轻人,50-65岁群体在老旧郊区占据极大的人口比重,且距自然死亡尚有 20-40 年。提前将其迁出,可阻断其未来数十年在此区域对医疗、交通等公共设施的刚性需求,极大缩短整体区域的总人口“熬干”时间。
- 社会学维度(意愿与可行性): 过往定性文献支撑了这一数学结论。这一群体刚好卸下学区和职场通勤的空间束缚,具有强烈的“Downsizing(大房换小房)”和靠近市中心子女居住的需求;同时,他们仍具备搬迁所需的经济资本与体力,比深受沉没成本锁定的 75 岁以上群体更易被政策撬动。
- 政策靶点需随城市规模与时序动态调整 (Discussion-P4, P5, P6): 中大型城市应在未来几十年持续主攻 50-65 岁群体;而对于人口基数小、老龄化已极度严重的小微城市,尽早出台针对 75 岁以上高龄人群的搬迁政策效果更佳。最优的全局策略是:在 2070 年前优先攻坚 50-65 岁人群,随后平滑过渡至更高龄群体。

局限性与扩展方向
- 定量模型与定性动因的割裂 (Conclusions-P4): 核心数学模型中的变量仅提取了人口统计学维度的“年龄、规模与存留率”。诸如家庭收入水平、房屋产权属性(所有权与租赁权的沉没成本差异)、以及居民的主观心理依恋度等决定“真实搬迁意愿”的微观变量,并未被参数化(Parametrized)纳入队列变化率(Cma)的权重计算中。论文第 4 节中关于社会心理学因素的讨论,更多是对数学推演结果的“事后理论背书”。
- 未来扩展方向 (Conclusions-P5): 突破开源普查数据的粒度限制,在保障隐私的前提下,获取微观家庭特征数据(Detailed household characteristics)。未来的研究应致力于将“居民生活方式偏好”和“对核心区城市环境的亲和度”转化为可量化的模型系数,从而将这种单一的“人口衰退推演”升级为复合型的“社会空间行为预测模型”。
个人备注:关于核心参数“队列变化率 (CmaCma)”的模型设定逻辑
在作者的测算模型中,“队列变化率” (CmaCma) 是掌控整个城市演变走向的最核心参数。 Cma 实际上是一个存留/增长乘数。它衡量的是:“5 年前这里的某群人,在 5 年后还剩多少(或者多出了多少)”:假设 2015 年,这个边缘区有 100 个 20-24 岁的青年。
- 如果 Cma=0.8Cma=0.8: 说明到了 2020 年,这批人长到 25-29 岁时,只剩下 80 人(另外 20 人要么搬走了,要么死亡了)。
- 如果 Cma=1.0Cma=1.0: 说明到了 2020 年,这批人还是 100 人(完全没有流失,或者搬走的人和搬进来的人刚好抵消)。
- 如果 Cma=1.2Cma=1.2: 说明到了 2020 年,这批人变成了 120 人。这多出来的 20 人唯一的解释就是有“外部新家庭/新人口”迁入了该区域。
作者设定 Cma≤1.0Cma≤1.0 的核心目的,是为后续的政策测试提供一个“彻底堵死进水管”的纯净实验皿。只有在排除了“新人口盲目流入”的干扰后,再去向这个模型施加 Cma=0.5(即假设政策成功迁出某一群体的 50%)的测试变量,才能精准测算出到底拔掉哪个年龄段的“存量人口塞子”,能让这个区域的人口总量以最快速度跌破 10% 的清空红线。同时,为了对比,设立了两条基准线:
基准线 A:顺其自然(允许 Cma>1.0)
- 如果某个区域在历史上一直有贪图低房价的年轻人搬进来(历史 Cma=1.2Cma=1.2),那么基准线 A 就会假设未来几十年,这个趋势会永远持续下去(每年都乘以 1.2)。
- 结果: 在基准线 A 的推演下,某些边缘区域的人口甚至会越变越多,永远无法“清空”。
基准线 B:切断流入(强制设定 Cma≤1.0Cma≤1.0)
- 基准线 B 模拟的是政府采取了“限制新人口流入”的管控措施(比如停止边缘区的土地开发审批、不发新房房产证等)。
在数据处理逻辑上,作者对历史 Cma 应用了一个上限函数(Ceiling function):
- 对于原本就在流失的群体(历史 Cma<1.0): 维持原数据不变。比如原来是 0.8,未来依然按 0.8 衰退。
- 对于原本在逆势增长的群体(历史 Cma>1.0): 强制将其“封顶(Cap)”在 1.0。比如原来是 1.2,模型会把它强行改成 1.0。
为什么封顶在 1.0?
因为既然政府已经“切断了新人口流入”,那么这个区域的人口就不可能再凭空增加。这批人最好的结局,就是 100% 全部留在这里(乘数为 1.0),而绝不可能再有新的人口增量。