2017-05-04 17:34　 腾讯网

虽然通勤距离不同，但事实上大家的通勤方向都是截然不同的。我们以部分样本为例，绘制了如下三个图：

 

 

从左至右，分别对应中心城区内居民、外环到新外环（沈海高速-申嘉湖高速环）内的居民、以及五个新城居民的通勤路线。可以看到：

中心城区居民主要在城内通勤；外环到新外环内居民通勤也以城区为主；而新城居民则出现了大量的本地通勤。

结合租金，我们可以进一步统计出各个阶层的就业地点，绘制出下图：

 

 

可以看到：

1，随着租金水平的提升，人们前往市区通勤的比例在不断上升；

2，租金在2-2.5k元/房间/月以上的阶层，超过一半的人在外环线以内工作，而相邻的租金在2.5k-3k元/房间/月以上的阶层，则超过一半在中环线内工作；

3，租金在4-4.5k元/房间/月以上的阶层，超过一半的人工作在内环线以内的市中心。

4

职业结构

最后，我们不妨来看一下，不同阶层的人都从事什么样的工作呢？

我们以各地区的通勤人数、通勤方向和工作地区的岗位结构等要素，推测出不同阶层居民的职业结构，并借用 “区位熵”的概念定义了“职业密集度”，以此表征各阶层人群的职业分布情况。

职业密集度=某阶层居民从事某职业的比例/全市居民从事某行业的比例

结果如下图所示：

 

 

（注：从 数量来说，各行业人数最多的都是中间阶层。因此，本指标比较的是每个阶层与全市相对照的相对就业密集度。指标越高，说明该阶层越集中从事该行业的工作。）

可以看到：

1，租金在500元/房间/月以下的群体从事制造业的密集度远远高于从事其他行业的密集度；

2，信息技术密集度 的群体的租金水平为3~3.5k元/房间/月，这个租金水平再上涨500块，群体就业密集度 的行业就立刻跳转到金融业了；

3，金融业群体无疑是租金水平 的，从3.5k元/房间/月以上的所有租金区段，都是金融业的就业密集度排名第一；

4，租金在4.5k以上的群体和0.5k以下的群体呈鲜明的对比，前者从事金融业的比制造业的密集度要高大约8倍，而后者从事制造业的比从事金融业的密集度要高出大约18倍。

上海就是这样一座城市。有些时候，我们仅仅为了每月节省500元钱寄回家里，就不得不牺牲60%就近工作的可能性，就不得不每年多通勤230公里，就不得不消耗我们宝贵的时间和生命。