城市住宅与就业分布（或者家庭居住区位选择和企业区位选择）一直以来是城市规划、城市经济关注的重点，特别是工业革命后，制造业和服务业的发展使城市，特别是大城市地区的居住和企业的空间密度得到前所未有的增长，这些都直接地推进了城市规划学科和城市经济学的诞生和发展。在杜能农业区位论、韦伯工业区位论等基础上，关于大城市地区企业区位选择的研究一开始就具有理性分析与实证主义的融合。其中二战后随着计量革命和城市模型方法的兴起，大城市就业区位研究得到突飞猛进的发展。兴起于二战后，但一度于1970年代进入低潮，而又复兴于新世纪的城市模型方法见证了城市规划的理性综合传统、多元思潮传统和新背景下城市规划的变革洪流。在中国，以人文为本成为城市规划的重要价值观倾向，市场经济发展、全球化、郊区化、交通技术和信息技术等的快速变化不断改变大城市居民的家庭居住地选择和就业地选择，加强对这些问题的科学研究能够推动中国城市规划的不断完善，乃至变革。

近半个世纪以来，国外关于企业区位的模型既有包含企业与家庭区位的综合性模型，也有专门的企业区位模型。本文通过总结其对于企业区位的处理方式以及建模理论，试图探寻各模型间的通用理论，以期为将来国内建立基于本国国情的企业区位模型提供支持。

1 国外企业区位模型研究趋势

过去几十年内，国外关于大尺度城市模型的研究可谓跌宕起伏：伴随二战后城市重建与复兴，实证主义方法论体系下的城市模型研究兴起。然而，在1970年代，由于缺乏足够理论依据，数据不充足，政府资助减少，加之人本主义、结构主义等多元规划思潮转变，城市模型进入低潮期。道格拉斯·李发表了“大尺度城市模型安魂曲”一文[1]，本希望能够再次以模型方法冲击传统的规划方法，不料规划师过分看重该文中对建模基础的批判，认为模型太过粗糙而不能满足规划应用需求，终而放弃模型方法，选择了故步自封[2,3]。但随着原始数据日趋完善，GIS等技术的进步，以及经济学理论的支持，城市模型于20世纪末、21世纪初再次兴起，并引发新的浪潮。

而企业区位模型作为城市模型的一个重要的组成部分，其经历了类似的兴衰过程。在新的时代下，企业区位模型的发展同城市模型将一同迎来新的发展趋势：

1.1 复杂性（不确定性）

人类社会从来不像模型中那样简单，个体种类繁杂，干扰因素多样。以Lowry模型将服务部门分为k类作为源头[4]，后续研究者将模拟对象不断细分，或加强干扰因素的模拟，力求提高预测的准确性。为了应对城市系统的复杂性，新理论不断被提出：混沌理论、神经网络、遗传算法、Q分析、分岔论等[3]。不断涌现的新理论不仅是仿真模拟的发展，更是我们对于城市内部机制的认识的拓宽与加深。同时，为了加强对复杂性的应对，出现了很多“一次性”模型，针对特定的城市、时段、问题而建模，如马奥（Maoh）和卡那鲁格卢（Kanaroglou）为汉密尔顿（Hamilton）所建的企业分析模型[5]。

1.2 离散、非均衡模型发展

在约半个世纪的城市模型发展过程中，模型构建的主要趋势是从“自上而下”向“自下而上”发展[6]。原本的“集聚”模型逐渐解体，引入离散选择等模型策略，取消了从宏观上对于个体行为的假定，也取消了（劳动力、岗位）供给与需求在模型的各阶段都相等的假定。近十几年的城市碎化、多中心的发展，都对传统模型中的单中心、空间均衡及集聚等特征提出了挑战。

1.3 大数据趋势

随着计算机及传感监测等技术的增强，数据获取过程的自动化程度越来越高，海量数据的涌现使城市模型迎来了大数据时代。依赖于大数据，微观模型可以更准确地分析模拟个体的决策，而未来真实城市中的居民也会依靠大数据结果做出自己的决策，这是一种新的居民与城市互动的方式[7,8]，城市模型不再一味被动地探求个体行为。不过，依赖大数据所建立的精细化模型擅长近期的问题分析，而非远期预测[6]。

1.4 交通、就业、土地、政策等的融合趋势

（2）空间交互理论（Spatial Interaction）。包括重力模型、熵最大模型、LUTI模型等，模拟不同区位的空间活动（企业的区位特点）与主体在通勤、市场竞争等交互条件影响下形成的就业—居住等格局。其代表性模型有LUTI类模型[35]。

高职教育的人才培养特点非常适合开展产教联合发展模式。有专家研究证明：对高职教育来讲，与国家办学和民资办学相比，企业办学的合作办学水平较高，特别是具有垄断性企业举办的高职办学水平更高[4]。虽然在实践中已经总结出工学结合、学生去企业顶岗实习、教师企业实践制度等好的经验，但是企业的投资主体与高校的主体并不一致，企业在忙于经营的同时，在校企合作上往往投入的工作精力不大，再加上两者教育理念、对高职教育规律的认识的不同，合作的实质内容并不多。这样的校企合作虽然有一定的效果，但是仍然不能摆脱产业与教学相脱离的倾向。

读完黄昆岩的《教养离我们有多远》，自己由来已久的困惑顿感释然。对于急功近利的教育目标来说，“英语”是毫无实际用处的“鸡肋”。而教育的目标是培养人，作为一门课程的英语，也在发挥着“育人”功能。(2010年8月28日)

（4）微观模拟模型（Microsimulation Model）。从决策的微观主体角度出发，依据当前各因素做出决策，从而模拟出整个地区的发展状况。其代表性模型有Urbansim模型。

2 国外大城市地区企业区位模型的发展历程

城市模型建立的理论依据以经济学和社会学研究为主要来源，以计算机为平台计算，其发展阶段与这三个因素的发展阶段相关。城市模型的发展大致经历了三个阶段[10]。在初期，受限于计算机技术，模型多为自上而下的方式建立，模型的成功在很大程度上取决于宏观预测数据、距离衰减系数等关键参数；中期则在空间交互方面有很大进展；在后期，对于微观个体行为的研究与计算机运算能力的增强，使得大数据模型和微观模型有了突破性进展。

而在这几十年的过程中，逐渐出现了三种企业区位的处理方法[11]：（1）传统的人口就业匹配方法：将研究地区划分为多区域（zone），根据各区域不同部门企业与人口关系来分配，可能会根据简单的通勤状况进行区域内的数量调整，直至地区间和不同部门间的就业数量比例达到平衡。（2）地块岗位数量变动方法：不同区位的岗位有种类、报酬、数量限制、可达性以及通勤成本等不同属性，从业者根据自身职业要求和偏好选择岗位，由此在空间上产生岗位的类型和数量变化，其模拟可以个人、群体，也可以地块为单位。（3）企业选址决策方法：将企业作为迁移的单元体，模拟企业迁移决策而非岗位的变动。具体实例参见表1[4,12-23]。

其次，司法救济途径不够完善，造成农民不能充分利用法律武器来维护自己的权利，而且，对于农民来说，维权成本过高，影响相关的司法救济。

三种方法的出现时期，与城市模型的三个阶段有一定程度的相似性，但其时间划分并不如后者明晰。故本文的历程回顾部分，将在城市模型的发展框架下观察企业/就业区位选择的发展历程。

2.1 第一阶段：1960—1970年代的城市土地与交通交互模型（LUTI）视角的研究

2）慢性病、老年病或特殊情况下需要适当延长处方用量的未注明理由。《处方管理办法》规定：无特殊情况下，门诊处方一般不超过7日用量，急诊处方一般不超过3日用量，对于慢性病、老年病或特殊情况下，处方用量可适当延长，但医师应当注明理由。

Simfirms、ILUMASS、SFM等模型[11,13,31,32]代表了第三种企业区位的处理方法，直接从企业出发，而不是通过企业与家庭互动行为的反复迭代确定两者的分布，实现从“岗位的区位选择”（job location choice）向“企业的区位选择”（firm location choice）的转变 [11]。

2.2 第二阶段：开始于1970年代的空间均衡与LUTI结合的研究

相比第一阶段，该阶段LUTI模型强调了时间变量，城市动力学的发展使得各要素可随时间延长而迭代计算，这是有别于静态模型中某些要素不变化（如Lowry模型中基础部门就业）的[27]。另外，在该阶段交通理论发展迅速。相比于第一阶段的交通选择通过若干比例参数设定组成，该阶段的LUTI模型与交通模型交互进行运算，如DRAM/EMPAL模型，或者通过构建交通子模型来实现土地市场与交通市场一体化[28]。在宏观尺度上模型对于各区间的资本、商品、人员流动给出了空间经济学的解释和建模支持，特别是对投入—产出模型（Input-Output Model）中空间均衡状态的理论支持。

在企业区位处理的方法上，出现了研究所划分的区域内岗位数量变动的第二种处理方法，其中日益成熟的交通模型所产生的可达性评价成为区内生产活动选址与变动的重要依据。在人口与就业关系上，代表性模型MEPLAN延续了Lowry模型的想法，人口与就业都根据对方前一次的增长情况确定自身在当前阶段的增长数量：产品需求增长使得基础产业增长，进而促进人口增长，服务业就业根据人口增长而计算出就业增长，并将服务业就业增长再作用于人口。但人口和就业数量的增长率误差会成为模型最终误差的主导因子[28]。值得一提的是，人口区位分布跟随岗位空间分布是Lowry根据经济学原理所添加的，但在经验主义的研究中难以证实这种假设关系的存在。即便一定要有此假设关系，似乎更可能是岗位的分布依从于人口分布[29]。这表明非均衡的模型更符合实际，城市模型需要突破均衡条件来建立。

该阶段的代表模型有DRAM/EMPAL模型和MEPLAN模型。普特曼（Putman）在PLUM模型基础上开发出包含细分居住分配模型（DRAM）和就业人口分布模型（EMPAL）和交通模型三部分的DRAM/EMPAL模型，是一套交互式土地使用与交通整合软件[30]。马西亚尔·埃切尼克（Marcial Echeenique）等研发出MEPLAN模型，并在世界25个地区得到应用。基于MEPLAN的方法，后续出现了TRSNUS模型，MUSSA模型，PECAS模型[11]。

本文基于某双层开启桥独特的开启方式,提出了一种新的机械液压混合蓄能悬挂系统,对液压油缸结构重新设计,根据单个油缸的设计载荷，设计悬挂油缸参数,并对设计好的悬挂系统进行性能分析.根据目标大桥伸缩式桥身的受力特点,分析悬挂系统适应高差及载荷变化范围的性能指标,并通过理论分析论证了悬挂系统实现均载的可行性.

早期的城市模型可追溯至1964年的Lowry模型[24]和Alonso地租模型。前者强调了就业、人口与土地的经济匹配关系，后者指出通过价格来调节不同区位间的差异，实现区位等价。Lowry模型的思想至今仍是很多模型的基本框架[11]。在人口与就业的关系上，受其模型基本为静态模型所限，关注的重点在达到平衡状态下的空间分布上。Lowry模型中对于企业区位的处理采用的是传统的方法：外源性地固定基础部门企业数量和位置，推算人口（或家庭）的分布，再由人口分布推导零售部门的分布[25]。后续研究者由此推广至企业区位选择、并运用更合理的交通理论与子模型，逐步发展起城市土地与交通交互模型（LUTI）这一大类模型，成为第二阶段城市模型的主流。这类模型的初期模型有PLUM模型、INIMP模型等。然而这些模型都是过于简化的，对城市的实际情况会有明显偏差[6,26]。

2.3 第三阶段：新时期城市就业研究的微观模型转向

在最近的一二十年，关于企业、家庭选择的微观理论发展，关于行为主体的研究也得到了比以往更多的大数据支持（实际上高质量的数据收集仍然很困难），使得基于模拟每个个体行为的自下而上的微观模型有了很大进展。计算机的复杂运算能力提升也为其提供了硬件基础。

 

表1 经典城市就业区位模型

  

资料来源：根据文献[4,12-23]整理

 

生方式 企业/就业存在模块 企业区位处理方法Lowry Model 劳里（Ira S.Lowry） 1964年 匹兹堡地区 宏观经济学原理 各区数量平衡 以变量形式直接参与总模型计算模型 开发者 开发年份 已应用地区 建模理论 企业/就业区位产方法一DRAM/EMPAL 斯蒂芬·普特曼（Stephen Putman）1970年代 奥兰多大都市区 空间相互作用 各区数量平衡 方法二MEPLAN 马西亚尔·埃切尼克（Marcial Echeenique）1980年代早期（软件包）萨克拉门托 空间投入产出 土地利用类型（或生产活动）变更土地市场 方法二IRPUD 迈克尔·韦格纳（Michael Wegener）1994年 德国鲁尔区 离散选择 个体选择 时间演化子模型、公共建设子模型、私人建设子模型方法二CUF 约翰·兰迪斯（John Landis）1994年 美国加州 基于规则建模 土地利用类型（或生产活动）变更方法二Delta 戴维·西蒙兹（David Simmonds）1995年 英国北部 离散选择 地区竞争与产出条件下岗位数量变更经济子模型、城市子模型 方法二Simfirms 莱奥什·范·维森（Leo van Wissen）1995—2000年 荷兰 基于逻辑建模 企业决策 方法三UrbanSim 保罗·沃德尔（Paul Waddell）1996年 尤金—斯普林菲尔德，俄勒冈州城市经济学、离散选择、微观模拟个体代理选择 经济转化模型、企业迁移模型、企业区位选择模型方法二

CUF模型（California Urban Futures Model）是第一个明确的微观模型，其考虑了工业、住宅等各种土地利用状况[11]。而第一个完备的微观尺度的模拟则是由维森（Wissen）构建的Simfirms模型，模型从企业的角度出发，探寻企业应对供需关系变化所进行的扩张、衰落和破产行为下就业的空间分布状态。维森（Wissen）等在第一代模型（SimfirmsⅠ）的基础上，发展了第二代模型（SimfirmsⅡ），并且正在发展第三代模型（SimfirmsⅢ）[21]。

(5)向外借力，梳理校友工作，老校友返校，安排学生面谈，让校友讲好励志故事和中国故事，给予经验，鼓励成才。

就人口与就业关系而言，人口成为环境变量，相比第二种方法，地位大大降低。另外，在微观行为理论大发展的基础上，原本自上而下的LUTI模型也开始越来越关注个体，在宏观模拟的区间范围下研究劳动力、家庭的定居、迁移等，使得模型自上而下和自下而上的界限变得模糊。这类模型突破了在第二阶段所依据的空间均衡，向空间不均衡模型迈进，例如IRPUD模型[17]。也就是说，第二种企业区位的处理方法也实现了自身的突破，LUTI模型目前仍占据着相当重要地位。

天脊集团对变化管理严格实行“六个必须”：每天调度必须有变化调度管理表，分管领导在表上签字；领导干部必须分级跟班（一级变化由所在单位主要领导、公司相关职能处室跟班，副总经理以上关注；二级变化由所在单位车间级领导跟班，单位主要领导关注；三级变化由车间专人跟班）；必须对变化环节、非计划作业环节进行超前安排；必须进行变化管理调度通报；必须对变化环节、非计划作业环节实行“三锁定”管理；组织非计划作业，必须派安全人员现场跟踪监督。

3 国外大城市地区就业空间模型构建要素维度与理论方法

3.1 模型要素

Lowry模型作为第一个具有计算机定量模拟研究性质的模型，为之后几十年的模型奠定了基础，其模型中核心的三要素：土地、家庭（或人口）、企业（或就业）成为之后“城市土地与交通交互系统”类模型的核心变量。在Lowry模型基础上发展的城市模型不断涉及新的方面与变量，但总的来讲，大部分宏观模型在第一、第二种企业区位处理方法下建构所考虑的主要因素包括:（1）就业：包括基础产业部门就业和服务部门就业，完成区级的产品输入和输出，可以岗位供给或劳动力需求的形式出现。（2）家庭：为服务部门提供需求，是服务部门种类、规模、涨落的重要依据，同时也为企业提供劳动力，可以服务业需求和劳动力供给形式出现。（3）通勤：不同主体间的重要交互手段，其代表的可达性指标是衡量相互联系的区位的重要度量。（4）土地或空间：其本身的固有属性——有限性，对企业、家庭提供了土地供给的制约，由此产生了人口规模和企业规模的限制，以及土地流转等。（5）价格：反映供需关系，不同区位土地的租金高低是决策的重要因素。（6）外源性变量：模型外部环境（如研究区域与外围环境的产品劳务进出口），以及公共政策、重大项目的建设决定等。这些因素的主要关系如图1所示，其模型实例可参见DELTA模型，如图2所示。

  

图1 从岗位数量出发的就业区位模型主要变量关系图示

  

图2 DELTA模型结构图

 

资料来源：修改自参考文献[19]

在图1的诸多变量中，直接影响企业居住区位格局的是企业和家庭的选址决策，在决策过程中，两者通过通勤成本、薪金、劳动力资源状况等交流，迭代运算中不断从对方及其他变量得到反馈，最后逐渐达到稳定的状态，实现空间的均衡，得到模拟结果。

从企业角度出发的微观模型在以上的考虑要素基础上，更加注重对于个体的多样性差异和决策过程的细分。其关注的要素有：（1）企业生命周期：企业个体的收支状况、已存在的时间、企业迁移、新企业产生和原有企业的衰退破产的概率等。（2）个体间的相互影响：其影响是复杂多样的，不仅仅是宏观模型中关于空间土地有限性的简单假设。（3）其他因素：包括外力作用、各种随机情况出现等。变量间关系参见图3，其实例可参见图4。此外，需要重视企业的逻辑决策过程：不同企业有着不同的选择方案和对发展路径的依赖，而不能通过统一的选择方案来模拟企业的区位选择。虽然逻辑选择过程及其分类不以变量的形式出现，但其重要性要超过变量的设定。

3.2 建模理论方法

在确定变量的基础上，开始模型的构建。模型发展的驱动力多样，或为外源性假定的集聚，或依靠模型内部人口增长对就业的需求和消费需求等。模型架构的主要理论包括以下几种[33]。

（1）投入产出模型（Input-Output Model）。该模型描述区域内活动与外界的经济交流，提供地区整体的就业集聚、收入等，其结构可表示为Z=X（1-I）-1，（1-I）-1用来度量从外源性变量到总需求的扩张程度，而Z、X并无确定的对应量。例如在传统的投入—产出框架中，将外在设定的人口对就业的需求看作模型的驱动力，就业数量作为供给来满足需求；在LUTI模型中，基础部门X为外源性变量，而将总就业量定义为需求[34]。其代表性模型有MEPLAN模型。

城市规划涉及金融、土地等诸多方面，随着城市模型向精细化发展，各方面因素都被纳入决策考虑之中[9]。多特蒙德区域模型（IRPUD Model）中就建立了交通、时间、公共项目、私人建设项目、劳动力市场和住房市场六个子模型来模拟不同因素对城市的综合影响。未来的模型在宏观上不仅与经济学、交通紧密相连，也会包含政治、安全等诸多因素，实现就业、土地、交通、政策等的融合模型。

大岗山水电站位于四川省大渡河中游雅安市石棉县挖角乡境内，坝体采用混凝土双曲拱坝，最大坝高210.00m，总装机容量为2600MW，坝基两岸河谷高约600m，河谷断面呈V型。大岗山水电站左右岸边坡、坝基以黑云二长花岗岩为主，局部穿插辉绿岩脉，断层破碎带多沿辉绿岩脉发育，坝肩、坝基岩体坚硬完整，大岗山拱坝基础岩性较为均一，主要为花岗岩体，且大部为Ⅱ、Ⅳ类花岗岩体。由于拱肩槽开挖设计面积较大，上下层工程实施干扰因素较多，因此对该水电站工程开挖阶段施工工艺进行适当分析非常必要。

（3）效用/利润最大化（Utility and/or Profit Maximising Logit Models）。效用最大化是所有模型所追求的目标，不仅体现在宏观模型的就业数量的变动，也体现在微观模型的个体决策中。

  

图3 从企业决策出发的就业区位模型的变量关系图示

  

图4 Simfirm模型通用结构图

 

资料来源：修改自参考文献[21]

而这些新的趋势，不仅依赖于新时期的计算机技术发展和相关学科的发展，也与过去企业区位模型的发展历程相关，特别体现在从宏观模型向微观模型的迈进过程中。新的发展趋势在继承原有模型优点的同时，也在逐步减少过去某些人为的假定前提。

（5）其他理论，包括离散选择模型等。

行政活动的正当性（legitimacy）是行政法关注的核心问题。盖因公共行政所负担之公共利益义务是一种“整体委托”，这种整体委托的概念包含合法性、合目的性、亲近人民、明确性及学习能力性。㉑ 参见[德]施密特·阿斯曼：《秩序理念下的行政法体系建构》，林明锵等译，北京大学出版社2012年版，第27页。然而，社会的变迁和行政活动的变化，不仅使得行政活动的“正当性”在概念内涵、价值构成与判断方法上发生了深刻变化，而且法律为实现此种正当性而设置的制度保障和管制手段，亦须相应地发生变化。

重庆市16家市属医疗机构处方集中点评情况分析…………………………………………………… 李小兵等（18）：2458

值得一提的是，构建模型过程中，既可以仅依靠一种理论进行构建，如依靠空间交互理论建立的LUTI类模型；也可以将多个模型理论组合，进行建模。例如，当邓肯（Duncan A Smith）等模拟大伦敦就业区位分布时，即使用了I-O模型、EMP（Employment Location）模型和LUTI模型，共同组构总模型[34]，如图5。

4 对中国大城市地区就业和规划研究的启示

纵观西方近半个世纪的城市发展，城市模型在其中的指导意义非同小可，特别是对于大城市、特大城市及都市区。例如早期的Lowry模型为匹兹堡综合更新项目（Pittsburgh Comprehensive Renewal Program）产生多个替代方案，辅助决策制定[4]。IRPUD模型在STEPs中试图探讨交通管制和土地利用的联合政策下居住与企业区位的变化[17]。国外的城市模拟目的已从分析人的行为的空间分布规律，发展至模拟环境变化，探讨不同政策所产生的结果，以进行多方案比选，探讨可持续性[36,37]，特别是不同交通政策对企业和人口的分布影响[38]。

中国大多数城市当下正处于快速发展时期，相比前三十多年以发展经济为导向的发展思路，新时期的城市发展注重“量”的同时也要注重“质”。以拥堵问题为例，研究者可模拟不同的交通政策或用地政策对土地利用配置的影响[30]，在集聚的优势和拥堵的劣势中寻找效用最大化的实施方案。特别是在当下统计数据逐渐丰富，城市规划也迎来大数据的时代，企业区位模型也将有更令人期待的前景：首先，大数据能够更好地描述政府之外的大量分散的投资决策者的行为，以弥补传统规划中政府自上而下实施的不足[13]。企业区位模型中“自下而上”的建模思路与微观模拟的方法正对应于此。其次，许多城市问题症结在于若干年前不合理的投资建设，大数据的实时性与城市模型的预见性结合可以及时地发现并纠正不良的城市发展方向。最后，未来充足的数据能够支撑专门化的区位模型，能够更直接准确地对特定问题给予回应。

  

图5 由I-O模型、EMP模型、LUTI模型组成的就业区位研究综合模型

我国的城市模型构建虽然起步晚，但发展迅速，已取得一定的成就。北京市为了对城市整体规划做出评价，研发基于元胞自动机的北京城市空间发展分析模型[39]。其他城市也针对其自身发展进行了一系列的模型构建，如银川市基于SLEUTH模型的空间扩展研究[40]，宜昌市基于UrbanSim的城市居住与就业空间互动模拟[41]。

然而国内目前在就业区位模型，以至于大尺度城市模型建模的发展中，仍存在着较大的局限性。（1）数据缺乏：模型的基础是数据，高质量的数据来源是模型成功的铺垫，SimfirmsⅢ之所以能够从处于理论原型阶段的SimfirmsⅠ和SimfirmsⅡ走向实际应用阶段，原因之一就是数据的完善。我国人口众多，不同产业部门的联系与人员分布更为复杂，数据的收集是一项长期复杂的工作。对此，龙瀛等提出采用人口合成的方法解决当下微观模拟的数据来源不足的现实情况[42,43]。（2）人才培养：我国规划院校教学中对于数据处理与分析乃至建模的内容明显不足，培养的规划师对于模型存在着不少疑虑[6]。这造成模型结果对规划实践的支持作用未能达到预期的效果。（3）建模理论不是经济学模型的简单堆砌，而是需要大量的社会学、心理学等的实证研究支持模型中主体的行为假设，对于其他学科的发展阶段和建模者对其他学科成果的吸收也有要求。

未来，在全球化、“互联网+”的时代背景下，企业的区位选择偏好可能会发生新的变化：信息高速公路的建立可能会降低企业家庭间通勤成本的影响；而企业可能会偏向在信息发布源位置集聚；企业的决策机构与生产机构各自做出区位选择；更强的人口流动性使得企业与人口的分布关系可能更为微弱，外源性的劳动力供给反而可能成为某些模型中的劳动力主要来源，等等。我们期待未来企业区位模型能够在用地规划、城市规模控制、政策制定、基础设施建设等方面提供更多的依据，以应对新的城市发展趋势。

参考文献

[1]LEE Jr D B.Requiem for large-scale Models[J].Journal of the American Institute of Planners,1973,39(3):163-178.Lee D B.Requiem for large-scale models[J].Acm Sigsim Simulation Digest,1975,6(2-3):16-29.

[2]BRITTON Harris.The real issues concerning Lee’s “Requiem”[J].Journal of the American Planning Association,1994,60(1):31-34.

[3]房艳刚,刘继生.当代国外城市模型研究的进展与未来[J].人文地理,2007,04:6-11.

[4]WILLIAM Goldner.The Lowry Model Heritage[J].Journal of the American Institute of Planners,1971,37(2):100-110.

[5]MAOH H,KANAROGLOU P.Business establishment mobility behavior in urban areas:a microanalytical model for the City of Hamilton in Ontario,Canada[J].Journal of Geographical Systems,2007,9(3):229-252.

[6]刘伦,龙瀛,麦克,等.城市模型的回顾与展望——访谈麦克 巴蒂之后的新思考[J].城市规划,2014(8):63-70.

[7]BATTY M.Big data,smart cities and city planning[J].Dialogues in Human Geography,2013,3(3):274-279.

[8]BATTY M.Smart cities,big data[J].Environment and Planning-Part B,2012,39(2):191.

[9]WEGENER M.Current and Future Land Use Models[C].Travel Model Improvement Program Land Use Model Conference,Dallas,Texas.1995.

[10]万励,金鹰.国外应用城市模型发展回顾与新型空间政策模型综述[J].城市规划学刊,2014(1):81-91.

[11]MOECKEL R.Firm location choice versus job location choice in microscopic simulation models[M]//Employment location in cities and regions.Springer Berlin Heidelberg,2013:223-242.

[12]HUNT J,JOHNSTON R,ABRAHAM J,et al.Comparisons from Sacramento Model Test Bed[J].Transportation Research Record:Journal of the Transportation Research Board,2001(1780):53-63.

[13]史进,童昕,李天宏.大尺度城市模型研究进展[J].城市规划,2015,39(3):104-112.

[14]HUNT J D,KRIGER D S,MILLER E J.Current operational urban land‐usedtransport modelling frameworks:a review[J].Transport Reviews,2005,25(3):329-376.

[15]ABRAHAM J,HUNT J.Firm location in the MEPLAN Model of Sacramento[J].Transportation Research Record:Journal of the Transportation Research Board,1999,1685(1):187-198.

[16]WEGENER M.Overview of land-use transport models[J].Handbook of Transport Geography and Spatial Systems,2004,5:127-146.

[17]WEGENER M.Employment and labour in urban markets in the IRPUD Model[M]//Employment Location in Cities and Regions.Springer Berlin Heidelberg,2013:11-31.

[18]JOHN D Landis.Imagining Land Use Futures:Applying the California Urban futures Model[J].Journal of the American Planning Association,1995,61(4):438-457.

[19]SIMMONDS D,FELDMAN O.Modelling the economic impacts of transport changes:experience and issues[M]//Employment location in cities and regions.Springer Berlin Heidelberg,2013:33-56.

[20]HUISMAN C C.SimFirms:demography of firms:a microsimulation model[M].Amsterdam University Press,2012.

[21]WISSEN L V..Simfirms-Simulating The Spatial Demography of Firms,with an Application in the Netherlands[R].Society for Computational Economics,2000.

[22]WADDELL P,BORNING A,NOTH M,et al.Microsimulation of urban development and location choices:design and implementation of UrbanSim[J].Networks and Spatial Economics,2003,3(1):43-67.

[23]段瑞兰,郑新奇.城市仿真模型(UrbanSim)及其应用[J].现代城市研究,2004(1):65-68.

[24]娄晓琪,邱菀华.国外城市发展现状和我国城市发展的系统分析[J].经济与管理研究,2003(2):43-45.

[25]赵童.国外城市土地使用——交通系统一体化模型[J].经济地理,2000(6):79-83.

[26]周彬学,戴特奇,梁进社,等.基于Lowry模型的北京市城市空间结构模拟[J].地理学报,2013,68(4):491-505.

[27]赵强.城市模型研究的发展趋势及展望[J].现代城市研究,2006,21(6):29-31.

[28]MICHAEL J Clay,ROBERT A Johnston.Univariate Uncertainty Analysis of an Integrated Land Use and Transportation Model:MEPLAN[J].Transportation Research Part D Transport & Environment,2006,11(3):191-203.

[29]WILSON A,PAGLIARA F.Employment location models:an overview[M]//Employment location in cities and regions.Springer Berlin Heidelberg,2013:1-8.

[30]韩玲,姚红云.城市交通与土地利用互动关系研究综述[J].重庆交通大学学报:自然科学版,2012,31(S1):589-593.

[31]BOK M D,PAGLIARA F.Choice set formation in microscopic firm location models[M]//Employment location in cities and regions.Springer Berlin Heidelberg,2013:263-281.

[32]CARLTON D W.The location and employment choices of new firms:an econometric model with discrete and continuous endogenous variables[J].The Review of Economics and Statistics,1983,65(3):440-449.

[33]SIMMONDS D,BOK M D.Employment location models:conclusions[M]//Employment location in cities and regions.Springer Berlin Heidelberg,2013:283-292.

[34]SMITH D A,VARGAS-RUIZ C,BATTY M.Simulating the spatial distribution of employment in large cities:with applications to Greater London[M]//Employment location in cities and regions.Springer Berlin Heidelberg,2013:79-106.

[35]Graaff T D,Zondag B.A Population-employment interaction model as Labour Module in TIGRIS XL[M]//Employment Location in Cities and Regions.Springer Berlin Heidelberg,2013:57-77.

[36]牛方曲,刘卫东,宋涛.LUTI模型原理、实现及应用综述[J].人文地理,2014(4):31-35.

[37]JIN Y,ECHENIQUE M.Employment location modelling within an integrated land use and transport framework:taking cue from policy perspectives[M]//Employment location in cities and regions.Springer Berlin Heidelberg,2013:133-158.

[38]GEURS K T,WEE B V.Land-use/transport interaction models as tools for sustainability impact assessment of transport investments:review and research perspectives[J].European Journal of Transport and Infrastructure Research,2004,4(3):333-355.

[39]龙瀛,毛其智,沈振江,等.北京城市空间发展分析模型[J].城市与区域规划研究,2010,3(2):180-212.

[40]米丽娜.基于SLEUTH模型的银川市空间扩展研究[D].兰州大学,2008.

[41]史进,童昕,张洪谋,等.基于UrbanSim的城市居住与就业空间互动模拟——以宜昌市为例[J].北京大学学报(自然科学版),2013,49(6):1065-1074.

[42]龙瀛,沈振江,毛其智.城市系统微观模拟中的个体数据获取新方法[J].地理学报,2011,66(3):416-426.

[43]LONG Y,SHEN Z.Disaggregating heterogeneous agent attributes and location[J].Computers,Environment and Urban Systems,2013,42(42):14-25.