我们把去隐私的个人移动设备的定位数据落到一个个居住空间单元里，计算出各个阶层市民的平均通勤距离，结果见下图：

　　结果显示：

　　1，随着租金的变化，不同阶层的通勤距离从短到长再到短。

　　2，租金2~2.5k/房间/月的阶层平均直线通勤距离最长，达到了8km；

　　4，对2k-4.5k/房间/月的区间里，当你每个月房租降低500元，意味着你每天单程的平均通勤直线距离将增加300m，也就是每年在这个城市里多跑230km以及消耗更多的生命。

　　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：

　　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：

　　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，信息技术密集度最高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，群体就业密集度最高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最高的，从3.5k元/房间/月以上的所有租金区段，直播，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。