基于可達性分析視角的城市公園綠地服務評價與優化

胡紅++賴鑫生++譚國律

摘要：以可達性分析為視角，選取江西省上饒市中心城區為研究區域，在以層次分析法評價公園綠地服務吸引力、以ArcGIS 源點-目的地（OD）成本矩陣求解最短出行距離的基礎上，提出并實踐按潛能模型利用面向ArcGIS的 Python 腳本編程技術高效量算可達性及相關指標值的設想，最后通過空間插值及綜合服務區、吸引力、人口等的復合分析客觀評價研究區內所有公園綠地的服務狀況。評價分析表明：（1）上饒市中心城區公園綠地可達性水平低，近3014%的居民點至相應公園綠地的可達性高于平均水平；（2）三江公園、濱江公園、慶豐公園、人民廣場受居民人口規模影響最大，服務總面積小，服務總人口卻約占城區總人口的29.6%；（3）櫻花公園、龍潭湖公園、市體育館、市植物園、楮溪濕地公園等受居民人口規模影響最小，服務潛能有待進一步開發利用。優化建議和研究方法可為上饒市中心城區及其他具有類似發展態勢的城市區域進一步優化公園綠地服務提供科學決策參考。

關鍵詞：上饒市；可達性；公園綠地；服務評價；吸引力；ArcGIS；Python

中圖分類號： TP391；P208；TU986文獻標志碼： A

文章編號：1002-1302（2016）12-0230-05

收稿日期：2015-12-21

基金項目：國家自然科學基金（編號：61562071）；計算機科學與技術江西省特色專業資助項目（編號：贛教高字[2010]82號）；江西省自然科學基金（編號：20151BAB207020）；上饒師范學院科研基金 （編號：2011001）。

作者簡介：胡紅（1980—），女，江西景德鎮人，碩士，講師，主要從事GIS與數據庫應用研究。E-mail：janethu2010@163.com。

公園綠地是城市的基本公共服務設施，是城市居民或游客到訪最多的綠色空間[1-2]。公園綠地可達性（accessibility）是指人們從空間中任意一點克服空間阻力到達目標公園綠地的難易程度。與常見的服務半徑、人均面積等指標相比，可達性不僅能有效揭示公園綠地系統的空間格局，還可以表征處于不同空間位置的居民前往公園綠地所需的費用成本（時間、距離、能量等），因而以可達性分析為視角的公園綠地服務評價更能科學地反映它為民提供服務的可能性和公平性，避免僅從供給角度出發、過分強調地理空間分布均等化的公園綠地系統規劃[3]。

正確理解城市公園綠地可達性的影響因素是選擇或設計合理的可達性評價方法的關鍵。蔡彥庭等認為影響公園綠地可達性的因素主要有3個方面[3-4]：一是公園綠地的吸引力（如公園綠地的植被配置格局、占地面積、游憩設施配置狀況等）及其空間格局；二是不同需求人群的特征（如年齡結構、受教育程度等）及其空間分異情況；三是市民居地與公園綠地間的通達性或阻力（包括通行時間、距離、費用、能量及空間障礙等）。由此，國內外近年來有不少學者選用居民人口數量與分布、城市交通、公園綠地規模與布局等作為城市公園綠地可達性的主要評價因子，所用研究方法有緩沖區分析法、統計指標法、旅行距離或費用法、最小距離法、引力模型法等[4-8]。但這其中很多學者只側重研究部分因素對可達性的影響[6-7]，所得研究結論與評價區實情多有不符，研究方法的實現難度較大。因此，本研究以江西省上饒市中心城區為研究區域，將居民人口對公園綠地的服務需求、公園綠地服務吸引力、居民至公園綠地的實際出行距離、出行摩擦系數等多種因素視作可達性的主要影響因子，采用層次分析法（analytic hierarchy process，簡稱AHP）測算公園綠地服務吸引力，根據可達性潛能模型分析原理，運用面向ArcGIS的Python腳本編程技術快速計算研究區所有公園綠地的可達性及相關指標值，進而科學評價研究區所有公園綠地的服務狀況，旨在為研究區優化公園綠地服務提供科學決策參考。

1研究區概況

上饒市位于江西省東北部，東聯浙江省、北接安徽省、南挺福建省，是江西省的東大門，也是江西省旅游資源最豐富的市，該市下轄12個縣（區、市）。該市中心城區地處信江河谷丘陵，地勢由東北向西南傾斜，信江、櫧溪、豐溪貫穿于其境內，水系豐富，總面積160 km2，人口約34萬人，現已計劃到2020年規劃建設用地規模達75.3 km2，信江以北為城市主要發展地區，同時跨越信江向南適當發展，城市道路主干網將呈現為“六橫九縱”的結構，水南、三江、站前、帶湖、老城、新城、旭日等7個片區間將至少有2條主干道相連。伴隨目前這種空前發展的態勢，上饒市中心城區近10年來新建樓盤多達50座，城市居民人口空間分布結構面臨較大幅度的改變。公園綠地作為決定城市居民生活質量的重要因素，其空間布局及服務效能亟需科學評估和優化。

2數據來源和處理

本研究收集了上饒市中心城區用地規劃電子地圖（2007—2020年）、上饒市中心城區旅游電子地圖（2013-09），通過調研獲得了該中心城區21個公園綠地、73個居民點的相關屬性數據資料。利用ArcGIS系列軟件ArcMap 102、ArcCatalog 10.2對收集到的電子地圖作坐標配準、矢量化提取等操作，按城區用地類別不同，提取生成了表示城市公園綠地、城市交通網絡、城市水域、城市居民人口與分布等的矢量空間圖層，這些圖層分別載有相應類別地理對象的空間位置、空間圖形、空間拓撲關系及其一般屬性數據信息。

3研究方法和過程

本研究采用可達性潛能模型分析法和圖1所示技術路線對研究區各公園綠地的可達性及相關指標進行量算和分析，進而科學評價研究區所有公園綠地的服務狀況，主要研究方法和過程介紹如下。

3.1可達性潛能模型分析法

可達性潛能模型分析法源于Hansen于1959年提出的重力模型[9]，經學者多次改進，現已廣泛應用于公共服務設施的空間可達性量測[10-12]、同一區域不同城鎮吸引力比較、不同城市發展的優劣勢比較[13]等多個方面。該模型既能考慮空間上供需雙方空間效應隨距離衰減的特性，又能考慮供需雙方自身引力的影響，因而能全面而科學地衡量主體獲取客體服務的難易程度。以下是一種使用較為廣泛的改進潛能模型計算式[14]：

[HS4][JZ（][JB（]Ai=∑[DD（]nj=1[DD）][SX（]MjDijβVj[SX）]；

Vj=∑[DD（]mk=1[DD）][SX（]PkDkjβVj[SX）]。[JB）][JZ）][JY]（1）

式中：Ai表示居民點i至指定范圍內所有公園綠地的空間可達性；Mj表示公園綠地j的服務吸引力；Vj表示各地居民對公園綠地j的服務需求和競爭強度給公園綠地j的可達性造成的負面影響，是可達性的人口規模影響因子；Dijβ、Dkjβ表示居民點i、k至公園綠地j的出行阻抗，D為道路通行距離（km），β為出行摩擦系數；n、m分別表示公園綠地數（個）、居民點數（個）；Pk表示某居民點k的人口。

[FK（W9][TPHH1.tif]

3.2基于AHP的公園綠地服務吸引力計算法

AHP是美國運籌學家Saaty于20世紀70年代初提出的一種定性與定量分析相結合的多因素決策分析方法，它將決策者的經驗判斷進行量化，在因素結構復雜且缺乏必要數據的情況下非常實用，具體應用步驟可參見文獻[15-16]。

公園綠地服務吸引力在很大程度上決定著人們是否選擇到該公園綠地休閑游憩[17-18]。李芬等已對影響公園綠地服務吸引力的諸多因素及影響程度作了一定研究[1，19-20]。本研究參照前人研究，結合研究區自身實況考慮，選取公園綠地空氣質量狀況、水景優美狀況、娛樂設施狀況、健身設施狀況、安全設施狀況、衛生設施狀況、有無內部指引標志、周邊交通狀況、公園歷史知名度等9項影響因子，采用AHP評價方法計算各公園綠地服務吸引力，為采用AHP評價方法計算得到的指標權重及服務吸引力標度范圍（表1）。

據表中記錄源點與目的地間的最小網絡距離，允許用戶在配置分析時根據需要自由指定要查找的目的地數和要搜索的最大網絡距離[23]。由此，本研究首先假定居民日常只到最遠出行距離在1 500 m以內的公園綠地享用服務，而后采用求解ArcGIS OD成本矩陣的方法計算各居民點至這一限定范圍內所有公園綠地的最短出行距離D，主要步驟為：（1）創建實際道路網絡數據集；（2）新建空白OD成本矩陣分析圖層；（3）添加居民點（源點）、公園綠地入口點（目的地）圖層；（4）設置分析選項，設定沿實際路網搜索的最大距離為1 500 m；（5）求解生成最終的OD成本矩陣。

圖2展示了本研究所得OD成本矩陣的圖與表，表中最后1列為各居民點至相應公園綠地的最短出行距離D（m）。由此，在出行摩擦系數確定的情況下可進一步求出居民出行阻抗。

[FK（W15][TPHH2.tif]

3.4基于Python的可達性及相關指標的量算

要使計算出的人口規模影響值Vj和可達性值Ai符合客觀實際，可多次假定不同的出行摩擦系數值β（一般在[1，2]中選取），分次代入潛能模型計算式進行計算，并在最后對所有已取得的Vj、Ai值組進行比較分析，進而確定符合客觀實際的適宜出行摩擦系數β及Vj、Ai值組。為此很多學者采用先將圖層屬性數據表導出，而后再通過Excel等表格數據處理軟件手動統計分析。筆者認為，這些方法過程復雜，須反復執行同樣操作，效率低下且易出錯。為改進工作方式，本研究使用面向ArcGIS的Python腳本編程技術[24]，在ArcGIS 10提供的Python窗口中按如下思想編寫并執行Python腳本，讓計算機自動快速地進行可達性及相關指標的量算。以下是量算公園綠地可達性受人口規模影響程度的算法描述：

步驟1：導入arcpy、sys、os。

步驟2：將OD成本矩陣分析圖層屬性數據表的OriginID和居民點圖層的ID設為連接字段，調用arcpy.AddJoin_management（）函數將2個表連接。

步驟3：為β賦值，按公式Vkj=Pk/Dijβ編寫python表達式，調用arcpy.CalculateField_management（）函數計算OD成本矩陣分析層屬性數據表的V1字段值。

步驟4：移除連接，創建列表li_vj，元素數量為公園綠地數+1，元素值均初始化為0。

步驟5：使用arcpy.da.SearchCursor（）函數創建搜索游標，遍歷OD成本矩陣分析層的屬性數據表，將每次讀取的V1字段值加和至序號與本記錄Destinatio字段值相同的列表元素。

[JP2]步驟6：使用arcpy.UpdateCursor（）函數創建更新游標，按ID與序號相等的準則將序號≥1的列表元素值逐一寫入相應公園綠地屬性記錄的Vj字段。這樣，Vj字段所存儲的值即為各公園綠地可達性受周邊人口規模影響的程度值Vj。

[JP2]同理，以OD成本矩陣分析圖層屬性數據表的Destinatio和公園綠地入口點圖層屬性數據表的ID為連接字段連接兩表，按公式Aij=Mj/DijβVj編寫python表達式，調用arcpy.CalculateField_management（）函數計算OD成本矩陣分析層屬性數據表的A1字段值，再按類似上述步驟4～6的方法編寫python腳本，即可求出各居民點至指定范圍內所有公園綠地的可達性值Ai并自動寫入居民點圖層屬性數據表的Ai字段。

4結果與分析

4.1結果數據和初始分析

表3是β取1、1.5、2時運行python腳本所得的Vj值，它反映研究區內各公園綠地可達性受指定范圍內居民人口規模影響的程度。

經實地調研及研究組比較與分析，認為表3中β取2時的人口規模影響值比較合乎實際，其數值波動范圍及離散程度合理。因此，本研究認定出行摩擦系數β取2比較適宜。表4是β取2時各居民點居民至指定范圍內所有公園綠地的可達性值。

居民點不在任何公園綠地的服務區范圍，占整體的1370%；僅22個居民點至相應公園綠地的可達性高于平均值，占整體的30.14%。

圖3是各居民點至指定范圍內所有公園綠地的可達性按符號分級（graduated symbol）的渲染結果，直觀展示了各采樣居民點至相應公園綠地的可達性高低。

為揭示研究區內各地公園綠地可達性高低的空間分異特征，本研究利用已采樣的73個居民點的可達性值對全區各地進行普通克里格（ordinary Kriging）插值分析并按幾何間距（geometric interval）分級渲染，得到如圖4所示的結果。

4.2服務區、吸引力、人口等的綜合分析

為進一步了解公園綠地服務狀況，筆者利用ArcGIS軟件作了基于21個公園綠地創建其1 500 m出行距離的服務區分析，將服務區圖層與居民點圖層的屬性數據表連接、合并，聯合居民人口、服務吸引力等屬性數據綜合統計分析發現：（1）市民公園、紫陽公園、森林公園、贛東北樂園等吸引力指數水平最高，面積總數占研究區內所有公園綠地面積的60%，但其1 500 m出行距離范圍內的服務人口僅占研究區居民總數的10.6%；（2）吸引力稍小、地處人口稠密地帶的三江公園、濱江公園、慶豐公園、人民廣場等面積總數僅占研究區內所有公園綠地面積的1.4%，但其1 500 m出行距離范圍內的服務人口卻占研究區居民總數的29.6%；（3）吸引力處中等偏上水平的楮溪濕地公園、市植物園等面積總數占研究區內所有公園綠地面積的15%，但其1 500 m出行距離范圍內的服務人口僅占研究區居民總數的5.3%。

5結論和優化建議

5.1評價分析結論

（1）從表4及其統計分析結果看，上饒市中心城區公園綠地的可達性水平低，半數以上居民點居民日常還難以公平享用公園綠地服務。

（2）從圖4可見，研究區內各居地至公園綠地的可達性在空間分布上存在很大差異：新城區可達性最好，旭日片區可達性次之，帶胡片區可達性一般，老城區、水南片區、三江片區、站前片區可達性較差。

（3）從表3所示人口規模影響值看，三江公園、濱江公園、慶豐公園、人民廣場等受居民人口規模影響最大、服務壓力最大；而櫻花公園、龍潭湖公園、市體育館、市植物園、楮溪濕地、創業文化公園、雙塔公園等受居民人口規模影響最小、服務壓力最小。

（4）從公園綠地服務區、服務吸引力以及服務人口等的綜合分析結果看，吸引力高且不處于市中心的公園綠地服務人口過少，這些公園大多具有歷史文化教育功能，但由上分析可知其服務效能還有待進一步提升。

5.2優化建議

（1）應加大對吸引力稍小、地處人口稠密地帶的三江公園、濱江公園、慶豐公園、人民廣場等的日常管理與維護，該部分公園綠地服務人口數量多、服務壓力較大。

（2）對服務壓力小、地處偏遠或新開發的公園綠地，如櫻花公園、龍潭湖、市體育館、楮溪濕地、市民公園、雙塔公園等，宜采用改善交通、優[CM（25]化園景、新增娛樂健身設施等手段提高其可達性和服務吸[CM）]

[FK（W15][TPHH3.tif]

[FK（W15][TPHH4.tif]

引力，以引導更多居民前往享用服務。

（3）應在既定發展方針“疏解老城、力塑新城、拓展園區、整合三江、溝通羅橋、……”指引下，加快調整研究區內居住人群的空間分布結構，促進研究區內公園綠地可達性、服務公平性的快速提高。

（4）宜考慮在老城區、水南片區、三江片區、站前片區、帶湖片區各增設至少1個公園綠地，以提高居民享用公園綠地服務的可能性和公平性。

6小結

提出并實踐了以AHP評價方法評價公園綠地服務吸引力、以ArcGIS OD成本矩陣計算最短出行距離、按潛能模型編制Python腳本自動測算可達性及相關指標的設想。評價分析結論符合研究區實情，優化建議可為研究區優化公園綠地服務提供科學決策參考。與單純采用網絡分析法、緩沖區分析法、最小鄰近距離法、費用加權距離法和引力模型法評價分析公園綠地可達性及服務狀況的已有研究相比，本研究所采用的技術方法具有以下特點和優勢。

（1）以AHP評價方法評價公園綠地服務吸引力，解決了引力模型中難以為公園綠地服務吸引力賦予恰當值的問題，消除了網絡分析法僅考慮時間或距離、忽略公園綠地本身吸引力對可達性影響的缺陷，考慮了公園綠地本身歷史文化和衛生安全等因素對公園綠地服務吸引力及可達性的影響，因而提高了公園綠地可達性及其服務評價的科學性。

（2）以ArcGIS OD成本矩陣計算居民至公園綠地的最短出行距離，計算效率高，且能真實反映居民進入公園綠地的實際過程，克服了緩沖區及最小鄰近距離分析法中直線距離不能識別可達過程中的障礙，以及費用加權距離法中以相對阻力評判道路是否通達的不足。

（3）按潛能模型編制Python腳本并自動運行，簡化了公園綠地可達性的評價計算流程，降低了可達性潛能模型在現實中應用的難度，這一做法能為廣大學者解決其他模型應用難的問題提供新的思路。

以可達性分析為視角的公園綠地服務評價的難點工作在于對各種空間及屬性數據的采集和評價測算方法的掌握。任何組織或個人只要突破這一點，即可將本研究所采用的技術方法推廣應用于其他城市區域，為其他決策管理機構或部門提供科學依據。為使相應評價結果更加符合研究區域有關實情，研究者在實際工作中可充分考慮以下建議：（1）盡可能完整地采集所有通往服務設施點的路徑，正確創建道路網絡數據集，對大型服務設施還應注意對其多個入口點的采集；（2）采用多測法合理選擇出行摩擦系數，將測算結果與實際調研數據進行比較分析，以提高評價結果的滿意度。

未來研究中可嘗試將本研究所采用的技術方法應用于其他研究對象，如對某地旅游資源、教育資源、醫療資源等作服務評價與優化；或改變評價指標和評價內容，將本研究所采用的技術和方法應用于城市居住區宜居性、生活便利性等的評價與優化。

[HS2][HT8.5H]參考文獻：[HT8.SS]

[1]李芬，孫然好，陳利頂. 北京城市公園濕地的休憩吸引力評價[J]. 應用生態學報，2012，23（8）：2093-2099.

[2]Michalos A C，Zumbo B D. Public services and the quality of life[J]. Social Indicators Research，1999，48（2）：125-157.

[3]蔡彥庭，文雅，程炯，等. 廣州中心城區公園綠地空間格局及可達性分析[J]. 生態環境學報，2011，20（11）：1647-1652.

[4]劉常富，李小馬，韓東. 城市公園可達性研究——方法與關鍵問題[J]. 生態學報，2010，30（19）：5381-5390.

[5]尹海偉，孔繁花，宗躍光. 城市綠地可達性與公平性評價[J]. 生態學報，2008，28（7）：3375-3383.

[6]鄢進軍，丁真兵，鄭凌予，等. 基于GIS-Network Analyst的重慶城市公園綠地可達性分析[J]. 西南大學學報：自然科學版，2013，35（12）：153-157.

[7]馬琳，陸玉麒. 基于路網結構的城市綠地景觀可達性研究——以南京市主城區公園綠地為例[J]. 中國園林，2011（7）：92-96.

[8]彭菁，羅靜，熊娟，等. 國內外基本公共服務可達性研究進展[J]. 地域研究與開發，2012，31（2）：20-25.

[9]Hansen W G. How accessibility shapes land use[J]. Journal of the American Planning Association，1959，25（2）：73-76.

[10]宋正娜，陳雯，車前進，等. 基于改進潛能模型的就醫空間可達性度量和缺醫地區判斷——以江蘇省如東縣為例[J]. 地理科學，2010，30（2）：213-219.

[11]Wang F，Luo W. Assessing spatial and nonspatial factors for healthcare access：towards an integrated approach to defining health professional shortage areas[J]. Health & Place，2005，11（2）：131-146.

[12]Geertman S C，Vaneck J R. Gis and models of accessibility potential：an application in planning[J]. International Journal of Geographical Information Systems，1995，9（1）：67-80.

[13]曾月娥，伍世代，李永實，等. 基于潛能模型的城市同城化透視——以廈門漳州兩市為例[J]. 重慶師范大學學報：自然科學版，2012，29（5）：77-81.

[14]鄭朝洪. 基于GIS的縣級市醫療機構空間可達性分析——以福建省石獅市為例[J]. 熱帶地理，2011，31（6）：598-603.

[15]畢碩本，朱斌，喬文文，等. 基于層次分析法的加密惡意腳本風險評估模型研究[J]. 計算機應用研究，2011，28（7）：2726-2728，2741.

[16]余為益，胡紅，呂健剛. 利用AHP和GIS的城市火災風險評價與預警發布研究[J]. 電腦開發與應用，2014，27（1）：4-6，9.

[17]Schipperijn J，Ekholm O，Stigsdotter U K，et al. Factors influencing the use of green space：Results from a Danish National representative [JP2]survey[J]. Landscape and Urban Planning，2010，95（3）：130-137.

[18]Giles-Corti B，Broomhall M H，Knuiman M，et al. Increasing walking：how important is distance to，attractiveness，and size of public open space？[J]. American Journal of Preventive Medicine，2005，28（Suppl 2）：169-176.

[19]張運吉，樸永吉. 關于影響綠地吸引力因素的研究——以中國濟南市、泰安市為例[J]. 中國園林，2012，28（5）：104-108.

[20]楊文娟，李經龍，陳歡，等. 基于游客感知視角的國家公園旅游吸引力實證分析——以湯旺河國家公園為例[J]. 廣州大學學報：社會科學版，2013，12（6）：45-49.

[21]費鮮蕓，張志國，顧晶晶，等. 城市交通可達性的RS和GIS分析[J]. 測繪通報，2014（10）：74-77.

[22]張貝金，周曉根，明潔，等. 帶有時間窗口的富網絡配送問題研究及仿真[J]. 計算機科學，2014，41（增刊2）：29-34.

[23]ArcGIS Resources Center.ArcGIS幫助10.1 OD成本矩陣分析[EB/OL]. （2013-09-15）[2015-12-01]. http：//resources.arcgis.com/zh-cn/help/main/10.1.

[24]Paul A Z. 面向ArcGIS的Python腳本編程[M]. 李明巨，劉昱君，譯. 北京：人民郵電出版社，2014.