基于BD-GIS耦合模型的北京奧林匹克森林公園景觀優化策略研究

李發明

李 娜*

王婷婷

李相逸

隨著智能化時代的到來，中國智能手機的普及率已高達70%，通過手機等設備記錄出行和戶外活動已經普遍成為一種生活方式。調查結果顯示，不同年齡段人群每周保持微博或微信朋友圈狀態更新的比例各不相同，在18～35歲的人群中占86.5%，35～50歲的人群中占57.8%，50～65歲的人群中占73.6%。通過對上述大數據(Big Data)的分析來解決城市公共空間的優化問題已經是行業內研究的熱點和趨勢。本文以大數據為基礎對城市公園進行使用后評價具有代表性和科學性[1]。

城市公園是目前人們戶外休閑使用率最高的城市空間。隨著城市用地的日益緊張，城市公園的游客容量極限也不斷被突破。由于游人過多或設施場地不足、資源管理薄弱等問題，導致公園環境遭破壞的案例屢見不鮮。人們在公園游覽中的路線偏好、景點感興趣程度、場地使用強度等對公園的景觀維護和改造提升具有重要的指導意義，因此結合大數據分析游人的日常使用習慣，對其行為進行量化分析，同時結合評價結果提出公園景觀資源管理與利用方面的改造升級策略具有現實意義[2]。

本文結合Citespace平臺進行文獻計量可視化分析，以CNKI文獻搜索引擎為基礎，對全網進行大數據、GIS、景觀優化和耦合模型等關鍵詞頻的全文檢索，收集到2002—2017年的3 724個有效數據，其中涉及期刊2 643個、碩博士論文1 081個。對數據進行二次篩選，選取同時具有3個關鍵詞頻以上的文獻784個，對其進行Refworks數據txt格式導出。利用Citespace平臺對研究熱度、文獻關聯度、熱點詞頻等進行綜合分析。通過圖1可以看出：1)我國從2002—2006年地理信息系統在風景園林和城市規劃方面的應用熱度最大，同期還出現了虛擬現實、可視化、三維建模等與GIS平臺耦合模型的研究；2)2006—2014年是在前階段的研究基礎上進行的，主要圍繞ArcSDE數字城市、三維GI等領域；3)2014—2017年是大數據與地理信息系統研究結合最為緊密的幾年，使用后評價、優化策略等熱點詞頻也是目前乃至未來風景園林行業研究的熱點和趨勢。因此，從國內相關研究領域的文獻綜合分析中可以看出，本文以大數據和GIS等技術為前提，對城市綠地空間進行使用后量化評價，并針對評價結果提出景觀優化策略。

1 研究區域及數據獲取

1.1 區域概況

北京奧林匹克森林公園位于北京市朝陽區，研究范圍東至安立路，南至科萃路，西至林萃路，北至清河，共680hm2，其中南園380hm2，北園300hm2。本次研究去除國家網球中心等內部用地，剩余面積575hm2，綠化覆蓋率95.61%(圖2)。北京奧林匹克森林公園是北京市內功能最健全、面積最大的城市型公園，是城市居民戶外游憩及外來游客必去的城市景點之一，每年游客訪問量達300多萬人次。以北京奧林匹克森林公園為研究對象，分析得出的使用后評價和景觀優化策略對其他城市公園具有較高參考價值。

圖1 CNKI中相關文獻的可視化分析

1.2 數據獲取與BD-GIS耦合模型的建立

大數據具有覆蓋廣、更新快、精度高、數量大等特點，對數據的獲取和清洗是本研究的難點。具體步驟如下：1)利用OpenStreetMap、微博開放平臺、百度POI、網絡爬蟲工具和手機信令基站等手段，在谷歌瀏覽器下針對各個開放數據平臺分別定位數據源網絡地址；2)將開放性數據通過火車采集器進行Python設定模式的代碼改寫，并將最終數據進行本地保存；3)運用Excel表格對數據進行預處理和整理匯總；4)通過萬能坐標轉換器對獲取的定位信息數據進行平面和地理坐標的轉換。

BD-GIS耦合模型的建立步驟：1)通過BIGEMAP軟件下載研究范圍內比例為1:3 457、像素分辨率為0.91m的遙感影像；2)利用GIS對遙感影像進行校準；3)結合GIS系統建立BDGIS模型數據庫，將Excel表格數據進行GIS系統轉換；4)通過GIS對數據進行空間分析并進行可視化直觀表達；5)對分析數據和結果利用SPSS進行一致性檢驗和回歸分析，保證結果的科學性。具體耦合模型的建立流程如圖3所示。

圖2 研究范圍示意

圖3 BD-GIS耦合模型建立流程

2 北京奧林匹克森林公園景觀優化策略

2.1 游人分布和景點停留熱度分析及景點優化策略

結合POE現場調查和獲取的部分手機信令數據，選擇2017年平日周末和十一假期2個樣本中的2天進行數據采集，4：00—24：00時段內對公園主要出入口實行門禁進入式流量調查。為了提升數據的準確性，平日周末的調查選用POE現場調查法，記錄游人進入園區的時間節點，并詢問每次在公園的停留時長。根據外貌將游人分成青年、中年和老年3個群體，對進入的團體類游客以人頭形式和2h停留時長為標準進行數據記錄。圖4代表平日周末游人的停留時間和時段的正態分布，其中縱軸代表停留時長，橫軸代表進入時間點，通過節點分布可以看出游客在公園中的停留時間最少為20min，說明北京奧林匹克森林公園的面積較大，游覽時間較長且景觀功能豐富。其中5：30—7：30、11：00—13：30、18：30—20：30為客流集中期，15：00—17：30為客流分散期。早晨和晚上鍛煉的人群居多且停留時間約為50min，共計1 347人次；中午時段以游覽人群居多且停留時間約為110min，共計3 197人次。

節假日客流量大，對十一假期的調查采用手機信令數據抓取的辦法。由于手機信令數據無法獲取個人屬性信息，所得數據雜亂，故本次研究允許數據混雜，但綜合分析結果應同平日數據呈正相關，利用數據匯總和SPSS正相關性驗證，所得結果真實可靠。手機信令數據抓取過程如下：1)進行數據初步篩選，根據研究范圍選擇具有研究目的的數據源，通過多次不同閾值和定性判斷，保留合理數據，刪除不相關數據；2)結合游客行為在空間中的反應，利用試錯法來校正閾值的可靠性，通過二次驗證對數據進行再次篩選；3)最終匯總數據，去除不合理數據并用SPSS進行數據統計和正態分布分析，這里用到了GIS、SPSS、Python和MySOL技術工具。最終篩選出定位點在北京奧林匹克森林公園內部的手機信令數據83 659條(圖5)。

獲取2017年微博公共平臺具有簽到定位信息的數據，通過數據轉換器進行矢量化轉換，最終得到數據526萬條。經過數據清洗和地址識別，得到約9萬條定位在北京奧林匹克森林公園內的有效數據，同一個ID重復簽到按一次計算[3]。

將上述2種類型數據進行匯總，通過Excel對數據進行整理和預處理，去除無效數據，轉入GIS平臺分別建立BD-GIS空間核密度分析。利用GIS的空間疊加和重分類分析等工具模塊，得出2種數據景點熱度的分析結果基本一致，選取2類數據分別進行分析是為了使結果更加客觀準確，最大化減少數據偏差。最終將2種類型數據所得結果再進行疊加，得出最終景點熱度分析圖(圖6)。其中景點受歡迎程度的核密度等級在0～15.6區間均有分布，數值越低受歡迎程度越低，反之受歡迎程度越高[4]。

圖4 平日周末全天候游人停留時間和時長分析

圖5 2017年10月3日在園游客數據分析

圖6 北京奧林匹克森林公園平日與假期景點熱度綜合分析

景點使用強度綜合問題解析：1)在POE問卷調查過程中有32.4%的游客提出南門到天境核心景點的距離較遠且有路徑標識不清晰的問題，有15.8%的游客提出園內游人過多，部分游客集中區域會對游人產生不適和空間壓迫感；2)由圖5可以看出南園天境、林泉高致、露天劇場和沉水廊道等節點簽到次數最多，受歡迎程度最高，北園部分鍛煉廣場、親水平臺受歡迎程度最高；3)天境和露天劇場熱度等級呈迅速增長態勢，說明2個節點的游人容量超過環境承載能力，在景觀改造和資源管理方面應給予高度重視，北園南側入口處草坪空間也存在同樣的問題；4)結合國家公園設計規范中60m2/人的人均公園占地面積，去除密林和濕地等不能讓人參觀的區域，最終得出南園游人容量4.5萬人。十一期間的南園游人容量超標，北園正常。

景觀資源管理和優化策略：1)結合手機信令數據監測十一假期時段內的增長率，并為公園設定橙色、紅色2個級別預警[5]，假期時應在10：00—15：00對公園進行門禁式限流，此時為紅色預警期，17：00—18：30對南園入口進行10min間隔的放行式限流模式，此時為橙色預警期；2)公園內部園林維護和施工時間應選擇在9：00—10：00和15：00—17：00；3)10：30—13：30應增加天境、露天劇場等熱門景點的景觀維護，增設工作人員對游人行為和環境進行監督與督查；4)在露天劇場、天境以及北園部分一級熱度景點增設休息廊架和座椅，尤其是在南園天境景點增加景觀安全維護和臨時水站等景觀配套設施。

2.2 慢跑和散步軌跡熱度分析及線路優化策略

跑步和慢行路線是每個城市公園必備的功能游線，基本上均會根據公園大小設計內環式閉合慢跑步道[6]，但是由于每個人的跑步習慣和運動模式不同，會使公園中的部分道路特別受到青睞，從而導致由于道路設計寬度不足使路邊綠化受到破壞，甚至由于部分路段鋪裝形式不合理而產生安全隱患。

利用悅跑圈平臺獲取北京奧林匹克森林公園內部1 567位跑者的運動軌跡圖，在衛星圖中通過固定標志性角點進行路線軌跡的矢量化數據提取，最終將1 567個具有地理坐標的矢量數據帶入Arcmap平臺與公園內部道路矢量圖疊合。利用疊加和重分類分析將數據在公園遙感影像上直觀顯示，把路線按照重合度分成1～12個熱度等級，紅色為1級代表最受歡迎的軌跡路線，深綠色為12級代表最少有人跑步的路線。其中南園外環線軌跡重合率為75.6%，北園外環線重合率為87.3%，南園西南角到東北角停車場的路徑重合率達94.8%(圖7)。通過圖7可以看出南園的使用率明顯高于北園，同時2個園區的外環線軌跡重合率最高，等級為1級，說明大部分運動者還是按照公園預先規劃好的塑膠跑道進行鍛煉。但是南園中等級路線最多且顏色最為豐富的一段是從南園東北角停車場到西南角處的濱水步道，最受游人歡迎，這種現象一方面說明跑者不僅按照公園預設的塑膠跑道跑步，而且更加熱衷于沿水邊進行鍛煉，另一方面說明除了居住在附近及乘坐公共交通來鍛煉的人群，還有大部分人群自駕前來鍛煉。

圖7 游人慢跑軌跡的使用熱度分析

圖8 2016和2017年公園露營人群簽到點分布

路線優化策略：1)有條件的情況下，增加園區中部濱水步道的道路寬度，如果空間允許可以在此路段鋪設單側塑膠跑道；2)對于除環線紅色等級以外的橘黃色路徑，應適當增加道路停留點，并保證道路的通過性，在現狀空間允許的情況下適當增加路幅寬度；3)在上述濱水路段中增設停留場地、休息座椅和休息廊架等設施，可以緩解該路段游人容量過多對景觀造成的破壞和環境污染等問題；4)增加北園與南園的連通性和北園自身的可進入性，通過提升交通可達性和增設出入口來提升北園的使用率；5)縮短對主環路塑膠跑道的人工養護周期。

2.3 帳篷營地點位熱度分析及功能優化策略

調查顯示北京市內及周邊區域游人在周末到奧林匹克森林公園露營野餐的游人較多，經過連續4周周末對公園內部的走訪調查發現，露營是目前該園內部非常受歡迎的群體活動，大部分發生在林下和草坪空間，同時也是最容易對公園景觀環境造成破壞的活動類型。由于公園在設計之初沒有考慮到帳篷營地的節點布置，目前游人都是進入公園后隨意找尋林下空間進行露營和野餐，過大的游客流量導致場地壓力增大、植被受到破壞，同時白色垃圾被隨意丟棄等現象時有發生。

通過微博簽到和文本信息，爬取2016和2017年在北京奧林匹克森林公園露營的人群信息，共收集到12 743次簽到信息，通過坐標轉換器將定位信息轉換成地理坐標，在GIS中構建BD-GIS耦合模型數據庫進行空間分析[7]。圖8顯示南園使用率明顯大于北園，占據了97.8%的數據，南園共有5個節點屬于簽到密集區域，紅色節點密度越大說明露營人群越集中，形成了“五核心分散式”的空間分布特征。57.8%的人群從南門進入后選擇入口附近的疏林草地(節點1、2)進行露營，37.3%的人群選擇較為安靜且具有較好觀景視野的區域(節點3～5)進行露營，4.9%的人群散布在公園東北部的綠地中。

問題總結：1)由于2003年就開始對公園的設計方案進行征集，露營的場地功能需求在當時還不是公園設計中必須考慮的問題，所以公園在規劃之初沒有對露營地進行布置。但是15年后的奧林匹克森林公園，只要游人能走進的林下空間都會發生露營行為，南園現象最為嚴重；2)部分集中露營區域的林地土壤裸露嚴重，尤其是節點1的土壤基本全部裸露；3)節點3位于公園濕地附近，不適宜開展露營野餐等人群聚集并可能會對環境造成嚴重破壞的活動。

營地景點優化策略：1)增設露營和野餐聚會場地，建議將節點1、2、4進行合理的空間梳理，并明確和增設露營點；2)由于節點1、2的使用強度較大，現狀節點1的林下土壤裸露明顯，基本沒有地被覆蓋，節點2的土壤部分裸露，應對裸露土地進行景觀碎拼或嵌草式鋪裝設計；3)節點3接近中心湖區且靠近濕地區域，節點5位于公園最北側，景觀維護和管理不便捷，建議豐富這2處節點中低層次的植物配置，同時由于節點3的空間可進入性過強，應將節點邊界利用低矮植被配植形成圍擋，阻斷游客進入的路徑；4)更新公園導視地圖和道路節點處的導視牌，為游客提示露營地的具體方位，并在節點3、5和公園東部常有露營活動發生的場地用警示牌予以提示。

3 結語

綜上所述，北京奧林匹克森林公園的景觀優化策略如下。1)景點優化。結合上述分析數據，公園應增加部分景點的鋪裝面積，增設座椅、垃圾桶等必要的休息和環保設施。2)游線優化。慢跑及鍛煉游線應根據數據結果進行部分道路的路面拓寬和停留場地的增加等。3)場地功能優化。結合游人分布和使用偏好等數據分析，增加多個露營地點，并借助入口和主要節點的指示牌進行路徑引導，同時對部分節點進行景觀圍擋，限制露營活動的隨意開展。4)資源管理優化。結合分析數據，公園應在特定假期進行分時段限流措施，同時縮短使用強度大的幾個景點的園林養護和人工巡視周期。

科技的進步讓人工智能技術在我們的日常生活中不斷出現，大量數據的涌現也讓這個世界變得量化和可計算。嵌入算法的人工智能技術也在不斷地被設計師應用到模擬和優化城市空間中，讓未來城市空間的使用和優化向著人們生活需求的方向科學發展。本文的BD-GIS耦合模型技術也是人工智能的一個研究角度，通過對北京奧林匹克森林公園的研究進一步證實了人工智能技術在城市公園的景觀優化方面具有強大的數據支持和指導依據，結果也驗證了城市公園是戶外運動和家庭式互動中使用最為頻繁的城市公共空間[8]。同時人工智能技術與GIS、SPSS、ENVI等技術平臺的搭配，會有更多且全面的定量化結論產生[9]。大數據等人工智能技術在未來城市公園景觀優化中具有應用前景：1)評估公園內部游客分布密度、景點受歡迎程度、場地的使用強度等；2)通過SPSS和AHP方法的結合，對場地功能的適宜性、生態的敏感性等進行定量評估[10]；3)利用群眾對公園評價的熱點詞頻數據，對公園的景觀使用價值進行綜合定量化評價；4)通過數據三維可視化等方面的直觀展示，擴大城市公園在人們心中的影響力，提升公眾的環境保護意識；5)客觀量化的數據基礎有助于設計師更加精準地定位未來城市公園的規劃和設計方向。

注：文中圖片均由作者繪制。