城市公園綠地簽到空間分布差異及影響因素研究

程功

摘要 城市公園綠地是居民日常活動的重要構成場所，城市公園綠地的服務水平影響居民生活質量。基于重慶市都市區56塊主要城市公園綠地的微博簽到數據，運用GIS軟件的核密度分析方法呈現各區域內公園綠地簽到的空間差異，再用地理探測器軟件探究經濟發展水平、人口規模、交通便捷性3個要素對綠地簽到空間差異的影響。結論：重慶市都市區公園綠地簽到核密度呈現多中心結構、簽到次數存在明顯的空間差異;人口規模對綠地簽到的空間差異影響力最強，其次是交通便捷性，區域經濟發展水平的影響力最弱。

關鍵詞 公園綠地;簽到;空間分布

中圖分類號 TI986 ?文獻標識碼 A

文章編號 0517-6611（2020）10-0094-05

doi：10.3969/j.issn.0517-6611.2020.10.026

Abstract Urban park green space is an important part of daily activities. The service level of urban park green space affects the quality of life of residents.Based on the web checkin data from 56 pieces of urban park green space in the metropolitan area of Chongqing，we used kernel density analysis method in GIS to explore the spatial distribution difference of park green spaces，used geodetector to detect the influence of economic development level， population size and transportation convenience on checkin data.The density of checkin kernel presented a polycentric structure，significant spatial differences of checkin times were exsisted.Population size had the strongest influence on the spatial difference of green space checkin， followed by the convenience of transportation，the influence of regional economic development level was weakest.

Key words Park green space;Checkin;Spatial distribution

公園綠地是除向社會公眾免費開放，以休閑游憩為主要功能外，兼具綠化、生態、美化、防災等綜合作用的城市綠地[1]。作為城市內部的公共空間資源，公園綠地不僅為市民提供了日常活動的開闊場所，還能從多方面改善人居環境。隨著城市化進程加快帶來空氣質量下降、生態環境破壞等問題的加重，城市公園綠地的公共效益逐漸受到城市居民的關注。由于綠地在城區用地中占據重要位置，城市公園綠地的合理分布也是城市規劃者們長期以來一直關注的焦點。

公園綠地是具有生態功能、社會功能等綜合功能為一體的城市開放空間，公園綠地的服務狀態受氣候、時段、城市空間環境等多種因素的影響，時刻處于動態變化當中，所以對城市綠地服務功能的評價與測量是比較復雜的[2]。目前學界對于綠地服務功能的評價沒有統一的標準，普遍是針對單一綠地功能或者多種功能進行評價，例如姜劉志等[3]、杜雁等[4]分別從城市綠地的生態功能與防災功能出發評價綠地服務水平。根據綠地資源的作用和功能，金云峰[5]將綠地資源評價分為生態環境、社會服務、經濟運營3個綜合層;陳永生等[6]則運用層次分析法與德爾菲法對合肥市公園綠地生態、游憩、防災避險3個功能進行綜合評價。綠地的社會功能是評價的主要內容之一，對此類服務功能的評價主要包含2個層面：可達性、公平性。現有文獻對公園綠地可達性評價主要是從“供”“需”“供需匹配”3個角度出發，由供應方出發評價可達性的標準主要有一定綠地服務半徑內的服務人數、服務覆蓋面積[7-8]。從需求方出發，一般以居民到達綠地的出行距離、時間成本、最少費用等為衡量標準[9-10]。由于角度、方法以及衡量指標的多樣性，同一公園綠地的可達性在測量結果上會產生較大差異。從“供需匹配”的角度入手，則是通過了解不同居民對公園綠地的訪問偏好與需求情況來判斷公園綠地分配的差異性，即關注公園綠地服務的公平性。公平性是建立在可達性基礎之上的，主要體現在綠地分布的空間均衡以及居民獲取綠地資源的均等性兩個方面。不同人口結構、不同社會經濟地位、不同年齡等因素造成的公園綠地需求與公園綠地資源不匹配是研究公園綠地公平性的熱點[11-13]。不管是探究可達性還是公平性，綠地的空間分布都是評價其社會功能的切入要點。

大數據技術的運用極大程度上改變了個人的社會行為、工作與生活方式。相較于傳統的城市數據樣本收集與統計方式，大數據具有獲取成本低、內容豐富多元、以宏觀角度反映數據關系等優點[14]。因此，大數據被廣泛用于城市交通規劃管理[15-16]、城市自然災害管理[17-18]、分析城市空間結構[19-20]等方面。由于“大數據”以更系統、更細粒度的地理尺度衡量城市特征[21]，采用大數據研究城市綠地空間的熱點主要集中在城市綠地使用的空間分布、綠地服務水平評價、綠地選址等方面。李方正等[22-23]先后使用簽到數據對市民、游客使用北京市中心城綠地與社區公園的空間分布特征、時空差異及影響因素進行分析。龍奮杰等[24]基于手機信令數據的城市公園服務評價指標，從城市公園的服務時長、服務人數、服務半徑3個維度對公園的服務狀況進行測度。戚榮昊等[25]使用百度POI數據對城市中人群的分布與活動強度進行量化分析，建立了“服務壓力”的公園服務能力評價指標。除此之外，黎海波等[26]還運用出租車GPS大數據到“小山小湖”社區公園選址中。

LBS（location based service）是社交網絡提供的一種能讓用戶以“簽到”形式發布他們地理標簽信息和物理位置的功能[27]。簽到數據包括簽到用戶的實時簽到點地理位置、簽到用戶信息，可以直接反映簽到用戶簽到點的空間分布、聚集、流動情況，所以目前學者廣泛運用簽到大數據進行城市空間熱點識別、城市空間結構以及旅游客流特征研究等[28-31]。

為探討城市公園綠地空間分布的合理性，提升城市公園綠地總體服務水平，該研究使用微博簽到數據反映公園綠地一定時間內的居民簽到空間差異，使用地理探測器探究經濟發展水平、人口規模、交通便捷性三個要素對簽到空間差異的影響，并對城市公園綠地的空間合理規劃提出建議。

1 數據來源及研究方法

1.1 研究區域 重慶市位于我國西南內陸，長江中上游，以丘陵、山地地形為主，其都市城區位于多山環繞包圍之中，嘉陵江與長江水系的天然地理分割形成了“一城五片，多中心組團式”的城市空間格局。都市區為主要的城市建設區域，面積為5 473 km2，其中包括主城區區域（2 737 km2）與郊區區域（2 736 km2）。由于多山地形，主城區建設用地有限，各區域之間經濟發展水平、土地利用類型、人口規模差異大，實現組團間城市功能的均衡互補，促進人口與環境的協調發展對城市公園綠地的合理規劃、建設提出了更高的要求。根據《城市綠地分類標準CJJ/T 85—2017》，城市公園用地是向公眾開放、以游憩為主要功能，兼具生態、景觀、文教和應急避險等功能，有一定游憩和服務設施的綠地，主要分為綜合公園、社區公園、專類公園、游園四類。該研究選取重慶市都市區包括渝中區、江北區、渝北區、南岸區、九龍坡區、沙坪壩區、大渡口區、巴南區、北碚區內主要的56處綜合公園、專類公園、帶狀綠地為研究范圍。圖1為重慶市主城區綠地系統規劃。

1.2 數據來源

通過分析微博APP網絡簽到請求，根據用戶簽到行為和網頁特征編寫代碼模擬、搜索并采集所研究公園綠地的簽到數據。數據采集的時間跨度為2019年1月1日—3月31日，包含完整3個月的簽到數據。數據采集的內容包括簽到的時間、經緯度、簽到用戶的基本信息（性別、所在地）以及簽到的文本內容。將采集到的簽到數據經緯度導入ArcGIS軟件中，對簽到在研究公園綠地范圍外的點以及將屬性相同的重復點進行篩除，最終篩選到13 504條簽到數據。其中男性簽到數據4 745條，女性簽到數據8 759條，兩者的比例大致為0.542。

1.3 研究方法

1.3.1 核密度分析。

2 簽到空間分布特征及影響因素分析

2.1 簽到空間分布特征

對56處重慶市主城區主要公園綠地進行編號，將落入研究區域范圍內的13 504條簽到點經緯度數據導入ArcGIS軟件當中，運用spatial analyst工具得到所有簽到數據的核密度分析圖，再疊加到重慶市都市區行政邊界圖上得到圖2。在簽到數據的核密度分析圖例中，顏色越偏紅該區域內簽到聚集程度越高，顏色越偏綠則簽到聚集程度越低。都市區9個區域內的公園簽到數量分布次數及比重如圖3。

? 通過簽到的核密度分析圖以及簽到次數的扇形分布圖可以看出，重慶主城區內公園綠地的簽到存在以下空間分布特征。

第一，綠地簽到聚集度由重慶市都市區中心向郊區外圍遞減。高簽到密度的公園綠地主要在主城各區中心，位于主城區外圍的公園綠地簽到密度較低，這與都市區中心城區人口規模、文化及商業設施分布有關。

第二，高密度核區域呈現多中心結構，各片區內部簽到聚集程度不均衡。重慶市主城區空間劃分為五大片區，一個城市中心及6個城市副中心，每個片區又包含若干個組團及功能區。核密度分析圖中存在四個高密度核區域，分別位于中部片區、北部片區以及南部片區，而西部及東部片區（中梁山以西及銅鑼山以東）沒有出現較高的密度核。中部片區為渝中區的鵝嶺公園、佛圖關公園、濱江公園等公園綠地形成的主核以及彩云湖公園、重慶動物園形成的次核;北部片區為鴻恩寺森林公園、花卉園、龍頭寺公園、中央公園等公園綠地形成的主核;南部片區（長江以東，銅鑼山以西）形成以南山風景區內各公園綠地為中心的主核。這與重慶城市規劃將都市區劃分為都市功能核心區（渝中區、大渡口區、江北區、沙坪壩區、南岸區、九龍坡區的內環以內區域）及都市功能拓展區（大渡口區、江北區、沙坪壩區、九龍坡區、南岸區處于內環以外的區域及北碚區、渝北區、巴南區全域）存在一定的關系，綠地簽到的高密度核基本位于都市功能核心區內，綠地簽到活動的多核心分布大致對應了滿足各組團核心內部居民游憩、休閑的需要。

第三，主城各行政區的主要公園綠地簽到數差異較大。簽到次數超過2 000的區域有3個，分別是渝北區、南岸區及渝中區，簽到次數在1 000～2 000的區域有江北區、九龍坡區及沙坪壩區，大渡口區、北碚區及巴南區公園綠地簽到次數分別低于1 000。結合各區域公園綠地的簽到次數和核密度分布來看，組團間及各片區內部的綠地簽到聚集分布仍存在不均衡情況;都市拓展區內的公園綠地簽到次數與都市核心功能區的公園綠地簽到次數差距較大，這主要是因為都市核心功能區商業消費、文化休閑等基礎設施更為完善，交通便利，是整個都市區人流活動的高頻區與集中區，承擔了更多公園綠地的服務功能。

2.2 簽到空間分布差異影響因素

城市中某個區域的社會經濟屬性（如經濟發展程度、人口、面積等）會影響人群的移動行為[34]。隨著社會經濟水平的提高，居民對日常生活的需求與標準也在不斷上升，城市公園綠地服務水平提升的重要性愈加凸顯出來。市民對公園綠地的選擇與使用除了受到公園類型、公園面積等內部因素的影響，還受到經濟發展水平、人口、可達性、周邊設施等許多環境因素影響。該研究選取區域經濟發展水平、人口規模、交通便捷性幾個要素為影響因素，各區域簽到數量作為因變量，探究兩者的相關性。通過查閱相關文獻[23，35-36]，將以上要素分為具體的4個指標：區域GDP、人口密度、路網密度、公共交通站點數（表1）。

2.2.1 區域經濟發展水平對綠地使用空間分布的影響。

有力的經濟水平是公園綠地建設、運營、維護的保障，會影響公園綠地的整體服務水平，不同的綠地空間對居民的吸引力存在一定差距。為探究各區域的經濟發展水平是否對公園綠地的簽到數量產生影響，需將分級后的各地區人均GDP數據輸入地理探測器，最后得到的因子探測結果是P=0.27，這說明區域內部經濟發展水平對公共綠地簽到空間差異存在較小的影響。

2.2.2 人口密度對綠地使用空間分布的影響。

為了方便探究人口密度與綠地使用空間分布的關系，需要先將重慶主城區人口密度分布圖在GIS軟件中進行自然斷點法的分級處理。將分級后的人口密度數據輸入地理探測器后的因子探測結果為P=0.85，在4個因子探測中影響力最大。市民是公園綠地的主要服務對象，為滿足市民的休閑游憩等生活需求，公園在選址上主要是選取位于區域內部周圍人口較為密集的位置，因此人口規模對該區域內的公園綠地使用空間分布差異產生較大影響。其次，重慶都市區平均人口密度為1 272人/km2，各區域內人口密度差異較大，人口密度最大的渝中區，達27 794人/km2，而人口密度相對最低的巴南區僅有585人/km2，導致各區域內公園綠地的簽到差異大，人口密度是影響綠地空間使用差異的解釋力最強的因素（人口密度數據來源于http：//www.cqdata.gov.cn/）。

2.2.3 交通便捷性對綠地使用空間分布的影響。

交通便捷性主要包括公園綠地3 km范圍內的地鐵站點數、公交車站點數以及區域路網密度（來源于中國城市規劃設計研究院《2018年度中國主要城市道路網密度檢測報告》）三項因素，前兩個子因素的分級方法參考文獻[23]。將地鐵站點個數分為3級，分別是1級（0～2個）、2級（3～6個）、3級（7～11個）;將公交車站點數分為3級，分別是1級（0～45個）、2級（46～135個）、3級（136～200個）;經過排列組合最終獲得交通便捷性的分級：1級（1*）、2級（2*，*≥2）、3級（其他部分）。將主城區城市路網密度圖在GIS中運用自然斷點法進行分級，最終得到的公交車站點及地鐵站點的因子影響力P值為0.18，路網密度x4的因子影響力P=0.46。交通便捷性是影響居民公園使用的重要因素，便捷的交通有利于居民根據時間、花費等客觀條件選擇合理的交通方式。結果顯示公交車站點及地鐵站點數對公園綠地使用空間差異的解釋力最弱，路網密度的解釋力處于中上水平。原因在于重慶中心主城各區公園周圍公交車站點及地鐵站點數量差異不大，居民到達公園綠地可以采用步行、坐公交、打車、自駕等多種方式，選擇公共交通出行的居民只占據其中一部分，而以路網密度指標而言，重慶主城各區域內部道路密度不一，個別區域差別較大，使得路網密度影響力增強。

3 結論與建議

3.1 結論

通過分析重慶市都市區主要公園綠地簽到情況分析了都市區各片區簽到核密度、簽到次數的空間差異及影響因素，得出以下結論。

（1）重慶市都市區公園綠地簽到密度及簽到次數存在明顯的空間差異。中心城區簽到密度高并逐漸向郊區遞減。中、北、南三片區簽到密度高，西部及東部片區公園簽到密度低。都市核心區及都市拓展區的簽到次數存在較大差距。

（2）都市區公園綠地簽到的3個影響因素有區域經濟發展水平、人口規模、交通便捷性。其中人口規模對綠地簽到的空間差異影響力最強，其次是交通便捷性，區域經濟發展水平的影響力最弱。

3.2 建議 針對以上研究結論，對重慶主城區公園綠地的規劃建設提出以下建議。

（1）完善各片區綠地服務功能，促進整體都市區公園綠地發展。由于地形限制及城市建設核心區域的雙重影響，重慶市都市區中心城區的用地日趨緊張，位于該區域內的城市公園綠地多為早期建設，且依舊承擔著主要的綠地服務功能。另外，隨著城市用地不斷地向郊區外圍擴張，城市多中心格局也在逐步形成，但應該與之伴隨的公園綠地建設卻較滯后。因此，重慶市都市區范圍內的城市公園綠地形成了空間失衡、服務水平不足的局面。應當不斷完善核心建設區域內的公園綠地服務功能，避免城市規劃建設中對已有公園綠地用地的不合理轉變，同時，加快都市拓展區公園綠地的規劃及基礎設施的配套建設，均衡各片區內部的城市生活休閑職能，促進都市區整體公園綠地水平發展。

（2）綜合各片區人口及交通條件對公園綠地進行合理的選址建設。根據該研究結論來看，舊城區是整個都市區人口最集中的區域，其范圍內的公園綠地使用率遠超過郊區公園綠地的使用率，人口因素影響著公園綠地的到訪情況及服務能力的高低。除此之外，舊城區作為市民通勤、購物等日常生活行為的密集區承受著巨大的交通壓力，特別是在通勤時間、雙休日等出行高峰時間，部分公園綠地的可達性受到交通堵塞與交通不便的影響。建議在進行公園綠地規劃時多考慮各片區的人口密度分布及交通條件，綜合兩個因素進行公園綠地的選址，對訪問頻率較高的公園綠地周邊道路交通情況進行優化改善，增添公共交通到達方式及公共交通站點設置。

參考文獻

[1]徐波，趙鋒，李金路.關于城市綠地及其分類的若干思考[J].中國園林，2000（5）：29-32.

[2] 周聰惠.公園綠地績效的概念內涵及評測方法體系研究[J/OL].國際城市規劃，2019-04-11[2019-05-20].http：//kns.cnki.net/kcms/detail/11.5583.TU.20190409.1203.002.html.

[3] 姜劉志，楊道運，梅岑岑，等.城市綠地生態系統服務功能及其價值評估：以深圳市福田區為例[J].華中師范大學學報（自然科學版），2018，52（3）：424-431.

[4] 杜雁，蔡秋陽，吳佳雨，等.城市綠地防災功能評估及規劃策略：以武漢市為例[J].城市問題，2015（8）：33-38.

[5] 金云峰，王小燁.綠地資源及評價體系研究與探討[J].城市規劃學刊， 2014（1）：106-111.

[6] 陳永生，李瑩瑩，張前進.基于GIS的合肥市中心城區公園綠地功能綜合評價[J].中國農業大學學報， 2019， 24（3）：137-145.

[7] 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.

[8] 上官莎逸，劉健，余坤勇，等.福州城市公園綠地可達性影響因素[J].福建農林大學學報（自然科學版），2018，47（4）：494-502.

[9] 胡紅，賴鑫生， 譚國律.基于可達性分析視角的城市公園綠地服務評價與優化[J].江蘇農業科學， 2016， 44（12）：230-235.

[10] 陳秋曉，萬麗，楊威.基于出行距離評價城市公園綠地的可達性：以樂清市為例[J].浙江大學學報（理學版）， 2014， 41（3）：348-352.

[11] 吳健生，司夢林，李衛鋒.供需平衡視角下的城市公園綠地空間公平性分析：以深圳市福田區為例[J].應用生態學報，2016，27（9）：2831-2838.

[12] 駱天慶，傅瑋蕓，夏良駒.基于分層需求的社區公園游憩服務構建：上海實例研究[J].中國園林， 2017， 33（2）：113-117.

[13] 邱明，王敏.面向不同年齡社區生活圈的公園綠地服務供需關系評價：以上海某中心城區為例[C]//孟兆禎，陳重.中國風景園林學會2018年會論文集.北京：中國建筑工業出版社，2018.

[14] 維克托·邁爾·舍恩伯格，周濤.大數據時代 生活、工作與思維的大變革[J].人力資源管理，2013（3）：174.

[15] LU H P，SUN Z Y，QU W C.Big data and its applications in urban intelligent transportation system[J]. Journal of transportation systems engineering & information technology， 2015（5）：45-52.

[16] QI S， ABDELATY M. Big data applications in realtime traffic operation and safety monitoring and improvement on urban expressways[J]. Transportation research part C， 2015， 58：380-394.

[17] ZHU J Y，ZHANG C，ZHANG H C，et al. pgcausality： Identifying spatiotemporal causal pathways for air pollutants with urban big data[J]. IEEE Transactions on Big Data， 2018，4（4）：571-585.

[18] YANG X， LI B Q， GONG Z W. Realtime identification of urban rainstorm waterlogging disasters based on Weibo big data[J]. Natural hazards， 2018， 94（2）：833-842.

[19] DUAN Y M，LIU Y， LIU X H， et al. Identification of polycentric urban structure of central Chongqing using points of interest big data[J]. Journal of natural resources， 2018，33（5）：788-800.

[20] 于璐，何祥，劉嘉勇.基于時空語義挖掘的城市功能區識別研究[J].四川大學學報（自然科學版），2019，56（2）：246-252.

[21] GLAESER E L，KOMINERS S D，LUCA M， et al. Big data and big cities： The promises and limitations of improved measures of urban life[J]. Economic inquiry， 2016， 56（1）：114-137.

[22] 李方正，董莎莎，李雄，等.北京市中心城綠地使用空間分布研究：基于大數據的實證分析[J].中國園林，2016，32（9）：122-128.

[23] 李方正，戴超蘭，姚朋.北京市中心城社區公園使用時空差異及成因分析：基于58個公園的實證研究[J].北京林業大學學報，2017，39（9）：91-101.

[24] 龍奮杰，石朗，彭智育，等.基于手機信令數據的城市公園服務評價[J].城市問題，2018（6）：88-92.

[25] 戚榮昊，楊航，王思玲，等.基于百度POI數據的城市公園綠地評估與規劃研究[J].中國園林，2018，34（3）：32-37.

[26] 黎海波，陳通利.出租車GPS大數據在東莞市“小山小湖”社區公園選址中的應用[J].測繪通報，2017（5）：95-99.

[27] 任星怡，宋美娜，宋俊德.基于用戶簽到行為的興趣點推薦[J].計算機學報，2017，40（1）：28-51.

[28] 徐戰亞，熊艷，高仁剛.微博簽到數據的時空熱點挖掘：以北京為例[J].測繪工程，2018，27（5）：10-16.

[29] 潘碧麟，王江浩，葛詠，等.基于微博簽到數據的成渝城市群空間結構及其城際人口流動研究[J]. 地球信息科學學報，2019，21（1）：68-76.

[30] 王錄倉，嚴翠霞，李巍.基于新浪微博大數據的旅游流時空特征研究：以蘭州市為例[J].旅游學刊，2017，32（5）：94-105.

[31] 陳曉艷，張子昂，胡小海，等.微博簽到大數據中旅游景區客流波動特征分析：以南京市鐘山風景名勝區為例[J].經濟地理，2018，38（9）：206-214.

[32] 楊子江，何雄，隋心，等.基于POI的城市中心空間演變分析：以昆明市主城區為例[J].城市發展研究，2019（2）：31-35.

[33] 王勁峰，徐成東.地理探測器：原理與展望[J].地理學報，2017，72（1）：116-134.

[34] LENORMAND M，LOUAIL T，CANTU′ROS O G，et al.Influence of sociodemographics on human mobility[J].Scientific reports，2015，5：1-14.

[35] 范紅蕾，汪芳.兩類國家級濕地公園空間分布特征及其影響因素的異同研究[J].北京大學學報（自然科學版），2016，52（3）：535-544.

[36] 滕巧爽，孫尚宇，秘金鐘.簽到數據的城市熱點分布特征與成因[J].測繪科學，2019，44（4）：102-109.