使用者視角下動態綠化暴露量影響因素研究
——以深圳市福田中心區為例

謝曉歡 周含芝 茍中華 黃鄧楷

近年來，人們越來越重視將工作場所的綠色戶外環境作為促進健康的媒介[1-3]。已有研究證明，工作場所接觸綠色環境能夠促進員工身心健康[4]、減少壓力感知水平[5-6]、增加幸福感[7]，甚至與員工的高工作能力和滿意度相關[8]。盡管學者已論證了工作場所的綠色戶外環境對員工、公司和社會的潛在好處，然而仍較缺乏圍繞工作場所綠地布局、規劃的研究。同時，多年來中國的規劃管理體系多以綠化率和公園人均用地作為評價城市綠化的依據，但已有研究發現，這些指標與人們實際感知到的綠色空間存在不一致[9]，這意味著這些指標僅能在宏觀尺度下反映城市綠地的數量，不能夠在微觀尺度下反映人本尺度下的視覺感受和城市體驗。近年來，建成環境暴露對人體健康的影響逐漸成為城市和景觀規劃研究的新熱點，學者依據“環境暴露科學”的概念提出了綠化暴露量作為衡量綠地效應的新方式[10]，指的是基于一定的綠地特征(如面積、類型、設施品質)的城市綠化暴露度[11]。綠色暴露的研究以一種新角度關注人在不同尺度、不同類型綠色空間中的暴露狀態，提出了人與綠色空間的動態關系[12]。例如，當前的綠色正義研究通?；陟o態綠色暴露測量，一些學者綜合城市綠地靜態暴露評估指標建立了評估城市綠地公平性或探究與人體健康相關的研究框架[13-14]。這些指標包括城市綠地的可獲得性(Availability)、可達性(Accessibility)和可視性(Visibility)3個維度[15]。

盡管現有多源地理大數據為動態綠化暴露量的研究提供了多種可能性，然而仍缺乏基于使用者動態行為視角的測算。一方面，當前針對城市綠化暴露的研究大多關注靜態層面的住區綠地、街道綠化及公園綠地的綠化與綠地質量[16]。本質上這種僅評估靜態綠色暴露的方法忽視了使用者的日常流動性，沒有衡量人們實際接觸城市綠地的程度，因為它們假設人口分布是靜態的，并且沒有考慮人們接觸到的城市綠地時空變化[17]。因此可能會產生不確定的地理問題，同時不能精準評估使用者行為活動軌跡內所接觸的實際綠化暴露量[18]。

另一方面，現有評估城市區域綠地供應的研究忽視了在客觀時空間制約背景下人群獲取綠地空間服務所存在的差異性?，F代社會生活方式多樣化和個人休閑時間的差異化加劇了人群日常行為的時空分異程度，使得綠地的非鄰家享用現象(如工作地點周邊綠地享用、學校周邊綠地享用等)愈發普遍[19]。而傳統公共服務的空間公平研究忽視了人群獲取服務所存在的客觀時空間制約，假設市民可在一天中的任何時間獲取公共服務，并以此為基礎來評價其配置效用的公平性并不完全科學[20]。因此，時空間的客觀制約導致不同使用者具有不同的主觀綠地使用模式(如持續時間、頻率、使用偏好等)，而個體動態綠化暴露更可能受到個體使用偏好的影響，這是因為個體對生活和旅游環境的選擇涉及自我偏好[21]，人們對綠地的使用往往是一個積極主動的過程，而不是強制接受。

因此，如何將人類的流動性納入綠色環境暴露評估的背景中，將是更好地量化人類與他們在時空尺度上不斷變化的環境之間關系的關鍵[22]?；诖耍疚拈_發和測試基于個體流動性的綠化暴露評估方法，量化時空間維度下不同個體獲取綠化暴露水平的差異，歸納不同綠地使用偏好的使用者綠地使用行為模式，從而明晰其受客觀時空間制約潛在的使用需求，旨在拓展綠色正義研究的包容性與內涵。研究路線如圖1所示。

圖1 研究路線

1 研究方法

1.1 案例選取

本文在預調研、文獻分析的基礎上選擇深圳市福田中心區作為研究案例。根據深圳市規劃和自然資源局所公布的文件，福田中心區指濱河大道、蓮花路、彩田路、新洲路所圍合的區域，總用地面積618.80hm2，片區內公園綠地(G1)為230.47hm2、廣場用地(G4)為6.22hm2，社區公園人均面積28.8～32.9m2[23]。同時，該片區分布有大量綠地空間(圖2)，具有一定的研究價值，能夠為本研究提供充足的樣本數據。

圖2 福田中心區公園分布和綠視率

我國現行《城市綠地分類標準》(CJJ/T 85—2017)中，城市綠地分為公園綠地、防護綠地、廣場用地和附屬綠地。本研究主要考慮目標群體工作日使用的綠地需求和不同綠地的功能及服務等級，結合該片區法定圖則，將研究區域包含的綠地公園劃分為綜合公園(G11)、社區公園(G12)、公共廣場用地(G3)和商業服務業設施用地附屬綠地(BG)4類。研究片區的公園類型和面積如表1所示。

表1 福田中心區綠地公園信息

1.2 數據來源

1.2.1 使用者問卷訪談數據與GPS軌跡數據收集

本文的使用者樣本數據主要包括2個方面：問卷數據和GPS軌跡數據。首先采用問卷的方式，調研現場為邀請在福田中心區工作的員工進行問卷填寫，收集在此研究區域內工作和生活的人群綠地使用情況和使用習慣信息。本研究所邀請的使用者是全天工作日內都在福田中心區內部活動的員工群體，因此他們具有使用該片區內部公園綠地的機會。問卷于2021年9月20日—10月10日在福田中心區辦公樓附近收集，問卷的設定主要包括2個方面：第一部分是受訪者的個人社會經濟信息，包括年齡、性別、收入等基礎信息；第二部分包括工作日工作時長、綠地使用頻率、綠地使用目的等日常工作情況和綠地使用習慣調查。

其次，選用GPS測量儀進行上述接受問卷調查的使用者全天工作日內(8：00—22：00)的行為軌跡數據收集，采用集思寶120BD GPS測量儀請受訪者佩戴在腰間，每隔30s進行動態行為數據采樣，實時記錄受訪者一天內的室外空間活動軌跡。本文所收集到的問卷數據與對應的GPS軌跡信息，篩除資料信息不全等無效問卷數據后共351份。具體受訪者問卷信息統計如表2所示。其中，綠地使用目的是多選題，在受訪員工被問及綠地使用目的時，58.97%的人選擇了“散步放松”，44.73%的人選擇休憩獨處，占比最低的是“洽談工作”(17.09%)，“運動健身”的使用目的則占19.37%。

表2 受訪者問卷信息統計

經過大量GPS軌跡數據的清洗處理發現，8：00—22：00，所有使用者均結束一天內在福田中心區的綠地使用行為，因此篩選并保留該時段內的樣本GPS軌跡數據，并將該時間段劃分為早上(8：00—11：00)、中午(11：00—14：00)、下午(14：00—17：00)、傍晚(17：00—20：00)及晚上(20：00—22：00)共5個時段，以便進一步分析受訪者在工作場所周邊綠地使用的時空規律，并基于ArcGIS 10.6平臺進行可視化分析，如圖3所示。初步得出，受訪者綠地使用活動的時空規律顯著，使用時間段集中在晚上與傍晚，在這2個時間段內人群的綠地活動范圍更廣。

圖3 樣本GPS軌跡分布

1.2.2 人工拍照和街景照片結合構建綠色建成環境數據庫

本文所選取的就業密集區案例屬于中等尺度片區，因此擬采用騰訊街景圖片數據與人工拍照方式相配合的研究方法。這種方式可彌補單純使用網絡街景圖像進行分析的缺陷，從而增加了綠化暴露量算法數據的準確率及可靠性。具體采樣方式如下：通過網絡爬蟲的方式批量獲取騰訊街景照片，原則上間隔100m為一個采樣點進行拍照，道路的交叉口同樣作為采樣點(圖4)。選取研究范圍內標志性公園綠地中的重要節點進行人工拍照采集?？紤]到白天和夜晚光線有所不同，本研究同時采集白天時段和夜晚時段的照片，從而完成福田中心區實際街景、公園照片數據庫。

圖4 街景照片采樣點分布

1.3 數據處理

1.3.1 動態綠化暴露量計算方法

在完成研究片區街景數據庫構建后，本研究開發了一個計算機程序用于計算個體的動態綠化暴露量。首先運用機器學習算法批量提取軌跡所涉及的采樣點圖像綠色部分，每個采樣點的綠視率即前、后、左、右4張街景照片綠色像素占比的均值，進而定義使用者總體綠化暴露量計算方法為：

式中，Gn表示采樣點的綠視率，%；tn表示一個坐標點的停留時間，min；n表示軌跡計算中包含的坐標點個數。本研究所定義的個體動態綠化暴露量是指計算個體在移動軌跡上所經過的所有采樣點綠視率，并在計算時根據采集的GPS數據對同一采樣點的暴露持續時間進行加權。同時考慮了時間維度上晝夜變化導致的光線差異所帶來的綠化暴露差異，即GPS采樣當天日落時間之后的采樣點綠視率以夜晚照片進行計算分析。據此，個體動態綠化暴露的測量可以更準確。受數據可得性的限制，本研究定義的動態綠化暴露僅包括個人移動軌跡路線和對綠色公園的暴露，不包括個人在室內(如住宅、工作場所等)或在福田中心區以外旅行時對綠色空間的暴露。

經測算，本文所收集到的351個使用者數據樣本，其每日總體綠化暴露量數值的描述性統計如表3所示。從結果中可以得到，不同使用者每日總體綠化暴露量數值最大值和最小值差異懸殊。為了進一步挖掘影響個體動態綠化暴露量的因素，有必要對使用者的綠地使用行為和工作地點周邊綠色環境進行進一步研究，以探究不同使用者工作環境周邊的綠地供給情況如何影響個體動態綠化暴露量值。

1.3.2 靜態綠化暴露量計算方法

為探究工作環境的不同空間因素對使用者綠化暴露量的影響差異，選取綠地可達性、綠地可視性和綠地可獲得性指標，描繪個體視角下就業密集區綠地空間供給格局(結果見表3)。在使用者工作環境綠地可達性方面，本文基于高德地圖API計算每一個工作地點坐標點和公園的多個出入口坐標點之間的最短出行時間，單位為s，作為該使用者和公園之間的可達性指標，并分不同的公園類型進行整理篩選[24]。因研究區域較小，僅計算步行出行方式下的可達性分析。在使用者工作環境綠地可視性方面，基于已構建的綠化街景數據庫測算每條街道綠視率(圖2)，并以每個使用者工作地點為圓心，創建300m距離的圓形緩沖區，計算緩沖區所覆蓋道路的綠視率，個體的可視性指標就是以道路長度加權的街道平均綠視率[25]。同時，本研究采用吉林一號高分影像數據，分類后進行處理，自動提取綠地，并批量計算出以使用者樣本工作地點為圓心創建的300m緩沖區內的綠地覆蓋率作為樣本的可獲得性指標[13]。

2 數據分析結果

2.1 靜態綠化暴露因素對個體動態綠化暴露量的影響

利用SPSS 26.0對10項綠地空間指標進行相關性分析(表4)，從而從數理分析層面挖掘使用者動態綠化暴露量和可視性、可獲得性、可達性三者的關系。其中，序號②每單位時間綠化暴露量即每日總體綠化暴露量除以使用者出行總時間(單位為min)；③每單位距離綠化暴露量即每日總體綠化暴露量除以使用者出行總距離(單位為m)。這2個指標分別表征使用者獲取綠化暴露的效率和質量。首先發現使用者每單位時間綠化暴露量與社區公園可達性、商業附屬綠地可達性、可獲得性及可視性每二者之間均存在顯著的相關性，其中使用者每單位時間綠化暴露量與可視性相關性最強(0.192)，而使用者每單位時間綠化暴露量與社區公園可達性為負相關(-0.119)。其次，使用者每單位距離綠化暴露量與整體公園可達性、綜合公園可達性、社區公園可達性、可獲得性均存在顯著相關性。

2.2 使用者主觀偏好對個體動態綠化暴露量的影響

為了探究不同主觀使用模式下使用者動態綠化暴露水平的差異，本研究通過歸納使用者綠地使用行為模式，運用數理統計分析探究綠地可達性、可視性和可獲得性對不同行為特征人群動態綠化暴露量的影響。

2.2.1 不同綠地使用強度人群

即使同一社區的居民們享有相似的綠地數量和可達性水平，由于個體訪問頻率和暴露持續時間的不同，每個人也會獲取不同的綠化暴露[26]。因此，時間作為綠色空間暴露的一個重要表征，綠地出行的使用頻率和時長也應是影響使用者綠化暴露水平的重要因素。為了區分出不同使用強度的人群，本文根據通過GPS數據處理得出的個體一天內的出行次數和每日綠地使用時間2項進行聚類分析，據此將使用者對于綠地的使用劃分為“低強度”“中強度”和“高強度”3類，進而探究不同使用頻率和使用時長的人群綠化暴露量差異。以該聚類分組來做單因素方差分析，得出不同出行頻率和時長的人群在每日總體綠化暴露量及社區公園的可達性方面有顯著差異(表5)。

表5 樣本綠地使用強度分組差異性分析結果

2.2.2 不同綠地使用時間人群

晝夜變化所帶來的可視性差異同樣可能會對使用者的每日綠化暴露量有所影響。從總體的GPS軌跡分布來看，上午使用綠地的人群極少，因此將上午時段出行的樣本剔除后發現，使用者每日綠化暴露量均值從小到大依次是晚上、中午、傍晚、下午，偏好晚上時段的使用者綠化暴露量均值是所有時段中最小的。偏好中午和傍晚使用的人群綠化暴露量相差不大，但是晚上和下午差距懸殊。進而以不同出行時段偏好的樣本做回歸分析，探究空間因素對不同出行時間偏好人群的影響(表6)。傍晚和晚上樣本中綜合公園、社區公園、公共廣場可達性對使用者綠化暴露量都有顯著正向影響；中午樣本中，商業附屬綠地的可達性有顯著正向影響；下午樣本中則是社區公園可達性有顯著的正向作用。

表6 不同出行時段偏好人群的回歸分析

2.2.3 不同綠地使用目的人群

在綠地使用目的相關問題中，本文選擇了置信度進行降序排序，僅保留了排名前十的規則，最終得到的關聯規則結果如表7所示。該規則中，前三者是運動健身和觀賞目的，后兩者是工作目的，據此構建3個分組：一組是包括步行(或騎行)經過和社交聚會的休閑性質目的(N=212)；一組是健康性質目的(N=84)；一組是工作性質目的(N=55)。在此基礎上進行差異性分析檢驗該分組的有效性和合理性，從結果來看，不同使用目的的使用者綠化暴露量具有明顯差異性(p=0.000)。

表7 樣本綠地使用目的關聯規則結果

進而將不同使用目的的樣本進行分組提取和分析，3種使用目的樣本的相關性分析見表8～10。在健康目的樣本中(表8)，使用者綠化暴露量與綜合公園(p=0.376)、社區公園(p=0.289)、公共廣場(p=0.252)的可達性都是顯著的正向關系。在工作目的樣本中(表9)，綠化暴露量與社區公園(p=0.329)、商業附屬綠地(p=0.396)的可達性都是顯著的正向關系。除此之外，與其他變量，如可獲得性和可視性，同樣具有顯著的正向關系。在休閑使用目的的樣本中(表10)，使用者綠化暴露量與可視性都是顯著的正向關系，除此以外，只有與社區公園可達性(p=0.168)有顯著的正向關系。

表8 健康目的樣本相關性分析

表9 工作目的樣本相關性分析

表10 休閑目的樣本相關性分析

3 個體動態綠化暴露量的影響因素探究

3.1 靜態綠化暴露與動態綠化暴露

從本文相關性分析結果中發現，使用者視角下，工作場所附近公園綠地的可達性、可獲得性及街道綠化的差異都會在不同程度上影響使用者動態綠色暴露，工作場所在高度綠色環境中的使用者獲取綠色暴露的效率和質量也會更高。值得注意的是，個體每單位時間綠化暴露量、每單位距離綠化暴露量與社區公園可達性都存在顯著相關，這體現了小尺度公園對個體接觸綠色環境質量和效率的重要性。

3.2 使用者主觀使用模式對其動態綠化暴露的影響

個體使用者對綠地使用時段偏好不同，對其個體的動態綠化暴露量水平有較大影響。盡管使用者偏向于在工作日的傍晚和晚上時段出行使用綠地，然而偏好晚上時段使用綠地的使用者綠化暴露量相比其他幾個時段是最低的。推測是由于晝夜變化帶來的可視程度差異會影響個體綠化暴露水平，具體應表現在綠色環境的亮度和曝光度。在中午和下午時段，樣本中對綠化暴露量有顯著影響的分別是商業附屬綠地和社區公園此類小尺度公園，而在傍晚和晚上出行的樣本中，綜合公園、社區公園、公共廣場可達性對個體綠化暴露量都有顯著正向影響。

與此同時，不同綠地使用目的使用者，其動態綠化暴露量有明顯差異。健康目的使用需求的使用者，其綠化暴露量與綜合公園、社區公園及公共廣場可達性都呈正相關。本研究所劃分的健康目的規則包括鍛煉身體和欣賞自然景觀，而綜合公園、公共廣場場地大，能滿足使用者進行跑步運動的需求，同時小尺度的社區公園植被覆蓋率較高，能夠為周邊工作的人群提供觀賞休憩的功能。而有工作目的使用需求的使用者，其綠化暴露量與商業附屬綠地及社區公園綠地可達性、可獲得性和可視性都有一定程度的正向相關性。本研究經現場調研發現，有工作洽談需求的使用者偏好小尺度綠地公園，如商業附屬綠地，更能提供一定的舒適性和商業服務設施。而對于休閑使用目的的使用者，尤其指步行經過，并不主動前往綠地公園使用的人群，其綠化暴露量與社區公園可達性和可視性呈正相關關系。該類使用目的的人群樣本量是最多的，除社交聚會的使用目的外，其余均是步行和騎行經過，說明可能沒有習慣主動使用綠地公園，那么綠地可視性對每日街道步行時獲取綠化暴露量的影響就顯得至關重要。

4 結論

本研究通過對工作場所使用者綠地使用活動的數據挖掘，有效評估了個體的真實綠地享用水平，運用數理分析深度剖析了具備不同主觀綠地使用行為特征的工作群體個體綠化暴露量與工作場所綠地可達性、可視性和可獲得性指標之間的影響關系。主要研究結論如下。1)個體動態綠化暴露量的差異不僅受到靜態綠色環境的限制，同時受到使用者綠地使用行為動機和出行偏好的影響。2)即使在傍晚和晚上時段，使用者會主動尋求“補償”綠化暴露，但由于受到夜間光線的影響，夜晚出行樣本的總體綠化暴露量均值顯著低于其他時段出行的數值。因此，個體綠化暴露水平的測算除空間層面外更應考慮時間層面因素，即光線的變化給人眼見到綠色比例的影響。公園管理也應完善夜間的燈光照明設施，從而增強公園綠地的時空包容性。3)不同的公園類型由于自身規模特征及在工作地點附近的分布距離，對于使用者獲取綠化水平質量和效率方面存在差異。尤其小尺度公園綠地(社區公園、商業附屬綠地)的可達性對使用者獲取綠地暴露的質量和效率都有較為突出的正向影響。小尺度的口袋綠地具備占地面積小、公園開敞性較高、視野通透的優勢，為了增加人群綠地享用行為與綠地空間分布的耦合程度，應考慮在工作地點周邊增配小尺度的綠地供給，以補償時間短缺群體的綠地使用機會，提升使用者對工作地點周邊綠地的使用績效。

本研究的結論主要說明了個體動態綠化暴露水平受到使用者的主觀使用模式，尤其是時間方面因素的影響。因此，除了可達性、可獲得性和可視性的傳統靜態綠化暴露指標之外，應基于使用者視角開發和測試時間空間尺度復合的綠化暴露評估方法。這不僅能夠切實根據使用者真實綠化暴露合理配置城市綠地規劃中不同尺度、不同種類的綠地數量及位置，有針對性地“科學增綠”，同時可以明確部分人群對城市綠地空間地域和服務配置的特殊需求，以提升綠地空間的服務績效，從而滿足城市規劃設計精細化的空間訴求。

注：文中圖片均由作者繪制。