基于主動出行的建成環境對綠道使用強度的空間格局及效應研究
——以北京中心城區為例

邱彩琳 邱 寧 張天潔

2019年《國務院關于實施健康中國行動的意見》指出應加快健康環境建設以預防疾病；2022年《北京市“十四五”時期交通發展建設規劃》明確要求“落實慢行優先，建設步行和自行車友好城市”。主動出行(active travel)又被稱為實用性體育活動，是指個體出行行程中部分或全過程以體育活動的形式進行(如騎行、步行)[1]；非主動出行(non-active travel)則指機動車出行方式。既有研究表明，相比非主動出行，主動出行可以有效提高人群的日常體育活動水平，減少肥胖及心血管疾病的發生概率[2]。相關學者更加關注如何通過優化建成環境促進居民主動出行水平，從而降低居民健康風險，其中，綠化良好的綠道是有效的改善措施之一[3]。綠道的主要使用方式包括散步、慢跑和騎自行車，均屬于主動出行[4]。“十四五”時期，首都城市公共空間的精細化治理對道路綠化做出了進一步工作指示，北京市政府正通過建設綠道來促進居民主動出行。但城市綠道在使用強度上也存在較大差異，如政府投入大量資金建設的部分綠道片段“無人問津”[5]，而有些熱門綠道線路“人滿為患”，降低了居民的舒適感。因此，本研究首先揭示綠道使用強度的空間格局，其次探究其影響因素，以針對性地提出綠道規劃提升策略。

國內外學者對綠道的使用已進行了廣泛的討論，研究主題集中在以下方面。1)居民綠道使用行為：居民綠道使用模式研究[6]、居民運動水平能力測度[7]、居民對綠道空間類型的使用偏好[8-9]，以及綠道運動存在的安全性風險[10]等。2)基于多源大數據的建成綠道評價及布局優化：使用網絡點評數據[11]、共享單車數據[12]、運動軌跡數據[5]及街景圖像[13]等評價現有城市綠道的使用效率和空間感知等，進而提出綠道設計布局的提升策略，優化綠道選線。3)綠道運動與健康之間的關系：綠道可達性與使用強度的關系研究[7]，以及綠道促進居民身心健康的路徑機制[14]等。

既有研究已證實建成環境對綠道使用存在顯著影響，包括環境質量、可達性[7]、興趣點、人口密度、居住區密度[15]和綠地比例[5]等。其中可達性、人口密度及環境質量[16-17]的影響作用更為顯著。對于城市規劃師和管理者而言，摸清城市層面綠道的整體使用強度及建成環境對不同區域的影響作用對制定規劃策略、進一步優化城市綠道和滿足居民的實際需求具有重要作用。

由于缺乏精細的城市范圍運動數據，既有研究使用的OLS及多元線性回歸方法尚未闡明建成環境對綠道使用強度的空間效應。有學者探究了建成環境對主動出行的空間效應，以自行車騎行為主要出行方式，得出綠地率對騎行頻率有顯著的正向直接效應[18]。隨著互聯網技術的發展，GPS數據為城市空間研究提供了新的視角和方法。軌跡數據記錄了物體在某一時刻的空間位置，由于其空間位置隨時間呈連續變化，因此可以用來研究人或動物的行為[19]。軌跡數據分析被應用于多個研究領域，包括行為學、城市交通和城市規劃等。目前使用軌跡數據進行城市布局優化的研究主要集中在城市交通領域，相關學者使用出租車[20]、自行車[21]行駛軌跡開展研究。使用手機應用程序收集個體運動數據的方法能夠有效提供大量和廣泛的地理空間運動信息[22]。大規模細粒度的運動軌跡為研究建成環境與綠道使用強度的空間效應提供了條件。

綠道使用強度的研究在如下幾個方面存在限制：1)在研究對象和數據采集上，現有文獻多采用現場調研、訪談和計數法等對城市中的綠道片段進行調研，但研究人員很難在城市尺度上對綠道使用強度的空間格局進行分析，無法對綠道使用的空間異質性進行實證研究；2)在影響因素的研究方法上，既有研究多采用多元線性回歸等基于樣本間互相獨立假設的方法，但未考慮到綠道使用強度和建成環境要素在空間中可能存在的空間依賴性，導致研究結果與實際情況不符；3)既有研究多使用截面數據，未能將時間和空間納入統一的研究框架。

對特大城市實行精細化管理是城市可持續發展的必然選擇。對微觀案例的研究不足以推演城市整體綠道使用強度特征，因此從城市尺度加強對綠道使用的時空格局及建成環境對綠道使用強度的空間效應的認知，對于提升綠道的使用效率、促進居民主動出行具有重要意義。本研究以北京市中心城區為研究對象，首先使用軌跡數據評估中心城區居民使用綠道行為的空間格局，并在時間維度上進行差異對比；其次使用空間計量模型探究建成環境與綠道使用強度之間存在的空間效應。以期加深對城市綠道使用強度的空間認知，并為城市規劃者和決策者提供數據參考。

1 數據來源與研究方法

1.1 研究范圍和分析單元

選取北京市中心城區為研究范圍(圖1)，總面積約1 375.70km2。與北京市其他地區相比，中心城區具有資源集中、經濟發達、綜合服務設施密集等優勢。更重要的是，中心城區綠道建設水平較高、建設總量較大，其中不乏示范性綠道工程(圖2、3)。同時，中心城區內的綠道深受市民歡迎，居民使用率較高，因此，探究此范圍內的綠道使用特征及影響因素更具有典型性。北京市綠道分為城市型綠道和郊野型綠道2類，二者的使用人群、使用時間、環境特點和地理位置均具有較大差異。因此，本研究聚焦城市型綠道，選擇中心城區作為研究范圍，使各區之間的差異更具有可比性。

圖1 研究范圍

圖2 三山五園綠道局部照片

圖3 環二環綠道局部照片

以街道作為基本研究單元的理由如下：1)經統計計算，發現居民運動軌跡的平均長度約為8km，若研究單元過小則無法覆蓋完整的運動軌跡，導致不具有統計學意義；2)研究表明，綠道的使用者多來自周圍社區[23-24]，在我國，社區受街道管轄，街道是我國最小的具有可靠數據的人口數據統計單元。

1.2 數據來源和處理

利用Keep App收集用戶運動軌跡數據，并建立數據庫。Keep是中國最受歡迎的運動記錄App，使用范圍覆蓋全世界。2020年Keep官方發布的《國民運動生活大賞》數據報告顯示，目前其用戶總量已突破2億，日活用戶超過600萬。Keep用戶可以使用App記錄運動軌跡并上傳到服務器，上傳后的原始GPS軌跡會被后臺處理為聚合軌跡數據。由2020年Keep產品分析報告可知，其用戶主要通過行走、跑步和騎行3種形式產生運動軌跡。在Keep所有運動類型(包括室內與戶外運動)用戶的年齡分布中，40歲以下用戶占比超過75%。用戶性別女性占比50.37%，男性占比49.63%。

本研究所使用的數據來源為Keep實時軌跡平臺(https://www.gotoKeep.com/maptrack)。Keep通過算法將突變點過濾，根據道路信息等將定位軌跡盡可能地還原為真實軌跡。筆者于2022年11月1日在城市中GPS信號強弱不同的位置進行測試，發現在信號較差的位置，Keep記錄的定位軌跡與真實軌跡水平誤差約為2m；在GPS信號較強的位置，定位軌跡與真實軌跡幾乎沒有誤差。

數據采集時間為2022年1月7—20日，在每天6：30—8：30、15：00—17：00、19：00—21：00 3個居民運動較為活躍的時間段，從Keep軌跡網站連續爬取15天的數據。采集數據期間，北京市未出現極端天氣(雨雪、大風和極端低溫)和重度污染等對戶外健身產生較大影響的情況。就季節對戶外健身的影響而言，夏季的運動水平普遍高于其他季節，尤其高于冬季[25]。盡管數據采集的時間是冬季(采集數據期間白天平均氣溫3℃，夜晚平均氣溫-6℃)，但從數據采集的結果來看，北京市居民依然維持了較高頻率的戶外運動行為，這反映出北京市居民具有良好的健身習慣和戶外健身意識，說明對于具有穩定運動習慣的個體而言，季節對其戶外運動行為的影響較小。研究表明，即使是冬季，戶外體育運動依然對健康有益[26]。剔除重復文件后，225個JSON文件被保留，將JSON文件按照時間信息拼接后導入ArcGIS 10.2。由于采集的數據是全北京市Keep用戶的運動軌跡，需要進一步篩選出中心城區綠道運動軌跡數據。

既有研究使用距離搜索法篩選運動軌跡。在深圳市綠道體力活動研究中，搜索距離設定為25m，研究范圍包含了城市中心區與城市邊緣區(城市邊緣區綠道寬度普遍更寬)[5]。本研究根據《北京市級綠道系統規劃》指出的市級綠道的景觀控制區寬度不宜小于20m，同時考慮到研究對象為中心城區，因此選定20m為搜索距離。根據北京市綠道規劃圖，以北京市中心城區市級和區級綠道為源圖層，以20m為搜索距離，篩選出與源圖層相交的軌跡數據。在篩選過程中，由于部分地段綠道寬度較寬，因此通過增加控制線的方法以確保軌跡數據能被篩選。將明顯的異常值剔除后，最終獲得了23 200條軌跡。通過進一步分析軌跡圖形，發現人們并不僅在綠道上進行運動，而是穿梭于綠道與其他城市空間，這種現象是符合實際的。因此，在數據處理中將軌跡數據進行分割，并再次篩選所有軌跡片段中在綠道上運動的部分作為數據來源。通過此方法，可以有效去除非綠道運動軌跡，以準確反映綠道的使用情況。

在建立綠道使用強度影響因素評價指標時，還用到了自然地理數據及社會經濟數據，包括北京市河流矢量數據(https://www.resdc.cn/)、北京市綠地矢量數據(Open street map，http://www.beijingcitylab.com)、街道人口統計數據(百度人口數據)、道路矢量數據(https://www.resdc.cn/)、北京POI設施矢量數據(百度地圖API)和北京市房價數據(https://suzhou.fang.com/)。

1.3 研究方法

1.3.1 研究框架和指標選取

既有研究中涉及綠道使用強度的計算方法如下：1)采用問卷法統計某一段綠道的居民使用頻率及使用時長[16]；2)采用計次法統計某一段綠道的居民到訪頻率[7]；3)采用計次法統計單位長度綠道的使用人數[23]；4)采用ArcGIS匯總單位面積累計發生的運動事件數目[27]。既有研究多使用頻率作為統計數據來源，但忽略了運動距離和運動強度對運動效果的直接影響。軌跡數據提供的豐富的細節信息為綠道運動研究提供了更加準確的統計方式。本研究采用單位面積累計綠道運動軌跡距離作為自變量，理由如下：1)通過累計疊加運動軌跡能夠有效避免因天氣或特殊情況產生的樣本偏差；2)由于北京市中心城區內街區面積差異較大，街區面積與運動軌跡距離具有直接關聯。從使用強度角度而言，以單位面積產生的運動軌跡長度作為自變量能消除街區面積差異對運動距離產生的影響。

根據既有研究成果，首先對綠道使用的影響因素進行總結。綠道使用強度的影響因素主要包括三方面：人口學特征、綠道質量和建成環境差異。其中，人口學特征表征不同個體的使用偏好；綠道質量反映了綠道建設的路面平整度、舒適性和綠化質量等差異；建成環境差異主要反映可達性、人口密度、居住密度和綠地率等對綠道使用的影響。既有研究相對充分地研究了人口學特征和綠道質量對綠道使用造成的影響，且建成環境影響綠道使用的情況普遍存在，但從城市尺度探究建成環境要素與綠道使用強度之間空間效應的研究尚缺乏。此外，還需要考慮與城市綠道選線相關的因素，如歷史文化景點、河流等。進一步通過回歸分析，驗證目前階段綠道的現實使用特征是否與規劃有良好的銜接，以及綠道使用情況與規劃目標是否一致。

1.3.2 空間計量模型的建立與選擇

建成環境對綠道使用具有顯著影響[23]，既有研究多使用相關性分析進行研究[6，15-16]，但忽略了空間自相關及變量中難以測量的誤差產生的空間滯后效應。在研究方法上，隨著空間效應逐漸被重視，使用空間計量模型是處理此類問題的共識之一[28]。本研究將綠道使用強度作為被解釋變量(詳見表1中各項建成環境指標)。

表1 綠道使用強度影響因素指標及數據來源

1)空間權重矩陣。

托布勒地理學第一定律指出：任何事物之間都具有相關性，且距離越近相關性越強。使用Geoda軟件計算出隨距離增加而衰減的地理距離矩陣，以反映相鄰地區對本地的影響，采用0-1鄰接矩陣：

在上述矩陣中，如果區域i與區域j有公共邊界，則Wij＝1，否則Wij＝0。

2)空間自相關分析。

城市中的綠道使用情況并非勻質，既有研究表明，綠道使用時長及頻率具有空間依賴性。利用空間權重矩陣分別對6：30—8：30、15：00—17：00、19：00—21：00 3個時間段的綠道使用強度進行全局莫蘭檢驗和LISA集聚程度計算。莫蘭取值范圍為[-1，1]，其值＞0表明正相關，＜0表明負相關，根據P值判斷綠道使用強度是否存在空間自相關，檢驗空間計量模型的合理性。利用LISA聚集圖可具體探測城市綠道使用強度的熱點區域(高值集聚分布)與冷點區域(低值集聚分布)。

3)空間計量模型選擇。

空間計量模型的優勢在于能夠觀測到因地理空間鄰近而產生的空間依賴性與空間異質性，更加準確地檢驗變量之間的作用關系。常用空間計量模型包括空間滯后模型(SLM)、空間誤差模型(SEM)和空間杜賓模型(SDM)。由于在探究影響因素時可能出現缺少變量或存在誤差等情況，所以需要在3種模型間進行選擇和檢驗。

模型選擇與檢驗步驟如下。1)通過引入拉格朗日乘子統計量選擇模型，一般情況下，檢測結果的顯著性P值小于0.1，說明模型通過檢驗；根據P值確定使用SEM或SLM，若二者的顯著性檢驗均通過，則選擇SDM作為空間計量模型。2)使用Hausman檢驗區分固定效應模型和隨機效應模型，若顯著性P值小于0.05，則選擇固定效應模型，否則使用隨機效應模型。

1.3.3 空間統計分析

使用核密度分析法進行綠道使用強度的空間統計分析。核密度分析用于估算要素在其周圍鄰域的密度，它既可以被用于計算點數據的核密度，也可以用于計算線數據的核密度。通過核密度分析法可以得出空間中運動軌跡頻率的高密度區分布情況。本研究使用ArcGIS 10.2計算核密度。

2 結果與分析

2.1 居民綠道使用強度的空間格局

通過對23 200條軌跡數據匯總，發現綠道使用的空間格局表現為四環內高-高聚集、近郊區低-低聚集。圖4為北京綠道使用強度空間關聯局部指標的空間聚集模式。將綠道使用強度聚集模式劃分為高-高(H-H)、低-低(L-L)、高-低(H-L)和低-高(L-H)4種類型。H-H集聚分布在三環以內，H-H區域東側被L-H區域包圍，說明綠道使用強度高值區具有一定的空間溢出效應。L-L區主要分布在五環外的城市邊緣區。三環到五環間的區域不存在顯著的聚集現象，說明該區域綠道使用強度具有同質性。

圖4 綠道運動軌跡LISA分析圖

2.2 居民綠道使用行為的時間格局

2.2.1 工作日與周末的對比結果

工作日數據提取了2022年1月7(周五)、12(周三)、17(周一)、18(周二)日，累計4天，共計6 911條數據。周末數據提取了2022年1月8(周六)、9(周日)、15(周六)、16日(周日)，累計4天，共計5 999條數據。從數據的總量來看，居民在工作日和周末使用綠道的總頻率接近，二者的空間分布特征雖有細微差別但整體相似(圖5)。二者的高密度區基本一致，但工作日高密度區的分布比周末廣。其中，元大都遺址公園段綠道、營城建都濱水綠道、南護城河段綠道及常營馬拉松綠道在工作日及周末均具有較高的使用密度。此外，工作日高密度區還包括三山五園段綠道和北海公園段綠道。

圖5 工作日與周末的綠道運動軌跡核密度對比分析

2.2.2 不同時間段的對比結果

為了對比不同時間段綠道使用頻率的差異，選擇6：30—8：30、15：00—17：00、19：00—21：00 3個居民運動較為活躍的時間段進行分析。圖6統計結果顯示，人們更傾向于晚上使用綠道進行運動，其次是下午，早上使用頻率最低。對比工作日與周末不同時間段的數據(圖7)可以發現，在工作日人們更傾向于晚上使用綠道進行運動，而在周末則傾向于在下午和晚上使用綠道。究其原因，Keep用戶以中青年群體為主，早上有通勤壓力，因此工作日的體育鍛煉多發生在晚上，目前在中國的大型城市中，越來越多的上班族通過夜跑鍛煉身體；到了沒有通勤壓力的周末，人們進行戶外運動的時間就有了更多選擇。在忽略了一年四季普遍存在的汽車尾氣因素后，由于采暖的碳排放影響，秋冬季節北京市空氣質量白天低、夜間高[29]，因此更多人選擇在夜晚運動。

圖6 不同時間段綠道軌跡頻率統計

圖7 工作日與周末不同時間段綠道軌跡頻率統計

由圖8可知，3個時間段的運動軌跡核密度運算結果在空間上具有一定差異。在6：30—8：30，綠道使用高密度區為什剎海段綠道、南護城河段綠道、玉淵潭公園段綠道和龍潭湖公園段綠道；在15：00—17：00，綠道使用高密度區為元大都遺址公園段綠道、龍潭湖公園段綠道和常營馬拉松綠道；在19：00—21：00，綠道使用高密度區相較于前兩者面積最大，以二環路為核心向四周擴散，形成多處高密度區。

圖8 不同時間段綠道運動軌跡核密度分析

2.3 建成環境與綠道使用強度的相關性分析

2.3.1 Moran'sI檢驗結果與模型選擇

在使用空間計量模型前，首先對綠道使用強度進行空間自相關檢驗，檢驗結果如表2所示，3個時間段的面板數據均通過了1%水平的顯著性檢驗，說明本文適合引入空間計量模型進行綠道使用強度的空間效應研究。表3結果顯示，LM檢驗和Robust LM檢驗在1%水平顯著拒絕了SDM退化為SEM的假設；LR檢驗在1%水平拒絕了SDM退化為SEM和SLM的假設，因此選擇SDM。Hausman檢驗結果為P=0.000(＜0.05)，因此選擇固定效應模型。LR檢驗通過了雙向固定退化為時間固定的原假設。綜上，最終采用時間固定效應SDM。

表2 全局Moran's I檢驗結果統計

表3 空間計量模型檢驗

2.3.2 全樣本空間面板回歸模型計算結果

由表4可知，所有變量均通過了顯著性檢驗，說明以上變量與綠道使用強度具有明顯的相關性。從系數大小來看，各變量對綠道使用強度的影響從大到小依次為：房價＞居住區密度＞歷史文化資源密度＞人口密度＞到河流的距離＞綠地率＞綠道15min步行可達性。從系數的正負來看，僅“到河流的距離”與綠道使用強度的負相關作用明顯(距離河流越近的位置綠道使用強度越大)，其余變量對綠道使用強度均具有促進作用。

表4 全樣本空間面板回歸模型效應分解結果

本研究所使用的SDM存在空間滯后和空間誤差等缺陷，因此借助空間面板模型回歸系數(Main)進一步通過偏微分分解方法求解出直接效應(Direct)和間接效應(Indirect)。直接效應表示自變量對本地綠道使用強度的作用；間接效應表示自變量變化對相鄰地區綠道使用強度帶來的空間溢出效應。從效應分解結果來看，所有自變量對綠道的使用強度均具有顯著的直接效應。此外，人口密度、房價和居住區密度還同時具有間接效應，即以上自變量發生變化會對鄰近地區的綠道使用強度產生影響。

3 結論和討論

本文從主動出行視角出發，探究建成環境對綠道使用強度的影響，將空間異質性與空間依賴性納入研究內容，以期通過優化建成環境促進主動出行以提高居民健康水平。通過收集大規模、細粒度的居民綠道運動時空軌跡，使用空間計量模型對多個時間段進行回歸分析后發現，建成環境要素不僅對本地綠道使用強度具有顯著作用，部分要素還會對鄰近地區產生作用。本研究彌補了既有研究使用調研數據存在的綠道使用強度空間差異認知不足的問題，并得出如下結論。

1)城市功能定位與圈層分異影響下，綠道使用強度呈現出四環內高-高集聚、近郊區低-低集聚的總體特征。研究發現，綠道使用的時空格局具有明顯的集聚特征，其中四環內外綠道使用強度差異明顯。自2014年以來，北京市政府逐步疏解非首都功能，使中心城區內外、核心區內外空間呈現出明顯的城市功能差異[30]。在核心區內，城市規劃師重點關注改善人居環境、保護歷史遺產和增加公共綠色空間等問題，其中，環二環綠道是北京重要的歷史人文景觀環線。盡管北京的城市格局為多中心結構，但依然具有明顯的圈層分異：五環內的區域已高度城市化，各片區發展程度相對一致，具有較強的資源集聚性；而城市邊緣區與核心區、各城市邊緣區之間依然存在著分配不均的問題，容易出現服務設施的空間失配現象[31]。

2)大都市地區綠道使用情況受到綠色紳士化的顯著影響。房價是影響綠道使用強度的重要因素，房價對本地綠道的使用具有促進作用，但對鄰近地區具有不利影響，這進一步說明了大都市地區普遍存在的綠色紳士化現象。房價與城市綠色空間之間相互影響，一方面，供需理論和住房特征價格理論解釋了人均城市公園綠地面積對房價的顯著正向影響[32]；另一方面，房價的空間異質性會進一步造成資源空間配置差異，綠色空間被視為富人區的資源優勢[33]。綠道作為新型綠色空間，不僅具有與公園相似的休閑功能，還是綠色交通的載體。美國的一項實證研究表明，具有步行或騎行交通性質的綠道比普通公園更容易引起紳士化問題[34]。北京市綠道布局采取三級結構，包括市級綠道、區縣級綠道和社區級綠道，合理的綠道布局對于緩解房價差異帶來的綠色紳士化現象具有積極意義，尤其是在城市近郊區。

3)綠道選線布局應進一步考慮人口規模與供給平衡。以往研究已證實人口密度對體育活動具有顯著的促進作用[35]。本研究也發現，人口密度對本地和鄰近地區的綠道使用強度均具有正向作用；居住區密度的增加也對本地和鄰近地區的綠道使用具有正向作用。這可能是由于綠道的使用者多是來自周邊社區的居民[23]，同時北京市市民的健康意識與健身需求正日益增加。當前，北京市優先建設首都核心區綠道、沿河生態綠道，以及由重要歷史文化遺產構成的城市文化廊道，之后建設區級和社區級綠道。由于綠道建設的順序和竣工時間不同，可能導致綠道建設量與居民使用需求不匹配的情況。因此，在未來的綠道布局中應力求供需平衡，滿足市民的使用需求。

4)提高綠道節點的吸引力，通過“以點帶面”的方式有效提升綠道的使用效率。綠道布局應合理利用河流、歷史文化資源和公園綠地以提高綠道的吸引力。針對深圳綠道網絡的研究結果顯示，城市邊緣區的綠道盡管連通性很高，但卻處于低效使用狀態[5]。北京中心城區綠道使用強度最高的區域集中在二環沿線及東西城區，二環串聯了多處北京市重要的人文歷史景點，具有很強的空間吸引力。因此在綠道布局中，應考慮如何提高綠道的使用效率，避免資源浪費。

本研究確定了綠道使用強度的時空格局和社會經濟環境因素對綠道使用強度的影響，但也存在以下局限性。1)使用軌跡數據，忽略了個體差異對綠道使用強度的影響。2)使用數據的來源存在年齡限制，反映出的北京市綠道使用強度空間格局可能與實際情況有一定出入。本研究得出的結果主要為中青年的使用情況，但在綠道的實際使用場景中，存在大量老年群體，因此在今后的研究中可通過現場調研和發放問卷的形式收集老年群體的使用數據，從而更加全面地反映綠道的使用情況。3)對綠道的使用類型存在局限性。Keep App用戶的目的是鍛煉(步行、跑步和騎行)，忽略了其他綠道使用目的(休閑社交、遛狗、陪伴孩子、通行等)，因此未來需要利用問卷調研等形式獲取更多的活動類型數據，進一步細化研究成果。

注：圖2、3引自北京市園林綠化局網站：http://yllhj.beijing.gov.cn/sdlh/jkld/bjjkldfwzn/hdsswyld/，其余均由作者繪制。