基于微博數據的西安市空間意象研究

唐園園，連華，王菲

（蘭州交通大學 建筑與城市規劃學院，甘肅蘭州 730070）

0 引言

“城市意象”由凱文·林奇首次提出，反映市民對城市的群體意象感知，由標志物、節點、路徑、邊界與區域五大要素構成。我國對于城市意象的研究從人與環境關系的辨析開始，李道增和林玉蓮[1-2]分別從環境行為學與環境心理學闡述了城市公眾意象。李郇、許學強[3]通過分析廣州城市意象，提出城市意象是人與環境雙向互動的結果。顧朝林、宋國臣[4]認為城市意象有助于引導城市設計發展。沈益人[5]認為城市意象應當考慮到文化要素，張鴻雁[6]在此基礎上提出本土化城市意象。徐磊青[7]則從結構性、獨特性和評估性三個主題系統梳理了中國城市意象的相關研究成果，并反思城市意象的研究目標、對象與方法，將城市意象研究歸納為描述性與診斷性兩種范式。龍瀛與曹越皓[8-9]基于深度學習、網絡照片對城市意象認知方法進行了創新。謝永俊等[10]從微博簽到數據挖掘北京市城市意象。王世福[11-12]從功能意象、日常都市主義對城市意象進行研究。綜上，在新數據環境和顛覆性技術下，城市意象的群體感知已經形成多學科交叉，并進入深化階段[13]。

城市意象感知包括意象結構、意象類型和意象評價。構建城市空間意象結構是認識城市并指導城市規劃設計的重點。傳統城市意象研究方法以問卷調查和繪制認知地圖為基礎[14-15]。近幾年，通過網絡數據及文本分析的城市意象結構研究熱度居高。應用范圍多為構建城市空間意象現狀布局，雖從局部街道或某一視角，對城市空間意象形成機制進行了實踐探索，但用實證分析探索城市文化脈絡，從城市綜合發展水平對城市空間意象成因研究還較少。對此，本文基于微博位置簽到數據，在城市空間意象結構感知的基礎上，從文化遺產保護、生態人文建設以及經濟產業發展三個視角，選取8個驅動因子，探析城市空間意象成因及其空間作用機制。

1 研究區概況、數據與方法

1.1 研究區概況

西安作為我國歷史上十三朝古都，是我國首批歷史文化名城，也絲綢之路起點城市、一帶一路核心區[16]。據搜狐、百度、新浪等網絡媒體統計分析，我國最具歷史價值城市、最有文化底蘊城市排名中西安均居前三，在2022年最具城市旅游影響力的城市中西安市居前十。綜上，西安市依托豐富的歷史文化資源，已經具有較強綜合競爭力。為深入挖掘西安市區各街道綜合發展潛力，構建西安城市空間意象結構，進行綜合實力評估，結合歷史文化遺產保護，提出具體發展策略。通過分析西安市歷史文化名城保護規劃及發展現狀，本文選取西安市區（包括新城區、碑林區、蓮湖區、灞橋區、未央區以及雁塔區）進行探究（圖1）。

圖1 研究區范圍

1.2 研究數據

1.2.1 基礎數據

主要包括行政區劃、人口分布、文化遺產分布、道路及基礎設施分布數據。其中西安市行政區劃和原始道路網數據，通過國家地理云數據平臺獲得，包括城市一級道路、二級道路、三級道路和四級道路；高速、鐵路、國道、省道、縣道以及鄉道。本文主要研究城市道路對各街道產生的積極影響，由于鐵路、高速過境路對所在區域正面影響較小，因此對其不作考慮。對我國公布的全國文化遺產保護單位以及西安市文物保護單位實地調研，確定文化遺產分布現狀、公交站點及基礎設施分布現狀。各街道人口數據以第七次人口普查數據為標準，結合各街道所公布數據得到最終值。

1.2.2 微博簽到數據

利用新浪微博開放API，編寫程序抓取 2021年9月到2021年11月以及2022年3月到2022年6年（西安市旅游旺季）西安市區內帶有地理位置屬性的微博簽到數據，其中每條簽到記錄均包含用戶信息、數據發布時的位置(經緯度坐標)、文本內容(微博文本)、發布時間。清洗數據后，得到9月到11月數據7856條，3月到6月數據19554條。

1.3 研究方法

以GIS空間相關分析和地理探測器分析為主，GIS分析主要將城市環境意象、文化活動意象以及自然山水意象各要素可視化，分析各類空間意象高頻點及空間相關性，并在此基礎上進行熱點分析，分析各街道意象之間的空間聚集分布特征。地理探測器是由王竟峰等[17]提出，可檢驗變量空間分布的耦合性，探測兩者之間的因果關系。研究通過地理探測分析對意象空間成因作進一步分析，逐一分析各類意象因子與所選影響因子間的相關性，得出兩者間的相關性強弱。最后進行對比，提出各街道優化策略。

2 城市空間意象感知分析

2.1 整體空間意象感知

2.1.1 整體空間意象結構分析

對西安市研究時段內簽到數據可視化分析發現，熱點意象集中在碑林區、新城區、蓮湖區以及雁塔區。越靠近城市中心地區，密集程度越高。最高點為碑林區、新城區與蓮湖區三區交界處。對其整體意象空間的分析，不考慮城市街巷空間影響，從整體熱點強度，對其空間感知狀況，按五要素進行劃分，構建城市整體意象結構。整體來說，西安市中心城區城市意象結構呈集中式分布，與西安市中心放射棋盤式結構一致，并與城市歷史文化遺產保護點高度重疊。根據意象強度及面積劃分為6個區域、3條邊界、3條路徑、17個節點和6個標志物（圖2）。

圖2 城市意象結構分析

在此基礎上分街道統計（圖3），發現人群活力最高的街道是南院門街道、長安路街道以及大雁塔街道，其次為北院門街道、東關南街街道、長樂坊街道等蓮湖區、雁塔區、新城區的街道，最低為灞橋區以及未央區的新合街道與建章路街道。由于地理區域、政治經濟等仍有差距，灞橋區的紡織城街道、新城區胡家廟街道、長樂中落街道意象熱點度較低。

圖3 城市意象感知分區統計

2.1.2 文本分析

根據用戶打卡文本分析，將打卡類型分為三類，對地點、美食表達喜歡、熱愛等詞匯的賦一分，分為正面意象點；對地點、美食表達出避雷、難吃等字眼詞匯的賦三分，分為負面意象點；其余均賦兩分，為中性意象點。統計得出正面意象點6148個、中性意象點21158個、負面意象點96個，剔除無效數據8個。由于負面意象點數量較少，因此不做分析。借鑒學者曹越皓城市意象研究方法，將正面意象與中性意象進行結構分析（圖4、圖5），發現兩者城市意象空間結構基本相同。

圖4 正面意象結構分析

圖5 中性意象結構分析

2.2 內部空間意象感知

在文本分析基礎上，取正面意象與中性意象的正向意象點對城市內部意象進一步分析。結合相關研究[18-19]，將城市內部空間意象分為三大類，包括城市環境、文化活動以及自然山水；其中城市環境分為特殊建筑群體和公共空間，文化活動包括歷史古跡和餐飲文化。對各類意象因子前十的意象點進行統計分析（圖6），發現西安世博園、白鹿原、青龍寺及大唐不夜城熱點最高，城市環境建設依托西安資源稟賦發展迅速，意象熱點高。西安歷史古跡熱度高，但近代工業文化遺產意象熱點低。

圖6 各類意象因子前十意象點統計

基于此，將城市環境、歷史古跡、餐飲文化意象因子分別進行可視化（圖7），發現：在西安市城市環境意象的空間結構中，大雁塔街道為集聚性最強的城市環境意象區域，密度值大于7800，與西安曲江藝術博物館、大唐芙蓉園、西安美術館以及長安十二時辰唐傳統文化旅游街區分布密切相關。在歷史古跡意象要素結構熱力分析中，大雁塔街道為集聚性最強的民俗工藝與歷史古跡意象區域，密度值大于40610，與大雁塔、鐘樓、西影TIME、青龍寺以及大慈恩寺密切相關。從餐飲文化意象要素結構熱力分析中發現，南院門街道、小寨路街道與丈八溝街道為集聚性最強的意象區域，火鍋、烤肉店意象因子最強，其次是胡辣湯和陜菜館。自然山水意象中，漢城湖、曲江池、西安湖意象點最強。

圖7 各類意象要素熱力分析圖

3 驅動分析與優化策略

3.1 驅動因子分析

為從城市綜合發展水平探析西安市空間意象，特從文化、經濟、人口等方面選取8個驅動因子：文化遺產、人口分布、餐飲美食、商業住宅、交通設施點、教育普及度、道路網密度以及GDP進行分析。由于各影響因子原始數據差距大，通過自然間斷法分級處理數據后，分析發現（圖8），Y為餐飲文化意象因子時，地理探測器q值最高為商業住宅（0.86），p值為0，可見商業住宅分布與餐飲文化意象因子空間分布相關值最高。Y為城市環境意象因子時，各街道GDP和餐飲美食相關性最高。Y為民俗工藝與歷史文化意象因子時，各驅動因子相關性不顯著。Y為自然山水意象因子時，各街道GDP相關性最高。由此可見，GDP所反映綜合經濟水平是各街道發展基礎，餐飲美食是吸引人群的最大影響因子。

圖8 西安市空間意象分布影響因子探測

3.2 優化策略

3.2.1 深挖各區優勢資源，打造特色意象

通過分析西安市主城區各意象因子分布現狀及驅動因素，提升各街道綜合經濟水平，挖掘各區優勢資源，結合各街道意象因子特點分別打造生態創新區、文化保護區、文產交融區、文化傳承區以及新城聯動區（圖9）。生態創新區依托豐富的自然資源，以生態為基底，發展科創產業；文化保護區結合大遺址發展生態產業；文產交融區文化遺產豐富、人口密度大，可利用文化資源發展服務產業；文化傳承區可利用良好的城市環境資源，發揚西安文化資源優勢，發展系列產業，推動經濟增長；新城聯動區結合西咸新區發展。

圖9 西安市主城區各街道優化結構圖

3.2.2 突出文化空間意象，強化城市記憶

文化資源是西安市千年古城發展根基，文化空間在文化遺產保護的基礎上，強調新舊空間的層次與融合。以文化空間為主導的規劃，強調人群在不同尺度上的空間感知。目前已有學者對西安市城市文化空間分布進行分析，在其研究中西部城市中西安城市文地率最高，新城區為2.9%，老城區為7.8%。基于此，在西安市文化遺產分布的基礎上，以街道劃分文化空間層級（圖10），構建西安市文化空間體系，優化供給配置，延續城市記憶。

圖10 西安市主城區各街道文化空間層級劃分圖

3.2.3 融合多源數據，構建動態意象模型

在網絡數據背景下，各類社交平臺對城市印象的影響系數越來越高。同時探店、影視在城市印象展示中占據重要地位，從微博打卡數據來看，在影視、網紅探店的帶動下，青龍寺、大興善寺以及深巷小吃得到廣泛關注；不僅帶動了當地經濟發展，更傳承發揚了西安的歷史文化，強化了城市記憶。但目前網絡引導具有極大的自主性、任意性；為重新挖掘城市文化，在城市遠期發展中，對人群動態意象點實時監測，創新規劃技術方法，從社交媒體打卡數據、手機信令、POI興趣點等多個方面豐富數據源，通過地理信息空間分析，構建動態城市空間意象感知模型，實時優化城市網點，調整城市發展策略。

4 結語

本文以2020年9月到2021年6月新浪微博簽到數據為例，在相關研究基礎上，對西安市雁塔區、未央區、灞橋區、新城區、碑林區以及蓮湖區六區，從城市環境、文化活動、自然山水三方面空間意象分析中發現，城市環境意象熱點最高為大雁塔街道，其次為長延堡街道與小寨路街道。文化活動意象強度，大雁塔街道與南院門街道最高。自然山水意象強度最高為狄寨街道。為探測西安市空間意象分異性，分析其背后驅動因子，選取驅動因子文化遺產、人口分布、餐飲美食、商業住宅、交通設施點、教育普及度、道路網密度以及GDP共8個候選影子對意象空間成因作進一步分析，并結合各街道現狀發展，提出深挖各區優勢產業，打造特色意象、突出文化空間意象，強化城市記憶以及融合多源數據，構建空間意象模型三方面策略。目前，本研究仍有許多不足，僅從微博數據對西安市空間意象進行分析，研究群體受限，在未來研究中應結合各類數據對城市空間意象進行多源數據感知。

圖表來源：本文圖表均由作者自繪。