基于多源數據的海口歷史街區活力特征研究

摘 要：海口府城歷史街區作為海南省的文化遺產，其活力特征對當地社會經濟發展至關重要。基于多源數據，系統分析街區的人群聚集模式及商業空間活力，強調大數據在揭示城市人口流動與空間活力方面的應用潛力。采用文獻分析法、實地調查法與大數據分析法對街區活力特征進行深入剖析，發現街區活力受季節與工作休息模式影響顯著：休息日高密度的聚集現象雖引人注目，卻顯現出活力覆蓋的局限性；工作日并未展現顯著的活力高峰，其活力分布呈現出一種非連續且分散的特征，未能形成穩定的熱點區域。

關鍵詞：熱力圖；歷史街區；人群聚集；活力特征

一、研究概況

歷史街區承載著城市的文化和人們的記憶，同時吸引著外來游客的目光，成為旅游消費的重要目的地。近年來，隨著旅游產業的興起與市民對文化生活品質追求的不斷提升，海口府城歷史街區的保育、活化與可持續發展成了海口市政府工作的重中之重。

本文旨在通過多源數據系統分析海口府城歷史街區的人群聚集模式及商業空間活力，強調大數據在揭示城市人口流動與空間活力方面的應用潛力。研究綜合采用了文獻分析法、實地調查法與大數據分析法，以全面深入地剖析街區的活力現狀。數據收集方面，本文利用阿里大數據開放平臺與高德開放數據平臺，提取海口市瓊山區行政界線的矢量數據、POI（興趣點）數據集以及人口熱力數據。這些數據涵蓋了街區內的商業及休閑設施位置信息、商業設施的空間分布特征以及人口密度的時空變化，為理解人口結構、遷徙模式及日常活動規律提供了重要工具。研究區域集中在府城歷史街區的核心區域，東起瓊州大道，西至朱云路，北抵新城路，南至高登西街。

通過綜合運用多元化數據，本文旨在揭示海口府城歷史街區活力的時空分布特性，分析季節更替、工作日與休息日循環對街區活力的影響，為街區的保護、活化與可持續發展提供科學依據和數據支撐。

二、街區活力數據的獲取與處理

本研究選擇于2023年12月4日與9日、2024年的5月28日與6月1日自清晨7時至夜晚21時進行數據收集，通過對比不同日期、時段的人流活動狀況，深入探索府城歷史街區人流聚集特征與動態變化。

在數據預處理階段，采用ArcGIS 10.6進行柵格重分類與數據提取。首先，通過PS對原始熱力圖實施邊界重構與色彩優化；其次，進行柵格數據的重分類工作，依據顏色灰度從淺至深的自然過渡，將熱力強度劃分為七個等級，依次賦予一至七的數值標簽，其中數值遞增直接映射了區域活力的逐步提升；最后，對經過重分類的柵格數據進行矢量化，提取相應數據。

三、街區活力變化的時間特征

（一）日變化特征

本研究依據特定時間節點及其所展現的活力強度，將府城歷史街區的空間活力劃分為七個等級。分別將第一、二等級定義為無活力，第三等級定義為低活力，第四、五等級定義為中活力，第六、七等級定義為高活力。

通過對32幅熱力圖的分析，計算冬、夏兩季四種不同活力水平區域的平均占地面積。夏季無活力區與低活力區的平均占地面積分別為6.29公頃與5.58公頃，中活力區與高活力區分別為18.79公頃與87.33公頃。相比之下，冬季無活力區與低活力區面積分別為34.73公頃與30.16公頃，中活力區與高活力區分別為44.88公頃與8.15公頃（圖1）。

通過工作日與休息日的平均數據對比，發現休息日的整體活力水平高于工作日。在工作日，無活力區與低活力區的平均面積雖相近（分別為21.47公頃與21.60公頃），但中活力區（29.73公頃）與高活力區（45.19公頃）的面積之和仍低于休息日水平。休息日，無活力區面積略有減少，具體為19.55公頃，低活力區更是顯著縮減，為14.14公頃，同時中活力區與高活力區面積分別增長至33.95公頃與50.28公頃，表明公眾在休息日更傾向于外出活動，享受休閑時光，從而促進了城市活力的提升（圖2）。

通過分析冬、夏兩季與工作日、休息日的平均值，發現城市活力受季節更替及工作休息模式影響顯著，夏季較冬季展現出更強的活力態勢，休息日則普遍比工作日更具活力。這些發現不僅揭示了府城歷史街區活力變化的內在規律，也為街區空間優化設計提供了重要參考。

（二）時變化特征

1.基于活力等級的時變化

通過數據對比，發現活力區域的動態變化尤為顯著，無論是冬季還是夏季，工作日與休息日均呈現出相似的模式：7：00至9：00，活力水平經歷顯著波動；至11：00，變化速率漸趨平緩；17：00之后，低活力區與高活力區面積分別經歷了先減后增與先增后減的逆向變動。

首先，活動啟動時間較為固定。在冬季的工作日與休息日、夏季的工作日與休息日（可簡稱“四日”），無活力區域在7：00至9：00活力水平經歷顯著波動，隨后至11：00，變化速率漸趨平緩。這一時段內，工作日與休息日的表現高度一致，均顯示出9：00之后公眾出行活動的顯著增加，反映了日常活動的集中啟動時間。

其次，低活力區的季節性差異顯著。在冬季，該區域在工作日的7：00至13：00經歷了最為劇烈的波動，在午后13：00達到峰值后迅速回落，暗示了午后是人們活動意愿的轉折點。在休息日，低活力區在7：00至9：00先升后穩，直至午后逐漸下降，表明人們更傾向于在午后時段外出。相較之下，夏季的低活力區在清晨即見顯著縮減，之后維持穩定，反映了夏季早晨人們更早開始活躍的生活節奏。

再次，中活力區的變化與無活力區形成鮮明對比。冬季，該區域同樣在上午至午后時段經歷快速變化，午后至傍晚逐漸回落，至17：00后又有所回升，在晚餐時間即19：00達到另一高峰，隨后再次下降，揭示了餐飲時段對公眾活動的吸引。夏季則表現為工作日相對穩定，休息日在傍晚后迎來活力提升，表明夏季休息日傍晚成為出行高峰期。

最后，夏季活力高于冬季。夏季的高活力區面積顯著大于冬季，反映了夏季更受青睞的戶外活動趨勢。細分來看，冬季工作日的活力水平最低，休息日次之，而夏季工作日的活力雖有所提升，但仍不及夏季休息日的最高峰值，這進一步印證了季節與日程對公眾活動選擇的影響。

2.基于四日的時變化

分析冬、夏兩季與工作日、休息日不同時段街區活力的變化，發現在冬季工作日與休息日的對比中，高活力區域的比例相對有限，且二者間存在顯著差異。工作日21：00與休息日13：00分別構成了各自時段內的活力峰值，且休息日的這一峰值更為顯著，反映出休息日相較于工作日，城市整體活力水平有所提升。與此同時，中活力與低活力區域面積則展現出一種普遍的上升趨勢，相較于高活力區與無活力區，二者在空間上占據了更大的比例。低活力區域的面積在冬季整體呈遞減趨勢。

在夏季工作日7：00，城市無活力區域面積達到頂峰，隨后迅速縮減，直至19：00后又逐漸回升；低活力與中活力區域同樣在7：00展現出最大面積，隨后急劇減少，但自上午9：00以后，這兩類區域面積趨于穩定，直至21：00。相比之下，高活力區域在7：00占據最小面積，隨后自9：00開始迅速擴張，并于13：00達到一個高峰，之后雖有小幅回落，但整體保持較高水平直至傍晚。夏季休息日則展現出截然不同的活力分布模式：全天范圍內，無活力區域占比極低且波動較小；低活力區域在7：00后占比減少，19：00略有回升；中活力區域的變化最為顯著，自清晨至13：00持續縮減，隨后于15：00后呈現增長趨勢，但至17：00又有所減少，直至19：00后迎來顯著增長。

四、街區活力變化的空間特征

在深入剖析工作日活力分布圖的過程中發現，街區在工作日期間并未展現出顯著的活力高峰，其活力分布呈現出一種非連續且分散的特征，隨時間動態變化而波動。工作日內的街區活力未能形成穩定的熱點區域，而是頻繁地在不同地點間轉移。特別是自15：00起，電信局住宅區周邊開始顯現人群聚集的趨勢，并在16：00和21：00達到頂峰。相較之下，學校與醫院周邊主要在7：00、14：00、16：00等特定時段吸引人群集中，而其他時間段相對冷清。

相較于工作日，街區商業空間在休息日展現出更為蓬勃的活力態勢。具體而言，從11：00持續至14：00，以及16：00至20：00，電信局住宅區毗鄰的商業街區與忠介路東段區域人群密度顯著增加，形成了顯著的聚集效應。然而，這種高密度的聚集現象雖引人注目，卻顯現出活力覆蓋的局限性，即活力雖強，但影響范圍相對集中，未能廣泛輻射至更大區域，導致人群實際聚集的空間面積相對有限。

五、結語

本研究基于多源數據，深入剖析了府城歷史街區中人群活動的時空分布特性。研究結果表明：第一，在日變化中，街區的活躍程度顯著受到季節更替及工作日與休息日循環的影響。具體而言，溫暖宜人的夏季相較于寒冷的冬季，更能激發街區的活力與生機。此外，休息日作為居民休閑放松的主要時段，其街區活躍度普遍超越了工作日。第二，在時變化中，街區活力自清晨隨著人們活動的逐漸增多而穩步上升，直至上午時段達到高峰，隨后在傍晚之后因人群歸家而有所減弱。街區活力的時變化不僅揭示了不同活力等級區域隨時間推移的動態演變特征，同時明晰了這些特征與居民日常活動模式的內在聯系。值得注意的是，低活力區域的活動啟動時間相對穩定，但其活力水平在季節更迭間呈現出顯著差異，冬季尤為明顯。相比之下，中活力區域展現出更為靈活的變動趨勢，其活力狀態與高活力區形成互補，共同構成了街區活力的多元格局。特別是在夏季，街區整體活力顯著提升，遠超冬季水平。

隨著大數據技術的迅猛發展，科學研究與分析領域迎來了前所未有的變革。在這一背景下，大數據技術的應用為研究者們打開了一扇全新的窗口。特別是在分析人群聚集變化方面，通過大數據，我們能夠迅速而準確地捕捉和分析動態變化，這不僅是對傳統人群聚集研究方法的補充，更是對其的一次重要革新。通過大數據技術的運用，我們能夠以更加直觀、高效的方式理解人群聚集的規律和趨勢。

參考文獻：

[1]雷程程.基于大數據的城市人群活動的時空動態分析[D].西安：陜西師范大學，2016.

[2]王錄倉.基于百度熱力圖的武漢市主城區城市人群聚集時空特征[J].西部人居環境學刊，2018（2）：52-56.

[3]劉維維，黃亞瓊，康梓杭，等.基于熱力圖大數據法對風景園林游憩空間使用的研究：以海南興隆植物園為例[J].海南大學學報（自然科學版），2019（3）：268-275.

[4]安潔玉.基于熱力圖大數據的城市景區人群聚集研究：以南昌市主城區為例[J].信息與電腦（理論版），2020（20）：143-145.

[5]吳志強，葉鍾楠.基于百度地圖熱力圖的城市空間結構研究：以上海中心城區為例[J].城市規劃，2016（4）：33-40.

[6]王達駿.基于多源數據的成都市府河濱水空間活力評價與優化研究[D].綿陽：西南科技大學，2023.

[7]吳秋香，李鈮.歷史文化街區商業集聚與空間活力相關性分析[J].城市建筑，2022（6）：92-95.

[8]余英杰.基于ArcGIS的南寧市“三街兩巷”歷史文化街區活力分析[J].城市建筑，2022（7）：75-77，89.

[9]胡汪涵，沈姍姍，楊凡，等.基于多源大數據的歷史文化街區活力評價及影響因素研究[J].中外建筑，2021（9）：96-101.

[10]毛志睿，陳笑葵，項振海，等.歷史街區街道活力測度及影響因素研究：以昆明市文明街歷史街區為例[J].南方建筑，2021（4）：54-61.