基于微博的城市公園游客來源時空分布研究

陳宏飛,張　玥,劉　廣,項　陽,孫九林，3

(1.陜西師范大學 旅游與環境學院，陜西 西安　710062;2.陜西師范大學 網絡信息中心，陜西 西安　710062;3.中國科學院 地理科學與資源研究所,北京　100101)

?

·環境科學·

基于微博的城市公園游客來源時空分布研究

陳宏飛1,張玥1,劉廣2,項陽1,孫九林1，3

(1.陜西師范大學 旅游與環境學院，陜西 西安710062;2.陜西師范大學 網絡信息中心，陜西 西安710062;3.中國科學院 地理科學與資源研究所,北京100101)

城市公園的服務范圍是有關城市公園研究的重要方面，以往主要從可達性方面進行研究。文中以新浪微博數據作為樣本數據,探討了不同距離游客到達公園游覽的時空分布規律。結果表明:在[0～10]km范圍內,絕大部分公園到訪游客隨居住地與公園的距離增加,人數呈指數遞減規律,總體上公園周邊[0～4) km范圍內居民到達公園的比例最高,為65.84%,但個別公園因知名度、交通便利性等方面的影響并不完全符合以上規律。同時不同距離的游客在不同時段到達公園游覽的比例也有所差異。另外,文中利用新浪微博對城市公園服務范圍的問題進行了探討,為城市公共設施對居民服務范圍問題的研究提供了新的研究視角。

微博;城市公園;游客;時空分布

目前我國處于城鎮化發展的高速時期,全國城鎮化水平在2012年達到了52.6%,已達發展中國家中等以上水平[1]。城市是以人為中心的“社會—經濟—自然”復合生態系統[2-3]。城市公園綠色空間是城市自然系統的重要組成部分[4-5]。城市公園作為城市居民出行游憩的主要場所之一,它不僅具有為城市居民提供休閑娛樂場所的功能,同時又以其自然景觀元素承擔著凈化空氣,降低噪音,減少環境污染的生態功能,對促進城市居民身心健康,建設可持續發展的和諧社會具有重要意義[6]。

近年來隨著城市空間規模的迅速擴大,城市公共交通及私家車的大力發展,居民人均出行距離延長[7]。在此背景下,通過對城市公園游客來源時空分布進行研究,可以合理地從時間和空間尺度了解城市公園綠色空間的游憩者流動規律和影響范圍。從而正確評價現有公園的空間分布是否合理,是否能滿足市民的需要和提供平等的休閑游憩機會。同時對未來城市公園選址、城市規劃和交通規劃具有重要的指導意義[6,8]。

早期的城市公園研究多關注單個公園或幾個典型公園,主要研究市民對公園的感知利用、結構特征及其生態、經濟和社會效益等方面[9-10]。目前學者除關注公園的數量和質量外，往往更加關注能否方便快捷地進入公園活動[11-13],從而研究公園可達性、服務半徑等有關公園服務范圍的問題。

可達性作為衡量包括城市公園綠地在內的城市服務設施空間布局合理性的一個重要標準[14],在以往研究中學者多以公園作為研究主體,利用GIS相關技術,通過緩沖區分析法(buffer zone)、最小臨近距離法(minimum distance)、出行成本法(travel cost)和引力指數法(gravity index)等[15]對公園輻射的城市區域進行分析,進而對公園的空間分布和服務狀況進行評價。對于城市公園服務范圍的研究,主要是通過不同方法進行可達性研究,每種方法各有優缺點,但不同的方法基于不同的理論,對數據要求不同,反映了可達性的不同方面[6]。另外,在研究公園可達性問題過程中使用到的服務半徑大多來自城市公園規劃者,較少考慮到公園使用者的需求。收集公園使用者對城市公園服務半徑的感知信息對可達性計算中選擇合理最大服務半徑具有指導意義[16]。同時,雖然市民對公園的訪問頻率隨距離增加而降低現象已成為普遍接受的規律,但由于數據獲取相對困難等原因,很少有基于公園游憩者空間分布的真實距離衰減曲線的報道[17]。

社交媒體大數據的出現,為這一問題的研究提供了可能。微博是近年來在國內迅速發展起來的社交媒體之一,與國外的Twitter屬于同類型的社交媒體,在互聯網用戶中有較高的覆蓋人群,截止2014年12月,微博用戶規模為2.49億,網民使用率為38.4%[18]。微博不僅是一個公開的輿論平臺[19],同時由于用戶在微博中主要分享個人的日常生活、情感等并記錄了個人活動的時間、空間等有關信息,又被稱為生活日志(lifelogs)[20]。國外已有相關學者通過社交媒體大數據的手段對居民出行與城市設施之間的關系進行了探討。Ryong Lee等通過對推特數據研究了城市人群的活動行為模式與所在區域和當地設施之間的關系[20]。Fujisaka T等利用微博數據對比研究了不同區域的不同用戶出行行為模式[21]。Ghosh D等利用Twitter數據,研究發現討論肥胖的用戶分布與快餐店分布有較高的相關性[22]。因此,利用微博等社交媒體數據來挖掘反映居民的出行活動信息可能會成為居民行為相關研究的重要方向[23]。

本文借助社交媒體大數據手段,將微博信息作為樣本數據,從中確定微博用戶的居住地,并以用戶在研究范圍公園內發布微博視為用戶到達公園。通過用戶居住地與所到達公園的位置關系分析公園對游客的吸引力輻射范圍。將游客首次在公園內發布微博視為到達公園的時間,結合居住地信息分析不同距離游客到達公園游憩的時空差異。

1　數據來源與研究方法

1.1數據來源

本研究將西安市長樂公園、兒童公園、曲江池遺址公園、革命公園、勞動公園、城市運動公園、豐慶公園、興慶公園、蓮湖公園、植物園、大唐芙蓉園、大明宮遺址公園12個公園作為研究對象。以國內最大的社交媒體平臺——新浪微博作為數據來源,采用筆者所在研究團隊開發的微博抓取系統,通過API接口獲取了包括微博發布時間、微博內容、用戶注冊地、經緯度等屬性在內的微博數據,共獲取西安市2013年7月至2015年3月份的西安市新浪微博數據8 147 559條。本研究主要針對當地居民到達公園游憩情況,因此通過用戶注冊地屬性僅篩選出注冊地為西安市的本地居民作為潛在公園游客。

1.2研究方法

1.2.1用戶篩選按照居民活動夜間一般主要集中在居住地附近的基本思路,通過設置篩選條件:用戶夜間23點至次日早上6點在1 km2范圍內有5天以上發布微博的記錄,初步篩選出具有相對明確住所位置的用戶78 630人,對應微博數1 048 576條,按照微博發布經緯度對這些微博數據可視化處理,選擇出在研究區域12個公園發布過微博的用戶5 926人。進一步對這些用戶在夜間(23點至次日早上6點)發布的微博進行人工判讀,剔除所有微博內容均沒有表達在家活動的用戶,如微博表達內容為加班、夜間外出娛樂等用戶,剩余符合要求的用戶5 121人。

由于以用戶在公園范圍內發布微博來確定用戶到達過某個公園,考慮到同一游客可能在一個公園發布多條微博,因此使用ArcGIS中的Dissolve分析工具按照用戶ID對同一用戶的微博進行要素合并處理,并以最早的時間標簽作為該用戶到達當前公園的時間。

1.2.2用戶居住地確定用戶居住地確定利用夜間用戶發布微博的平均中心,平均中心是研究區域中所有要素的平均x坐標和y坐標。平均中心對于分析追蹤分布的變化,以及比較不同類型要素的分布非常有用[24]。

平均中心表示為:

(1)

其中xi和yi是要素i的坐標,n為要素總數。

1.2.3緩沖區分析緩沖區分析(Buffer)是對選中的一組或一類要素(點、線或面)按設定的距離條件,圍繞其要素而形成一定緩沖區多邊形實體,從而實現數據在二維空間得以擴展的信息分析方法。

本文對研究區域的12個公園沿矢量多邊形以1 000 m為單位建立10級外緩沖區,將到達過公園的游客居住地與建立的緩沖區進行疊置分析,分別統計出每個公園每一級緩沖區內用戶數,從而探討游客來源在距離上的規律。

2　結果與分析

2.1到達公園不同距離游客來源總體分布

對到達所有公園不同距離的游客按1 km進行統計(見表1)。結果表明，到達公園的游客比例隨距離增大而減少,城市公園對附近居民的吸引力明顯(圖1)。通過Origin8對游客比例與距離進行非線性擬合,指數函數(式2)能較好地描述游客比例與距離的關系,R2為0.998 85,其他擬合參數見表2,說明游客比例隨距離呈指數遞減規律。

表1　不同距離游客到達公園比例

圖1　到達公園游客比例按距離變化趨勢圖Fig.1　Trends of proportion of tourists arrive at the park according to different distances

y=y0+A1e-x/t1+A2e-x/t2。

(2)

2.2每個公園游客來源空間分析

為探討每個具體城市公園對居民服務范圍的影響,將到達過研究區域12個公園的游客按照居住地距離公園直線距離的遠近分為:[0～4)km近程游客、[4～7)km的中程游客和大于7km的遠程游客,統計結果顯示,整體結果上65.84%的游客來自4km范圍內,25.4%的游客來自[4～7)km范圍內,8.76%游客來自7km以外。不同距離游客基本符合距離衰減原理。將每個公園的數據分別統計(圖2)。

表2　指數函數參數擬合結果

圖2　單個公園不同距離范圍游客所占比例Fig.2　Proportion of different distance range tourists of park

由圖2 可知,不同距離的游客到達公園的比例有所差異。具體分為3種情況:①長樂公園、兒童公園、革命公園、勞動公園、豐慶公園、興慶公園、蓮湖公園、植物園、大明宮遺址公園游客分布情況符合[0～4)km>[4～7)km>7 km以上的規律。長樂公園[0～4)km 游客所占比例最高,為96%,革命公園[0～4)km 游客所占比例最低,為50%。②曲江池遺址公園、大唐芙蓉園符合[4～7)km>[0～4)km>7 km以上的規律。其中曲江池遺址公園[4～7)km的游客比例高達45%,而[0～4)km 游客比例僅為37.5%;大唐芙蓉園[0～4)km和[4～7)km的游客比例分別為39.70%和40.20%,基本相當。③城市運動公園符合[0～4)km>7 km以上>[4～7)km的規律。7 km以上游客比例高達34.6%,為12個研究對象在此范圍內的最高值,[4～7)km范圍內游客比例僅為8.1%,明顯低于7 km以上游客比例。

為了對城市運動公園的中程、遠程游客來源情況進行進一步研究,將城市運動公園4 km以上游客居住地進行可視化處理,通過核密度分析,結果如圖3。由圖可知,城市運動公園中程、遠程游客主要集中在南北方向的長安路沿線及南二環沿線,以長安路方向為主要分布。

圖3　城市運動公園4km以上游客空間分布Fig.3　The space distribution of tourists distance from the Xi′an city sports park 4-kilometer

究其原因,大唐芙蓉園和曲江遺址公園為近年來西安市在曲江新區投資建設的兩個文化主題公園,緊鄰大雁塔景區,在西安市享有極高的知名度,公園內除仿唐皇家建筑群、水域外，還有豐富的文化展演、餐飲娛樂服務,極高的知名度和多元化的娛樂服務使其對游客范圍的影響主要體現在[4～7)km內。城市運動公園是亞洲首屈一指的以球類運動為主兼具休閑、游憩功能的生態型運動主題公園,在西安市具有較高的知名度。西安市地鐵二號線為西安市2011年開通的首條地鐵線路,橫貫西安市南北主干道——長安路,在城市運動公園設有一站,交通極為便利,因此,使得城市運動公園對于7km以上范圍游客到園比例在12個公園中最高。

綜上,絕大部分公園4km范圍以內的近程游客到園比例最高,且[4～7)km的中程游客、7 km以上的遠程游客隨距離呈遞減趨勢。但個別公園因受知名度、服務能力、交通便利性等方面因素影響并不完全符合以上規律。

2.3不同時段游客到達公園比例分布

按照游客游覽公園的基本規律,將研究時段按照上午、中午、下午和晚上4個時段。分別為第一時段7至10點;第二時段11至14點;第三時段15至18點及第四時段19至22點。對研究區域的12個公園按照4個時段進行統計(表3)。由表3可知，總體上,4個時段游客比例最低，為第一時段17.5%;第三時段和第四時段比例基本相當,都為29%左右；第二時段為24.43%。從時段上符合早上游客人數最少、中午時段人數有所上升,下午和晚上人數較多的基本規律。58.07%的游客集中在第三和第四時段。但個別公園人數變化又有差異:曲江池遺址公園、植物園、大唐芙蓉園在第一時段游客人數比例遠低于12個公園平均水平;大唐芙蓉園在第三時段游客人數比例遠高于12個公園平均水平;勞動公園、城市運動公園在第三時段游客人數比例遠低于12個公園平均水平;曲江池遺址公園在第四時段游客人數比例遠高于12個公園平均水平。

表3　各個公園游客時間分布

2.4不同時段對不同距離游客影響分析

圖4　不同距離游客比例隨時段變化情況Fig.4　The changes of proportion of tourists from different distances with time period

將不同時段對應不同距離的游客按比例統計(圖4),結果表明:[0～4)km的游客在第一、四時段比例較高、在第三時段比例較低,其中第四時段占當前時段游客比例最高,尤其從第三時段到第四時段游客比例變化較為劇烈;[4～7)km游客在第三時段比例較高,在第一、四時段比例較低,第四時段比例最低;7 km以上的游客在第二時段比例最高,在第四時段比例最低,游客人數占當前時段所有游客人數比例隨時段變化較平緩。

說明在公園附近的居民在早上和晚上較多到達公園,城市公園為附近居民提供了早上晨練和晚上消遣的服務功能。中程游客在下午時段較多的到達公園,為居民的短時游園提供了場所。而遠程游客在上午時段較多的達到公園,時段變化平緩,說明遠程游客較早到達公園游覽,由于居住地距公園較遠,在晚上時段以離園返回為主。

3　結果與討論

本文通過將微博數據作為樣本數據的方法,在確定用戶居住地的基礎上,利用用戶在公園內的微博簽到數據研究了西安市12個城市公園本地居民游客到園率的時空分布,結果表明:① 整體上,在[0～10]km的范圍內,本地游客到達公園比例隨居住地與公園的距離呈指數遞減規律,距離公園[0～4)km范圍內的近程游客到達公園比例最高,為65.84%。雖然大部分公園符合以上規律,但個別公園因知名度、交通便利性等因素不完全滿足以上規律。在本文研究的12個公園中,曲江池遺址公園和大唐芙蓉園游客到達公園的比例符合[4～7)km>[0～4)km>7 km以上的規律;城市運動公園游客到達公園的比例符合[0～4)km>7 km以上>[4～7)km的規律。② 不同時間段內,游客到達公園的比例也有不同。其中15點至18點的下午時段和19點至22點的晚上時段游客到達比例明顯高于早上時段和中午時段。③ 距離公園不同范圍內的游客在不同時段到達公園的比例也有所變化。[0～4)km范圍內的近程游客在早上時段和晚上時段到達公園的比例高于中午時段和下午時段;[4～7)km范圍內的中程游客在下午時段到達公園的比例高于其他3個時段;7 km以上范圍內的遠程游客在中午時段到達公園的比例高于其他3個時段。

本文從社交媒體大數據的角度,以新浪微博作為樣本數據來源,為在較大范圍內研究多個公園對城市居民的服務范圍影響提供了可能,相對傳統問卷調查的手段,在數據調查的方便性和準確性上有了一定的改善。但由于大數據本身具有的稀疏性特點,在數據篩選過程中較為困難,同時由于微博數據中缺少年齡、職業等個人信息,無法進一步研究不同人群到達公園的差異。以上問題在后續研究中可通過相關大數據處理方法進一步完善。

[1]姚士謀, 陸大道, 王成新. 我國新型城鎮化的若干策略問題探討[J]. 現代城市, 2014, 19(4):5-10.

[2]同麗嘎, 寧小莉, 張靖. 基于RS與GIS的包頭市城市公園綠地休閑游憩服務半徑研究[J]. 干旱區資源與環境, 2013, 27(3):202-208.

[3]李雪銘, 常靜, 劉敬華，等. 城市綠地系統對經濟發展提升作用的機制——與大連市實證研究[J]. 干旱區資源與環境, 2002, 16(3):17-23.

[4]王如松.轉型期城市生態學前沿研究進展[J].生態學報,2000,20(5):830-840.

[5]尹海偉, 孔繁花. 濟南市城市綠地時空梯度分析[J]. 生態學報, 2005, 25(11):3010-3018.

[6]劉常富, 李小馬, 韓東. 城市公園可達性研究——方法與關鍵問題[J]. 生態學報, 2010, 30(19):5381-5390.

[7]邢蘭芹, 曹明明. 西安城市綠色交通問題研究[J]. 西北大學學報(自然科學版), 2012, 42(2):313-317.

[8]鄭柳青. 成都市城市居民的游憩活動空間研究[J]. 特區經濟, 2011(8):140-142.

[9]Arnberger A. Recreation use of urban forests: An inter-area comparison[J]. Urban Forestry & Urban Greening, 2006, 4(3): 135-144.

[10] JIM C Y, CHEN W Y. Perception and attitude of residents toward urban green spaces in Guangzhou (China)[J]. Environmental Management, 2006, 38(3): 338-349.

[11] NEUVONEN M, SIEVNEN T, T?NNES S, et al. Access to green areas and the frequency of visits-A case study in Helsinki[J].Urban forestry & Urban Greening, 2007, 6(4): 235-247.

[12] ERKIP F B. The distribution of urban public services: the case of parks and recreational services in Ankara[J]. Cities, 1997, 14(6): 353-361.

[13] LO S M, YIU C Y, LO A. An analysis of attributes affecting urban open space design and their environmental implications[J]. Management of Environmental Quality: An International Journal, 2003, 14(5): 604-614.

[14] 尹海偉, 孔繁花, 宗躍光. 城市綠地可達性與公平性評價[J]. 生態學報, 2008, 28(7):3375-3383.

[15] 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.

[16] NEUVONEN M, SIEVNEN T, T?NNES S, et al. Access to green areas and the frequency of visits-a case study in helsinki[J]. Urban Forestry & Urban Greening, 2007, 6(4): 235-247.

[17] ODE ?, FRY G. A model for quantifying and predicting urban pressure on woodland[J]. Landscape and Urban Planning, 2006, 77(1): 17-27.

[18] CNNIC.第35次中國互聯網絡發展狀況統計報告 [R]. 2015.2.

[19] 張羽, 侯逸君. 微博中農民話語權缺失現象分析——以關中農村地區微博新聞使用情況調查為例[J]. 西北大學學報(哲學社會科學版)，2013, 43(1):147-151.

[20] LEE R, WAKAMIYA S, SUMIYA K. Urban area characterization based on crowd behavioral lifelogs over Twitter [J]. Personal and Ubiquitous Computing, 2013, 17(4): 605-620.

[21] FUJISAKA T, LEE R, SUMIYA K. Discovery of user behavior patterns from geo-tagged micro-blogs[C]//Proceedings of the 4th International Conference on Uniquitous Information Management and Communication. New York:ACM, 2010: 36.

[22] GHOSH D, GUHAB R. What are w′tweeting′ about obesity? Mapping tweets with topic modeling and Geographic Information [J]. Cartography and Geographic Information Science, 2013, 40(2):90-102.

[23] 秦蕭，甄峰，熊麗芳，等. 大數據時代城市時空行為研究方法 [J]. 地理科學進展, 2013, 32(9): 1352-1361.

[24] ANDY M. ESRI GIS分析手冊[M].2卷.Californria：ESRI出版社,2005.

(編輯徐象平)

The temporal and spatial distribution of urban park tourists sources based on microblog

CHEN Hong-fei1, ZHANG Yue1, LIU Guang2, XIANG Yang1, SUN Jiu-lin1,3

(1.Tourism and Environment college, Shaanxi Normal University, Xi′an 710119, China;2.Network Information Center, Shaanxi Normal University, Xi′an 710119, China;3 Institute of Geographical Science and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101， China)

The scope of city park services is an important aspect of the study on urban park. Mainly researched on the aspects of accessibility in the past. In this paper, Sina microblog data as sample data and in the basis of determining users residence, time-space distribution rule of tourists from different distance to visit park was discussed. It turned out that the vast majority of park visitors shows exponential declining rule with the increasing distance between residence and park in the context of [0～10]km, and on the whole, residents that are[0～4)km from park have the highest proportion(65.84%) which get to the park. But because of the impact of visibility, convenient transportation and other aspects, individual park does not fully comply with the above law. At the same time, the proportion of tourists arrive at different times in different distance is also different. In addition, in this paper, using Sina Microblog, the issues of urban park service range were discussed, which provides a new perspective to the research on scope of residents services.

Micro-blog; urban park; tourists; temporal and spatial distribution

2015-03-13

國家自然科學基金資助項目(41001077);陜西師范大學院士創新基金資助項目(999521)

陳宏飛，男，陜西岐山人，博士生，從事社交媒體大數據研究。

孫九林，男，江蘇鹽城人，研究員，中國工程院院士，從事資源信息研究。

TU986

A

10.16152/j.cnki.xdxbzr.2016-02-024