基于多源數據的社區公園游憩規律及其空間特征關聯研究
——以上海為例

邵鈺涵 盧慧霖

社區公園是為社區范圍內居民就近開展日常休閑活動服務的綠地[1]，具有配置靈活、分布廣、貼近居民生活等特性，是提升城市服務品質和居民生活幸福感的重要載體。社區公園作為城市重要基礎設施，要聚焦服務人本化的目標，重視城市居民的綠地游憩活動和服務享用情況；要聚焦綠地精細化的要求，從粗放保量轉向精準的集約利用，提升自然資源效應[2]。

對于社區公園的已有研究往往聚焦距離[3]、人流[4]等屬性，未體現長時間維度上社區公園的使用率周期性規律。吳志強等[5]指出城市發展是由人隨時間變化的空間需求所驅動的。優化城市綠地營建，提升綠地使用效率，則有必要對人類游憩活動規律進行摸排。因此，從城市層面發現社區公園人類游憩活動的社會性、時間性、空間性規律，提升有限綠地資源的使用效率以滿足快速城鎮化人本需求[6]，對于在存量視角下優化城市綠地系統結構具有重大現實意義。

1 利用空間特征和大數據的綠地游憩效率與綠地游憩規律研究

綠地游憩規律是指單位時間內單位面積綠地能夠實現的空間活動量[7]，是人們使用綠地的時空規律的直接呈現，體現了綠地對居民活動的服務水平。大數據的支撐下，對長時間維度的周期性規律和空間位置中游憩到訪規律進行分析，展開關于城市綠地空間特征與城市綠地游憩行為關系的研究，可為相關規劃設計提供參考。

1.1 空間特征是提升綠地游憩效率的重要抓手

研究綠地空間特征和使用效率的關系是提升綠地游憩效率的必經之路。已有研究聚焦綠地空間設計特征，如綠視率[8]、植被[9]、基礎設施[10]等；分析了這些特征對游憩活動的差異性影響，幫助綠地使用效率提升。也有研究在規劃層面著眼綠地空間分布特征，例如可達性[11]、綠地面積[12]、區位[13]、形態[14]等，研究這些特征與使用行為之間的關系，討論區域乃至城市尺度下的綠地配置規則，以達到提升使用效率的目的。由于設計層面缺乏對更大量、更廣泛區域樣本的規律總結，無法梳理出系統化的相關性關系，因此難以在城市尺度上對區域形成指導價值[15]；而規劃層面通常存在一個缺陷，即將綠地空間中的游憩活動看作一種平均或靜止的理想狀態，忽視時間維度或社會維度對綠地空間活躍度的影響，導致在實踐應用上受到地域和時間變化的嚴重限制，難以進一步挖掘綠地空間特征及使用效率間的作用機制。

1.2 大數據為廣泛區域的綠地游憩研究提供可能

通過游憩行為觀測對游憩使用量進行調研，是景觀空間設計者和相關人員進行綠地使用情況評價的最基礎方法，從Whyte[16]的公共空間使用者調查研究開始，觀測方式不斷優化，如視頻記錄法[17]、無人機觀測法[18]、GPS觀測法[19]，這些方法能分別對空間游人情況進行詳細記錄、對覆蓋度更廣的綠地進行觀測、詳細記錄單體完整游憩情況。但現有研究的實際操作因器械局限性，無法對游憩行為進行長時間、大范圍的觀察，難以開展長時間維度的區域綠地使用效率評估。

近來一些基于位置服務（location based service, LBS）大數據的研究發現游憩活動的發生與居民行為特征有關，并將成果運用至城市功能區劃定等空間規劃程序中[20-22]，這讓進一步關聯城市或區域尺度下綠地游憩行為的時間、空間規律成為可能，也將有助于系統、精確地評價綠地服務能力，從而服務于更精準、更合理的綠地系統規劃。例如，木皓可等[23]基于手機信令大數據對石家莊中心城區公園綠地服務公平性進行評價，為城市公園綠地系統規劃評價和調整優化提供一定的科學依據；李晟等[24]通過興趣點（point of interest, POI）和LBS簽到數據研究武漢市游憩空間分布特征，用回歸法分析游憩空間與城市要素的相關關系，從供需角度評價游憩空間的服務能力，該研究方法和思路可進一步推廣至其他城市。

1.3 時空游憩規律為深入挖掘綠地游憩機制提供視角

在時間維度上，已有研究證實了綠地活動在一定時間截面上具有周期性規律[25]。例如劉海榮等[26]對天津濱海新區夏季街旁綠地使用者游憩行為進行了研究，發現使用者峰值出現在一天中的10：00—16：00；楊戈[27]對合肥天鵝湖公園的游憩行為進行觀察，對8：30—17：30各小時游客游憩行為及景觀空間對行為的影響進行了研究；楊博等[28]基于手機信令數據和公園周邊設施及興趣點數據進行空間統計分析，并分析了公園綠地的日夜間游憩活躍水平差異現象與主導因素類型及結構，發現公園游憩模式正在向日夜兼顧型轉變。

現有包含時間維度的研究受數據采集方式或研究深度的局限，往往只針對局部區域展開研究；或受限于調研方法，通常僅在白天時段展開分析，對綠地使用效率的研究也局限于瞬時效率和一段時間的平均效率。但根據游憩時間性規律進行分類的方法為進一步研究綠地空間特征與游憩使用效率提供了視角，尤其是日周期規律能反映一天內綠地游憩行為的情況[29]，每小時的游憩流量直接呈現綠地的訪問熱度，反映了綠地空間在一天中使用頻率隨時間變化情況，以及綠地使用熱度集中的時間段、時長，為深入研究社區公園居民日常游憩規律提供了視角。

鑒于此，本研究基于多源大數據，旨在發現社區公園日周期游憩規律，識別不同社區公園游憩活躍類型，并進一步發掘游憩效率的影響要素，為社區公園科學精準提升綠地游憩服務水平提供建議。

2 研究對象與方法

2.1 研究對象：上海市中心城區社區公園

本研究參考上海市綠化和市容管理局《上海市城市公園實施分類分級管理指導意見》[8]中社區公園列表（截至2019年，共233處），選擇市中心城區社區公園118處。由于手機信令數據的空間分辨率為100 m，且假設用戶均勻分布在泰森多邊形內，而社區公園綠地規模通常較小，其用戶密度與其他場所存在一定的差異性，因此在面積較小的社區公園無法精確識別到訪公園的人數，為減少誤差，本研究結合QGIS點位數據位置，篩選出面積為2 000～20 000 m2的110處社區公園（圖1）為研究對象，其中普陀區21個、長寧區10個、虹口區6個、黃浦區7個、靜安區10個、徐匯區9個、寶山區9個、閔行區2個、浦東新區23個、楊浦區13個，覆蓋上海中心城區83個街道。

圖1 研究社區公園位置與名錄Location and directory of community parks under research

2.2 研究路徑

本研究包括數據收集、規律提取、關鍵特征提取與關聯分析4個步驟（圖2）。首先，收集上海外環內中心城區的LBS、POI、路網基礎數據、建成環境數據、衛星地圖等多源數據。其次，根據社區公園小時精度客流數據制作日周期游憩波形圖譜，并通過波形聚類整合得到上海中心城區內社區公園日游憩活躍特征分類，分析游憩活動時間特征和游憩流量表征。最后，提取區域功能特征、交通可達特征、公園自身特征的8個特征變量，取小時精度客流數據平均值作為社區公園的游憩使用效率指標，在日周期游憩活躍規律分類下分析綠地游憩到訪率與特征變量之間的關聯，幫助社區公園游憩服務的精準提升。

圖2 研究路徑Research framework

2.3 游憩數據收集

游憩數據依托同濟大學上海市高密度人居環境生態與節能教育部重點實驗室，共收集涵蓋春夏秋冬四季共31天（2020年11月9—15日；2021年2月22—28日、5月10—16日、8月9—15日）的研究社區公園小時精度客流數據。該時段數據采集于2022年上海新冠病毒疫情封控之前，日?；顒忧闆r較為正常，且110個社區公園已全部投入使用，可作為游憩規律的研究時間段。需要說明的是，由于本研究主要關注游憩規律、游憩到訪率與空間特征的關系，數據標度不會對結果產生顯著影響，并且缺少對LBS數據進行數據擴樣的標準方法，故未對數據進行擴樣處理。

2.4 指標確定與特征提取

本研究涉及的空間特征因素包括區域功能特征、交通可達特征與公園自身特征三部分（表1）[13-14,30-35]。結合社區公園游憩使用數據，本研究選擇分析不同空間特征因素對社區游憩服務水平的影響。

表1 綠地空間特征變量以及數據說明[13-14,30-35]Tab.1 Spatial feature variables and data description[13-14,30-35]

2.4.1 區域功能特征

區域功能特征可由區域用地比例、公園周邊功能混合度體現。其中區域用地比例是基于興趣面（area of interest, AOI）數據計算的公園周邊1 000 m緩沖區內工業、公共服務、居住、交通、商業用地占比。公園周圍主要用地能體現公園所處周邊功能情況，公園使用受到周邊功能情況的影響，例如居住區周邊公園有更多早晚通勤人群使用。周邊功能混合度采用公園所處200 m× 200 m漁網區域POI多樣性：首先利用Python和高德地圖API獲取居住、金融、休閑、醫療、餐飲、辦公、購物、教育8種不同類別的設施POI；其次選取計算區域精細化漁網[31]的POI總數，計算熵指數：

式中：Di為熵指數；pi表示分析范圍內第i種POI類型占總數的比例；R為類別的總數，熵指數的數值越大，則混合度越高。

2.4.2 交通可達特征

交通可達特征從綠地可達性、公交站點密度、道路網密度3個方面進行度量?？紤]到地理空間的實際阻力，在綠地可達性計算中增加了距離衰減函數[33]，體現公園在服務范圍內的可達性供給水平。結合以往研究，在GIS中采用OD成本距離計算居住區點位到達社區公園的最短時間為15 min、最短距離為1 000 m，計算式為

式中：Sj為公園j的面積；dkj為周邊小區k到達公園j的出行時間；d0為出行極限時間；k為綠地作用域內的人口數量；G（dkj，d0）為空間距離衰減函數；Ak為公園的可達性；j∈{dkj≤d0}為出行時間小于d0的公園集合。

公交站點密度為社區公園500 m緩沖區中公交站點數量與面積的比值，能直觀反映公園綠地周圍獲得公共交通服務的便捷性。

基于OpenStreetMap空間數據，計算社區公園1 000 m緩沖區范圍內的道路密度，即所涉及道路長度與緩沖區面積的比值。道路網密度大意味著公園周邊的交通發達，在社區公園建設中，高密度的道路網絡為居民提供了更便捷的交通路徑[36]。

2.4.3 公園自身特征

公園自身特征包括功能類型、公園面積、公園要素（綠化、硬質景觀、水域）占比。1）根據大眾點評APP、上海市綠化和市容管理局網絡信息具體推導社區公園主導功能類型，并分為健康游戲型、文化展示型、休閑游憩型、自然觀賞型。社區公園面積是最基礎的屬性，面積越大的社區公園越能容納豐富的人群活動，為更多的周邊居民提供游憩空間[34]。公園綠化覆蓋率為公園綠地中綠化垂直投影面積之和與公園占地面積的比值，反映了公園中的綠化覆蓋程度，高的綠化覆蓋率能為居民提供更多蔭蔽空間，也有研究證明高綠化覆蓋率是居民獲得良好空間體驗的重要因素[35]。硬質景觀占比和水域占比分別為硬質景觀面積和水域面積與公園面積的比值，其中硬質景觀包括道路、硬質廣場、建筑等。

3 社區公園游憩規律以及影響因素

3.1 通過游憩規律頻譜提取游憩活躍類型

利用時間相似的聚類分析，游憩人群在到訪時段具有一定的相似性，綜合日常時間的分布，可定義日周期使用頻段分為上午（7：00—11：00）、中午（11：00—13：00）、下午（13：00—17：00）、晚上（17：00—22：00），其中上午、中午和晚上對應的日常行為分別為上班、午休、下班（圖3）。

圖3 社區公園游憩規律頻譜典型時間段Typical time periods involved in the spectrum of recreation rules of community parks

本研究進一步將110處城市社區公園日周期游憩規律頻譜圖根據主要波峰數量、所在的時間段聚類（圖4）。1）取各天小時精度客流數據的平均值作為日周期小時時間段的客流量；2）按照日常時間分布頻段統計各頻段到訪熱度以及平均值，選擇超過平均值的頻段作為波峰出現段；3）結合單小時到訪最高頻次數據獲得波峰聚類，根據小時數據生成波形并在波峰聚類的基礎上識別波形差異，得到波形聚類；4）根據波形的可識別度和分類樣本的可分析性進行歸納優化。最終得到單波峰活躍型和多波峰活躍型2種游憩活躍類型，分別占比53.64%和46.36%；其中單波峰活躍型可分為晨間波峰活躍型（S1）、午間波峰活躍型（S2）、晚間波峰活躍型（S3）3類；多波峰活躍型可分為早晚間波峰活躍型（M1）、中下午波峰活躍型（M2）、中晚間波峰活躍型（M3）3類。將各類型的游憩日均訪問量進行均值處理，發現M3型平均到訪率最高，達到了156人/（hm2·h）。

圖4 社區公園游憩規律聚類Clustering of recreation rules of community parks

3.2 空間特征影響游憩規律

3.2.1 社區公園游憩到訪率

6類游憩活躍型的社區公園游憩到訪率差異較大。M3的到訪率最大，其中到訪率最高的是九子公園，達1 116人/（hm2·h）；較低的為M1，其中到訪率最高為梅川公園［142人/（hm2·h）］。其他類型的平均游憩到訪率大致為10～120人/（hm2·h）。從到訪率最大值來看：S3＞S2＞S1，M3＞M2＞M1，說明在晚間活躍的綠地整體活躍度高于在晨間活躍的綠地（圖5）。這與市民已經形成了夜間游憩公園綠地的習慣的已有研究結論吻合[28]。

圖5 6類社區公園綠地游憩活躍型對應平均到訪率Average visit rate corresponding to the recreational activity patterns of 6 types of community parks

3.2.2 區域功能特征

S1社區公園周邊以居住用地為主，分布少量公共服務與商業用地，且公共服務用地面積大于商業用地。S2社區公園周邊具有一定居住用地，但多以公共服務用地為主，有少量商業用地。S3社區公園周邊以居住、公共服務用地為主，有少量商業與工業用地，且商業用地面積大于工業用地。M1社區公園周邊以居住用地為主，有少量公共服務、商業用地，部分高到訪率的公園周邊以商業和居住用地為主，且商業用地面積大于居住用地。M2社區公園周邊主要為居住區，同時存在商業和公共服務用地，且商業用地占據較大比例。M3社區公園周邊則在居住用地為主的基礎上，配以商業用地和一定的公共服務用地（圖6）。

圖6 6類社區公園游憩活躍型對應周邊用地比例Proportion of surrounding lands corresponding to the recreational activity patterns of 6 types of community parks

區域用地比例是影響各游憩規律下綠地游憩到訪率的重要影響因素。在未分類的情況下，綠地到訪率受到商業用地占比影響較大。在游憩規律下，公園周邊功能混合度對S1 、S3社區公園的訪問率產生明顯的正向促進作用，可能與豐富的周邊功能為公園提供了更加多樣的目標人群有關。

用地比例也對游憩到訪率產生影響，M1社區公園游憩到訪率與周邊公共服務用地占比正相關，商業用地占比對M2社區公園游憩到訪率有正向促進作用，前者印證了早晚高峰聚集對區域公共服務設施有激活作用[37]，后者可能與商業活動發達區的輻射作用有關[38]。

未來規劃選址中，宜考慮在靠近商業用地的區域設置社區公園，服務周邊居住人群和商業到訪人群，并有效提升中、下午時間段的游憩到訪率。對現有的人群早晨鍛煉、晚間游憩活動豐富的社區，應考慮在周邊功能更加豐富的區域設置社區公園；對于綠地的優化提升，可以通過增設周邊功能、豐富業態來吸引周邊人群在早晨與晚間對于綠地的使用（表2）。

表2 社區公園游憩日均到訪率與空間特征要素相關性Tab.2 Correlation between average daily recreational visit rate and spatial feature elements of community parks

3.2.3 交通可達特征

交通可達特征與社區公園游憩到訪率呈現較強的相關性?？傮w而言，公交站點密度、道路網密度與到訪率密切相關。綠地可達性對S2、M1、M3社區綠地游憩到訪率有正向促進作用，與先前研究中綠地可達性對綠地訪問的促進作用一致[39]。公交站點密度對M1、M2社區綠地游憩到訪產生明顯的正向作用，這可能與早晚工作出行與中午、下午游憩出行行為相關。而道路網密度對S3、M3社區公園游憩到訪的正向促進作用更加顯著，高密度的道路網可以提供更多的出行選擇，從而提高了游憩活動的便利性，尤其是方便晚間人群的散步等行為。

3.2.4 公園自身特征

在游憩活躍型規律分類下，具有不同主導功能的公園，其對應的到訪率平均值存在顯著的差異（圖7）。M3、S2社區公園中健康游戲型公園的游憩到訪率較高。具體而言，M3社區公園中的健康游戲類型平均到訪達到463人/（hm2·h），這表明中午和中晚間的游憩訪問與健身游戲設施的設置相關。不同游憩活躍型規律的文化展示型社區公園呈現出不同的到訪率：一方面，豐富的文化功能體現了公園在地文化內涵，吸引人們進行打卡等活動[40]；另一方面，這類功能社區公園在早晨和中下午吸引的人群相對較少，這可能與其吸引人群的局限性有關。

圖7 各類型綠地對應功能綠地到訪率平均值Average visit rate of functional green spaces corresponding to various types of green spaces

綠地面積作為最基礎的要素，與S2、M1社區公園游憩到訪率為正相關關系。各要素對到訪率的促進作用也存在較大差異，硬質景觀要素對于S2、M3社區公園（尤其是M2社區公園）的游憩到訪率促進作用明顯；社區公園中的硬質景觀空間能夠為居民提供更為多元的游憩體驗和支撐[41]，呼應了人們對于廣場舞等活動的需求。

4 立足社區公園游憩規律的規劃提升意見

本研究在多源數據的支持下，構建了游憩規律分類下公園空間特征與公園到訪情況的關聯，以確定在不同日周期規律下，何種因素將影響公園游憩到訪?；谟雾幝煞诸?，能夠從人群游憩時空行為的角度，為社區公園效率提升提供建議。

1）周邊功能性質是影響社區公園游憩規律的重要因子，從人本視角進行社區公園選址有助于社區生活圈游憩服務體系的建設。周邊功能決定了人群的行為傾向，例如與社區公園游憩效率密切相關的商業功能，為周邊居民提供了豐富的游憩體驗。同時功能混合度的提升對晨間、晚間波峰活躍類型到訪率提升有正向影響。公共服務設施附近的早晚間活躍波峰往往與居民的作息時間有關，因此在規劃設計中應考慮在公共服務設施附近設置適宜晨間和晚間活動的設施，如晨練區、健身設施等；同時宜考慮在通勤人員密集的社區選擇周邊功能更豐富的區域作為潛在社區公園選址。

2）便捷的交通會促進社區公園的使用，其表征包括高可達性、小密度路網和充足的公交站點設施。在規劃設計中，應合理布置小路，以便居民能夠步行到達目的地，減少交通工具的使用，特別是在中午和晚間，人們通常更傾向于步行。因此，一方面提供便捷的步行路徑和設施有助于減輕交通擁堵問題，提高出行效率，又有利于健康促進；另一方面應充分考慮公交站點布置，尤其是有早晚間、中下午出行需求的社區，需要充分考慮周邊公交站點密度。

3）公園自身特征顯著影響午間、早晚間波峰活躍類型綠地的到訪率，午間、中晚間波峰活躍類型的綠地到訪率與公園設施功能、硬質景觀占比有較強關聯。因此在中午、早晚間高峰人流密集的區域設置綠地需考慮提供充分的綠地面積供活動；對于午間、中晚間波峰活躍類型的區域，提供足夠的兒童游戲和健康健身設施是關鍵，高硬質景觀比例有助于提高訪問率。同時，優化設計時需考慮硬質景觀空間是否支持廣場舞、羽毛球等活動，宜增加硬質活動場地提升游憩到訪率。

5 結論與展望

筆者使用多源數據解析上海市社區公園綠地的使用規律，替代了成本較大、歷時較長的現場勘測，獲得了連續時間段、大范圍的訪問人流信息，從周期性規律和到訪率兩個層次突破了社區公園綠地游憩行為的時空限制，社區公園游憩使用與空間特征之間的關聯性分析為人本視角下社區公園規劃選址和精準化提升提供了工具。

本研究的局限性有以下4點。1）多源數據獲取自新冠病毒疫情階段，疫情后大家對綠地的使用情況可能有所改變，未來可以聚焦更多時間段進行分析。2）LBS數據識別的是手機信令，而兒童老人等群體游憩行為數據可能因為缺少手機設備未被準確記錄，未來研究中可進一步結合現場調研進行數據校準，以提升研究結果的準確度。3）本研究考慮了部分空間物理特征對于游憩行為的影響，缺乏人群特征與具體游憩行為的關聯分析，導致無法從社區公園周邊人群特征的角度直接對社區公園使用效率提升進行空間優化指導，未來可以考慮深化行為人群和具體游憩行為，如將不同游憩主體人群畫像加入研究。4）由于大數據的研究限制，本研究并未深入探討設施豐富度、景觀感知層次[42]等指標，未來可以進一步考慮這些指標對社區公園游憩行為和社區公園服務水平的影響。

圖表來源(Sources of Figures and Tables)：

文中圖表均由作者繪制。