EN中文

地理研究 >

2024 , Vol. 43 >Issue 7: 1700 - 1714

DOI: https://doi.org/10.11821/dlyj020230911

论文

建成环境对城市活力影响的空间异质性研究——以南京中心城区为例

  • 孙鸿鹄 ,
  • 姜玉培
展开
  • 苏州科技大学建筑与城市规划学院，苏州 215011
姜玉培（1987-），女，安徽阜阳人，博士，讲师，主要从事时空行为与健康城市研究。E-mail:

孙鸿鹄（1991-），男，安徽亳州人，博士，讲师，硕士生导师，主要从事城市空间分析与人居环境优化研究。E-mail:

收稿日期: 2023-10-17

  录用日期: 2024-03-26

  网络出版日期: 2024-07-05

基金资助

国家自然科学基金项目(42301206)

江苏省“双创博士”计划(JSSCBS20220876)

江苏高校优势学科（城乡规划学）建设工程项目

收起

Spatial heterogeneity of the impact of built environment on urban vitality: A case study of the central urban area of Nanjing

  • SUN Honghu ,
  • JIANG Yupei
Expand
  • School of Architecture and Urban Planning, Suzhou University of Science and Technology, Suzhou 215011, Jiangsu, China

Received date: 2023-10-17

  Accepted date: 2024-03-26

  Online published: 2024-07-05

Fold

摘要

人本导向下精准识别城市活力的空间格局，深入揭示建成环境对其影响的空间异质性，可科学指导城市活力的有机营造。鉴于此，以南京中心城区为案例地，依托多源地理大数据进行相关理论与实证研究。主要发现如下：① 基于居民活动时空大数据的城市活力测度模型，以及多尺度地理加权回归模型（MGWR）能够较好地识别活力空间格局并揭示建成环境对其影响的空间异质性。② 城市活力具有较显著的空间极化现象，在空间分布上的普适均衡性、连续传导性、独立自主性较差。③ 建成环境与城市活力之间在不同空间尺度上存在正负不同方向、强弱不同程度上的相关性。④ 城市活力的营造应因人因时因地施策，协调好全局和局部空间关系，以提高应对策略的针对性和有效性。

关键词： 城市活力; 建成环境; 空间格局; 影响作用; 空间异质性

本文引用格式

孙鸿鹄 , 姜玉培 . 建成环境对城市活力影响的空间异质性研究——以南京中心城区为例[J]. 地理研究, 2024 , 43(7) : 1700 -1714 . DOI: 10.11821/dlyj020230911

Abstract

Urban vitality largely reflects the quality of life of urban residents and the high-quality level of urban development, and has always been a hot topic in urban geography and urban planning. In the transition period of urban development from incremental extension to stock connotation renewal, accurately identifying the spatial pattern of urban vitality under a people-oriented approach and revealing the spatial heterogeneity of the impact of built environment on it is a key prerequisite for scientifically enhancing urban vitality. Therefore, this paper attempts to take the central urban area of Nanjing as an example, based on geographic big data such as mobile signaling data and Baidu Map POI, and integrating the spatio-temporal attributes of daily activities of citizens as parameters to construct a measurement model of urban vitality, and analyze its spatial characteristics at the urban scale. On this basis, we expand the representation of "5D" built environment elements, construct an urban built environment impact indicator system that includes material space, social space, place space, and flow space elements, and use a multi-scale geographically weighted regression model (MGWR) to explore the spatial heterogeneity of the impact of built environment on urban vitality. These theoretical and empirical analyses provide scientific reference for the fine optimization of human-oriented urban vitality. The main findings are as follows: (1) The urban vitality measurement model based on big data of residents' activities, as well as the MGWR, can better identify the spatial pattern of vitality and reveal the spatial heterogeneity of the impact of built environment on it. (2) Urban vitality has a significant spatial polarization phenomenon, and its universal equilibrium, continuous conductivity and independent autonomy in spatial distribution are poor. (3) There is a correlation between built environment and urban vitality at different spatial scales, with positive and negative directions and varying degrees of strength. (4) The creation of urban vitality should be implemented according to the spatial and temporal scenes of resident activities, and the overall and local spatial relationships should be coordinated to improve the suitability and effectiveness of response strategies.

Key words： urban vitality; built environment; spatial pattern; impact effect; spatial heterogeneity

1 引言

城市活力很大程度上反映了城市居民生活品质和城市高质量发展水平，一直是城市地理学与城市规划学关注的热点议题[1,2]。然而，增量发展时代的快速城镇化也导致了城市内部发展的失衡失序，引发空间功能布局的低效与紧缺现象并存，出现新区“鬼城”与老城衰败、交通拥堵与职住分离、社会分异与包容不足等系列问题[3]，异化并弱化了城市活力的有序分布。同时，在信息新技术大规模应用普及与冲击下，原有依托单一实体空间的生产、生活方式或解体重构，或出现虚实空间相互拓展融合的趋势[4]。这些问题和现象进一步导致城市活力在地理空间上复杂的增减强弱变动。在此背景下，如何精准识别城市活力揭示其动因，对于支撑富有活力的“人民城市”建设具有重要意义。
城市活力意涵丰富，并无绝对统一的定义和标准。简·雅各布斯指出城市活力来源于市民生活活动和生活场所相互交织过程中所形成的生活多样性[5]。凯文·林奇认为“活力”是一个聚落形态对于生命技能、生态要求和人类能力的支持程度，将“活力”作为衡量空间形态和社会可持续发展的重要因素[6]；杨·盖尔认为城市公共空间的活力在于处于其中的人以及人们的活动[7]；蒋涤非将城市活力看作城市能够为市民营造人性化生存的能力，而人的聚集、生活使城市具有了生命体的特性，是城市活力产生的源头[8]。可以看出，城市活力概念是将城市类比为生命有机体，同时围绕着对“人”的关注，以促进可持续的、有生气的城市积极运转状态为目的，以人的活动及其与活动环境的互动为内核驱动。基于已有研究共识，本文认为广义上城市活力是指城市具有维持城市积极运转的充沛生命力，从狭义上是指城市空间活力，表现为城市空间上有益的人群活动与环境交互作用。本文研究即是狭义的城市活力，凸显基于“人”的城市活力。
如何测度城市活力一直是该研究的重点[9,10]，通常以表征人流量的相关指标作为最直接的表征方式，如人群分布密度、活动集聚热度等[11,12]。早期研究数据获取受限，主要通过现场观察、调查问卷等方式获取，往往以社区、街区等较小空间尺度为主，虽然可以获取较微观细节信息，但观测范围较小，样本量受限，时空精度也较低，难以全面反映更大尺度的城市活力特征及其变化规律[13⇓-15]。为了更全面地识别城市活力，也有学者从社会、经济、文化等活动或相关环境维度构建指标体系综合评价城市活力[16,17]，或者在区域尺度上比较城市间的活力差异[18]。信息技术的发展为精细化分析城市活力提供了有效的手段。与传统调查方式和相关城市数据相比，城市大数据渗透性强，覆盖范围广，蕴含更丰富的时空和语义信息，特别适合表征人本尺度和视角下的城市活力。基于此，手机信令数据、LBS定位数据、POI数据、街景、在线点评数据等被广泛应用于测度城市活力，并促进了对城市活力时空动态变化的精细考察[9,10,19,20]。揭示城市活力的影响因素能够支撑促进活力维系或提升的科学决策，是另一研究热点[17,21]。已有大量文献表明城市活力与城市建成环境密切相关[22⇓-24]，如影响城市活力的建成环境因素主要包括空间形态与功能、土地混合利用以及交通组织与区位等，并可以归纳为较为全面的建成环境“5D”影响因素指标体系，包括密度（Density）、混合度（Diversity）、设计（Design）、目的地可达性（Destination Accessibility）和到公交距离（Distance to Transit），同时一些学者在影响效应随时空变化或非线性变化方面进行了较深入探讨[22,23]。
总体来看，城市活力测度及影响因素分析作为研究的主流方向，随着人本理念的融入和新数据、新技术的应用，其研究视角、方法手段和探索深度都进一步提升。但当前往往以反映单一空间视角下的人群活动特征指标测度城市活力，或者仅将时间要素作为独立于城市活力本体的统计标尺，或者依托相关活动环境指标间接指代表征。同时，建成环境对城市活力的影响分析主要偏向于对物质环境影响作用的揭示，且缺少深入分析影响效应的空间尺度变化带来的空间异质性。因此，本文尝试以南京市中心城区为例，基于手机信令数据及百度地图POI等地理大数据，以市民日常活动行为时空属性为参数融合构建城市活力测度模型，并分析其在城市尺度下的全域空间特征。在此基础上，拓展“5D”建成环境要素表征方式，构建涵盖物质空间与社会空间、场所空间与流动空间要素在内的城市建成环境影响指标体系，并运用多尺度地理加权回归模型（MGWR），探究建成环境对城市活力影响的空间异质性，为人本导向的城市活力精细优化提供科学参考。

2 研究案例与数据方法

2.1 研究区概况

南京市是中国东部地区重要的中心城市，2021年常住人口942.34万人，城镇化率达到86.9%，社会经济发展水平位居中国前列，并带动周边城市形成了地跨苏皖两省的南京都市圈。因此，在中国逐渐进入城市型社会，大城市承担引领区域协调发展，示范中国式现代化的新阶段，选择南京为研究对象具有必要性和典型性。如图1所示，具体以《南京市国土空间总体规划（2021—2035年）》草案公示稿确定的中心城区为研究区域[25]。中心城区由江南和江北两个主城组成，受山水格局影响较大，同时空间功能布局也较为分明，基本可划分为十一大功能片区。中心城区空间范围虽只占全市总面积12%，总人口却占到80%，生活成本和竞争压力较大，也导致研究区内城市活力及建成环境品质分异明显。
图1 研究区域

注：该图基于《南京市国土空间总体规划（2021—2035年）》草案及江苏省自然资源厅下载的标准地图（审图号：苏S（2023）26号）绘制，底图边界无修改。

Fig. 1 Research area

2.2 数据来源

数据源选取主流多源地理大数据，主要包括表征居民活动行为时空特征的手机信令大数据，以及反映居民活动环境的互联网空间大数据等[26]（表1）。其中，所使用的手机信令数据包括活动者社会属性及其活动驻留及移动时空信息，并可以实现活动者、活动行为及环境的一一对应，最终投射到空间分析单元上的信息通过聚合脱敏，反映该空间单元上活动人群的统一特征。所有数据均采集于2019年度，未受新冠疫情影响。为兼顾数据运算效率与匹配精度，空间分析单元设置为500 m边长的规则格网。
表1 数据源概况

Tab. 1 Overview of data sources

数据维度 数据类型 数据信息 数据量
（万条）		 采集时期 数据来源
活动行为
时空属性		 活动时空特征
数据		 驻留次数、驻留时长、活动类型（所有活动类型分为到访、居住、就业三类）、活动轨迹（起终点连线） 12000 2019年
6月（完
整月份）		 手机信令数据产品（智慧足迹数据科技有限公司提供， http://www.smartsteps.com/）
活动人群属性
数据		 年龄、性别、居住地、就业地 950
活动环境
空间属性		 设施点位数据
 购物设施（超市、购物中心）、
休闲设施（公园、餐厅、娱乐场所）、医疗设施（药店、诊所、综合医院）、教育设施（幼儿园、小学、中学）		 21 2019年 百度地图POI（百度地图API， http://lbsyun.baidu.com/index.php?title=webapi）
城市交通路网
数据		 城市道路路网、地铁线路网 — 2019年 OpenStreetMap（ http://downloa
d.geofabrik.de/）
城市建筑物基
底轮廓数据		 建筑基底面积、层高 — 2019年 中国科学院资源环境科学与数据中心（https://www.resdc.cn/）
小区房价数据 小区房价单位均价 0.5 2019年 链家网（https://su.lianjia.com/）
就业招聘数据 招聘量、薪资水平 9 2019年 前程无忧（https://mkt.51job.com/）
蓝绿空间要素
数据		 植被覆盖率（NDVI）、水体面积 — 2019年 LANDSAT8卫星遥感影像数据（地理空间数据云平台， http://www.gscloud.cn/）

2.3 分析方法

2.3.1 城市活力测度模型

城市活力是人群活动和环境交互的外在表现，其测度范围宜覆盖市民日常活动足迹所涉及的全景空间，包括居住、就业、休闲、购物等活动空间。同时，面向人本时空需求测度内容统筹考虑活动时空信息对活力表征的立体支撑。鉴于此，利用南京市中心城区手机信令大数据产品（涵盖2019年6月份一整月，包括工作日与非工作日，无极端天气变化。用户一天的状态分为驻留和出行。驻留是指早上第一个位置/晚上最后一个位置/其他时间在同一地点触发了多次信令且起止间隔超过30 min的位置。驻留与驻留之间被判定为出行），统计一个完整月内在地理空间单元上城市居民群体月度活动总时长和活动总频次作为两大基础活力指标，进一步，根据熵值法客观赋权计算指标的权重[10]，采用极差标准化加权求和后得到城市活力。其中，为避免重复统计，活动时长统计的是目的地空间单元上所有人群活动的月度持续驻留总时长，反映了城市活力的持久性和平稳性；活动频次指人群活动在不同空间单元间出行产生的并在目的地驻留被记录的月度总频次，反映了城市活力的互动性和日常性，因而两者从活动时空集聚特征上综合动态地反映了城市活力。具体公式如下：
U V = A D × W A D + A F × W A F
式中：UV为城市活力；AD为活动时长；AF为活动频次；W为权重。经计算，WAD、WAF分别为0.52、0.48。

2.3.2 建成环境影响因素的选取与表征

结合已有研究成果，在融合借鉴建成环境的“5D”模型要素组织思想的基础上，进一步探索基础地理环境支撑，比对场所空间与流动空间环境要素的作用差异，补充社会经济非物质环境要素，解析背后可能存在阶层隔离与分异现象，以便整体上更加多元化地揭示建成环境对城市活力的作用机理，以支撑针对性的活力优化策略。具体地，从物质基底环境、社会经济环境、服务设施环境、交通区位环境等维度构建相关影响因子（表2）。其中，多样性、便利性等指数计算公式见相关文献[26]。
表2 建成环境影响因素指标体系

Tab. 2 Index system of influencing factors of built environment

维度 影响因子 变量解释
影响因素 物质基底环境 蓝绿空间密度 植被或水体覆盖面积占格网单元面积的大小
建设开发强度 建筑物总面积占格网单元面积的大小
社会经济环境 老龄化率 手机信令数据识别的老龄人口占总人口的比例
房价水平 小区房产单位均价
就业机会 招聘量、薪资水平的加权求和修正
服务设施环境 教育设施密度 幼儿园、小学、中学密度的加权求和修正
医疗设施密度 药店、诊所、综合医院密度的加权求和修正
购物设施密度 超市、购物中心的加权求和修正
休闲设施密度 公园、餐厅、娱乐场所密度的加权求和修正
服务设施多样性 教育、医疗、购物、休闲服务设施的混合多样性
交通区位环境 驾车出行便利性 行车路网节点的邻近中心性
地铁出行便利性 地铁站点的邻近中心性
步行便利性 可步行范围内路网节点数
交通区位多样性 驾车、地铁、步行便利性的混合优势

2.3.3 多尺度地理加权回归模型（MGWR）

地理学研究对象格局与过程均是尺度依存的，城市活力也不例外，需考虑自变量对因变量影响作用在尺度效应下的空间异质性。目前关于影响因素空间异质性的研究，多数采用地理加权回归模型（GWR）进行分析，然而GWR模型中的带宽是所有自变量不同带宽的平均值，存在影响尺度均等化缺陷，进而导致估计偏差。多尺度地理加权回归模型（Multiscale Geographically Weighted Regression，MGWR）同时考虑多种带宽，变量带宽衡量了各个过程的空间作用尺度，进而识别不同变量影响的尺度效应及空间分异，更接近真实场景[27]。同时，作用尺度越大表明该影响因素作用效果的空间异质性越小，反之，空间异质性则越大。因此，本研究拟使用MGWR模型研究建成环境对城市活力影响的空间异质性。具体模型公式如下：
y i = ∑ j = 1 k β b w j u i ,   v i x i j + ε i
式中：观测单元i∈{1|,|2|,⋯,|n}；yi表示因变量；xij表示第j个自变量，j∈{1|,|2|,⋯,|k}；bwj表示估计第j个参数时使用的带宽；βbwj表示在位置（ui,vi）处第j个参数的估计量；εi表示误差项。MGWR中每个估计参数βbwj都基于局部回归得到，区别于GWR模型中所有参数带宽均要求相同。本研究将带宽单位定义为研究区（中心城区）最小空间分析单元，表明特定变量的影响范围。所有变量在进行模型拟合前均进行标准化处理，以进行因子间的回归系数比较。

3 结果分析

3.1 城市活力空间格局

通过自然间断点等级划分法，将南京中心城区的城市活力划分为高、较高、中等、较低、低五个等级，以识别其空间分布。如图2所示，整体上呈现出一种不规则的“中心-外围”与“一核多点”兼具的复合空间结构模式，具体又呈现“中心破碎，外围连片”、“一核独占、多点偏据”的空间特征。高值及较高值区主体分布在老城片区的中部及南部，这里是南京传统老城区，交通区位便利，商业商务中心密集，科教文卫资源丰富，因而城市活力旺盛；其他高值及较高值区主要点状分散在河西、城南、东山等近老城的片区。中值区基本与高值及较高值区相邻接，主要较连续分布在老城西部，以及邻近的河西片区，这些地区依旧位于中心城区腹地，也是新城区建设的重点区域；其他中值区主要点状分散在城南、东山片区。较低值区除少量填充分布在老城与河西片区之外，主要占据城南、东山、铁北片区大部，并成为仙林片区，以及江北主城三个片区的相对高值区域，这些地区相对独立，主要承担了局部地区的职住与生活服务功能。低值区占据中心城区外围大部分地区，并嵌入到除老城片区的其他所有地区，同时成为紫金山-玄武湖、麒麟、仙林等片区以及江北主城三个片区的主要活力等级类型，主要受山水自然格局、重工产业布局及片区开发建设时序等因素限制。可见，南京中心城区城市活力的空间分布差异明显，集聚特征显著，主要表现为老城区的城市活力依旧具有较大优势，独占核心片区，多点也只是主要分散分布在江南主城南部与西部，其他片区与之相比差距明显，这与曹钟茗等识别出的南京中心城区时间活力模式空间分布也较为一致[20]。比较来看，与长期以来南京空间综合功能体系上规划要形成的具有新街口、河西、城南和江北4个市级公共中心的空间格局目标不够匹配，次外围与外围地区也缺少相应的活力组团。
图2 城市活力的空间分布

注：该图基于《南京市国土空间总体规划（2021—2035年）》草案及江苏省自然资源厅下载的标准地图（审图号：苏S（2023）26号）绘制，底图边界无修改。

Fig. 2 Spatial distribution of urban vitality

通过空间自相关分析发现，南京中心城区城市活力的全局空间自相关指数为0.72，在1%的置信水平下显著，呈现出很强的空间自相关性，具有明显的正向空间集聚趋势。如图3所示，局部空间自相关关系类型则主要呈现“高-高”集聚、“低-低”集聚两种模式，虽然同样整体呈现出一种不规则的“中心-外围”与“一核多点”兼具的复合空间结构模式，但“中心”与“外围”在空间上是相互分离的，其间过渡地区充斥着大量集聚不显著区域。具体地，“高-高”集聚主要占据老城片区大部，以及相邻的河西片区东北方向部分区域，并在河西、城南、江宁等片区形成规模稍大的集聚组团，而在仙林、铁北片区，以及江北主城只有零星分布；“低-低”集聚占据中心城区外围边缘地带，主要分布在仙林、麒麟、浦口-三桥、大厂高新等片区。可见，南京中心城区城市活力发育尚未形成等级规模组织有序、相互支撑补充的有机空间结构。
图3 城市活力的局部空间自相关

注：该图基于《南京市国土空间总体规划（2021—2035年）》草案及江苏省自然资源厅下载的标准地图（审图号：苏S（2023）26号）绘制，底图边界无修改。

Fig. 3 Local space autocorrelation of urban vitality

3.2 建成环境对城市活力的影响

考虑到所选取的建成环境因子中可能存在多重共线性问题，为避免指标间相互影响而带来估计结果的偏差，对上述所有解释变量采用方差膨胀因子（VIF）进行检验。VIF值越大，多重共线性越大，一般认为VIF值大于10则该变量是高度共线的。检验结果如表3所示。各指标的方差膨胀因子值均小于10，表明所选取的指标不存在多重共线性问题。
表3 影响因子多重共线性诊断结果

Tab. 3 Results of multicollinearity diagnosis of influencing factors

解释变量 VIF
蓝绿空间密度 1.20
建设开发强度 2.02
老龄化率 1.08
房价水平 2.02
就业机会 4.15
教育设施密度 3.48
医疗设施密度 3.59
购物设施密度 3.98
休闲设施密度 4.24
服务设施多样性 1.88
驾车出行便利性 3.57
地铁出行便利性 6.68
步行便利性 4.08
交通区位多样性 6.35

3.2.1 模型拟合效果

通过普通最小二乘法（OLS）下的全局模型、传统地理加权回归（GWR）模型、多尺度地理加权回归（MGWR）模型进行建模分析，3组模型指标如表4所示。可见，MGWR模型的AICc值更小，调整R2更大，变量带宽取值丰富，模型在拟合效果上比前两个模型更优。相比于OLS的全局固定带宽3400和GWR的局部固定带宽211，MGWR模型中每个建成环境影响变量都有专属的最优带宽，带宽变化区间为[58,3400]，不同因素对城市活力影响的尺度差异显著。具体地，蓝绿空间密度、建设开发强度、就业机会、休闲服务设施密度、驾车出行便利性、步行出行便利性、交通区位多样性等因子带宽几乎覆盖全样本，只在全局层面对城市活力具有影响作用，可能主要由于大部分地区这些要素分布空间差异不大，但作为一些基础性物质基底环境及交通区位环境要素对城市活力又有整体性的影响作用。老龄化率、房价水平、医疗服务设施密度、购物服务设施密度、教育服务设施密度、服务设施多样性、地铁出行便利性等因子主要在局部空间尺度范围上对城市活力产生影响，这些要素体现了人群的社会经济结构及其对较稀缺性设施服务获取能力和需求的空间差异，因而可能会在局部空间上吸引或抑制不同人群活动带来的城市活力。其中，服务设施多样性、教育服务设施密度、医疗服务设施密度、地铁出行便利性等因子作用尺度极有限，分别为58、59、111、143，不超过全样本的4%；老龄化率、购物服务设施密度次之，作用尺度分别为389、726，分别占全样本的11%、21%；房价水平作用尺度为1312，占全样本的39%。
表4 OLS、GWR与MGWR模型拟合效果比较

Tab. 4 Comparison of fitting effects of OLS, GWR and MGWR models

模型 OLS GWR MGWR
模型
精度		 AICc 5784 5370 4906
调整R2 0.68 0.76 0.78
变量
带宽		 蓝绿空间密度 3400 211 3400
建设开发强度 3400
老龄化率 389
房价水平 1312
就业机会 3387
教育服务设施密度 59
医疗服务设施密度 111
购物服务设施密度 726
休闲服务设施密度 3196
服务设施多样性 58
驾车出行便利性 3400
步行出行便利性 3400
地铁出行便利性 143
交通区位多样性 3400

3.2.2 影响作用的显著性

如表5所示，根据各影响因子作用的显著性水平（p值≤0.05）发现，蓝绿空间密度、就业机会、购物设施密度、休闲设施密度的影响作用具有整体样本上的显著性，房价水平的显著样本也达到81%。老龄化率、教育设施密度、医疗设施密度、服务设施多样性、驾车出行便利性、地铁出行便利性的显著样本则远低于样本量的50%。建设开发强度、步行便利性、交通区位多样性则所有的样本量均表现为不显著，因此，这些因子不进行后续分析。
表5 影响因子的显著性样本占比

Tab. 5 Proportion of significant samples of influencing factors

解释变量 显著样本占比（%）
蓝绿空间密度 100
建设开发强度 0
老龄化率 28
房价水平 81
就业机会 100
教育设施密度 19
医疗设施密度 22
购物设施密度 100
休闲设施密度 100
服务设施多样性 17
驾车出行便利性 33
地铁出行便利性 17
步行便利性 0
交通区位多样性 0
如图4所示，通过筛选后影响因子回归系数的变化范围与作用区间差异分析，可知，蓝绿空间密度、房价水平、就业机会、休闲设施密度、驾车出行便利性的影响作用较为稳定，但作用强度也相对有限。其中，蓝绿空间密度、房价水平对城市活力起到负向作用，就业机会、休闲设施密度、驾车出行便利性起到正向作用。教育设施密度、服务设施多样性的作用范围变化剧烈，且具有较强的正负双向作用。老龄化率、医疗设施密度、购物设施密度、地铁出行便利性的影响作用亦在一定范围内变化。其中，老龄化率只起到负向作用，医疗设施密度以正向作用为主，购物设施密度起到正向作用，地铁出行便利性的正负作用均存在。
图4 MGWR模型中影响因子回归系数分布的小提琴图

Fig. 4 Violin plot of regression coefficient distribution of influencing factors in MGWR model

3.2.3 影响作用的空间异质性

如图5（见第1709页）所示，为深入分析相关建成环境因子对城市活力影响作用的空间异质性，筛选具有影响显著水平的样本，对各因子的回归系数进行空间可视化表达，展示其影响作用的空间范围、作用强度及方向变化。
图5 MGWR模型中影响因子回归系数的空间分布

注：该图基于《南京市国土空间总体规划（2021—2035年）》草案及江苏省自然资源厅下载的标准地图下载的标准地图（审图号：苏S（2023）26号）绘制，底图边界无修改。

Fig. 5 Spatial distribution of regression coefficients of influencing factors in MGWR model

物质基底环境影响方面，只有蓝绿空间密度在全域层面与城市活力有微弱的负相关作用，并呈现由“中心”至“外围”的作用缓慢递减趋势（图5a，见第1709页）。这种合理的负相关与蓝绿空间自身生态服务所能承载的活力规模上限有关。同时，随着城区“山水城林”的有机融合，蓝绿空间对城市活力的承载力也在提升，所以城市活力与蓝绿空间的负相关性较为微弱；而“中心”地带城市活力与蓝绿空间密度负相关相对更高，则由于该地区内老城人口密集区与较大型山水（玄武湖、紫金山、护城河等）相邻，整体活力有所稀释。
社会经济环境影响方面，老龄化率对城市活力的影响作用主要连续分布在江南主城的中心区域，存在变化较强烈的负作用，在局部空间上基本呈现南北向由中心至外围递减趋势（见图5b）。可能与较成熟城区老人生活安居日久且喜静简出，活动相对简单单一，及其分布由中心至外围减少息息相关。房价水平与城市活力相关的区域主要连续分布在除仙林片区以外的地区，呈现变化幅度相对较小的负向相关性，并存在东西向作用“纵列式”递减趋势（见图5c）。仙林片区以大学城为主要空间功能，众多大学师生活动承载主要活力，因而该片区城市活力与房价的相关关系较为薄弱。东西向作用“纵列式”递减趋势，则可能受城市发展格局由偏居“江南”走向南北“拥江”，邻江地区房价上涨快于活力集聚导致其与城市活力呈现负向相关关系。就业机会基本表现为在全域尺度对城市活力具有一定的正向影响（见图5d），因为首先就业机会对大部分城市居民具有普遍生计支撑作用，但由于就业活动只是居民日常必要活动之一，且就业活动本身类型多样，因而对城市活力的促进作用较为均衡。
服务设施环境影响方面，教育设施密度与城市活力作用相关区域的空间分异呈现“片状”与“点状”并存的格局，在除麒麟片区以外的中心城区均有所分布，且波动强烈，正负相关性皆有（见图5e）。其中，负相关性区域主要分布在城南、东山、仙林、铁北、大厂高新等片区，具体区域往往土地利用多样，但居住空间有限。因此，在这些地区相对高的与居住空间关联密切的教育设施密度反而可能抑制了就业、休闲等其他活动的活力。典型的强正向相关地区较少，且主要分布在城南、东山、铁北等片区的边界位置，以一些大型的居住区为主，在该地区教育作为稀缺必要资源，对居住人口活动集聚吸引作用巨大，与城市活力具有明显正向强相关性。其他具有一定正向影响强度的地区成片老城中西部、河西片区北部等城市核心区域，这些地区高品质空间功能丰富多样，各类日常活动均具有较高活力，因而教育资源与城市活力呈现弱正相关关系。与教育设施密度相似，医疗设施密度与城市活力相关区域分布同样较为破碎，整体也呈现“片状”与“点状”并存的空间分布形态，但主要分布在江南主城（见图5f）。与教育设施密度相比，其与城市活力的正负相关性均较弱，可能由于不同人群对医疗资源需求的差异性要比对教育资源的需求更低。购物设施密度对城市活力具有一定的正向作用，且影响覆盖全城，呈现“冷热双区”与“圈层变化”复合的空间结构（见图5g）。其中，高值正向影响区域覆盖老城、河西、城南、东山等片区大部，这些地区地缘相邻，密布多个市级商业中心，商业资源密度高，品质好，吸引大量人流活动，是城市活力最密集区域；低值正向影响区覆盖仙林片区大部，购物设施密度对于位置相对偏远、人口结构较为单一（以大学生社群为主）的仙林片区来说，吸引辐射作用有限。而在“热区”高值区向“冷区”低值区过度的其他地区，由于人口资源集聚条件一般，对城市活力的正向影响作用逐渐降低。休闲设施密度对城市活力具有正向影响作用，影响区域覆盖全城但作用较弱且空间分异几无变化（见图5h），可能整体上休闲资源供需结构较为匹配，对于城市活力的吸引映射到空间上也较为均衡。服务设施多样性对城市活力的正负影响作用变化强烈，空间分异以“片状”与“点状”分散分布为主（见图5i）。其中，负向影响区域主要“片状”分布在老城与河西片区，具体地区往往功能类型丰富，交通便利，可能分散了一些日常主流活动类型活力的集聚。正向影响区域主要“点状”分布在各功能片区边缘及边界毗邻地区，这些地区往往空间服务功能相对单一，服务设施多样性需求更高，反而越能集聚城市活力。
交通区位环境影响方面，驾车出行便利性对城市活力具有正向影响作用，但作用极为有限且极小空间分异，主要“带状”连续分布在中心城区东部及南部外围地区（见图5j）。可能主要由于这些地区驾车出行设施条件差异很小，但非公共交通出行对活力集聚的支撑又有限。地铁出行便利性对城市活力同时具有较强烈的正、负影响作用，整体呈现“片状”与“点状”分散分布的空间形态（见图5k）。其中，负向作用区域不仅主要存在于城市核心地带，仙林、麒麟片区也有零星分布。可能这些地区地铁出行便利性反而强化了当地城市活力的流出与外溢。正向作用区域主要位于城市次核心地带，绵延分布在城南及东山片区，在仙林、铁北片区亦有所分布。可能这些地区的地铁出行便利性加强了与周边特别是主城区双向沟通联系，从而引流集聚了该地区的城市活力。

4 结论与讨论

4.1 结论

在城市由增量外延开发走向存量内涵更新的发展转型期，人本导向下精准识别城市活力的空间格局，深入揭示建成环境对其影响的空间异质性，是科学提升城市活力的关键前提。鉴于此，依托地理大数据及相关技术方法，从城市居民日常活动行为时空属性出发构建城市活力测度模型，并构建多元多维空间要素在内的城市建成环境影响指标体系，统合相关理论与实证研究，主要发现如下。
（1）多源地理大数据支撑下，涵盖居民活动时空属性的城市活力测度模型，度量信息更丰富综合，评价更客观全面。同时，建成环境影响指标体系较全面的同时考虑了物质空间与社会空间、场所空间与流动空间等多个维度，且基于多尺度空间分异的MGWR回归模型在拟合效果上比OLS及经典GWR模型更优。因而，相关方法手段能够较好的识别活力空间格局并深度揭示建成环境对其影响的空间异质性。
（2）城市活力的空间分布格局呈现较显著的空间极化现象。整体上呈现出一种不规则的“中心-外围”与“一核多点”兼具的复合空间结构模式，同时具有很强的空间自相关正向集聚趋势，呈现“高-高”集聚、“低-低”集聚两种局部空间自相关类型，且两类在空间分布上相互分离。可见，城市活力在空间上的普适均衡性、连续传导性、独立自主性较差，尚未形成“多中心、网络化、组团式”的活力空间结构。
（3）建成环境对城市活力的影响作用在尺度变化、显著程度及作用方向上均存在不同程度的空间异质性。① 物质基底环境方面，整体上蓝绿空间较好地融入了城市居民日常活动空间，因而对城市活力集聚的物理阻碍极有限，反向体现了其对城市活力吸引包容能力的上升。② 社会经济环境方面，老龄人口主要集聚在较成熟城区且日常活动相对简单呈现自然的低活力状态，这一趋势随着老龄人口由中心地带向外围地区的降低而减弱。房价水平通过活动人群的购房需求倾向在局部空间上与城市活力有所关联，并起到有限制约作用。就业机会作为生计支撑基础要素则对城市活力起到全域变化较弱的筑底支撑性作用。③ 服务设施环境方面，教育设施密度、服务设施多样性与城市活力相关性的空间异质性最强烈，不同地区由于空间功能差异和人群活动诉求差异存在较大正负作用的波动变化。往往功能多样地区单一教育设施对活力集聚正向作用有限甚至制约，功能较单一地区的单一教育设施以及功能的多样性对活力集聚正向作用则较大。④ 交通区位环境方面，不同地区地铁出行便利性可能带动城市活力的集聚与流溢的双向变化，主要呈现次外围地铁出行便利性有利于该地区的活力集聚，中心地带及最外围地带地铁出行便利性则有利于该地区活力的流出。

4.2 讨论

前文分析可知，城市活力在空间上具有多样的集聚现象和影响异质性。不同位置、范围和尺度上，其空间格局具有复合嵌套性，空间影响具有复杂可变性。因而，城市活力的营造应挖掘识别居民日常活动时空需求，兼顾公平地因人因时因地施策，协调好全局和局部空间关系，破除资源环境支撑的低效、无效甚至负效应，以提高活力营造的针对性和有效性。主要地，如加快老城区过于集聚的优质服务资源向河西、城南、江北等次外围新市中心地区有机疏解，并织补较为欠缺的蓝绿空间和适老化设施，促进面向全域全龄的普遍活力提升；外围地带建设较为完善的完整生活圈，减少人流向中心地带的单向涌入，在就业资源、教育医疗、服务多样性等方面进一步完善，提高面向当地的日常活动场所空间和流动空间的适配性，通过增强外围地区社会经济活动的自主性和内循环聚合当地城市活力。总之，降低日常生活活动成本，提高高质量生活品质，以实现全域城市活力的整体提升和有序分布，以及建成环境资源支撑的公平与高效。有别于传统城市活力在局部空间上，偏静态测度识别、多物质环境影响分析的视角，该研究根植于城市活力内涵，面向城市居民全生活活动空间，借助居民日常活动大数据构建涵盖活动时空属性的活力模型，全面识别城市活力的空间格局，并深入揭示了多元多维建成环境对其影响作用的空间异质性，对城市活力相关理论认知拓展、定量分析方法完善、实践应用指导等方面均具有较大参考价值。未来将进一步深入探讨城市活力与城市生活品质、高质量发展间的密切联系。

真诚感谢匿名评审专家在论文评审中所付出的时间和精力，评审专家在本文的研究思路梳理、分析结果挖掘、结论讨论完善等方面的修改意见，对本文质量提升助益良多。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Jin X, Long Y, Sun W, et al, Evaluating cities' vitality and identifying ghost cities in China with emerging geographical data. Cities, 2017, 3(63): 98-109. DOI: 10.1016/j.cities.2017.01.002.

[2]
Montgomery J. Making a city: Urbanity, vitality and urban design. Journal of Urban Design, 1998, 3(1): 93-116. DOI: 10.1080/13574809808724418.

[3]
张文忠. 中国城市体检评估的理论基础和方法. 地理科学, 2021, 41(10): 1687-1696.

DOI

[Zhang Wenzhong. Theoretical basis and methods of city health examination evaluation in China. Scientia Geographica Sinica, 2021, 41(10): 1687-1696.]. DOI: 10.13249/j.cnki.sgs.2021.10.001.

[4]
甄峰, 席广亮, 张姗琪, 等. 智慧城市人地系统理论框架与科学问题. 自然资源学报, 2023, 38(9): 2187-2200.

DOI

[Zhen Feng, Xi Guangliang, Zhang Shanqi, et al. Theoretical framework and scientific problems of smart city man-land system. Journal of Natural Resources, 2023, 38(9): 2187-2200.]. DOI: 10.31497/zrzyxb.20230901.

[5]
Jacobs J. The Death and Life of Great American Cities. New York: Random House, 1961.

[6]
Lynch K. Good City Form. Boston: The MIT Press,1984.

[7]
Gehl J. Life between Buildings:Using Public Space. Washington DC: Island Press, 2011.

[8]
蒋涤非. 城市形态活力论. 南京: 东南大学出版社, 2007.

[Jiang Difei. The Theory of City Form Vitality. Nanjing: Southeast University Press, 2007.]

[9]
罗桑扎西, 甄峰. 基于手机数据的城市公共空间活力评价方法研究: 以南京市公园为例. 地理研究, 2019, 38(7): 1594-1608.

DOI

[Luo Sangzaxi, Zhen Feng. How to evaluate public space vitality based on mobile phone data: An empirical analysis of Nanjing's parks. Geographical Research, 2019, 38(7): 1594-1608.]. DOI: CNKI:SUN:DLYJ.0.2019-07-005.

[10]
唐璐, 许捍卫, 丁彦文. 融合多源地理大数据的城市街区综合活力评价. 地球信息科学学报, 2022, 24(8): 1575-1588.

DOI

[Tang Lu, Xu Hanwei, Ding Yanwen. Comprehensive vitality evaluation of urban blocks based on multi-source geographic big data. Journal of Geo-information Science, 2022, 24(8): 1575-1588.]. DOI: 10.12082/dqxxkx.2022.210226.

[11]
龙瀛, 周垠. 街道活力的量化评价及影响因素分析: 以成都为例. 新建筑, 2016, (1): 52-57.

[Long Ying, Zhou Yin. Quantitative evaluation on street vibrancy and its impact factors: A case study of Chengdu. New Architecture, 2016, (1): 52-57.]. DOI: CNKI:SUN:XJZJ.0.2016-01-010.

[12]
申婷, 李飞雪, 陈振杰. 基于多源数据的城市活力评价与空间关联性分析: 以常州市主城区为例. 长江流域资源与环境, 2022, 31(5): 1006-1015.

[Shen Ting, Li Feixue, Chen Zhenjie. Evaluation and spatial correlation analysis of urban vitality based on muti- source data: A case of Changzhou, China. Resources and Environment in Yangtze Basin, 2022, 31(5): 1006-1015.]. DOI: 10.11870/cjlyzyyhj202205006.

[13]
武凤文, 陈明远. 基于Citespace的国外公共空间活力近十五年研究热点趋势及借鉴研究. 城市发展研究, 2021, 28(8): 6-12.

[Wu Fengwen, Chen Mingyuan.Research on hot trends and case studies of the vitality of foreign public spaces using citespace in the past 15 years. Urban Development Studies, 2021, 28(8): 6-12.]. DOI: 10.3969/j.issn.1006-3862.2021.08.010.

[14]
Mouratidis K, Poortinga W. Built environment, urban vitality and social Cohesion: Do vibrant neighborhoods foster strong communities? Landscape and Urban Planning, 2020, 204: 103951. DOI: 10.1016/j.landurbplan.2020.103951.

[15]
王勇, 邹晴晴, 李广斌. 基于活力特征分析的城市安置社区公共空间研究: 以苏州城区6个安置社区为例. 地理科学, 2018, 38(5): 747-754.

DOI

[Wang Yong, Zou Qingqing, Li Guangbin. Public space construction of urban resettlement community based on analysis of vitality characteristics: Taking the 6 resettlement communities of Suzhou as examples. Scientia Geographica Sinica, 2018, 38(5): 747-754.]. DOI: CNKI:SUN:DLKX.0.2018-05-012.

[16]
塔娜, 曾屿恬, 朱秋宇, 等. 基于大数据的上海中心城区建成环境与城市活力关系分析. 地理科学, 2020, 40(1): 60-68.

DOI

[Ta Na, Zeng Yutian, Zhu Qiuyu, et al. Relationship between built environment and urban vitality in Shanghai downtown area based on big data. Scientia Geographica Sinica, 2020, 40(1): 60-68.]. DOI: 10.13249/j.cnki.sgs.2020.01.008.

[17]
王娜, 吴健生, 李胜, 等. 基于多源数据的城市活力空间特征及建成环境对其影响机制研究: 以深圳市为例. 热带地理, 2021, 41(6): 1280-1291.

DOI

[Wang Na, Wu Jiansheng, Li Sheng, et al. Spatial features of urban vitality and the impact of built environment on them based on multi-source data: A case study of Shenzhen. Tropical Geography, 2021, 41(6): 1280-1291.]. DOI: 10.13284/j.cnki.rddl.003406.

[18]
雷依凡, 路春燕, 苏颖, 等. 基于多源夜间灯光数据的城市活力与城市扩张耦合关系研究: 以海峡西岸城市群为例. 人文地理, 2022, 37(2): 119-131.

[Lei Yifan, Lu Chunyan, Su Ying, et al. Research on the coupling relationship between urban vitality and urban sprawl based on the multi-source nighttime light data: A case study of the west Taiwan strait urban agglomeration. Human Geography, 2022, 37(2): 119-131.]. DOI: 10.13959/j.issn.1003-2398.2022.02.015.

[19]
司睿, 林姚宇, 肖作鹏, 等. 基于街景数据的建成环境与街道活力时空分析: 以深圳福田区为例. 地理科学, 2021, 41(9):1536-1545.

DOI

[Si Rui, Lin Yaoyu, Xiao Zuopeng, et al. Spatio-temporal analysis of built environment and street vitality relationship based on street-level imagery: A case study of Futian district, Shenzhen. Scientia Geographica Sinica, 2021, 41(9): 1536-1545.]. DOI: 10.13249/j.cnki.sgs.2021.09.005.

[20]
曹钟茗, 甄峰, 李智轩, 等. 基于手机信令数据的城市时间活力模式及影响因素研究: 以南京市中心城区为例. 人文地理, 2022, 37(6): 109-117.

[Cao Zhongming, Zhen Feng, Li Zhixuan, et al. Urban temporal vibrancy mode and its influencing factors based on mobile signaling data: A case study of Nanjing, China. Human Geography, 2022, 37(6): 109-117.]. DOI: 10.13959/j.issn.1003-2398.2022.06.013.

[21]
Wu Jiayu, Ta Na, Song Yan, et al. Urban form breeds neighborhood vibrancy: A case study using a GPS-based activity survey in suburban Beijing. Cities, 2018, 74: 100-108. DOI: 10.1016/j.cities.2017.11.008.

[22]
钮心毅, 吴莞姝, 李萌. 基于LBS定位数据的建成环境对街道活力的影响及其时空特征研究. 国际城市规划, 2019, 34(1): 28-37.

[Niu Xinyi, Wu Guanshu, Li Meng. Influence of built environment on street vitality and its spatiotemporal characteristics based on LBS positioning data. Urban Planning International, 2019, 34(1): 28-37. ]. DOI: CNKI:SUN:GWCG.0.2019-01-004.

[23]
王波, 雷雅钦, 汪成刚, 等. 建成环境对城市活力影响的时空异质性研究: 基于大数据的分析. 地理科学, 2022, 42(2): 274-283.

DOI

[Wang Bo, Lei Yaqin, Wang Chenggang, et al. The spatio-temporal impacts of the built environment on urban vitality: A study based on big data. Scientia Geographica Sinica, 2022, 42(2): 274-283.]. DOI: 10.13249/j.cnki.sgs.2022.02.009.

[24]
王梓蒙, 刘艳芳, 罗璇, 等. 基于多源数据的城市活力与建成环境非线性关系研究: 以双休日武汉市主城区为例. 地理科学进展, 2023, 42(4): 716-729.

DOI

[Wang Zimeng, Liu Yanfang, Luo Xuan, et al. Nonlinear relationship between urban vitality and the built environment based on multi-source data: A case study of the main urban area of Wuhan city at the weekend. Progress in Geography, 2023, 42(4): 716-729.]. DOI: 10.18306/dlkxjz.2023.04.008.

[25]
南京市规划和自然资源局. 《南京市国土空间总体规划(2021—2035年)》草案公示. https://mp.weixin.qq.com/s?_biz=MjM5NjIyMjA2OQ=&mid=2650214087&idx=1&sn=429be5dcec265ba3a7c843a0b113c95f&chksmbeef2bdd8998a2cbac727fd431f49aba290b06d7df3eca6e2eef3075b81b6e0743133fe728bc&scene=27, 2023-10-01.

[Nanjing Planning and Natural Resources Bureau. The publicity draft of the Master Plan of Nanjing Territorial Space(2021-2035). https://mp.weixin.qq.com/s?_biz=MjM5NjIyMjA2OQ=&mid=2650214087&idx=1&sn=429be5dcec265ba3a7c843a0b113c95f&chksmbeef2bdd8998a2cbac727fd431f49aba290b06d7df3eca6e2eef3075b81b6e0743133fe728bc&scene=27, 2023-10-01.]

[26]
孙鸿鹄, 甄峰. 面向日常活动与环境供需矛盾的城市韧性综合评估及空间特征研究: 以南京为例. 地理研究, 2022, 41(10): 2697-2711.

DOI

[Sun Honghu, Zhen Feng. Comprehensive evaluation and spatial characteristics of urban resilience under the scenario of supply-demand contradictions between daily activities and the environment: A case study of Nanjing city. Geographical Research, 2022, 41(10): 2697-2711.]. DOI: 10.11821/dlyj020211186.

[27]
沈体雁, 于瀚辰, 周麟, 等. 北京市二手住宅价格影响机制: 基于多尺度地理加权回归模型(MGWR)的研究. 经济地理, 2020, 40(3): 75-83.

[Shen Tiyan, Yu Hanchen, Zhou Lin, et al. On hedonic price of second-hand houses in Beijing based on multi-scale geographically weighted regression: Scale law of spatial heterogeneity. Economic Geography, 2020, 40(3): 75-83.]. DOI: 10.15957/j.cnki.jjdl.2020.03.009.

Options
文章导航

/

〈 〉