EN中文

GEOGRAPHICAL RESEARCH >

2019 , Vol. 38 >Issue 7: 1594 - 1608

DOI: https://doi.org/10.11821/dlyj020180756

Everyday Life Geography and Urban-Rural Leisure

How to evaluate public space vitality based on mobile phone data: An empirical analysis of Nanjing’s parks

  • LUO Sangzhaxi , 1, 2 ,
  • ZHEN Feng , 1, 2
Expand
  • 1. School of Architecture and Urban Planning, Nanjing University, Nanjing 210093, China
  • 2. Provincial Engineering Laboratory of Smart City Design Simulation & Visualization, Jiangsu, Nanjing 210093, China

Received date: 2018-07-28

  Request revised date: 2019-05-07

  Online published: 2019-07-12

Copyright

《地理研究》编辑部 所有
Fold

Abstract

The vitality of public space is an important indicator of urban quality, as urban public space is important for people to attain positive experiences from public life and social interactions. Measuring the vitality of public space faces challenges, because the vitality is a multi-dimensional and nebulous concept. Meanwhile existing approaches often focus on the scale of activity to indicate vitality but lack of a comprehensive assessment of vitality. To overcome this problem this paper aims to address this research gap by proposing a multi-dimensional framework for a holistic evaluation of the vitality of public space. Three aspects are identified, based on theories about the vitality of public space, as critical to assessing the vitality of public space, which include individual behavior, spatial activities, and spatial interaction networks. Accordingly, three measurements, including the ratio of tourists’ revisit, the degree of mixed activities, and the centrality of network interactions are proposed. Using the proposed measurements, a case study in the city of Nanjing was carried out. The vitality of 42 parks in the center city, as examples of public space, was evaluated. To measure tourists’ activities, a dataset of two weeks’ anonymous mobile phone signal records during the March 2018 was used. The results showed that the vitalities of parks are high overall, while there are significant differences among different types of parks. In particular, parks with more comprehensive functionalities tend to show higher scores of vitalities, and parks providing one or a few specific functionalities have lower vitality and the neighborhood parks are the lowest in vitality. Moreover, the three measurements indicate variety vitality of parks. For instance, the ratios of tourists’ revisit vary greatly among parks. The degree of mixed activities, in contrary, presents a cluster pattern in which most parks gained high scores. The centrality of network interactions also varies considerably among parks. A core network of parks was observed, which is composed of 22 parks such as Xuanwu Lake, Meihuashan, and Luboyuan. From a methodological perspective, an evaluation framework proposed in this study allows us to comprehensively understand and to quantitatively measure different constructs of the vitality. The measurements also provide useful insights into the design and planning of public space, as planners could optimize public space and improve the vitality based on the evaluation results. Through the higher resolution activity data, this analysis framework can be applied to analyze the vitality of small-scale space accurately, and combined with other information, such as tourists’ property and space facility, to further explore the influencing factors of space vitality.

Key words： public space; mobile phone data; vitality evaluation; park; Nanjing

Cite this article

LUO Sangzhaxi , ZHEN Feng . How to evaluate public space vitality based on mobile phone data: An empirical analysis of Nanjing’s parks[J]. GEOGRAPHICAL RESEARCH, 2019 , 38(7) : 1594 -1608 . DOI: 10.11821/dlyj020180756

1 引言

“活力”一词源于生物学、生态学的概念,意指生物体旺盛生命力,同时也可释为事物生存发展及持续的能力,其引申义比较抽象。因此,活力在表述上针对具体事物有着不同的表征差异[1,2,3]。城市公共空间是公共生活和社会交往体验的重要场所,其活力是城市品质的重要体现。随着城市建设由外延式扩张转向内涵式发展,大量的城市更新与再开发规划都开始倡导营造空间的活力,多样用途、混合功能活动区逐渐替代了传统的用途单一功能区[4,5]。因此,需要在深入理解城市公共空间活力的内涵与特征基础上,探索科学的公共空间活力评价方法,进而准确识别城市公共空间的活力现状,为公共空间的活力营造及提升提供具有针对性的指导及技术路径选择依据。
已有的城市公共空间活力研究文献[6,7,8],侧重于从城市社会学视角去解读活力,强调活力是经济、社会、文化活动在空间上的综合表征。理论研究层面,Jacobs认为正是人和人活动及生活场所相互交织的过程,即这种城市生活的多样性,使城市获得活力[9]。扬·盖尔在《交往与空间》中也强调了人及其活动是城市公共空间活力的核心,即空间中发生的选择性、社交性的活动,而不是必要性活动如通勤[10]。叶宇等认为目前对城市活力概念的解读和理解存在城市社会学和建筑学两个主要的视角[3]。蒋涤非等则以城市生活为城市活力研究的基础,剖析了城市经济活力、社会活力与文化活力[1]。最新的研究中,Jin等提出城市活力包括了城市吸引力、多样性、便捷性,它反映了人类活动和他们与空间实体的相互作用[11]。可见,围绕“活动”描述城市活力,进而识别城市空间活力的特征,揭示活力的构成要素,已成为开展城市空间活力研究的主要技术路径。
伴随信息技术的快速发展,尤其是基于位置服务技术的进步及相应服务产品的普及,为深度挖掘居民活动、量化活力,以及探究城市活力与建成环境的关系提供了技术支撑[12,13,14]。叶宇等提出了城市空间活力的二象性,通过空间句法、空间矩阵和混合功能等方法对空间形态进行定量化表达,并与非本地居民的GPS活动轨迹的空间密度聚类结果展开叠加分析,发现了基于空间形态定量化表达的高活力空间与实际活动的高密度分布在空间上存在较高的耦合性[3]。Wu等采用一周的GPS活动调查数据,将表征社区空间形态、公共交通通达性、建筑密度、用地混合度、日常服务设施便利性的各项指标作为影响社区活力的城市形态因子,采用多层建模的方法识别了影响社区活力的因子[15]。龙瀛等则将手机数据测算的街道人口密度作为表征街道活力的指标,以街道地块利用性质、功能混合度、功能密度以及街道自身的特征如宽度、等级、限速等作为活力构成要素,构建了街道活力量化评价方法框架[16]。Wu等将社交媒体签到数据中的签到量作为活力指标,探讨了城市活力时空变化特征及影响因素[17]。耿慧志等指出了大数据分析城市活力的不足,通过传统的问卷调查数据,以活动类型及强度作为活力的度量指标,分析了上海陆家嘴区域活力及优化策略[18]。
综上,已有城市公共空间活力研究在强调活动多样性基础上,活力评价方法也由简单的定性描述逐步发展为基于实际承载活动数据的定量测定。同时,进一步结合建成环境数据或空间形态结构量化数据,探讨了城市活力的影响因素。然而,已有的活力量化测度中多以活动量为评价依据,采用空间人流密度或活动规模作为测度指标,缺乏对活动类型及空间交互联系的考虑,导致了评价视角单一且对活力多样性体现的不足的局限。因此,论文在深入理解公共空间活力源于多样性及活力内涵的基础上,从人、活动、空间交互联系网络的复合视角出发,尝试从主体参与空间活动的周期重访性、活动的多样性及基于活动的空间交互网络联系强度等层面构建活力特征测度指标,进而提出城市公共空间活力评价分析方法框架。

2 研究区概况与研究方法

2.1 研究区概况

南京地处长江中下游平原,是长三角重要的中心城市,为国家生态园林城市首批试点城市。在《南京市创建国家生态园林城市工作方案》中明确提出,至2018年力争使城市建成区绿地率达到40.75%,绿化覆盖率44.85%,人均公园绿地面积15.55 m2,公园绿地服务半径覆盖率达90%以上[19]。因此,论文以南京市中心城区公园为例,采用手机信令大数据对城市公共空间活力评价方法进行探索。首先,按照居民游园行为的基本特征及规律,开展数据清洗及转换,建立游园轨迹数据库;其次,分别测算不同公园的居民重访性、活动混合性以及基于活动的公园交互网络联系强度,分析不同活力特征的空间分布差异;最后,综合不同维度的活力,采用空间叠加的方法,测度南京市公园的综合活力现状及其空间差异,从而为公园活力的营造及品质提升提供科学的参考依据。
本文的研究范围为南京市主城区,包括秦淮、玄武、鼓楼、建邺、雨花、江宁、栖霞7个行政区。基于《2016版南京市旅游地图》中明确标示的公园,同时结合手机基站空间分布呈现出的中心紧凑外围稀疏的特征（图1a）,最终选取了集中分布于中心城区,规模与基站服务的覆盖范围匹配度高①(选取公园500 m缓冲区范围内的至少含有一个手机信号基站的公园作为研究研究对象。),且被居民所熟知的42个公园作为研究对象。公园分布在空间上呈现出城区中心集聚,外围分散的特征（图1b）。《城市绿地分类标准》中将公园为五类,包括综合公园、社区公园、专类公园、带状公园及街旁绿地,结合研究区的现状本文仅考虑了综合、社区及专类公园三种类型。其中选取的综合公园最多为23个,占总数比重为54.76%,其次为社区公园13个,占总数比重为30.95%,专类公园仅有6个,占总数比重为14.29%。
Fig. 1 Mobile phone signal station coverage and parks distribution of Nanjing

图1 基站服务覆盖范围与公园分布

2.2 数据来源与处理

本研究数据分为两部分：研究区范围内的公园边界矢量数据,连续两周的居民匿名手机信令数据。其中公园边界数据为基于《2016版南京市旅游地图》结合网络地图通过手工矢量化获得,主要应用于识别位于公园范围内的基站以及公园活力的空间分布特征分析;匿名手机信令数据则为与某移动运营商合作获取,主要用于分析居民的游园行为特征,公园的活动特征以及构建基于活动的公园空间交互联系网络。
手机信令数据的采样间隔一般为10 min,在城区采样的空间精度会存在较大的空间差异,文献记录一般为500~1000 m[20, 21]。数据记录了采样时刻的手机唯一识别码、记录时间、基站地理坐标等信息。本文研究区内的公园主要位于南京市的中心城区,经测算基站在此区域内的空间精度约为380 m,数据的时空间精度符合本研究的需求。因此,研究最终采用2018年3月连续两周手机数据,共提取39.1955万用户的游园行为数据。
手机信令数据的预处理主要包括数据转换清理、游园轨迹的提取、以及游园基础特征的统计等步骤。
（1）数据转换清理：由于原始的手机信令数据为高时间精度的采样记录,同一地理空间内存在连续的时间点采样记录,从而造成时间信息冗余。在满足研究空间精度要求的基础上,对冗余的时间记录进行压缩转换。
（2）游园轨迹提取：采用空间叠加方法提取不同公园内基站集合赋予公园识别码,结合转换清理后的手机轨迹数据,提取在同一公园基站集合中6点至20点间进入,并连续停留30~300min的用户记录。通过数据格式转换处理,保留手机识别码、公园标识代码,日期、游园时长等信息,建立居民游园行为数据库（表1）。
Tab. 1 The sample of park visiting record database based on mobile data

表1 基于手机数据的游园轨迹数据库样例

唯一识别码 年/月/日（时:分） 公园代码 停留时长（min）
000470faeef4f9ed59170102745f8af92974da25 2018/3/5 (12:37) 13 33
000ec8077d2cbae5a62201d823cbb19590ac54b6 2018/3/5 (6:07) 31 36
00106c02b24eb7fe7d80b5fdd3e592726155a34f 2018/3/5 (11:45) 36 128
00588d58b8fcd81d7141bdec114115afe32fdb53 2018/3/5 (18:18) 15 83
007691dc5c1cf17cbfafe037d193a98321a014c6 2018/3/5 (15:00) 11 125
00773f99b14334694fe346384d5aaf2896401a87 2018/3/5 (14:03) 31 93
00bd6fbf7aab15888db899a58c0f9005fa842233 2018/3/5 (9:55) 24 30

2.3 方法与模型

城市公共空间活力是对空间吸引力、多样性及共享联系能力等特征的综合描述。因此,本文认为可通过参与空间活动主体的重访行为特征,空间活动的混合程度以及空间交互联系网络中节点的“位置”三个主要特征,进行活力的测度及评价。在此基础上,采用空间叠加的方法测度综合活力,进一步分析活力现状及空间分布差异。
2.3.1 空间重访性指标构建 个体的行为活动模式可以简单的概括为吃饭、工作、休闲、睡觉四个活动,不同活动节点的位序,因个体的属性及时空差异不尽相同,但不同活动环节的时空选择具有高度的周期重复性特征[22, 23]。社交、娱乐等选择性活动对空间的选择特征,因空间功能、设施、及形态等组成的综合吸引力不同而会呈现出显著差异。活动参与主体的空间重访特征差异,实质是空间活力差异在个体行为特征层面的外在表现,因此可采用空间重访率来量化表征空间活力。
本文结合获取数据的情况,以周为考察时间单元窗口,统计居民到访不同公园的频次,在此基础上计算公园平均重访访率作为量化公园重访性特征的指标。计算方法为：
F ij = V ij N （1）
F j = ∑ i = 1 n F ij n （2）
式中：Fij为居民i对公园j的重访率;Vij为居民i在一定周期内到访公园j的次数;N为计算周期（本文采用周为计算最小单元,因此N等于2）;Fj为公园j的重访率;n为到访公园j的居民总量。
2.3.2 活动混合性指标构建 一个具有活力的城市空间需要保持足够的多元性与混合度,进而满足人们需求的多样性[7]。因此,空间的活力并不完全等于人流量,只有在空间内的“停留”才能产生有效的社交、娱乐等活动,从而提升空间的活力。本文依照活动停留时长,将活动划分为不同类型,借鉴城市研究中常用的土地利用混合度测算思路,综合考虑活动类型数量及不同类型活动的参与人数,构建测度活动混合性的特征指标。计算方法为：
m i = - ∑ j = 1 k q j ln ( q j ) ln k （3）
式中：mi为公共空间i的活动混合度指数;qj为j种活动类型参与人数占公共空间i总的活动人数比;k为公共空间i内总的活动类型数。根据公式（3）计算的活动类型混合度指数取值区间在0~1之间,取值越大表示空间内各类活动分配越均衡,活动混合度越高,取值越小表示活动类型分配越单一,混合度越低。
2.3.3 交互网络中心性指标构建 城市系统中,不同空间之间通过物质流、信息流、人流等产生联系,从而形成一个复杂的空间交互联系网络,节点所处“位置”是对节点在网络系统中的重要程度及联系共享能力的直接体现[24]。网络节点重要性的衡量相关指标主要包括,度中心性、接近中心性、介数中心性等,分别从连接其他节点数目、与其他节点的接近程度、经由该节点的最短路径个数等方面描述节点在网络中的重要程度[25]。将因不同活动选择产生的空间联系抽象为一个复杂有权无向网络,以空间作为网络节点,节点间的联系作为边,节点间共享的居民数量作为边的权重。此网络中节点的中心以及联系强度能从居民实际的选择及参与的角度,测度节点位置重要程度及共享能力,进而间接体现公共空间的活力。本文以公园交互网络中节点的位置重要性及交互联系强弱作为活力特征,选择度中心性作为衡量评价指标。计算公式为：
C D N i = ∑ j = 1 g X ij ( i ≠ j ) （4）
C D ' N i = C D N i g - 1 （5）
式中：CD(Ni)表示节点公园i的度中心; C D ' N i 为标准化后的度中心;g为网络的总节点数; ∑ j = 1 g X ij 用于计算节点i与其他g-1个节点之间的联系数量。如此测量的节点度中心性,会受到网络规模变化的影响,为消除规模影响进一步采用标准化的度中心测量公式（5）,其取值为范围为0~1。0表示节点为孤立点,不与其他任何节点发生联系,即不共享居民,值越大则表明与该节点发生联系的节点数量越多,表明公园的活力越高。

3 结果分析

3.1 公园重访性特征分析

以39.1955万用户为期2周的65.6016万条公园游园记录为基础,利用公式（1）、公式（2）测算不同公园的周重访率,并进行简单统计分析。结果显示（图2）,南京市公园的平均周重访率为0.6862,最大为0.9389,最小为0.5161。进一步对公园重访率的计算结果,采用位序分析及空间特征分析方法,结果呈现出如下的特征：
不同公园的重访率差异显著。全市公园的平均重访率较高,但分布存在显著差异,重访率最大值是0.9389,为明御河公园,最小值是0.5162,为西安门遗址公园,公园重访率极差达1.82倍。为进一步分析各公园重访率分布特征,绘制了公园重访率位序分布图（图2）,结果显示,公园间重访率存在较为明显的层级特征。通过观察重访率位序曲线的斜率变化,并遵循层间差异最小化的划分原则,将重访率划分为3个层级（表2）。重访率大于0.75的划分为第一等级,相比其他公园,居民更倾向于高频的到访此类公园,位于此层级的公园为明御河、古林、河西中央等11个公园。东华门、七桥瓮、月牙湖等20个公园处第二层级,周重访率介于0.60~0.74;白马、钟山体育公园、鼓楼等11个公园的周重访率值低于0.60,处第三层级,居民对此类公园的重访率最低,说明此类公园的活力相比较低。
Fig. 2 Distribution of park revisiting ratio rank

图2 公园重访率位序分布

Tab. 2 Result of park revisiting ratio grade

表2 公园重访率等级划分结果

周重访率 层级 数量 公园名录
≥ 0.75 第一层级 11 明御河、古林、河西中央、乌龙山、大桥、羊山、绣球、莫愁湖、西流湾、太平山、郑和
0.60~0.74 第二层级 20 东华门、七桥瓮、月牙湖、小桃园、宝船厂遗址、二桥、雨花台烈士陵园、科技馆湿地、北极阁、南湖、清凉山、武定门、东干长巷、下马坊遗址、东水关、乌龙潭、青奥文化、玄武湖、神策门、绿博园
< 0.60 第三层级 11 白马、钟山体育、鼓楼、白鹭洲、午朝门、梅花山、明故宫、
大报恩寺、九华山、燕子矶、西安门
公园重访率的空间分布存在显著的分异现象（图3）。在不同行政区层面,中心城区的鼓楼区、秦淮区,以及近郊的栖霞区内的公园整体重访率较高。临近市内大型景点的公园,如临近钟山景区的梅花山公园、下马坊公园、钟山体育公园,以及玄武湖周围的公园重返率较低。这一方面可能是由于中心城区公园分布众多,居民游园活动的空间选择丰富度较高,导致这些公园的重访率较低。另一方面,相比其他公园,居民可能更倾向于选择临近居住点或工作点的公园,从而形成了较为固定的游园模式。而近郊因公园的分布的数量较少,居民的可选择性少,因此区域内的公园重访率普遍较高。
Fig. 3 Spatial distribution of park revisiting ratio

图3 公园重访率空间分布

3.2 公园活动混合性特征分析

城市公园作为城市公共空间主要的组成部分,已不仅仅在是单纯的满足游憩、观赏、环境保护等功能,而更多的是满足居民的锻炼、购物、餐饮、亲子娱乐,文教等社交体验活动。为了分析不同公园内活动特征,选取手机用户在公园内的停留时段作为表征公园活动的计量指标,参考已有的文献,以30 min为间隔划分公园活动类型,分析不同公园的活动混合性特征。采用公式（3）综合公园活动类型及参与人数,测算不同公园的活动多样性及混合度,采用概率密度方法分析整体活动类型分布差异,进一步探讨其空间分布特征。
不同公园的活动类型规模分布呈现出明显差异性。依据公园不同活动类型规模的概率密度分布（图4）,选取累计比率80%作为比较标准,结果显示：公园活动时长以90,120,150 min为间隔点呈现出明显的层级。其中古林、河西中央、西流湾等15个公园累计80%游逛人员的活动停留时长小于150 min;绿博园、梅花山、钟山体育等17个公园的同等累计规模游逛人员的活动停留时长小于120 min;其余鼓楼、下马坊、月牙湖等10个公园的同等累计规模游逛人员的活动停留时长小于90 min。
Fig. 4 Probability density distribution of visitor duration in park

图4 公园停留时长概率密度分布

公园活动类型混合度空间分布呈现出明显的空间集聚现象。在上述分析的基础上结合公园活动混合度位序分布（图5）,采用自然断点分类法,将公园按活动类型混合度划分为3个层级,并分析不同层级的空间分布特征。结果显示（图6,见第1602页）,在行政区层面,市中心的鼓楼、玄武区内公园的活动混合度普遍高于其他区。全市层面,公园活动混合度的空间分布呈现出明显的高值集聚现象。形成了以古林公园为中心的宝船厂遗址、小桃园、乌龙潭公园高活动混合度集聚圈,以及围绕玄武湖的神策门、鼓楼、九华山集聚圈;沿历史文化名河秦淮河两岸则形成了以大报恩寺遗址、白鹭洲、东水关等为节点的活动混合度高值公园集聚带。低值公园分布则较为分散,主要分布于远离市区的近郊。
Fig. 5 Distribution of park activity mix rank

图5 公园活动混合度位序分布

Fig. 6 Spatial distribution of park activity mix

图6 公园活动混合度空间分布

3.3 公园网络中心性特征分析

通过居民的游园轨迹数据建立基于实际活动的全市公园交互联系网络,分析网络整体及节点的特征。以网络节点的中心度作为表征公园活力的量化指标,进一步分析其空间分布特征。不同联系流量控制下公园交互网络特征呈现出显著的差异性。以两两节点间的共享游逛人群数量为网络路径的流量,依照流量的整体分布,可将节点的路径分为4个层级：lij ≥1、lij ≥100、lij ≥500、lij ≥1000,统计分析不同流量下的网络节点、联系、流量特征,结果如图7（见第1603页）。统计个特征值如表3（见第 1603页）所示,当流量阈值为大于等于500时,网络的流量占比为50%,网络节点个数为22个,说明lij>500时的联系路径依然可以刻画较多的网络交互,换而言之,南京市近一半的居民游园活动主要发生在此22个公园间。从表中的变化可以看出参与的节点（公园）数、路径数、流量占比随流量阈值的增加而减少,平均流量随着控制阈值的增加而增加,公园网络中的主要核心节点以及主要路径呈现明显。
Fig.7 Park networks in different volumes of flow

图7 不同流量控制下的公园网络中心性

Tab. 3 The characteristic of park networks in different volumes of flow

表3 不同流量控制下的公园网络特征

流量阈值 节点数（公园） 路径数 网络密度 平均流量 流量占比(%)
lij ≥ 1 42 826 0.9594 78.26 100.00
lij ≥ 100 38 163 0.2319 460.91 80.47
lij ≥ 500 22 40 0.1732 1234.00 50.00
lij ≥ 1000 17 19 0.1397 1885.00 36.36
依照上述的分析结果,当网络流量阈值大于100时,剔除了联系强度极弱的节点,同时保留节点网络的流量占比为80.47%,能够较为完整的保留整体网络的特征,而又有效的避免了低密的偶发性的联系。因此,研究选择此阈值条件下构建的网络作为公园交互网络。网络的平均中心度为0.23,最大值为玄武湖公园（0.973）,最小值为燕子矶公园（0.027）,极差比为36.04倍,说明网络中各节点的联系能力差异显著。通过观察中心度位序曲线的分布变化（图8,见第1604页）,可将节点依照网络联系强弱划分为强、中、弱3个层级。第一层级的公园为中心度高于0.48的对外强联系公园,为玄武湖（0.973）、梅花山（0.6486）、月牙湖（0.6486）及绿博园（0.4864）等4个公园,此类公园具备很强对外联系能力,在实际中此类公园皆为知名的大型综合性公园;第二层级的公园为绣球、东华门、南湖、大桥、民故宫遗址等21个公园,中心度不小于0.108,此类公园的对外联系强度一般,多为区域性或专题性的公园;第三层级的公园有乌龙山、白马、燕子矶等13个公园,此类公园的中心度值低于0.100,公园对外联系强度相比最弱,公园多位于远离城市中心的近郊及沿江等地。
Fig. 8 Distribution of park network centrality degree rank

图8 公园网络中心度位序分布

3.4 公园活力综合评价

在上述公园活力不同特征的测度及评价基础上,综合各项活力特征采用适当的评价方法展开综合评价,并进一步通过空间分析方法识别公园综合活力空间分布特征。本文构建的三个活力特征指标主要是从不同的层面围绕空间吸引力、多样性以及交互联系强度评价公园活力,各项指标所蕴含的信息相互独立,且重要程度并无差异性,因此,本文选择采用简单加权法对公园活力展开综合评价。在测算中依照网络特征分析中设置适当阈值后保留的高频联系节点结果,最终选择对38个公园进行综合评价。分析公园综合活力规模及空间差异,以及不同类型公园内综合活力呈现的差异特征。
公园综合活力的整体分布均衡,但同类型公园内存在显著差异。全市公园的综合活力均值为1.67,其中玄武湖公园的综合活力最高为2.3457,西安门遗址公园的活力最低为1.1。通过观察公园综合活力的分布（图9,见第1604页）并采用kmeans聚类的方法,可将公园按照综合活力值划分为3个类型,高综合活力类公园（value≥1.88）,中等综合活力公园（1.51≤value<1.88）、以及低综合活力公园（value<1.51）。高综合活力公园为玄武湖、古林、梅花山以及月牙湖等8个公园,主要类型为综合公园。中等综合活力公园有白马、南湖、阳山等19个公园,以专类公园为主。低综合活力公园为郑和、鼓楼、燕子矶等11个公园,公园规模较小且以专类遗迹景观公园及社区类公园居多。比较不同类型公园的综合活力差异显示（图10,见第1605页）：综合类公园的平均综合活力最高,其次为专类公园,社区公园的平均综合活力在三种类型中最低;而同类型公园的综合活力分布呈现出显著的差异,综合类公园的综合活力分布差异最大,其次为专类公园,而社区类公园的综合活力分布相比较为均衡。
Fig. 9 Distribution of park vitality

图9 公园综合活力分布

Fig. 10 Distribution of different types of park vitality

图10 不同类型公园综合活力分布

进一步分析公园的综合活力空间分布特征,结果显示（图11）公园综合活力空间分布呈现高值集聚、低值分散的特征。高综合活力公园分布已形成较为明显的三个集聚区：一是沿秦淮河两岸的集聚带,包括绣球、古林,莫愁湖等公园;二为围绕玄武湖的高活力的集聚点,如玄武湖和北极阁;三是临近钟山风景区的梅花山、月牙湖等高综合活力公园的集聚点。高综合活力公园集聚区主要分布于南京市的中心城区,公园类型以综合类、专类为主,规模较大且具备完善功能服务设施。地理位置上多临近著名的历史文化遗迹景点。如梅花山、玄武湖等不仅具有优质的自然景观,同时公园内多处分布有著名的历史遗迹,为南京市主要的大型综合类公园及重要的旅游资源。综合活力低值公园在空间上呈现出离散点式分布特征,主要零星分布于大型综合类公园如玄武湖、月牙湖等公园周围,公园多以小规模单一历史文化遗迹景观公园,以及小型社区公园为主,典型的有临近月牙湖的明故宫遗址东华门公园。中等综合活力公园在全市不同行政区范围内均有分布,且空间分布较为均衡。
Fig. 11 Spatial distribution of park vitality

图11 公园综合活力空间分布

4 结论与讨论

城市公共空间是城市功能的重要支撑,对城市品质塑造、历史文化的传承具有重要的作用。在以人为本的规划发展理念背景下,如何进一步提升公共空间的品质,营造具有活力的公共空间,来满足城市居民对高品质生活的需求,已成为许多城市面临的共同问题。已有的研究采用活动密度、人口规模等静态规模指标对城市空间活力进行了测度,缺乏对活动类型及空间联系的考虑,从而导致了评价视角单一且对活力多样性体现不足的问题。本文从居民个体行为、空间活动、空间交互联系网络三个层面,探索了城市公共空间活力分析框架,构建了城市公共空间活力测度指标与方法。论文将空间重访、网络联系纳入到城市活力的内涵,拓展了对信息时代城市公共空间“流动性”的理解,利用手机大数据的活力测度方法有助于更加真实、多维地反映城市公共空间的活力。这可为塑造宜居高效的城市公共空间,提升空间品质保障城市健康持续发展,提供多样化的技术路径和方法指导。
对南京的实证分析表明,公园重访率整体分布存在较为明显的差异,公园活动类型呈现出显著的多样性且混合程度高,空间分布存在显著的高值集聚现象;公园交互网络的中心性整体分布差异显著,已形成了以玄武湖、梅花山、绿博园等22个公园节点为核心的公园交互联系网络。公园的综合活力整体较高,其中综合类公园的平均综合活力最高,其次为专类公园,社区公园最低。在同类型中,综合及专类公园的综合活力分布差异显著,而社区公园的综合活力分布较为均衡。公园综合活力的空间分布存在高值集聚,低值离散的显著特征。基于手机数据的公共空间活力评价方法,可从多个维度快速测度城市公共空间真实的活力现状,并进行综合评价,同时可进一步参照不同维度活力特征测度结果,提出具有针对性的营造及提升策略与路径指导。方法层面弥补了已有活力评价方法视角单一,对活力多样性的体现存在局限的不足。
受限于数据的可获取性,本文构建的城市公共空间活力评价指标未考虑其自身的空间特征,如形态、结构、功能设施,以及活动主体社会经济属性等。在实证研究中,仅基于对单维的游园轨迹数据的深度挖掘,导致分析结果深度具有一定的局限。同时,因手机定位数据的空间精度的限制,对规模较小的社区公园活力评价可能存在一定的偏差。因此,未来的研究中可在此评价方法框架的基础上结合行为主体的属性信息、公园的属性信息以及丰富的建成环境数据,采用高精度的个体GPS轨迹数据,通过大小数据结合的方法,深入分析城市公共空间活力的各项特征及其影响机制。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
蒋涤非, 李璟兮. 当代城市活力营造的若干思考. 新建筑, 2016, (1): 21-25.

[Jiang Difei, Li Jingxi.Several thoughts about the making of vitality in contemporary cities. New Architecture, 2016, (1): 21-25.]

[2]
徐杨菲, 郑思齐, 王江浩. 城市活力:本地化消费机会的需求与供给. 新建筑, 2016, (1): 26-31.

[Xu Yangfei, Zheng Siqi, Wang Jianghao.Urban vitality: The demand and supply of local consumption amenities. New Architecture, 2016, (1): 26-31.]

[3]
叶宇, 庄宇, 张灵珠, 等. 城市设计中活力营造的形态学探究: 基于城市空间形态特征量化分析与居民活动检验. 国际城市规划, 2016, (1): 26-33.

[Ye Yu, Zhuang Yu, Zhang Lingzhu, et al.Designing urban spatial vitality from morphological perspective: a study based on quantiifed urban morphology and activities’ testing. Urban Planning International, 2016, (1): 26-33.]

[4]
姜蕾. 城市街道活力的定量评估与塑造策略. 大连: 大连理工大学硕士学位论文, 2013.

[Jiang Lei.Quantitative assessment and shaping strategy of vitality of urban street. Dalian: Master Dissertation of Dalian University of Technology, 2013.]

[5]
高旻. 基于新数据环境的城市公共空间综合质量评价研究. 苏州: 苏州科技大学硕士学位论文, 2018.

[Gao Gao.Research on the comprehensive quality evaluation of urban public space based on new data enviroment, Suzhou: Master Dissertation of Suzhou University of Science and Tevhnology, 2018.]

[6]
Montgomery J.Making a city: Urbanity, vitality and urban design. Journal of Urban Design, 1998, 3(1): 93-116.

DOI

[7]
Wong K, Domroes M.Users' perception of Kowloon Park, Hong Kong: Visiting patterns and scenic aspects. Chinese Geographical Science, 2004, 14(3): 269-275.

DOI

[8]
Jalaladdini S, Oktay D.Urban public spaces and vitality: A socio-spatial analysis in the streets of Cypriot towns. Procedia - Social and Behavioral Sciences, 2012, 35: 664-674.

DOI

[9]
Jacobs J.The Death and Life of American Cities. New York: Random House Press, 1961.

[10]
扬·盖尔. 交往与空间. 北京: 中国建筑工业出版社, 1992.

[Gehl J. Life Between Buildings.Beijing: China Architecture & Building Press, 1992.]

[11]
Jin X, Long Y, Sun W, et al.Evaluating cities' vitality and identifying ghost cities in China with emerging geographical data. Cities, 2017, 63: 98-109.

DOI

[12]
甄峰, 秦萧, 席广亮. 信息时代的地理学与人文地理学创新. 地理科学, 2015, 35(1): 11-18.lt;p>在分析信息技术与地理学相关研究的基础上,重点讨论了中国人文地理学的发展与创新问题,包括基于大数据应用的方法革新、流动空间分析的框架、人地关系理论体系与应用研究等内容。未来中国人文地理学的发展,一方面要打破传统的学科框架,积极吸纳相关学科理论、方法和技术方面的创新成果,构建信息时代人文地理学理论与方法体系;另一方面,要立足中国国情与特色,紧扣国家战略,增强人文地理解决问题的能力,加强面向问题的综合应用研究。</p>

[Zhen Feng, Qin Xiao, XI Guangliang.The innovation of geography and human geography in the information era. Scientia Geographica Sinica, 2015, 35(1): 11-18.]

[13]
甄峰, 王波. “大数据” 热潮下人文地理学研究的再思考. 地理研究, 2015, 34(5): 803-811.

[Zhen Feng, Wang Bo.Rethinking human geography in the age of big data. Geographical Research, 2015, 34(5): 803-811.]

[14]
张程远, 张淦, 周海瑶. 基于多元大数据的城市活力空间分析与影响机制研究: 以杭州中心城区为例. 建筑与文化, 2017, (9): 183-187.

[Zhang Yuancheng, Zhang Gan, Zhou Haiyao.The analysis and influence mechanism research of urban vigorous space based on multiple big data : A case study on the partial area of central Hangzhou.Architecture & Culture, 2017, (9): 183-187.]

[15]
Wu J, Ta N, Song Y, 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

[16]
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.]

[17]
Wu C, Ye X, Ren F, et al.Check-in behaviour and spatio-temporal vibrancy: An exploratory analysis in Shenzhen, China. Cities, 2018, 77: 104-116.

DOI

[18]
耿慧志, 朱笠, 杨春侠. 上海陆家嘴中心区公共绿地的城市活力解析. 城市建筑, 2017, (16): 21-23.

[Geng Huizhi, Zhu Li, Yang Chunxia.Research on urban vitality of public green space in Lujiazui central district Shanghai. Urbanism and Architecture, 2017, (16): 21-23.]

[19]
市政府关于印发南京市创建国家生态园林城市工作方案的通知. 南京市人民政府公报, 2018, (7): 14-16.

[Notice of the Municipal Government on Printing and Distributing the Work Plan for the Establishment of National Ecological Garden City in Nanjing. Nanjing Municipal People's Government Gazette, 2018, (7): 14-16.]

[20]
Csáji B C, Browet A, Traag V A, et al.Exploring the mobility of mobile phone users. Physica A: Statistical Mechanics and its Applications, 2013, 392(6): 1459-1473.

DOI

[21]
钟炜菁, 王德, 谢栋灿, 等. 上海市人口分布与空间活动的动态特征研究: 基于手机信令数据的探索. 地理研究, 2017, 36(5): 972-984.

[Zhong Weijing, Wang De, Xie Dongcan, et al.Dynamic characteristics of Shanghai's population distribution using cell phone signaling data. Geographical Research, 2017, 36(5): 972-984.]

[22]
Gonzalez M C, Hidalgo C A, Barabasi A L.Understanding individual human mobility patterns. Nature, 2008, 453(7196): 779-782.

[23]
Balzotti C, Bragagnini A, Briani M, et al. Understanding human mobility flows from aggregated mobile phone data. , 2018-06-20.

[24]
甄峰, 翟青, 陈刚, 等. 信息时代移动社会理论构建与城市地理研究. 地理研究, 2012, 31(02): 197-206.

[Zhen Feng, Zhai Qing, Chen Gang, et al.Mobile social theory construction and urban geographic research in the information era. Geographical Research, 2012, 31(02): 197-206.]

[25]
Barthélemy M.Spatial networks. Physics Reports, 2011, 499(1-3): 1-101.

DOI

Options
Outlines

/

〈 〉