大數據支持下的城市公共空間活力測度研究

劉頌 賴思琪

城市公共空間是城市居民進行公共交往活動的開放性場所，被稱為“城市客廳”[1]。20世紀60年代就有學者在規劃和建設活動中考慮城市公共空間活力的價值，簡 雅各布斯[2]提出活力是城市多樣性的集中表現；凱文 林奇[3]指出城市空間形態質量的首要標準之一是城市活力狀態，楊 蓋爾[4]認為營造富有活力的城市應考慮人的交往與社會生活的空間需求。城市公共空間活力的評價（測度）一直是研究熱點，但是由于描述人的行為特征數據獲取困難，傳統的測度方法實現對空間活力的準確描述有一定的局限性。大數據的日益豐富，使得全面反映人群活動的行為特征和時空規律成為可能。筆者重點探討在大數據支持下對城市公共空間活力本質特征的測度方法。

1 公共空間活力的內涵與本質

目前對于城市公共空間活力并沒有統一的定義。簡 雅各布斯提出城市的活力來源于多樣性[5]；蔣滌非認為城市公共空間活力是公共空間提供市民人性化生存的能力[6]；王玉琢提出城市空間活力是城市中的物質空間對人及其活動產生吸引并支撐人的交往活動及人對空間場所的感知認同等活動的綜合能力[7]。

綜上，關于公共空間活力的定義都圍繞人群、活動以及活動發生的物理環境3個核心要素。人及人群活動是公共空間活力的主體和外在表現，而物理環境作為人群活動的物質載體，通過自身的空間特征影響人群活動。筆者認為從空間使用主體的視角，公共空間活力是公共空間中人群及其活動的持續時間以及數量的表征，具有穩定性、聚集性與多樣性3個基本特征：1）穩定性是指公共空間中人群活動在一段相對長的時段內持續活躍的穩定程度；2）聚集性指單位空間中的人群活動數量，即空間中的人群密度；3）多樣性則為公共空間中的人群結構以及其產生的活動類型數量。

2 公共空間活力的傳統測度方法及其局限性

文獻研究發現：傳統的公共空間活力評估方法有間接描述評估法和直接描述評估法2種。空間觀察法、問卷調查法、現場訪談法等實地調查方法是主要的數據獲取途徑。

1）間接描述評估法。

間接描述評估法是對物理空間環境品質的評估，即以一種“以空間來解釋空間”的間接方式來描述公共空間活力。在大部分傳統的公共空間活力評估研究中，物理環境品質往往會比人群活動特征受到更多的關注，在宏觀尺度下，空間周邊環境的影響作用較為顯著，如區位特征、交通可達性、功能多樣性等環境特質常被選擇作為公共空間活力的主要影響因素。而在微觀尺度下，往往更關注小尺度空間自身的特征，如空間的設施運維、環境清潔、視覺審美等。如Winters等[8]、汪海等[9]、茍愛萍等[10]從公共空間使用者對環境的主觀感受的角度，以問卷或訪談調查為基礎，遴選基于經驗理論的諸如建筑環境屬性與可達性等公共空間活力影響因子，然后采用層次分析法（Analytic Hierarchy Process，簡稱AHP）、專家評分法、語義分析法（Semantic Differential，簡稱SD）等方法，建立城市公共空間活力因子評價體系。間接描述評估法建立在“環境決定論”的基礎上，忽視了空間活力主體—人群活動的時空動態性、忽略了人群活動特征與物理環境間的內在聯系。

2）直接描述評估法。

直接描述評估法重視公共空間活力中人群活動和物理環境的雙層內涵，對人群活動的時空動態特征進行直接描述，從而剖析物理環境與人群活動的內在機制并建立二者之間的聯系。如鄭麗君等[11]通過實地觀察記錄公共空間中的人群密度、停留時間、活動類型等情況來獲得直接數據，將公共空間活力與可能的物理環境因素進行回歸分析或耦合分析，從而得到影響公共空間活力特征的物理環境影響要素。直接描述評估方法的優點在于對公共空間的使用者——人及人群活動的直接描述，是對實際產生的空間活力的直觀評價。將空間活力強度與物理空間特征建立聯系，有利于發現特定條件下的影響公共空間活力的空間要素和影響機制。但該方法因通常采用現場觀察法來獲取活動類型與人群類型數據，受到人力時間成本的限制，使得研究樣本數量較少、研究覆蓋的時間跨度較短且人群活動特征的研究維度比較單一（多為人群密度），因而對于公共空間中人群活動的特征描述欠全面。

3 基于大數據的公共空間活力評價體系構建

3.1 大數據為公共空間活力的直接描述帶來新契機

隨著互聯網、智能終端、物聯網等信息技術的發展，各類時空大數據正日益成為規劃設計領域的新技術手段。大數據除了具有客觀性、多源性、動態性、現勢性、精細性的特征，還具有全面反映人的行為特征的優勢。表1中的動態數據幾乎都與人有關，例如定位數據反映人的行為軌跡及時空特征，通信數據揭示人的時空行為模式及社會關系網絡，網絡媒體數據體現人的文化素養及情感狀態，社交網絡數據至少反映人的職業交際與業余愛好，刷卡數據說明人的生活方式與生活水平等（表1）。總而言之，時空大數據能夠很好地揭示人的自然屬性與社會屬性，特別是人與人以及人與社會的關系特性[12]。已有的研究和應用表明，大數據能全面反映人群活動的行為特征和時空規律，從而使真實描述公共空間活力本質成為可能。

1）人群移動的時空模式分析。

城市公共空間中人群的移動一般具有較明顯的規律性，識別其時空模式能夠進一步理解公共空間自身特征與人群移動之間的聯系。大多數研究采用構建描述人群動態變化指標的時間序列的方法，之后基于不同的算法對城市公共空間中典型的人群移動時空模式進行識別，并更進一步地分析群體移動模式與公共空間物理環境特征之間的關系。例如：Steiger等將Twitter簽到數據與倫敦官方人口普查數據進行對比分析，通過語義和時空聚類方法證實Twitter簽到數據能夠用于人群移動模式研究[13]；Yang等利用大規模手機定位數據探索人群在空間上的聚集與消散及其隨時間的演變規律[14]；丁浪利用智能手機APP的海量運動軌跡數據，研究城市居民的個體行為與群體行為特征以及人群在綠道上的時空行為分布模式[15]。

2）人群駐點與活動類型識別。

移動和停駐是人群活動軌跡中2個重要組成部分，根據地理空間環境的語義信息，推測出人群停留之處的活動類型，能夠幫助理解人們的活動需求。大多數研究基于地理空間興趣點（Points of Interest，簡稱POI）與實地調查問卷數據，通過構建概率模型來推測人群駐點的活動種類。例如：Furletti等基于POI的類別，運用用戶執行的活動自動注釋原始軌跡的算法，從而推測人們的活動類型[16]；Diao等利用手機追蹤數據開發一種新型活動檢測模型，以揭示個人活動參與的常見規律[17]；李君軼等基于新浪微博數據，在旅游社會感知計算框架下探究游客行為和旅游流空間網絡特征[18]。

3）人群活動空間特征研究。

活動空間（activity space）是人們行為空間的子集，代表了個人與環境的直接接觸，可以表征人們從環境獲取信息并形成自身活動空間范圍的重要過程[19-20]。Xu 等利用手機數據識別人們的居住地點，對比不同城市之間的人群活動空間在每日活動范圍、活動錨點數量和移動頻率3個方面的差異[21]；Yuan等利用手機中涵蓋的時空軌跡數據，模擬活動空間中半徑、形狀指數、熵等測量值，并測試人口因素（年齡和性別）與城市公共空間使用之間的相關性[22]；滕雨薇基于社交網絡Foursquare簽到數據分析各種類型場所的平均簽到數量與不同類型設施的用戶簽到頻率與用戶穩定性，進而分析反映人群活動空間模式與城市實際運行模式的匹配情況[23]。

表1 時空大數據分類Tab.1 Classification of spatio-temporal big data

綜上，與傳統的公共空間活力評價方法相比，大數據支持下的公共空間活力評價的優勢體現在以下3個方面：1）在活力的強度維度上，具有地理位置屬性的大數據可在一定程度上反映特定研究區域內的人群數量，并能夠將傳統評價的對象從場地層面（微觀尺度）拓展至城市層面（中觀尺度）；2）在活力的時間維度上，諸如熱力圖等大數據比傳統數據具有更強的連續性與動態性，能夠更為精確地分析城市空間中人群活動的變化規律；3）在活力的多樣性上，相較于傳統的實地觀測數據，使用帶有使用者屬性的大數據能夠更全面地分析對使用者的構成與偏好。

3.2 大數據支持下的公共空間活力評價體系及計算方法

公共空間活力評價即為對城市建成環境的使用情況進行綜合評判，建立一個兼顧公共空間活力多方面的綜合量化評價體系，有助于從定量的角度來理解公共空間活力。在目前的研究中，主要涉及的指標類型包括人群密度[24]、冷熱點指數[25]、空間使用率[26]、人群季節變動指數[27]、活躍累計時長、人群類型多樣性與場所類型多樣性[28-29]等。這些指標都是以公共空間活力的3個本質特征—活力聚集性、活力穩定性、活力多樣性為核心，從時間與空間2個維度對活力展開的定量描述。基于此，本文作者提出以大數據為主要信息源的公共空間活力指標體系（表2）。

表2 基于大數據的公共空間活力評價體系Tab.2 Public space vitality evaluation system based on big data

3.2.1 空間強度特征

空間強度特征用以衡量人群活動在特定空間中的總體數量水平，常用人群密度來表示，包括瞬時人群密度和積累人群密度2個指標。

1）瞬時人群密度。

瞬時人群密度指標是對某時刻公共空間中人群密度大小的一種度量，利用該時刻人群總數與單元空間面積的比值來表示：

式中，D瞬為瞬時人群密度，P總為某時刻特定空間范圍內的人群總數，S單元為空間單元的面積。可采用的數據包括手機信令數據、社交網絡媒體數據、公交刷卡數據等。該指標能夠反映不同時刻人群密度的差異性。

2）積累人群密度。

積累人群密度指標用以表示某段時間周期內公共空間中人群密度的大小水平，與瞬時人群密度同理，采用該時段內人群總數與單元空間面積的比值來表示。可采用的數據除了在瞬時人群密度指標中提及的數據類型，還包括定位軌跡數據。該指標常用于反映工作日、周末、節假日等不同時間段的人群密度，同時也適用于如綠道等線性公共空間。

3.2.2 空間分布特征

空間分布特征是描述人群活動在不同范圍的城市公共空間中疏密程度的區位特征，包括瞬時冷熱點指數和積累冷熱點指數2個指標。

1）瞬時冷熱點指數。

瞬時冷熱點指數是指某時刻人群的空間聚類特征，可通過局域自相關系數Getis-Ord Gi*[30-31]探測出高值簇或低值簇在空間上發生聚類的具體位置，從而判斷出空間上的熱點區域[32]。ArcMap中的“熱點分析”（Getis-Ord Gi*）[33]工具具有此功能：

式中，Xj是要素j的屬性值，Wi,j是要素i和j之間的空間權重，n是樣本點總數。為均值，S為標準差，Gi*值越高反映該區域的空間聚類特征越明顯，反之亦然。社交網絡數據（如微博簽到數據和Twitter等）、熱力圖（如百度熱力圖和騰訊熱力圖）等為可采用數據類型。

2）積累冷熱點指數。

與瞬時冷熱點指數同理，積累冷熱點指數為某特定時段內人群的空間聚類特征。而其可采用的數據往往為具有積累性的場所數據（例如POI、foursquare①數據等）。

表3 常用的大數據特性對比分析Tab.3 Comparative analysis of characteristics of big data in common use

3.2.3 時段波動特征

時段波動特征重點反映人群活動在不同時間段內的動態變化，特指空間單元中在指定時間段中人群活動密度的離散度，衡量指標為穩度指數S（Stabilization）[34]，可利用Excel中的STDEV函數進行計算：

式中，S為某一有效空間單元中n日人數總量的標準差，xi代表當日的人數，r為n日內人數總量的平均數。S值越高反映該區域離散度越大，反之亦然。可采用的數據包括手機信令數據、熱力圖數據、社交網絡媒體數據、公交刷卡數據、定位軌跡數據等。

3.2.4 持續時間

活躍累計時長指標用來表征特定空間范圍內達到并維持一定活力強度的總時間，即空間單元人群密度達到給定的標準值的總時間。利用ArcMap中的“近鄰分析”工具，可建立軌跡點與底圖路徑的精準空間聯系，之后采用數據屬性表中的字段計算器進行統計分析，計算公式可以表示為[15]40：

式中，Tj為活躍累計時長指標，at是t小時（t∈[0，24]）在空間單元j上的人群總數，Pt(at)用來判斷t小時內的人群總數是否超過一定的閾值（Thr）。閾值可通過計算一周以內的平均人群密度得到，其中比例系數工作日取5/7，雙休日取2/7。獲得累計時長越大，表明在空間單元達到活躍水平、被高效利用的時間越長。

3.2.5 活動特征

活動特征更關注活動主體和活動自身的多樣化程度，基于對人群活動的分類，例如娛樂活動、社交活動、通勤活動等，在特定的時空范圍內反映人群活動的多樣性，包括人群類型多樣性和場所類型多樣性2個指標。

1）人群類型多樣性。

人群類型多樣性為特定空間范圍內的人口在文化（如不同地域）或身份（如居民與游客）等方面的混合程度，可表示為[35]：

其中，Di是區域i的多樣性指數，m是不同文化或者身份人群的類型總數，nr是第r類人群在區域i的總人數，N是區域i的總人數。Di越接近于0，則表明該區域的人群在文化或身份方面的混合度越低；反之，該指數越大，表明混合度越高。可通過機器學習中支持向量機（Support Vector Machine，簡稱SVM）算法進行用戶人群分類，可采用的數據類型包括帶有詳細用戶屬性的社交網絡數據，如微博、Twitter等。

2）活動類型多樣性。

活動類型多樣性用于表征特定空間范圍內基于簽到數據或熱力圖的場所類型混合度，可以通過城市空間被使用的情況來反映人群活動情況[36-37]，計算方法與人群類型多樣性同理。可采用的數據有新浪微博興趣點（POI）、微博簽到數據、Twitter簽到數據、Foursquare簽到數據等。

4 討論與結論

人群及其在公共空間活動的聚集性、穩定性、多樣性是公共空間活力的本質特征和直觀描述，時空大數據為描述公共空間活力的本質特征提供了全面、精確、動態的方法，因而具有巨大的挖掘潛力與價值。但是，大數據的應用還處于探索階段，大數據本身還有許多局限需要進一步研究：一是大數據的采集方法多樣、類型豐富、結構復雜、標準不一，需要研究不同類型大數據的預處理方法、數據過濾、清洗的技術手段，才能挖掘有用信息；二是大數據具有不同的精度和優劣勢（表3），要研究其適用的空間尺度和質量精度差異，未來需要多源數據進行結合分析，以提高評價結果的準確度與真實度。

本研究從公共空間活力的本質出發，建立了以大數據為基礎的評價體系，其中各單因子的定量測算方法已在不同的文獻中得以實現，而多因子綜合評價還有待驗證，鑒于各單因子測度結果的量綱不一，活力高低的評估標準難以確定，建議對單因子評價結果歸一化后采用模糊綜合評價法進行評價。隨著新型大數據和測度方法的不斷涌現，公共空間活力評價體系的研究還需進一步深化。如不同尺度、不同類型場所公共空間活力評價的目標、指標、權重、量化評估方法，傳統方法與基于大數據評價方法的相互驗證等。

公共空間活力評價的目的之一為城市公共空間的規劃設計和管理提供參考，從而在時間、空間、環境、功能等多個維度滿足城市居民的需求。因此分析基于人群活動特征視角評估的公共空間活力與物理空間要素的耦合關系，研究空間特征、自然文化、區位設施等因素對活力的影響機制，進而提出優化或提升空間活力的景觀規劃設計途徑是公共空間活力測度研究應用的重點。

注釋：

① Foursquare是一個知名的提供用戶定位的社交網絡服務，其用戶提供累計的本地場所信息（https://foursquare.com/）。

② Talking Data移動數據研究中心（http://www.talkingdata.com/）。

③ 表1源自參考文獻[12]；表2～3為作者自繪。