基于騎行指數的南京中心城區公園廣場服務水平研究

汪成昊，許捍衛，丁彥文

(河海大學水文水資源學院，江蘇 南京 211100)

0 引言

隨著市民生活水平日益提升，傳統的生存型生活觀念逐漸向享受型轉變，從而對城市休閑空間的數量、質量和分布提出了更高要求，而公園廣場作為城市休閑空間的重要組成部分，是市民生活的重要載體，在城市生活中具有舉足輕重的地位[1]。對于公園廣場的規劃管理需要貫徹“以人為本”的設計理念[2]，市民能否在短時間內方便、快捷地到達附近公園廣場設施點、平等地享受休閑資源，是城市公園廣場服務能力的重要體現[3-6]。

國內外對于城市公園廣場這類休閑空間的研究，傳統上多結合城市規劃學構建評價體系探討公園廣場的建設水平，側重于評價指標(如人均公園面積、公園數量等)的選取，對于從“量”的角度研究城市休閑空間具有現實意義[7-9]，但對公園廣場的空間和人口分布考慮不足，忽略了服務公平性的問題。有學者引入空間可達性概念對公園廣場進行評價，相對于傳統指標，空間可達性增加了時間、距離等評價因子，是衡量城市公園廣場服務水平的重要因素。例如：Fan等[10]利用南京市路網和人口數據，定量分析公園綠地的空間可達性和居民出行的便利性；Gu等[11]通過兩步移動搜索法計算出上海14個郊野公園的空間可達性；還有學者利用最小距離法、網絡分析法分析城市公園廣場的空間可達性，為城市公園廣場的規劃提供了合理依據[12,13]。

從以上研究可知，空間可達性能較好地反映公園廣場空間配置的合理程度，結合人口分布、市民出行方式等因素可更全面地衡量公園廣場的服務能力。如今低碳出行的理念深入人心，人們更傾向于選擇步行、騎行方式出行[14]。國內已有學者研究步行方式下公共設施的服務能力并驗證了其有效性[15-17]，但缺乏騎行角度下的相關分析。隨著近年來我國城市共享單車的迅猛發展，騎行逐漸成為更多市民的出行方式，因此，針對騎行評價公園廣場的服務水平具有一定的實際意義。此外，要分析公園廣場布局與人口分布的匹配關系，獲取準確的人口空間分布至關重要。傳統方法多利用統計年鑒獲得各區域人口[18]，數據尺度較大，會降低空間可達性結果的準確性；后有學者利用夜間燈光數據[19]、騰訊位置大數據[20]進行人口空間化，大大提高了人口空間分布的精度。事實上，如今蘊含定位信息的網絡大數據無處不在，運用這些新興數據可為解決一些地理問題提供新的視角[21]。

鑒于上述問題，本文以南京市中心城區為研究區，在空間可達性基礎上分析各公園廣場的服務范圍，根據重要性為各類公園廣場賦值，并按照限制條件進行權重衰減；然后分別從格網和街道尺度，結合微信宜出行數據構建騎行指數，對公園廣場的服務能力進行評價，以期對城市公園廣場的布局提供參考。本文技術框架如圖1所示。

圖1 研究框架Fig.1 Framework of the study

1 研究區與數據來源

南京市是華東地區乃至國家戰略的重要中心城市，其綠地系統規劃范圍分為中心城區、都市區和其他區域三部分(圖2a)，并將中心城區劃分為4個片區,形成“一主三副”的格局(圖2b)。

圖2 研究區分布Fig.2 Location of study area

本文數據包括：1)城市公園廣場數據，來源于高德地圖Web服務API接口，包含公園廣場的POI點數據和面數據，其中面數據需結合Google Earth和高分辨率遙感影像通過手工矢量化形式補充，經過數據清洗和去重共采集到231個公園廣場和258個出入口數據。2)微信宜出行數據，宜出行是騰訊位置服務下的一款產品，騰訊位置服務數據包括QQ、微信、騰訊地圖和美團打車等多種生活常用軟件所產生的定位數據，宜出行通過上述位置服務提供給用戶某個地點的人流量及擁擠程度，供用戶出行參考。本文利用Python爬蟲技術，每隔1 h獲取一次數據，采集2019年8月南京市全天的宜出行定位數據，并根據經緯度篩選中心城區內的數據。由于白天人口流動大且居家人口少，為提高人口空間化的有效性，篩選夜晚22:00-24:00的數據用以建模。3)輔助數據，為各居住點的POI數據，包括小區名稱、地址、經緯度、建筑年代、建筑類型、均價、樓棟數和住戶數等屬性，共計4 965個，采集時間為2018年12月。對于部分分期建成的小區，由于面積過大，按每期名稱分別統計，精確到門牌號；街道人口數據源于街道內各小區人口數據，中心城區邊界、路網和街鎮單元數據來源于地理國情監測數據。

2 研究方法

2.1 空間可達性

空間可達性表示實際交通網絡節點間相互作用力的大小,其不但具有時空概念,還能反映出一定的社會價值[22]，服務設施的空間可達性對居民生活質量有重要影響[23]。本文利用空間可達性并結合服務覆蓋率(C，公園廣場服務范圍占城市面積的比例)和服務重疊率(O，反映公園廣場服務范圍間的重疊情況)[6]分析公園廣場設施布局和服務狀況,計算公式為：

C=∑PA/A×100%

(1)

式中：∑PA為去掉所有公園廣場重疊部分的服務范圍面積之和；A為研究區面積。

O=(∑CO-∑PA)/∑CO×100%

(2)

式中：∑CO為各公園廣場服務范圍面積之和。

2.2 公園廣場分類賦權

參考已有對城市休閑旅游資源分類的研究[24]，將采集到的公園廣場數據分為4個大類，每一大類包含若干子類。一些文化類場館和歷史古建筑也附帶一定面積的廣場，具有游憩功能，本文也將其納入研究的類別范疇(表1)。根據實地調查成果，將公共游憩類的公園廣場權重賦值為1，咨詢10位有地學背景且對南京較為熟悉的專家，參考《旅游資源分類、調查與評價》的評價方式，將其余公園廣場對于居民休閑游憩的重要程度以1為基準劃分為4檔，將每類公園廣場的總得分進行平均得到其休閑重要性權重(表1)。其中，公共游憩類對市民的吸引力較大，自然綜合類雖然面積較大且設施完善，但更適合親朋好友組團游玩，吸引力略低于前者;文化場館類和歷史遺跡類附帶的廣場作為游憩點的目的性偏弱，權重較低。此外，根據開放時間限制和收費情況分別對權重做30%和50%的衰減。

表1 公園廣場分類賦權Table 1 Classification weights of parks and squares

2.3 單點騎行指數計算

作為針對出行目的地服務水平的評價方法,騎行指數綜合考慮了城市公園廣場的休閑吸引力、距離和城市人口分布等因素。單點騎行指數是衡量從某點到附近一定范圍內公園廣場騎行可達性的重要指標，在表1的基礎上，考慮距離衰減(人們的騎行意愿會隨出發點到公園廣場距離的增加而產生規律性衰減[25])問題，可計算出某樣本點的單點騎行指數。不考慮以競速、健身為目的的長距離騎行，參照相關研究將騎行速度設置為12 km/h[26]，并采用與步行衰減類似的分段線性變化規律[27](圖3)：騎行5 min內可達公園廣場，即距離小于1 000 m時，距離因素幾乎不會引起衰減；在20 min時衰減為原值的12%，30 min時衰減為0。通過網絡分析獲取各格網點6 000 m范圍內的公園廣場出入口,獲取權重值之和后按照距離衰減函數進行衰減,得到單點騎行指數。

圖3 權重距離衰減曲線Fig.3 Weight distance attenuation curve

在實際騎行過程中，道路交叉口越多、街區長度越短，在選擇騎行路線時越方便快捷[25]。因此，計算騎行指數后需根據路網內的交叉口密度和街區長度進行指數修正(表2),對衰減后的指數進行標準化，騎行指數得分越高，說明該點至附近目的地的騎行便捷性越好。

表2 道路交叉口密度與街區長度衰減率Table 2 Intersection density and block length attenuation rate

2.4 人口空間化

人口空間化是通過一定的方法將人口分配到格網或類似的單位尺度內[28]，即統計不同單位尺度下的人口數量。為探究人口統計數據與影響人口分布的其他數據間的回歸關系，本文利用微信宜出行定位次數進行人口空間化，估算500 m×500 m格網尺度的人口數。具體方法為：隨機將中心城區內的59個街道分為2組，第1組49個街道用于人口空間化模型構建，第2組10個街道用于模型精度檢驗。首先求出宜出行定位次數與街道人口數之間的關系(式(3))，為提高模型精度，對初始的人口分布系數進行校正(式(4))；然后降尺度探究500 m格網的人口關系，在格網尺度下假設街道內截距和誤差均質，將該值平均分配給街道內的所有格網(式(5))。

Peoi=a×Loci+b+e

(3)

(4)

GridPeoi=ai×Loci+b/ni

(5)

2.5 面域騎行指數

面域騎行指數代表一個區域的騎行性。由于面域內不同的格網包含不同數量的人口，公園廣場的建設應以人口分布為基準。在計算出單點騎行指數的基礎上，結合人口空間化結果，根據區域內人口比例設置權重，對區域內不同格網的單點騎行指數進行累加，得到面域騎行指數。面域騎行指數保留了區域內部的共享性特征，能夠從供需平衡的角度衡量南京市公園廣場的社會服務水平，其值越大，說明該街道內的公園廣場服務水平越高。

3 結果分析

3.1 中心城區公園廣場的服務范圍特征

為分析不同區域公園廣場的空間可達性程度，以中心城區各街道為單位，統計其服務范圍。如圖4所示，公園廣場服務范圍隨騎行時間變化趨勢較明顯，騎行方式下5 min、15 min、30 min的公園廣場服務范圍分別為121.22 km2、404.34 km2、570.8 km2，呈現由中心向四周擴散的趨勢。5 min內，中心城區只有新街口、湖南路、朝天宮等街道的服務范圍保持在較高水平；15 min內，主城區多數街道的空間可達范圍達到90 %；30 min內可覆蓋主城區和仙林副城的大部分街道，但江北副城中的街道(如江浦、盤城、沿江街道等)通常面積較大且路網密度不高，服務范圍明顯小于長江以南街道。此外，由于騎行方式速度較慢、距離較短，在中心城區范圍內也存在一些“服務盲區”。

圖4 各街道公園廣場服務范圍Fig.4 Service scope of parks and squares in each sub-district

以居民出行時間概率較大的15 min為例，分別計算南京市中心城區“一主三副”格局中各區域的服務覆蓋率和服務重疊率(表3)，可見主城區的服務覆蓋率最高，3個副城的服務覆蓋率明顯不足，尤以江北副城最低。主城區、江北副城和東山副城服務重疊率都高于覆蓋率，表現出服務分布的密集性，其中江北副城面積高達289.8 km2，服務覆蓋率只有32.6%，服務重疊率卻高達47.87%，說明江北副城的公園廣場分布不平衡；仙林副城公園廣場分布較均勻，但服務覆蓋率較低，還有很大的建設空間。

表3 “一主三副”服務覆蓋率、服務重疊率指標Table 3 Service coverage rate and service overlap rate of "one primary and three secondary urban areas"

計算中心城區500 m×500 m格網的單點騎行指數(圖5)并對其進行標準化處理，平均值為18.91。總體而言，中心城區的單點騎行指數空間分布差異較大，由主城區中心的高值區向四周擴散，以清涼山公園、漢中門廣場、西安門公園、夫子廟、朝天宮等為代表的公園廣場鄰近居住區且周圍出入口數量多、道路交叉口密集，騎行便捷度高；中高值區分布在仙林副城大部分區域、東山副城中部、江北副城西南和東北區域，如以棲霞山公園、仙林湖公園和羊山公園為代表的公園廣場，由于城市建設滯后，周邊休閑設施較少，普遍得分較低。單點騎行指數小于10的公園廣場(如江北副城的浦口公園、頂山廣場等)在區域內零星分布，周圍路網稀疏，導致該區域騎行便捷度受到很大影響。

圖5 中心城區單點騎行指數Fig.5 Cycling score of single point in downtown

3.2 基于騎行指數的各街道公園廣場服務水平分析

基于人口空間化模型將各街道的宜出行定位數據與街道人口數進行函數擬合(圖6)，相關系數R2為0.9071，表明定位次數與街道人口數的線性擬合關系較為密切。將第2組10個街道的定位次數代入模型進行人口估算，并對比估算結果與街道人口數(圖7)，發現7個街道估計值與統計值的誤差小于15%，說明建立的估算模型精度較高，能較好地描述各街道的人口數量情況。

圖6 定位次數與街道人口數的擬合關系Fig.6 Fitting relationship between location times and population of sub-district

圖7 人口估計數據與人口統計數據對比Fig.7 Comparison of estimated population and statistical population

利用校正后的系數修正公式(式(5))估算各街道內的格網人口數量，若格網內包含多個街道，則按面積比例分配，最終得到中心城區500 m×500 m格網的人口分布(圖8a)；根據人口空間化結果，得到南京市中心城區內各街道的面域騎行指數(圖8b)。由圖8b可知，主城區中心位置街道(如新街口、洪武路、朝天宮、秦虹等)的面域騎行指數較大，同時這些街道的單點騎行指數也較高，說明該區域內居民去往公園廣場的便捷程度高，且公園廣場數量充足、分布合理；主城區外圍部分街道人口分布密集，但面域騎行指數普遍低于40，街道公園廣場的整體分配情況較差；東山副城各街道面域騎行指數不高，公園廣場數量不多，但其人口分布范圍廣，且高值區集中于秣陵街道和東山街道交界地段，此區域單點騎行指數較高，居民到達附近公園廣場較為便捷，說明設施分布較合理；江北副城中泰山街道的人口數量較多，但單點和面域騎行指數都很低，說明此街道內缺少公園廣場，不能滿足市民騎行休閑的需求；仙林副城街道人口分布稀疏，單點和面域騎行指數均不高，但其面積較大且生態環境良好，公園廣場建設潛力較大，可作為未來城市建設并緩解人口壓力的一個良好方向。

圖8 500 m×500 m格網人口數和各街道面域騎行指數Fig.8 Population of 500 m×500 m grid and regional cycling score of each sub-district

4 結論

騎行作為一種低碳出行方式值得推崇，本文分析了南京市中心城區公園廣場的服務范圍特征，進一步構建騎行指數并結合微信宜出行數據分析公園廣場的服務水平。主要貢獻在于：彌補了現有以步行為主評價方法的單一性，為研究城市公園廣場提供了新視角；選取粒度較小的微信宜出行數據可提高人口空間化的精度，使指數計算結果更契合實際。研究結果表明：1)主城區公園廣場的騎行便捷度最高，仙林副城和江北副城的騎行便捷度較低；2)從15 min的騎行可達域看，主城區、江北副城和東山副城的公園廣場分布集中、服務重疊率較高，仙林副城公園廣場的空間分布則較為均衡；3)30 min的騎行可達域內，大部分街道中公園廣場的服務范圍達80%，可基本滿足市民的騎行需求；4)“一主三副”格局中大部分街道的公園廣場分布與人口分布匹配度較高，但也存在供需不平衡的情況，如泰山街道和沿江街道人口眾多，但面域騎行指數卻很低。

本文從路網、人口分布、公園廣場屬性等客觀因素計算騎行指數，但人的主觀感受也是重要影響因素，如出行道路的空氣質量和車輛擁擠程度會降低人們的出行意愿，今后研究應考慮這些因素。