廣州老城區公園使用時空特征及其影響因素的空間異質性研究

彭一升，王江萍，任亞鵬

(武漢大學 城市設計學院，湖北 武漢 430072)

1 引言

城市公園是體力活動發生的空間載體之一，其承載了居民日常生活需要，為居民娛樂和社會交往活動提供場所，發揮著重要的社會服務功能[1，2]。已有研究表明，公園綠地的服務水平與居民生活質量有密切聯系，在鼓勵居民開展體力活動，維持健康水平上起積極作用[3, 4]。因此，剖析城市公園使用行為，探究公園使用的影響機制對制定城市總體規劃及公園綠地規劃設計政策有重要意義。

城市公園使用是指用于居民日常生活中踏入公園開展活動的行為場所[5]。對公園使用的量化是理解居民到訪公園行為的基礎。不同于現場觀察和問卷訪談等傳統方式過度耗時耗力，大數據為評估公園使用提供了新的方法和視角，同時，其特點還很好地彌補了傳統實地調查方式的缺點[6, 7]。作為大數據源之一的百度熱力圖，其依托定位技術獲取用戶移動終端的地理位置，實時記錄城市人口的空間分布，被應用于刻畫居民公園使用的特征[8, 9]。Fan等[10]通過百度熱力圖對南京主城區的公園使用進行量化，分析其空間特征；Lyu等[5]利用百度熱力圖和微博簽到數據分別對武漢市主城區公園使用進行評估與比較，發現百度熱力圖能更好地刻畫居民公園行為特征。

在城市公園使用的影響因素研究方面，已有研究表明公園內部因素和公園周邊環境因素共同影響著公園使用[10, 11]。公園等級、公園面積、公園內部設施、植被覆蓋率等公園內部因素與公園使用有顯著影響，不同公園特征對居民具有不同的吸引力[7, 12, 13]。公園周邊環境因素由可達性、空間形態特征、土地利用特征、社會特征等方面構成[5, 13～15]?？蛇_性對公園使用有重要作用，住在公園附近的居民可能更愿意到訪公園[7]；公園周圍的土地利用及設施布局同樣也是影響居民到訪公園的重要因素。鄭權一等[14]發現土地利用混合度與公園使用間的關系呈倒“U”型趨勢，即隨著混合程度的提高，公園使用人數先增后減。同時，公園周邊的社會經濟特征和公園使用存在著密切聯系[16]。Chen等[17]研究表明價格越高的小區，其公園綠地可達性越優。這也反映出社會經濟地位帶來的公園綠地服務水平差異[17]。值得注意的是，由于城市環境間存在差異，學者對公園使用驅動因素的結論不盡相同。

目前，關于對城市公園使用影響因素的研究更多的是使用全局模型來分析，即將地理空間視為均質的[18]。然而，城市建成環境、經濟環境和社會文化環境存在空間差異，公園使用情況及其影響因素在地理空間上也并非均衡，存在空間非平穩性，這樣用全局模型就可能導致結果出現嚴重的偏差[19]。地理加權回歸(Geographically Weighted Regression，GWR)能探究變量之間關系的空間非平穩性，在公園綠地相關研究中已被應用于揭示住房價格和公園可達性的關系中，但較少應用在公園內部因素和公園周邊環境因素對公園使用影響的空間異質研究中。

因此，本文以廣州老城區為研究范圍，依托百度熱力圖數據刻畫研究區公園使用的特征，并以公園使用指數為因變量，公園內部因素和公園周邊環境因素為自變量，構建了GWR模型，以側重探究公園使用的影響因素及其空間異質性，為城市公園管理人員和規劃者提供關于促進公園使用的新視角和參考建議。

2 研究概況

2.1 研究區域

荔灣區、越秀區和海珠區同屬廣州市的老城區，面積合計186.6 km2。第七次人口普查3區常住人口合計約409.6萬人，人口密度大，土地資源緊張，寶貴的綠地空間被城市各類建筑不斷擠占。根據《廣州市公園建設與保護專項規劃(2017-2035)》公布的數據，廣州老城區2018年公園面積共有18.19 km2，人均公園綠地面積僅為4.44 m2/人，遠低于廣州其他地區水平。在“十四五規劃”強調提升城市品質的背景下，對城市綠地保護利用的關注達到了新的高度。因此本文選取廣州老城區作為研究范圍，篩選出面積大于1 hm2的公園作為研究對象，共46個，其中包括9個綜合公園，15個專類公園，20個社區公園和2個自然公園(圖1)。

圖1 廣州老城區公園分布

2.2 數據來源

2.2.1 百度熱力圖

隨著信息通信技術的發展，基于位置服務 (LBS) 的百度熱力圖，依托龐大的百度產品用戶群體，實時記錄用戶定位信息，雖然不能表明人口分布的準確數字，但可以通過不同顏色及亮度反映不同區域人口的空間分布聚集情況，在衡量公園使用方面有其優勢和科學性[20, 21]。

2020年11月26～30日(涵蓋兩天休息日)平均氣溫均高于18 ℃，以晴天天氣為主，風力合適，適合戶外活動，因此本研究對該時間段的廣州老城區百度熱力圖進行追蹤獲取，以60 min為間隔，收集每天7:00～24:00的數據，最終獲取90幅空間分辨率為3.24 m的百度熱力圖。利用ArcGIS10.2平臺，加載已定義投影的百度熱力圖的第四通道(band4)，按照自然間斷點分值法(Jenks)對熱力值大小重分類為6類。以46個公園面矢量數據作為掩膜，使用分區統計功能統計各公園所包含的柵格值，根據各類熱力值代表的相對人數，計算了公園范圍內相對使用數量。

2.2.2 其他基礎數據

(1)公園信息。從《廣州市公園建設與保護專項規劃(2017-2035)》中提取廣州老城區公園綠地的級別、面積、地址和邊界等信息，借助ArcGIS10.2平臺，獲得了46個公園的多邊形矢量數據。公園評分主要來源于“攜程”和“大眾點評”等網站。

(2)公園周邊環境信息。公園周邊環境信息主要包括建筑路網數據、POI(Point of Interest，興趣點)數據、住房價格和人口密度數據。建筑路網數據來源于“Open Street Map”網站，用來表征公園周邊空間形態特征；住房價格數據通過爬蟲手段在安居客的網站抓取二手房房價獲得。由于社區級別以下的詳細人口數據不易獲取，本文使用街道層面的人口普查數據，通過把廣州老城區劃分為數個300m×300m的網格，借助ArcGIS10.2平臺，疊加分析得出每個網格代表的人口密度數值，為估算公園周邊人口密度奠定基礎；POI數據來源于百度地圖，通過接入百度地圖開放平臺API接口爬取，提取研究范圍內的POI數據，共計11984條，隨后將坐標統一轉換為WGS-1984坐標系，在ArcGIS10.2平臺上實現可視化，用來代表公園內部和周邊環境的服務設施豐富程度。

2.3 變量選取與測度

2.3.1 公園使用指數

公園使用作為因變量，是理解公園和居民行為之間關系的重要指標，也反映了公園到訪的強度。為了量化公園使用，參考前人的研究[10]，本研究將選取公園使用指數來表征公園使用的情況。通過百度熱力圖不同顏色和亮度代表不同人口密度的特點，估算每個公園5 d平均的公園使用指數，來反映廣州老城區公園使用的強度。公式如下[10]：

(1)

式(1)中，PUI(Park Use Index)是城市公園i的平均訪問量，Ai是給定時段內城市公園i的總訪問量，Si是城市公園i的面積，n是時段數。

2.3.2 公園使用的潛在影響因素

公園內部因素和公園周邊環境因素作為解釋變量。公園內部因素包括公園規模、公園服務設施密度和公園評分。至于公園周邊環境因素，公園服務半徑的判定對獲取公園周邊環境特征至關重要。結合先前相關研究和《廣州市公園建設與保護專項規劃(2017-2035)》里的規定，本研究將選取500 m作為公園服務半徑，在此基礎上，標記每個公園的出入口，利用ArcGIS10.2平臺的緩沖區分析，得出每個公園的服務范圍。選取具有代表性的7個變量，分別為建筑密度、路網密度、人口密度、住房價格、商服設施密度、公共交通設施密度和土地利用混合度。其中，建筑密度、路網密度、人口密度分別定義為公園500 m緩沖區內單位面積內建筑基底面積、道路長度、人口總量；住房價格解釋為公園服務范圍內二手房平均住房價格，由于一些公園服務范圍內沒有二手房數據，因此該范圍平均房價設為0；商服設施密度對應著公園500 m緩沖區單位面積內購物、餐飲和娛樂設施的POI數量；公共交通設施密度對應著公園500 m緩沖區單位面積內公交站、地鐵站的POI數量；土地利用混合度通常采用土地利用熵值來表達，熵取值范圍在0～1，熵值越大，土地利用混合度越高[7]。土地利用熵公式如下[22]：

(2)

式(2)中，Pj表示公園500 m緩沖區內POI類型j的比例，k表示POI類型j的數量。隨后，對各變量進行歸一化處理(表1)。

表1 公園使用的潛在影響因素描述

2.4 研究方法

采用地理加權回歸模型(GWR)作為主要的研究方法。地理加權回歸在普通線性回歸模型基礎上，鑲嵌了空間結構以探究變量關系在空間上的非平穩性[23]。GWR公式如下：

yi=β0(ui,vi)+∑kβk(ui,vi)xik+εi

(3)

式(3)中，yi為公園使用者密度，(ui,vi)是第i個分析單元的地理位置坐標，βk是自變量在(ui,vi)坐標上的系數，εi為隨機誤差項。基于研究對象的特點，選取雙重平方函數 (Bi-square) 作為空間權重矩陣和赤池信息準則(AIC)確定帶寬后通過RStudio的GWmodel包來構建GWR模型。

3 廣州老城區公園使用的時空分布特征

3.1 時間分布特征

廣州老城區的公園使用隨一天內時間的變化有明顯的起伏，且工作日和休息日的公園活動行為高峰情況存在差異(圖2)。在工作日，公園的使用時間呈現著高度集中的特征，主要集中在9:00～11:00、16:00～18:00和21:00～23:00三個時段(使用者密度在22:00達到工作日全天的峰值)。而在休息日，居民公園活動的時間集聚性減弱，高峰期維持時間長，除21:00～23:00出現集聚外，在12:00～18:00形成長達6 h的相對穩定的高峰期(使用者密度在17:00達到休息日全天的峰值)。這表明廣州老城區居民無論在工作日還是周末都習慣晚上到公園活動，除此之外，相對于工作日而言，大部分居民在周末更集中于中午過后至下午這段時間到公園進行各類活動。

圖2 工作日和休息日公園使用的時間分布

3.2 空間分布特征

廣州老城區公園使用情況參差不齊。公園使用指數最小為0.0280，最大為2.7172，均值為0.4188，標準差為0.4078。將公園使用指數按自然間斷點分值法劃分為4類(圖3)。公園使用指數在0.5以上的城市公園有10個(黃埔古港公園、親水公園、磨碟沙公園、草暖公園、廣州市越秀兒童公園、廣州蘭圃、廣州大橋橋頭公園、人民公園、醉觀公園、沙面公園)。其中，黃埔古港公園的公園使用指數最高，可被認作廣州老城區使用強度最高的公園。值得注意的是，公園使用指數測度的是公園到訪的強度，因此大型的綜合公園和自然公園的公園使用指數普遍比社區公園小[10]。

圖3 廣州老城區公園使用的空間分布

4 基于GWR的公園使用的影響因素分析

4.1 模型對比

使用最小二乘法 (OLS)對自變量和因變量之間的關系進行分析。所有變量通過了共線性檢驗，VIF<7.5。由表2可知，OLS模型可以解釋公園使用總變異的68.4%。所選變量中僅有3個通過了顯著性檢驗，其中，公園商業類設施密度和公園使用呈正相關，而土地利用混合度、人口密度對公園使用的影響恰恰相反。

表2 公園使用的OLS模型計算結果

將數據代入GWR模型，所得結果見表3，選擇調整R2值(AdjustedR-squarevalue)、AICc值(更正的赤池信息準則)和殘差平方和(Residualsumofsquares)3個指標，對兩模型進行比較。結果顯示，相較于OLS模型，GWR模型對公園使用的解釋力度有明顯的提高，能解釋公園使用總變異的82.46%。其次，GWR模型的AICc值比OLS值小且相差大于3，可以認為GWR模型具有更優的效果。再者，GWR的殘差平方和減少了，提升了模型模擬精度。可見，GWR在本研究中更具優越性，故使用GWR模型探究廣州老城區公園使用的影響因素。

表3 OLS與GWR模型擬合結果比較

4.2 影響因素的空間異質性分析

表4列出了所選變量對公園使用影響系數的五分位數及Leung顯著性檢驗結果。公園規模、公園設施密度、路網密度、土地利用混合度和人口密度對公園使用的邊際作用表現出顯著的空間不穩定性。

表4 公園使用的GWR模型計算結果

(1)公園內部因素對公園使用的影響。公園商業類設施密度具有顯著的正向影響，而公園規模對公園使用具有顯著的負向影響。這表明在廣州老城區，提高公園內部設施服務水平能吸引更多居民到訪。相反，擴大公園規模不是提高公園使用的有效途徑[15, 24]。然而，Zhang和Brown等[13, 25]發現規模越大的公園越具吸引力，這與本文結論不一致。原因可能是因為在廣州老城區，公園規模越大并不意味著商業類設施等公園服務功能越齊全[15, 24]。從空間分布來看(圖4a、b)，公園規模和公園商業類設施密度邊際作用的空間變異特征相似，即兩者的回歸系數均由東南向西北呈逐漸遞減的趨勢。廣州老城區的公園分布相對不均，沿珠江帶和老城區的西北角是公園主要的聚集地。在廣州老城區的西北角，公園規模不一但公園特征與特色沒有明顯差異，公園可達性可能就成為選擇公園的首要考慮因素，布置在居民區的社區公園越容易得到居民的青睞[26]，因此在西北角公園規模對公園使用的負向影響程度越大；而在東部，公園特征差異明顯，諸如黃埔古港公園、瀛洲生態公園和廣州海珠國家濕地公園等各種類型的公園散落在東部，公園設施密度越大的公園越具特色，越容易吸引居民前往，因此在東部，公園設施密度對公園使用的作用最突出。

(2)建筑密度對公園使用的影響。建筑密度與公園使用在廣州老城區范圍內呈現微弱的正相關關系，表明公園使用更集中在建筑密度高的地區，這與前人研究的結果一致[7]，其原因可能是因為，一方面，建筑密度在某種程度上可以反映人口數量信息，人口是公園使用的基礎；另一方面，公園能緩解建筑密度高帶來的熱島效應問題的同時，還具有恢復作用，給予人們情感的放松，以軟化空間壓迫感[27-29]，因此在建筑密度高的地區，綠地就成為居民休閑活動最具吸引力的場所之一。在空間分布上看(圖4c)，建筑密度對公園使用的影響整體呈現由東向西逐漸減小，曉港公園影響系數最小。廣州老城區的西部是傳統意義的城市地區，建筑密度普遍較高，因此對公園使用的影響程度較為微弱，而東部地區則反之。

(3)路網密度對公園使用的影響?？傮w來看，路網密度對公園使用具有顯著的正邊際作用，但部分周邊環境的路網密度具有負邊際作用。從回歸系數空間分布圖4d上看，路網密度的影響系數由廣州老城區西部向東部逐漸遞減，表明越趨向廣州老城區東部，路網密度對公園使用的影響由正轉為負，并負相關關系越來越強。究其原因，廣州老城區東部并非意義上的城市地區，萬畝果園以及城中村占據了用地的主體，道路建設水平相對落后，但東部地區的公園因其類型獨特，吸力較強，加以廣州老城區公共交通系統較為發達，能彌補路網密度低帶來的不便，因此東部地區路網密度與公園使用呈負相關關系。而廣州老城區的中西部，即荔灣區、越秀區和海珠區的西部，基礎設施完善，路網發達，公園的可達性越高，公園的到訪強度就越高，因此中西部地區，路網密度與公園使用呈正相關關系。

(4)土地利用混合度對公園使用的影響。土地利用混合度對公園使用總體上呈負向影響。從回歸系數空間分布來看(圖4e)，在老城區的西部呈現弱的正相關關系，從西往東由正相關轉向負相關，且負相關關系越來越強，在黃埔古港公園處出現最強的負相關關系。廣州老城區西部公園以綜合公園和社區公園為主，況且城市建設更為悠久，公園周邊設施配套相對齊全，土地功能豐富加以便利的周邊環境，可吸引更多居民前往這片區域，增加了到訪公園的可能性，公園使用指數也會相應提高[12, 14]。東部地區公園主要以自然公園和專類公園為主，公園各具特色，環境建設及配套更為完善，吸引力強。而東部地區公園周邊土地利用混合度低，一是由于東部地區的開發發展落后于西部，二是依據《廣州市公園條例》的規定，由于公園類型的特殊性，其周邊開發受嚴格的管制。環境建設得更完善，其業態相對來說較為單一，但公園使用狀況反而更多，這也印證了Ye和Qiu的觀點[30]。

(5)人口密度對公園使用的影響。人口密度對公園使用具有顯著的負向影響。從回歸系數空間分布圖4f可以看出，人口密度對公園使用的負邊際作用從西南部往東北部逐漸加強。首先，雖然普遍認為在人口密度高的地區，城市公園使用得更頻繁[30]，但是城市基礎設施不斷完善，發達的公共交通系統縮短了居民到公園的時間距離，居民可選擇空間距離更遠的公園開展活動，因此廣州老城區人口密度對公園使用的邊際作用為負。其次，居民觀念發生改變，逐漸注重生活的品質，在老城區公園數量不多且建設比較陳舊，西部人均公園面積少，滿足不了居民的需求。再次，居民對“野性”和“自然”追崇向往，東部地區城市開發建設緩慢，自然生態保護得當，更能吸引居民，因此東部人口密度對公園使用產生更大的負影響。

圖4 不同變量對公園使用的GWR回歸系數分布

5 結論

本研究基于11月26～30日的百度熱力圖數據對廣州老城區公園使用情況進行量化，得到了公園使用在不同時間段的空間分布規律，并構建地理加權回歸模型進一步探究公園使用的影響因素及其空間非平穩性，促進對廣州老城區公園使用情況深入了解，為老城區公園的規劃與管理策略制定提供參考。

根據時空特征分析，時間分布上，在工作日，居民到訪公園的時間較為分散，而在休息日，居民參觀公園的時間更集中于下午時段?？臻g分布上，廣州老城區公園使用參差不齊，大規模公園的使用指數一般比小規模公園低。

地理加權回歸模型考慮了變量間的空間非穩定性，更有效的刻畫公園使用的影響因素，結果顯示：①廣州老城區公園使用影響因素存在顯著的空間非平穩性，其中公園規模、公園設施密度、建筑密度、路網密度、土地利用混合度和人口密度的邊際作用表現出空間異質性；②公園內部因素和公園周邊環境因素對提高公園使用具有同樣重要作用?？紤]GWR回歸系數中位數的絕對值，變量影響程度順序為：土地利用混合度>公園規模>人口密度>公園設施密度>建筑密度>路網密度。

健康的城市需要給予體力活動足夠的重視，需要提供充足的活動空間及周邊環境的支撐。在城市更新的背景下，可以通過規劃的手段對環境進行修復修補，以支持促進體力活動。對廣州老城區全區而言，首先需挖掘公園資源，豐富公園功能，全區范疇對公園的布局做好規劃協調，發揮各地區的特色；其次要繼續完善公共交通，縮短到訪公園的時間成本。對于以建成環境為主的地區，首先，重視社區公園，本研究中發現社區公園的使用強度比綜合公園高，這與Chen等的結論是一致的[7]，因此需要發掘提升城市空間的“邊角料”，發展口袋公園，并合理布局，注重綠地資源的公平性；其次，建議需判斷公園周邊土地利用混合度和公園使用處于何種關系，以尋兩者關系的平衡點，發揮促進居民進行公園活動的最大化效應[14]；最后，建議在建筑密度高的城區多布局公園或空地。對于新開發地區，建議在保存公園自然生態和自身特色的基礎上，提高公園內部服務水平，以增加公園的吸引力。

但本文也存在不足，首先，研究時間范圍只選取了11月份其中5 d，只能表征舒適氣溫下廣州老城區的公園使用情況，不能完全反映廣州其他季節特別是極端天氣下的公園使用情況以及氣候差異對公園使用的影響。其次，本文使用百度熱力圖去評估公園使用，不能準確反映公園使用的總量以及公園到訪者的個人屬性特征。由此，本文未來研究工作還需要對影響公園使用的維度指標數據進行補充和挖掘，以完善目前的研究。