基于百度POI数据的城市公园绿地评估与规划研究

戚荣昊 杨 航 王思玲 谢琪熠 王亚军

城市绿地系统规划是城市规划中重要的组成部分，当今人们对绿地的游憩需求不断加大，而公园绿地更是与人们的游憩活动息息相关。公园绿地规划需要尽可能地满足人们的游憩需求。传统的公园绿地规划中，缺少行之有效的方法来评价人们的游憩需求，往往只能依靠设计师的直觉和经验做定性的分析和判断。大数据应用下的规划，对人群需求的分析已经达到了可精确定位的地步。对于公园规划布局而言，利用大数据来研究人群对公园的需求程度，增加了其科学性与人性化考虑。其中大数据的一种类型——POI(Point Of Interest)数据，经过分析处理后，可以清晰地呈现城市中人们活动的空间分布与活动强度，进而得到不同城市空间下的人群对于公园的需求。

在城市规划领域，智慧城市作为提高城市可持续发展能力的重要手段和途径已成为国家城镇化发展的重要战略方向[1]。该研究是在智慧城市建设的指导下，运用大数据的思维方式，通过POI数据反映城市空间中人的活动分布与强度，据此对城市绿地系统规划中的公园规划进行评价与布局优化，以期通过整合资源与合理布局来满足人群需求，为公园绿地的规划优化提供新思路。

1 研究进展与存在的问题

1.1 研究进展

国内外学者已经运用大数据对城市进行了较多的研究与探讨，主要是通过对社交网络数据、移动手机通话数据、智能交通刷卡数据等数据的挖掘和分析，研究城市间的网络活动来判断城市间的内在联系和等级体系[2-4]，模拟城市居民出行模式和人口流动变化来引导交通规划和土地利用调整[5-7]等。

在与绿地系统规划相关的研究方向上，有研究通过微博定位信息和签到次数等基础数据判断绿地的使用情况，弥补城市研究中对人的活动关注的不足[8]。此外，应用大数据还有助于公园实行精细化管理，建立智慧园林[9]。

而在公园绿地规划布局方法方面，传统的方法，主要为经验与现状的综合判断。即依据规划区域内特殊的场地如山体、水体、良好植被覆盖区等选择公园的位置、决定公园的等级，依据服务半径决定公园的分布情况[10-11]等。但传统方法较少考虑公园绿地的实际可达性与服务覆盖的公平性。在此基础上，有学者对公园绿地的可达性与服务的公平性做了研究，主要有基于景观阻力的景观可达性分析、利用城市路网进行的网络分析、对城市公园入口进行缓冲区分析、利用最小临近距离进行分析等方法[12-15]；在服务覆盖的公平性方面，则较多地将五普与六普的人口普查数据与可达性分析相结合[14-16]。

1.2 存在问题

传统的公园绿地规划方法在大方向上能较为合理地分配公园资源，形成完整的城市公园布局覆盖；对城市内部原有的良好资源或废地利用也起着积极作用。但在人群游憩需求不断加大，活动范围不断拓展的情况下，这种“自上而下”，从大范围、区域场地出发的规划，对人群需求考虑少，缺乏技术手段量化分析人群的需求程度。公园呈均值分布，而人群活动分布不同、人群的需求程度不同导致公园服务压力过大或者公园资源未充分利用甚至闲置。因此，选择合适的数据进行分析，能够较为精确地反映人口分布特性，合理配置资源，为城市公园绿地的选址与规划布局提供新的思路。

在大数据分析中常见的社交网络、手机信令、交通刷卡等类型的数据存在着获取困难、语义分析不明确、数据类型杂糅等问题，分析处理的难度比较大。而POI数据具有获取途径容易、数据范围大、覆盖面广、处理难度低等特征，故本文尝试运用POI数据进行有关城市公园绿地系统规划的分析。

2 数据特征与技术方法

2.1 POI数据特征

POI是“Point Of Interest”的缩写，中文译为“兴趣点”，是基于位置服务的最核心的数据。每个POI包含四方面的信息：名称、类别、经度纬度和地址名称。在日常生活中，POI有着广泛的应用领域，主要集中在地点查询，出行地图导航等方面；并且随着各类以空间信息为基础的应用的不断增多，围绕POI能够获得的相关信息也越来越多，如旅游景点的定位拍照，商店的购物点评等，为POI在各领域相关研究中提供了更广阔的思路[11]。一方面，POI数据属于大数据中较易获取的一种类型，由于其广泛应用于地图导航等领域，在百度地图等开源的开发者平台上，可完整地得到一座城市的POI数据。另一方面，POI位置信息明确，类别清晰，便于数据清洗。最重要的是，POI数据涵盖范围广泛，基本覆盖城市生活的方方面面，利于进行城市活动的研究。

2.2 技术方法

2.2.1 POI数据的获取

为有效反映人群的活动强度，对于POI数据的挑选是研究的首要工作。根据相关文献选取影响因子[10]，将城市各地区人群活动尤其是游憩活动产生影响的因素分为可达性[11-12]、人口分布及人群社会经济地位[17-18]3类，选取公交车站点密度、文化娱乐设施、办公设施、大型公共设施、居住区及人群收入6个因子作为数据来源。

在获取到的POI数据中，公交站点数可体现交通的状况与地区的可达性。选取文化娱乐设施、办公设施、大型公共设施、居住区等POI点作为直接测量因子，从而得到地区人口分布。由于人群的社会经济地位难以直接获得，但已知房价和人群的社会经济能力呈正相关[19-20]，研究通过获取安居客上的房价信息，得到人群社会经济地位分异情况。

2.2.2 公园绿地评价与优化

对公园绿地布局的评价与优化分3个部分进行。

第一部分：对现有的公园绿地的服务水平进行评价。为了能够定量评价现有公园的绿地服务水平，需要建立服务压力这一指标。服务压力是某一公园点服务范围内POI点数量与该公园面积之比。选取与人们的活动密切相关，能反映人群活动强度的POI点，如居住区、餐饮、购物、娱乐、文体活动、金融机构和机关单位等类型的POI点。利用GIS地理信息系统将其空间化、可视化，进一步在GIS中将现有公园位置点作为离散点生成泰森多边形，即为各公园的服务范围，再令POI点与各公园的服务范围相对应。通过属性表计算的方式，将服务范围内POI点数量与公园面积之比求出，即得现有各公园的服务压力，以数值方式体现。随后，实地调研公园，根据人群对公园的使用情况取现实中服务能力良好的公园所对应的公园服务压力值段为压力平衡级。将其余不同服务压力值进行分级，级别越高代表服务压力越大。

第二部分：不同城市空间的人群对于公园绿地的需求性评价。首先利用AHP层次分析法判定公交车站点密度、文化娱乐设施、办公设施、大型公共设施、居住区及人群收入6个影响因子的对应权重，并建立统一的数据信息评价表。随后将城市中心区域划分成450m×450m的空间单元网格。将采集到的各个影响因子的相关POI数据通过GIS地理信息系统将信息数据空间化、栅格化。依据权重进行栅格叠加计算，得到研究范围内的公园需求性评价。

第三部分：对公园绿地系统进行优化。将需求性评价与现有公园服务压力评价进行叠加分析，并考察实地可发展为绿地的现状用地，选择新增公园的地理位置。出于资源利用高效化的考虑，新增的公园选址要处在尽量靠近泰森多边形边界的地方以及位于需求性评价高的地块上。

3 福州案例探索研究

以福州市中心城区为个例研究对象。据调查，至2017年底，福州市中心城区有公园绿地2 446.4hm2，人均公园绿地10.3m2。研究利用POI包含空间信息与属性信息这一基本特征，采集福州市中与人群活动分布相关、对公园绿地需求产生影响的POI数据，然后利用POI数据的分析对公园绿地规划布局展开评价与优化。评价方面分为两部分，包括对福州市现有公园的服务能力评价和对福州市不同空间内人群的公园绿地的需求性评价。1)对公园绿地服务能力的评价：因公园的服务能力与其面积密切相关，而其所服务区域的相关POI点的数量与它需要满足的人们的游憩需求呈正相关关系，因此服务压力的评价指数即为公园所服务区域内的POI点数量与公园面积之比。由于在公园绿地体系之中，综合性公园或者面积较大的公园往往具有更为复杂的职能，服务的对象也不仅仅局限于周边，因此为更准确地进行评价，视福州市情况将公园依据面积大小或职能不同分为不同等级，在每一个等级内分设不同标准来评价公园的服务压力。2)对公园绿地需求性评价：需要对福州市不同空间的功能偏向进行分析，不同的功能对于公园有着不一样的需求，因此，使用AHP(Analytic Hierarchy Process)层次分析法对不同类型属性的POI数据进行权重判断，再用栅格法在GIS空间中计算得出结果。

图1 福州市中心城区小型公园服务压力图

图2 福州市中心城区中型公园服务压力图

图3 福州市中心城区大型公园服务压力图

优化方面则是根据服务能力评价与需求性分析的结果，结合实地调研情况综合考虑，提出调整意见或新增公园的选址意见，使公园规划布局合理，均匀度和可达性等方面均满足游憩需求。

3.1 福州市现有公园绿地服务能力评价

根据福州市具体情况(主要考虑福州居民的活动习惯以及在共享单车等配合的慢行交通系统下愿意出行的距离)，将现有公园分为3类：小型公园、中型公园、大型公园。小型公园为1hm2以下的公园，服务半径小，主要为周边居民提供服务；中型公园为1～12hm2的公园，服务半径较大，游憩设施较齐全，主要为一定范围内的居民提供服务；大型公园为大于12hm2的公园，可为全市的居民服务。

服务压力评价的结果如下：图1～3分别为福州市中心城区小型、中型以及大型公园服务压力图，图中等级越高表示该公园所受的服务压力越大，观察发现小型公园的服务压力大的区域相对较少，主要是第一、二级压力；中型、大型公园的服务压力比较大的区域较多，第四、五级压力集中在城市中心区域，这明显地反映出福州市的城市公园绿地总体布局还未能满足人口的需求。利用POI数据以及GIS软件的分析方式，可从图上直观清晰地看出城市某些区域的公园绿地资源配置不合理，在后续的规划中，可依据分析结果对现有服务能力较差的公园进行改造提升，或者增加这一区域缺少的某些类型的公园。

3.2 福州市公园绿地需求性评价

根据上述需求性评价方法，得到影响因子权重表(表1)，并将其转化为GIS评价指标分值表(表2)，通过GIS计算得到公园绿地需求性评价。将对城市公园绿地的需求分成九级，在理想情况下，评价等级越高的区域应该有更密且服务水平更高的社区公园、街旁绿地，并且距离区域性或者全市性的大型公园更近或者更方便到达(图4)。

图4 福州市中心城区公园绿地需求性评价分级图

中心城区公园需求量最高的是在八一七路沿线区域，另一处高分点是西湖公园和三坊七巷区域，南江滨的及六一南路南台岛一线区域也相对需求性较高，这几处均为福州市传统的城市中心区域，福州市人群居住工作习惯多为聚集在老城区，这样不仅带来了交通的压力，在公园服务方面也相应产生了高压力高需求区域(图4)。

3.3 福州市公园绿地布局优化

根据福州市中心城区现有公园绿地评估和公园绿地需求性分析评价，需要在资源配置不合理及服务能力不足区域新增缺少的某类公园。基于上述规划方法，经过规划优化调整，建议新增设小型公园25个、中型公园29个、大型公园12个，主要增加在现状公园服务压力第四、五级区域。基于现有公园绿地的服务能力分析增设小型公园，以填补现有公园服务压力比较大的区域为主；基于现有公园绿地的服务能力分析增设中型公园和大型公园，在服务压力比较大和服务重点区域增设中型、大型公园；公园选址为调研符合条件的绿地(图5～7)。

表1 影响因子权重表

表2 GIS评价指标分值表

4 结论与讨论

在智慧城市建设和大数据日趋广泛地应用于规划领域的大背景下，本文基于POI数据以及GIS的应用，研究城市公园绿地如何以人的需求为准则合理选址、确定规模。这是在城市绿地系统规划方面的一次新尝试，以期为公园绿地规划提供新的思路。研究的创新主要体现在3个方面：大数据类型的选取、对不同城市空间中人群活动强度的分析、公园评价方法——服务压力。

1)选取POI这一数据类型。大数据具有数据量庞大，数据覆盖全面，数据类型复杂等特性。因此在利用大数据做相关研究时，选取合适的数据对于研究能否顺利展开至关重要。研究创新性地使用POI数据分析人群活动的强度进而对公园绿地进行评价与优化，数据易获得，处理较简单，成果也便于可视化的直观呈现。

2)研究利用POI数据对城市中人群的活动分布与活动强度进行量化的精确分析，相较于传统的定性分析，可以更准确地判断城市中热点和冷点的分布，并采取针对性的措施。

3)研究采用的公园服务压力评价方法，相较于常用的服务半径法和千人指标等方法，更全面地覆盖整个城市空间。同时，进行服务压力评价时，用服务范围内POI点数量比上公园自身的绿地面积，更好地将公园周边的人群活动强度与公园自身的服务面积的评价结合，形成一个更具综合意义的评价指标，能更好地反映公园的情况。

图5 福州市中心城区公园布局优化新增小型公园位置分布选址图

图6 福州市中心城区公园布局优化新增中型位置分布选址图

图7 福州市中心城区公园布局优化新增大型公园位置分布选址图

以福州市为例验证了研究方法的可行性，经GIS数据处理与直观图示，有效反映了城市公园绿地的服务压力情况并为进一步优化公园绿地布局提供了基础分析，进而有针对性地优化并增设新公园，较大程度地符合居民的生活、出行习惯，降低资源缺乏或浪费的可能。研究基于较为全面的现状POI数据，适用于已有现状公园分布地区，在新开发区域与部分POI点不够完善的城市使用将导致分析有所偏差。期待今后的POI数据进一步扩展，能为城市绿地系统规划提供更完善且具参考性的分析。

注：文中图片均由作者拍摄或绘制。

致谢：感谢清华大学建筑学院党安荣教授、福州大学建筑学院沈振江教授。