基于体力活动服务供需平衡的城市公园布局评估与优化研究*—— 以深圳市三区为例

郑权一 赵晓龙 金梦潇 侯韫婧 ZHENG Quanyi, ZHAO Xiaolong, JIN Mengxiao, HOU Yunjing

1 研究背景

世界卫生组织将体力活动（physical activity），PA定义为指骨骼肌产生的任何消耗体内能量的身体运动[1]。研究表明，有效的体力活动可降低慢性疾病发病率，是居民提高身体健康的有效途径[2-4]。城市公园是建成环境中最主要的近自然空间之一，是体力活动的理想场所[5-6]。传统公园绿地规划中多以“自上而下”的方法对城市公园绿地进行布局规划，忽略了市民的实际需求，致使有些公园人山人海，有些未充分利用甚至闲置[7]。因此，如何从体力活动服务供需平衡的视角来量化评估与优化城市公园布局是城市管理者和规划师必须关注的问题。

传统体力活动数据多以问卷调查、旅行日记等获取，数据收集人力、物力成本高，样本量低，精度差[8]。大数据的应用为体力活动数据的获取提供了便利。戚荣昊等利用POI数据评估了城市公园绿地服务水平[9]。李方正等通过微博签到信息数据来分析城市公园绿地的使用情况[10]。戴代新等利用PPGIS（公众参与地理信息系统）获取的VGI（志愿者地理信息）数据，对上海城市近代公园文化服务进行评估研究[11]。学者们利用大数据的相关研究，为本文提供了研究方法的支持。

本研究以市民体力活动的迫切需求出发，基于自主研发的移动端PPGIS获取的VGI数据，和高德地图开放平台获取的POI数据对城市公园布局进行评估，拟解决以下具体问题：第一，如何评价城市公园体力活动服务供给水平？第二，如何评价居民对城市公园的体力活动需求程度？第三，基于体力活动服务供需平衡视角，如何识别服务盲区，并依此对城市公园布局进行优化？

2 研究范围、数据获取与分析

2.1 研究范围

以深圳市中心城区的南山区、福田区和罗湖区作为研究对象（图1）。研究区域总面积为339.55 km2。根据深圳市城市管理和综合执法局提供的深圳市公园名录（2018），三区内城市公园数量为364个，其中付费公园（如高尔夫球场、欢乐谷等）和非开放公园不在研究范围内。样本城市公园分为综合公园和社区公园，其中综合公园45个，社区公园118个，合计163个（图2）。

图1 研究区域Fig.1 study area

图2 样本公园分布图Fig.2 distribution map of sample parks

2.2 数据获取与可视化分析

2.2.1利用移动端PPGIS获取VGI数据

PPGIS是以GIS平台为基础建立的数据采集分析平台，将专业的地理信息分析与制图工具以直观简单的方式呈现给非专业的大众，让公众通过互联网参与到城市的重要决策和规划。传统的PPGIS以Web网站或独立移动终端APP的形式呈现。大众需经过大量复杂步骤才能提交数据，因此推广困难。本文将PPGIS前端配适于微信平台小程序中，无需下载安装，扫码即用，可精准实时定位，并可将调研信息实时分享给用户或发布朋友圈进行推广，实现PPGIS平台的移动化，其程序界面（图3）。

图3 移动端PPGIS微信程序界面Fig.3 PPGIS’s program interface on WeChat mobile terminal

整个系统功能模块分为前端和后端两个部分（图4）。系统前端通过高德地图平台API端口，将基础地图功能嵌入，用户可直接调用地图信息。此外系统还包含由专题数据、规划调查、数据管理和个人信息等功能模块。其中前端可以获取参与者的经、纬度信息、个人属性（如性别、年龄、健康状况、教育等）和体力活动属性信息（活动类别、强度、活动时段、活动频率等），为保证数据的真实准确，在问卷末尾预设检验问题。系统后端将每份采集的数据储存在云服务器，统计软件和GIS空间分析都可直接访问云服务器进行数据分析。

图4 PPGIS系统功能模块图Fig.4 function module diagram of PPGIS system

移动端PPGIS的VGI数据，记录了用户的签到信息，包含签到的时间、个人属性、问卷文本、签到的空间位置等单人单点停留的地理信息数据。本文基于移动端PPGIS发布的休闲体力活动需求调查研究项目，实验获取了2019年3—8月的连续6个月68 703条VGI数据，其数据人物画像如图（图5）。

图5 移动PPGIS系统用户人物画像Fig.5 users’ portrait of mobile PPGIS system

移动端PPGIS通过微信公众号、微信朋友圈、微博和网站等平台推广，完整的记录了参与用户的地理信息 ( 经纬度坐标 )、时间信息、问卷文本信息等相关内容。通过对大样本量VGI数据的数据挖掘，可及时有效地表征使用者的活动。VGI数据客观真实的反映个体的社会属性特征及其在空间上的分布，为研究城市公园使用状况提供优质数据。虽然VGI数据中儿童和老年人部分人群的数据较少，但根据《2017深圳市互联网发展状况研究报告》所示，截止2017年底，深圳市市民手机与PC端互联网普及率高达94%，20—49岁人群占网民整体的83%，而20岁以下、50岁及以上人群分别占13.7%和3.4%。所以，覆盖80%以上人群的VGI数据可以代表公园绿地人群活动使用活力和吸引力量化的体现。同时，移动端PPGIS可以裂变分享到各大主流社交平台，易操作、平民化、社会动员能力强，可以持续获取数据。由于数据冗杂、离散，且坐标为火星坐标系，无法直接进行GIS分析。因此，需对原始数据进行预处理，删除重复和错误的数据。首先，将数据的坐标从火星坐标系转为WGS-84坐标系；其次，删除错误和重复的信息；最后，将预处理后的65 212条VGI数据在GIS云平台系统进行可视化分析，其数据空间分布如图（图6）。

图6 VGI数据空间分布图Fig.6 spatial distribution diagram of VGI data

2.2.2POI获取体力活动需求数据

POI（Point of Interest）数据是导航地图的衍生数据，包含地理实体的空间信息。研究通过高德地图开放平台API端口获取2019年深圳市南山区、福田区、罗湖区的397 948条POI数据。每个POI包含：名称、类别、经度纬度和地址名称。深圳市约有70.8%的居民访问城市公园的动机是参与休闲体力活动[12]，根据《深圳市体育发展“十三五”规划》深圳市在2020年计划经常参与体力活动的人数目标将达到447万。按各区人口比例换算，研究区域的三区合计将有142.99万居民经常参与体力活动，居民对体力活动需求空前高涨。POI数据的类别清晰，覆盖全面，经过权重计算的POI数据能够较好的反映居民的密度和活动强度，POI的密度越大则表示居民对城市公园的需求越大，对体力活动需求越高，POI数据可较好的表征居民体力活动的需求。由于POI是抽象的点，因此需将电子地图数据中的公园绿地面积与其属性表连接。此外，需对公园绿地数据进行空间验证：将POI数据、公园绿地空间位置和电子地图绿地数据叠加，利用人工目视解译法进行检验，结果匹配。POI分类遵循土地使用代码，分为30个大类，但其分类还是和传统土地功能分类有区别[13]。

2.2.3数据的空间可视化呈现

上文获取的VGI数据和POI数据经过数据处理后，把含有地理信息的数据输入ArcGIS平台，将每个数据点的经度、纬度可视化呈现。此外，从open street map（OSM）网站获取行政边界数据和路网数据也输入至ArcGIS平台可视化呈现。

2.3 数据可视化分析

为了能够定量的分析和评价现有的城市公园体力活动服务供给水平，需要利用服务压力指标[9]来表征，即某一城市公园点服务范围内VGI点数量与该公园面积之比，即为城市公园体力活动服务供给水平。首先，基于ArcGIS平台将数值空间化和可视化，把现有的公园地理信息转换为信息点，接着将转换的公园位置信息点做离散点生成泰森多边形，即为各城市公园体力活动的服务范围；其次，再将VGI点与各公园服务范围对应，利用属性表计算的方式，计算出服务范围内VGI点数量与公园面积比，即各城市公园绿地体力活动的服务压力，以数值的方式呈现；再次，将现有城市公园体力活动服务供给水平和服务范围连接，然后基于GIS平台中自带的自然间断点分级法对其分级，该分级法的优势是每一级组内差距最小，组间差距最大，可对计算统计结果的相似值进行最恰当地分级，并可使各级之间的差异最大化，分级是为了更好的表征服务压力的程度，配合量化的城市居民的活动需求可以发现服务盲区。最后，将分级结果进行可视化，等级越高则表示服务压力越大。

根据学者相关研究选择影响因子[9,14]，并删除一些活动强度较小的POI干扰因素，选出对城市公园影响较大的POI类型。将功能相近的POI类型进行整合，如表1所示。

表1 POI类型整合Tab.1 POI type integration

本文整合选取了教育科研、文化娱乐、商业办公、交通设施、居住建筑和基础服务等六类的POI，其点密度分布如图（图7）。在获取的POI数据中，交通设施中的公交站点和地铁站点，可体现交通可达性。教育科研、文化娱乐、商业公布、居住建筑和基础服务等可作为直接测量因子，得到地区的人口分布。不同功能对城市公园体力活动的需求不同。因此，需用AHP（Analytic Hierarchy Process）层次分析法对不同类型POI数据进行权重判断，并构建统一的数据信息表（表2）。其次，分别将研究区域划分为 200 m×200 m、500 m×500 m和1 000 m×1 000 m的空间单元网格进行测试[15]。根据公园的规模选择500 m×500 m的空间单元网格最为合适。最后，利用ArcGIS平台对获取的各影响因子相关的POI数据进行矢量化和栅格化。根据表2的权重赋值并进行栅格叠加计算，获得研究范围内城市居民的体力活动需求程度评价。

图7 教育科研、基础服务、居住建筑、交通设施、文化娱乐、商业办公等设施POI点密度分析Fig.7 POI point density analysis of education and scientific research facilities, basic services facilities, residential buildings, transportation facilities, cultural entertainment, commercial offices, etc.

表2 影响因子权重表Tab.2 impact factor weight table

接下来将公园的体力活动服务供给压力分级图与城市公园体力活动需求压力分级图计算结果利用可视化方法进行叠图分析。服务供给压力高的区域与服务需求压力高的区域叠加的部分，即为服务盲区。它是体力活动服务供需失衡最严重的区域。将服务盲区对比实际现状用地，寻找未来有机会成为城市公园的用地推荐为新增城市公园选址。新增城市公园的地理位置需考虑绿地资源利用的高效性，尽可能增补在服务盲区或是毗邻于泰森多边形边界处[9]。

3 研究结果与讨论

3.1 城市公园的体力活动服务供给压力评估

通过GIS平台的自然间断点分级法，将服务供给压力分为五级。图8和图9分别为深圳市三区的综合公园和社区公园的体力活动服务压力分级。等级越高则代表该城市公园所承受的体力活动服务压力越大，其公园绿地资源消耗越大。为了确定压力平衡级，引入了百度地图人流量热力图作为客观人群对公园使用情况实地调研。百度地图人流量热力图可以实时观测城市人类活动的强度，尽管无法具体量化，但因可以反映单位时间区域内人的密度而被学者广泛应用。本文选取了非节假日时段的工作日和休息日的全天的热力图数据，并将其进行空间叠图，获取该研究区域内客观观测的人类活动的活动强度，随后将综合公园和社区公园的服务范围与之叠加（图10），通过观察发现，服务压力级三级的城市公园其服务范围内人的活动范围占服务范围的一半，其人群对公园的使用情况良好，因此选择三级压力值段为压力平衡级。第一、二级为低压力级，第四、五级为高压力级[9]，获得现有城市公园的服务压力评价图，从而直观的了解城市公园体力活动服务供给水平。三区综合公园的服务压力主要集中在第一、三级，约占86.67%的比例（图8）。而第四、五级压力主要集中在福田区南部和罗湖区西南部，约占13.33%的比例，这些区域多为人口密度大的居住、商业、办公区等城市中心区域，其居民休闲体力活动需求大，以现有综合公园体力活动服务的供给无法满足居民的实际需求。三区的社区公园的服务压力主要集中在第一、三级，约占86.41%的比例(图9）。而第四、五级压力主要集中在南山区南部、福田区南部和罗湖区西南部，约占13.59%的比例，其中南山区南部为科技办公中心，人口密度大，社区公园数量和规模都匮乏；南山区和福田区交界处南部为居住区和欢乐海岸、锦绣中华民俗村等付费娱乐公园，这些公园聚集了大量人群，但周围没有几乎没有免费开放的社区公园；福田区南部和罗湖区西南部交接处都为居住、商业、办公的中心，由于是老城区其社区公园用地紧张，原有的城市规划无法满足现在居民日益增长的体力活动需求，以上区域周边的社区公园服务能力均无法满足居民休闲体力活动的需求。

图8 研究区域综合公园服务压力分级Fig.8 service pressure classification of comprehensive parks in the study area

图9 研究区域社区公园服务压力分级Fig.9 service pressure classification of community parks in the study area

图10 公园服务压力平衡级Fig.10 service pressure balance level of parks

从评估结果来看，研究区域的城市公园空间布局存在着配置不合理。三区城市公园体力活动服务供给呈现北高南低的状态。服务压力大的城市公园主要集中在南山区与福田区交汇处南部、福田区与罗湖区交接处的南部，而其他大部分区域服务压力偏低，城市公园体力活动服务供给水平出现明显的差异性。

3.2 城市公园体力活动服务需求程度评估

研究通过根据前文的影响因子权重表（表2），通过ArcGIS平台的计算获得城市公园绿地内居民的体力活动需求程度的评价，并将结果利用GIS平台的自然间断点分级法进行分级，随后进行栅格化同时与空间网格连接。城市公园的休闲体力活动需求被GIS系统分为九个等级。第一、三级为低需求，第四、六级为中需求，第七、九级为高需求（图11）。为了验证城市公园绿地内居民的体力活动需求量化是否可靠，研究引入百度地图人流量热力图进行对比（图12），通过对比可以发现，两者基本一致。因此，前者可以准确地表征城市公园绿地内居民的体力活动需求程度。

图11 研究区域公园居民体力活动需求程度分级Fig.11 classification of physical activity needs of residents in urban parks in the study area

图12 研究区域百度地图热力图Fig.12 Baidu heat map of the study area

等级越高证明其该区域的人口密度越高，大众的活动强度越高，其居民的休闲体力活动的需求越高。在理想状态下，评价等级越高的区域应有更密集的高质量服务水平的城市公园。第七、九级为休闲体力活动的高需求区，主要集中在南山区的南部，该区域有大量的高密度的居住区、办公区和商业区，其人口密度大，其城市公园的体力活动服务需求高，对城市公园的数量与规模要求更高；福田区高需求区主要集中在福田区西南部、中部和东南部，这些区域是人口密度大的居住点和华强北这类的商业、办公中心；罗湖区的高需求区域集中在西南部，该区域是老城区的CBD，其配套设施完善，人口密度高。这些高需求区为深圳市三区传统的城市中心区域，高需求给城市带来了较高的交通压力，消耗了巨大的环境资源，对城市公园的体力活动服务供给产生了较高的压力。

3.3 体力活动服务视角的深圳市三区城市公园布局评估与优化

研究基于上文深圳市三区城市公园体力活动服务供给水平和城市公园的体力活动服务需求程度的计算结果，基于城市公园的地理位置坐标信息为参照点并将两者的计算结果利用ArcGIS平台进行了可视化分析叠图，从而发现了各类型城市公园的服务盲区，即城市公园服务压力为第四级、五级服务范围和城市公园体力活动服务需求为第七-第九级的需求范围的叠加区域。综合公园服务盲区的空间分布如图（图13a）；社区公园服务盲区的分布如图（图13b）。

图13 研究区域公园服务盲区Fig.13 blind spot of park service in the study area

综合公园服务盲区主要集中在福田区沙田街道、南园街道和罗湖区的黄贝岭街道；社区公园服务盲区在南山区粤海街道，福田区的沙头街道、南园街道和华强北街道，罗湖区桂园街道、东门街道和南湖街道。研究根据用地现状在服务盲区范围内选择可新增的城市公园的位置，依此优化方法对深圳市三区现状的城市公园进行规划优化调控，建议增加综合公园12个，社区公园17个，其空间的分布选址主要在现状公园服务压力第四、第五级区域内的服务盲区，公园选址为经实地调研符合条件的绿地或空地。新增综合公园位置如图（图14a）；新增社区公园位置如图（图14b）。

图14 研究区域公园布局优化新增综合公园位置分布选址图Fig.14 layout and optimization of parks in the study area

4 结语

本研究从体力活动服务供需平衡的全新视角出发，基于自主研发的移动端PPGIS获取了居民的体力活动VGI数据，量化了深圳市三区综合公园和社区公园的体力活动服务的供给水平；基于POI数据量化了研究范围内城市公园的居民体力活动服务的需求程度。利用可视化分析的方法叠图获得服务盲区，依此对城市公园空间布局进行优化调整。研究表明，深圳市三区的综合公园服务低压力区占86.67%，社区公园服务低压力区占86.41%。服务压力大的区域集中在南山区西南部、福田区南部以及罗湖区西南部。尽管深圳市三区城市公园的体力活动服务供给整体性较好，但各类公园之间存在较大的差异，需要对服务压力大的城市公园进行升级改造或在服务盲区增补各类城市公园，从而城市公园空间布局进行优化。

研究也存在一定的局限性。计算结果的精确度与PPGIS移动端获取数据密切相关，数据量越大，空间覆盖越广，结果越精确。但数据获取受人力物力和推广的限制，研究结果的精度存在不足。研究仅从体力活动服务供需平衡的视角，更有利地为城市公园选址的提供依据，至于公园的面积、类型和体力活动的类型，并不在本文的讨论范围内。在未来的研究中，通过完善移动端PPGIS的功能，获取更精准的体力活动相关数据，依据周围居民的休闲娱乐偏好，来确定公园的类型及公园绿地面积的比重，以此全面客观地评估城市公园，为未来城市公园空间布局和规划提供更加有力的科学支撑。

图表来源：

图1-14: 作者绘制

表1-2：作者绘制