城市公园空间活力的影响因素及内在机制 ①

金贵琳， 毛超

重庆大学 管理科学与房地产学院， 重庆 400045

新型城镇化战略强调“以人为核心”， 随着生活方式和消费结构的变化， 城市公共空间的品质对居民生活质量的影响越来越大． 城市空间活力在宏观意义和微观表现两个层面上体现空间品质[1]． 我国城镇化正处于提质发展的新阶段， 城市公园作为一种新型的城市公共空间， 是满足城市居民日常休闲活动、 促进城市人文关怀和维持城市能量平衡的重要载体[2-3]． 截至2019年末， 我国城市公园的数量已高达18 038个． 城市公园潜在效益的实现高度依赖于城市公园的使用频率[4]， 一味地重速度和重规模是我国城市公园建设存在的主要问题． 这直接影响了供给空间与居民需求的匹配， 出现了城市公园利用率低、 参与性差[5]的实际情况． 因此， 如何打造一个与居民行为活动需求相匹配、 对居民有吸引力、 极具活力的城市公园空间是当前提升城市公共空间品质建设急需解决的问题．

城市公园空间活力是城市公园空间环境对居民聚集能力、 评价城市公园环境质量和空间活动多样性的体现[5]． 明确影响城市公园空间活力的因素及其内在机制可以科学地评估城市公园的综合绩效． 近年来， 对城市公园的研究主要集中在城市公园可达性[6-7]、 居民偏好及满意度[8-9]、 使用者行为[4，10]和健康状况[11-12]以及城市公园空间活力[13-14]等方面． 现阶段对其他公共空间(如街道)的量化研究较为广泛[15]， 而对城市公园空间活力的量化研究相对较少， 大多数研究侧重于定性分析活力的构成及影响因素[16]， 少数已有的量化测度也多以“数量”为评价依据， 采用空间人流密度、 活动规模或停留时间作为测度指标[17-18]， 缺乏对活动类型及空间环境交互联系的考虑， 导致了评价视角单一且对活力多样性体现不足的局限． 因此， 有必要对城市公园空间活力的影响因素及内在机制进行深入研究， 以期为城市公园利用率和满意度的提升提供理论指导．

本研究旨在通过增加活动的“质量”如活动类型和满意度等更全面地体现城市公园空间活力的内涵， 并引入居民的“行为活动”作为中介变量， 分析空间环境及居民的行为活动特征对活力的影响， 以揭示城市公园空间活力的内在机制． 首先， 通过已有研究及预调研结果， 提炼出城市公园空间活力的主要影响因素并构建理论模型； 其次， 建立城市公园空间活力影响机制结构方程模型， 确定该模型的潜在变量和中介变量， 形成结构方程模型的基本假设； 最后， 通过问卷调查和现场观测进行数据收集， 利用结构方程模型进行验证， 探索城市公园空间活力影响路径． 城市公园空间活力的深入研究能为城市公园的规划建设和管理提供指导意见， 也为其他城市公共空间的利用率和活力的提高提供参考．

1 研究方法

1.1 城市公园空间活力影响机制构成和理论模型

1.1.1 城市公园空间活力影响因素

城市公园的空间环境本身不能形成活力， 只提供人们活动的场所， 并对人的行为活动产生一定的影响． 从人与环境的关系看， 可以将公共空间活力剖析为实体环境(内在)和人的行为(外在)两个维度， 这与已有研究中活力构成与活力表征概念相对应[13-15]． 根据城市公园空间活力的已有研究(表1)， 结合预调研的结果， 本研究将影响城市公园空间活力的主要因素归纳为4个方面： 城市公园空间环境特征、 城市公园中居民行为活动特征、 居民人口学特征和生活环境特征．

表1 城市公园空间活力影响因素参考

1.1.1.1 城市公园空间环境特征

影响城市公园空间活力的空间环境特征包括物理及心理环境， 物理环境主要有自然景观和人工设施， 心理环境是指居民对城市公园空间的感知要素[27]． 其中， 自然景观包括植物、 乔灌木和草坪等要素， 表现为植物种类、 绿化景色的观赏性、 地形起伏和遮阴乔木数量等[5]； 人工设施是城市公园内各类行为或活动场地的设施配置， 休息设施数量、 活动设施的种类和数量、 遮蔽设施的配置等要素将显著影响居民访问城市公园的持续时间和频率[28]； 空间感知要素是居民对城市公园环境的主观感受， 空间的舒适性、 安静程度、 洁净程度和设施维护情况等环境要素感知良好是居民进行各类活动的基本保证[28-29]．

1.1.1.2 城市公园中居民行为活动特征

居民的行为活动直接影响城市公园空间活力， 通过分析前期预调研的结果， 并参考现有的研究成果[30]， 本研究把居民的行为活动具体概括为健身行为、 娱乐行为和交流行为三类． 健身行为主要是居民利用城市公园设施和场地进行个人或集体的户外活动， 比如跑步、 场地运动如球类运动和太极、 设施运动等； 娱乐行为主要包括赏景、 游戏活动、 自由活动， 如带孩子玩或拍照等； 交流行为则是闲坐聊天、 静坐观看、 约会聚会等活动[11]．

1.1.1.3 居民人口学特征

城市公园使用者的人口学特征(包括性别、 年龄、 职业、 受教育程度和收入等)直接影响其对城市公园游憩的抉择， 是影响城市公园空间活力的重要因素．

1.1.1.4 生活环境特征

生活环境主要包括交通可达性[31-32]、 游园同伴类型和游园动机等， 这直接影响居民对城市公园的感知及利用．

1.1.2 城市公园空间活力影响机制构成

影响机制包含现象、 实体和活动三部分： 现象指系统运行产生的作用或效应呈现的特征； 实体是发挥作用的影响因素； 活动指实体(影响因素)间在现象产生过程中所起的交互作用[33]． 城市公园空间活力的影响路径是影响机制系统中交互作用的表现， 居民行为活动与城市公园环境交互联系过程中产生城市公园空间活力． 当城市公园空间环境具备适当的活力时， 城市公园内活动人数增加、 人员停留时间变长， 促使城市公园内活动类型增多、 居民游憩满意度提升， 这是城市公园空间活力影响机制系统运行结果所呈现的特征． 因此， 根据城市公园空间环境、 居民行为活动及城市公园空间活力的内在关联， 本研究构建了城市公园空间活力的理论模型， 从框架上可以将影响城市公园空间活力的路径分为“城市公园空间环境→居民行为活动→城市公园空间活力”的间接影响路径， 以及“城市公园空间环境→城市公园空间活力”的直接影响路径(图1)．

图1 城市公园空间活力的影响因素作用机理的理论模型

1.1.3 影响机制理论模型构建

根据对活力影响因素及相互作用关系的分析， 建立城市公园环境与城市公园空间活力因果关系的理论模型(图2)， 提出4组假设．

H1： 城市公园环境特征对城市公园空间活力具有显著的正向影响；

H2： 城市公园环境特征对居民行为活动具有显著的正向影响；

H3： 居民行为活动与城市公园空间活力具有显著的正向影响；

H4： 居民行为活动在城市公园环境特征作用于城市公园空间活力时具有显著的中介效应．

在此基础上， 明确了结构模型的7个潜在变量， 为进一步深入分析， 构建了城市公园空间活力影响机制假设模型(图3)．

图2 城市公园环境与城市公园空间活力因果关系的理论模型

1.2 量表设计与问卷调查

在实地调研前， 筛选出重庆市主城区具有代表性的城市公园． 选取样本城市公园遵循4个标准： ①城市公园的数量适当， 根据综合公园、 专类公园和社区公园数量的相对多少选择相匹配的数量； ②城市公园性质， 以综合公园为主， 由于专类公园和社区公园的服务功能和范围相对有限， 不作为重点分析对象； ③城市公园的百度地图累计到访量和大众点评评论量的多级组合， 覆盖不同使用状况的城市公园， 即使用人数较多、 适中和较少的城市公园； ④城市公园的面积和地理位置， 依据重庆主城区城市公园空间分布情况， 以城市公园密集分布区(内环)为主， 调研城市公园覆盖到主城区各行政区， 并选择面积相对适中的城市公园．

筛选重庆市主城区内10个典型的城市公园作为问卷调查地点(表2)， 包括渝北中央城市公园、 鹅岭城市公园、 沙坪城市公园、 碧津城市公园、 石门城市公园、 美茵运动城市公园、 南山中央湿地城市公园、 心湖城市公园、 巴文化电影城市公园和雨台山城市公园． 覆盖7个综合公园、 1个专类公园和2个社区公园． 正式问卷调研历时10 d， 时间为2019年9月21-23日、 26日、 28日， 10月9-13日， 工作日和周末的调查时间各占一半． 调研期间， 重庆主城区天气状况良好， 适合开展户外活动．

表2 调查城市公园与时间等信息统计表

问卷包括两个部分： 第一部分为图3中7个潜变量的测量量表， 均采用Likert7级量表法(1为非常不同意； 7为非常同意)； 第二部分为居民人口统计学和生活环境特征． 采取现场拦截填写纸质问卷的方式， 发放并回收问卷共计550份， 有效问卷494份， 有效率89.8%．

2 结果与分析

2.1 样本描述

调查样本中， 女性占总调查样本的51.8%； 年龄大于40岁的群体所占比例较高， 共占62.1%； 受教育程度以大专与本科为主， 占46.6%； 交通方式以步行、 公交车居多， 分别为48.2%和23.5%； 60.1%的居民到达城市公园所花费时间为10～20 min； 51.4%的居民与家人同行； 61.8%的居民以促进健康、 休息为游园动机．

2.2 量表内部一致性检验

运用SPSS25检验量表的内部一致性， 各潜变量的Cronbach’s α系数在0.772～0.878之间， 总量表的Cronbach’sα系数为0.895， 大于临界阈值0.7[34]， 说明量表的内部一致性较好．

2.3 信度与效度检验

在结构模型评估前， 对测量模型进行了检验， 运用AMOS24进行验证式因素分析(CFA)． 从表3可知， 所有构面的因素负荷量在0.631～0.924之间， 均高于临界阈值0.5[35]， 且达显著； 组成信度(CR)介于0.777～0.881之间， 均大于临界阈值0.7[35]； 各构面的平均方差提取量(AVE)在0.540～0.715之间， 大于临界阈值0.5[35]， 具有良好的收敛效度． 经区别效度分析， 各潜变量AVE的算术平方根均大于各潜变量与其他变量的相关系数， 说明量表的区别效度良好．

2.4 模型检验与修正

应用AMOS24对预设模型M整体拟合度进行分析(表4)， 拟合指数中只有RMSEA和SRMR达到标准值， 其他指数接近于标准值， 模型可以接受， 需对模型进行修正． 在理论可行的基础上， 模型修正可通过增加或删除路径使预设模型趋于合理， 本文通过删除不显著路径以精简模型， 删除路径后修正模型M1的卡方值未明显增加， 各拟合指数无显著变化， 说明删除路径可行．

表4 模型拟合指数

预设模型M的路径系数如表5所示， 在0.05的显著性水平上， 其中7条路径的P值大于0.05， 且CR(t值)小于1.96， 说明这7条路径并不显著， H2a1的CR值为1.884， 接近1.96， 为分析中介效应保留了该条路径． 精简路径后修正项1的整体拟合度仍未达到理想， 因此用Boolean-Stine Bootstrap来调整不符合多元正态的模型拟合度[36]， 修正后的整体拟合度达到标准．

表5 预设模型M路径系数检验结果

2.5 路径系数分析

基于精简路径后的修正模型， 城市公园空间活力的影响路径及其参数估计结果如图4所示． 模型验证结果显示： H1a(β=0.32，t=5.78， S.E.=0.055)， H1b(β=0.28，t=4.541， S.E.=0.061)， H2a1(β=0.24，t=4.407， S.E.=0.054)， H2c1(β=0.20，t=2.519， S.E.=0.079)， H2b2(β=0.23，t=3.900， S.E.=0.06)， H2c3(β=0.26，t=2.656， S.E.=0.096)， H3a(β=0.08，t=1.976，p=0.023， S.E.=0.041)， H3b(β=0.16，t=4.128， S.E.=0.039)， H3c(β=0.28，t=9.000， S.E.=0.031)， 其中， H2c1(p=0.006)和H3a(p=0.023)在0.05的水平上差异有统计学意义； H1a，H1b，H2a1，H2b2，H2c3，H3b和H3c的P值均小于0.001， 在0.001的水平上差异有统计学意义， 且正相关性与假设相符， 故上述9条路径得到验证．

图4 城市公园空间活力结构方程修正模型标准化参数估计路径图

2.6 中介效应分析

为探明城市公园空间环境特征通过中介变量(行为活动)对城市公园空间活力的间接影响， 使用2 000个Bootstrap样本， 执行百分位Bootstrap和偏差校正Bootstrap方法估计95%的中介效应置信区间[37]． 参考普里彻和海耶斯[38]的研究， 计算了上下限的置信区间， 以检验中介效应显著性， 如果置信区间不包括0， 说明相应的中介效应显著． 从表6可知， 娱乐行为→城市公园空间活力(H3a)的置信区间包含了0， 表明娱乐行为与城市公园空间活力无显著正向影响关系， 故自然环境通过娱乐行为对城市公园空间活力的中介效应不显著； 自然环境和人工设施分别对城市公园空间活力的直接效应、 间接效应和总效应显著， 说明是部分中介； 空间感知对城市公园空间活力的间接效应和总效应显著且相等， 说明是完全中介．

表6 变量间的标准化直接、 间接和总效应检验表

3 讨论与建议

3.1 城市公园空间活力的影响路径

根据研究结果分析可知， 修正模型与预设模型的原假设存在一定差异， 原预设模型共有15条路径， 但经验证分析发现其中只有9条路径与假设相符． 城市公园空间环境的3个维度和居民的三类行为活动对城市公园空间活力的影响方式和程度也存在差异． 对于城市公园空间环境， 其中自然环境特征具有三类影响路径且总效应最为明显， 人工设施具有两类影响路径且总效应次之， 空间感知仅通过交流行为间接影响且总效应最小； 对于居民行为活动， 其中交流行为是影响城市公园空间活力最显著的中介变量， 健身行为次之， 娱乐行为对城市公园空间活力的中介效应不显著．

故本研究提出建议： 在进行城市公园的建设和管理时， 应充分重视城市公园内自然环境要素， 丰富园内植物种类， 打造优美的自然环境风景， 为城市公园使用者提供良好的视觉享受； 并充分考虑使用者游憩城市公园的舒适性， 地形起伏设计应自然和适宜， 避免刻意追求地面高低层次感， 关注城市公园内行人道路及休憩设施等与遮阴乔木的搭配． 根据本研究调研及分析结果了解到， 目前由于居民较强的工作和生活压力， 对自然和半自然环境的需求更加强烈， 其渴望能在具有自然环境特征的空间里与他人交流、 休闲放松． 故建议在城市公园内利用各类植物和设施， 为居民提供良好的交流和休闲空间， 这将极大提高居民的公共空间生活质量， 也能吸引更多的居民使用城市公园， 发挥城市公园的社会效益．

3.2 城市公园空间环境特征的活力效应分析

从修正模型的效应检验表(表6)可以看出， 城市公园空间环境特征选取的3个潜变量都具有活力效应， 按照对城市公园空间活力总效应值的影响程度呈现为“0.393(自然环境)>0.315(人工设施)>0.071(空间感知)”． 自然环境和人工设施通过直接和间接的方式对城市公园空间活力产生影响， 而空间感知只通过交流行为间接作用于城市公园空间活力， 并无直接影响．

3.2.1 自然环境

自然环境的直接效应为0.318， 间接效应为0.075， 说明城市公园自然环境特征与城市公园空间活力匹配度较高， 自然环境对城市公园空间活力的直接影响明显， 并通过交流行为间接影响城市公园空间活力． 从观测变量的贡献来看， 自然环境中的2个观测变量“X2”和“X1”的外荷载系数较大(分别为0.89和0.84)， 是影响城市公园空间活力的重要因素． 优美的绿化景色和丰富的植物种类能够促使居民在城市公园中闲坐聊天、 静坐观看和约会聚会等社会交往行为， 进而激发城市公园空间活力[39]． 对于赏景、 游戏、 乐器演奏、 拍照或带孩子玩等自由娱乐活动而言， 高品质的自然环境特征是富有吸引力的影响因素． 在实地调研过程中发现， 居民对遮荫乔木数量的关注与天气密切相关， 有乔木遮阳的座椅使用率更高， 且受访者们表示由于重庆地形的特殊性， 对城市公园地形起伏是否适宜更具有包容性．

3.2.2 人工设施

人工设施的直接效应为0.277， 通过健身行为的间接效应为0.038， 由此可见， 人工设施对城市公园空间活力的直接和间接影响均弱于自然环境． 人工设施潜变量中的观测变量“X7”和“X6”的外荷载系数较大(分别为0.89和0.80)， 对潜变量贡献明显． 居民关注游乐设施的数量和种类， 以满足在城市公园内开展场地活动和设施活动． 此外， 合理配置的遮蔽设施和数量充足的休息桌椅等对提升居民健身行为也具有重要的作用， 休息设施决定了居民在城市公园中的停留时间长短， 其充足的数量能为居民在城市公园内休憩和停留提供条件， 这对激发和保持城市公园空间活力具有重要意义．

3.2.3 空间感知

空间感知的间接效应为0.071， 介于自然环境和人工设施的间接效应之间． 空间感知的观测变量中， “X11”和“X12”的路径系数较高(分别为0.87和0.81)， 说明居民重视城市公园环境的洁净度和设施维护情况． 打造环境卫生、 设施完备、 氛围安静和舒适性强的城市公园环境， 能为居民提供一个良好的行为活动空间， 提高居民对城市公园的满意度， 丰富城市公园内活动类型， 进一步吸引更多居民使用城市公园， 提升城市公园空间活力．

3.3 人口学特征和生活环境特征的影响

运用方差分析检验了居民的人口学特征和生活环境特征对城市公园空间活力的影响． 结果表明： 调查对象的性别、 年龄、 职业、 受教育程度、 收入水平和游园动机对城市公园空间活力无显著影响； 游园同伴类型、 交通方式和花费时间3个方面对城市公园空间活力有显著影响．

由此发现： 家人陪同游园有利于提升城市公园空间活力； 而交通方式和花费时间实质是城市公园可达性对城市公园空间活力的影响： 步行方式可到达的城市公园空间活力相对较高， 增加城市公园及周边公交车站点等利于提升城市公园空间活力； 到达城市公园花费时间低于20 min能够激发更高的城市公园空间活力． 故通过在20 min车程范围内， 适度增加可到达城市公园的公交路线数量， 增大城市公园的服务范围， 能让更多居民能够使用城市公园．

4 结论

本研究通过分析居民行为活动与城市公园空间环境的关系， 构建了城市公园空间活力作用机理的理论模型， 并通过实地调研重庆10个城市公园， 以实证研究加以验证． 最终总结出影响城市公园空间活力的三类空间环境要素和三类行为模式， 细分为21个重要影响要素， 提炼出5个恰当表征城市公园空间活力的观测变量． 并发现： 在城市公园空间环境特征中自然环境特征对城市公园空间活力的影响最大； 居民行为活动中交流行为对城市公园空间活力的中介效应最为显著； 城市公园的交通便利性以及家人同行游憩城市公园均对城市公园空间活力具有显著影响．

本研究在理论上是对城市公园空间活力影响机制研究的一种补充， 在实践上有利于城市公园管理及相关部门采取相应措施， 提高城市公园的服务质量或使用频率等以激发城市公园空间活力． 城市公园空间活力的影响因素错综复杂， 本研究仅调查了城市公园空间环境特征、 城市公园内居民的行为活动及其个人特征， 未对城市公园的周边环境特征等进行分析， 今后还需要进一步丰富研究角度， 优化城市公园空间活力的影响机制模型．