长沙市主城区体育场地空间分布及优化研究

张 启，夏安桃

（湖南师范大学 地理科学学院，湖南 长沙 410081）

强健的身体是开创美好生活的前提，也是个人生存发展的基础。2019年，国务院发布《体育强国建设纲要》，强调要将体育事业建设成为中华民族伟大复兴的标志性事业。2021年，《湖南体育发展“十四五”规划》《长沙市“十四五”体育事业发展规划（2021—2025年）》相继发布，标志着“健康长沙”建设开启了新征程。体育场地作为体育事业的基础性要件，对公民体育权利的实现以及社会公共服务体系的发展意义深远[1]。人民日益增长的体育运动需求也不断地推动着体育场地的建设。截至2021年底，长沙市拥有公共体育场地3 001个，较上年同比增长35%，并向着多元化、专业化、规模化的方向发展。然而，目前长沙市体育场地有效供给仍然不足，空间分布不均衡、体育设施陈旧、智能化程度低等问题依然突出。因此，对长沙市体育场地空间分布的现状及影响因素进行研究，不仅有助于丰富城市地理学、体育地理学等学科理论，还能为体育场地的规划布局提供参考依据。

目前对体育场地的研究主要集中在社会生产力水平较高的国家[2]。Higgerson等建议通过增加社区周边非营利性体育场地数量来改善公民在体育运动参与中机会不平等的问题[3]。Higgs 等使用FCA（Floating Catchment Area）模型来衡量体育场地的可达性与区域发展水平之间的关系[4]。中国学者多从城市尺度对体育场地展开研究。杨效勇等通过研究大型体育场地空间格局与城市发展的关系，得出大型体育场地空间布局对于城市体育产业健康发展具有促进作用[5]；陈元欣等通过分析美国体育场地促进城市更新的实践经验，为中国体育场地规划建设提供了启示，并建议推动公私合营、外部效应内部化来提升体育场地的经济和社会效应[6]。徐屏等使用密度分析、空间自相关和空间二元相关性定量分析了武汉市体育场地的空间格局，并通过多元回归模型预测武汉市体育场地将向“中心城区密集、乡村郊区普及”的发展模式转变[7]。中国关于体育场地空间分布的研究多采用社会调查数据和国家统计数据，面临数据获取难度大、时间滞后、样本量小等问题。随着信息技术的不断进步，以时空轨迹数据、手机信令数据、POI（Point of Interest，兴趣点）数据等为主的空间大数据取得了长足的发展，为地理空间实体的研究提供了新的方法和思路[8]。本研究利用POI 数据，运用DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法和ArcGIS软件，对长沙市体育场地的空间布局进行分析，并运用地理探测器从多方面探测体育场地空间分布的影响因素，以期为体育场地的规划布局提供参考。

1 研究区概况

长沙市是湖南省的政治、经济和体育中心，辖6区1县2县级市，面积11 819 km2。截至2021年末，常住总人口1 023.93万人。本研究依据《长沙市国民经济和社会发展第十四个五年规划和二〇三五年远景规划目标纲要》，选取长沙市6个市辖区（开福区、芙蓉区、雨花区、天心区、岳麓区、望城区）和1个市辖县（长沙县）作为研究区域（图1）。截至2021年末，研究区总面积3 941 km2，常住总人口753.99万人。

图1 研究区示意图Figure 1 Schematic diagram of the study area

2015年以来，在“健康中国”战略背景下，长沙市体育事业获得快速发展。2017年长沙市体育局获评“全国群众体育先进集体”。2019年长沙市体育产业总产出达到312.99 亿元，与2015 年相比增长了105.98%。2020 年长沙市被评为首批国家体育消费试点城市。“十三五”期间成功举办5 届长沙马拉松、3 届国际名校赛艇挑战赛、1 届环法自行车中国挑战赛等重大赛事。《长沙市“十四五”体育事业发展规划（2021—2025年）》（以下简称《规划》）明确要提升长沙市体育综合实力，使其位居全国省会城市第一方阵和中西部地区领先地位。《规划》还提出要打造“城区15分钟健身圈”，加快全民健身场馆设施的智能化发展，开展智慧体育场地建设，同时提高承办高端体育赛事能力。2020年投入使用的8个体育综合体项目也将进一步促进长沙全民健身运动。继“媒体艺术之都”“网红城市”之后，未来“健康之城”或将成为长沙市的又一张名片。

2 研究数据与方法

2.1 数据来源

本研究中，体育场地是指供居民进行日常锻炼和相关活动以满足其健康和养生需求的各种运动空间[9]。体育场地按用途可分为专用性体育场地和综合性体育场地。专用性体育场地是指只适用于单个项目的场地，如游泳馆、网球场、足球场等。综合性体育场地是指能适用多种运动项目的场地。本研究基于高德地图体育场地分类标准选取了10类长沙市民参与较多、较具代表性的体育场地作为研究对象（表1）。

表1 长沙市各类型体育场地POI数量Table 1 POI number of sports venues in Changsha

近年来，网络数据在城市实体空间研究中运用越来越广泛。而在空间大数据中具有代表性的POI数据已成为地理空间研究的基础性数据，具有易获取、资源丰富、位置准确等特点，因此选用POI数据能较为真切地反映体育场地的空间分布状况[8]。本研究所用体育场地POI 数据来源于高德地图开放平台，获取时间为2022年4月，共获取2 712条，通过去重和筛选共挑选出2 086条有效数据（表1）。此外，为探测体育场地空间分布的影响因素还获取了研究区内3 904条学校和6 736条小区点的POI数据。

除POI数据之外，本研究使用的数据还涉及长沙市统计数据、人口数据、区（县）矢量数据、水系数据、路网数据、夜间灯光数据、DEM 数据、土地利用数据和房价数据等。其中统计数据来源于《长沙市统计年鉴2021》《长沙市第七次全国人口普查公报》，区（县）矢量数据、水系以及路网数据来源于地理信息专业知识服务系统（http://kmap.ckcest.cn/），夜间灯光数据（2021 年）来源于NPP-VIIRS 卫星数据（https://payneinstitute.mines.edu/eog/），DEM 数据来源于美国地质调查局（https://www.usgs.gov/）（空间分辨率为30 m），土地利用数据（2020年）来自于中国科学院资源环境数据中心（https://www.resdc.cn/date）（空间分辨率为30 m），小区房价数据（2021年）来源于安居客（https://cs.anjuke.com/）。

2.2 研究方法

2.2.1 核密度估计法

核密度估计法（Kernel Density Estimation，KDE）属于非参数统计方法，主要用于空间热点区的研究[10]。本研究运用ArcGIS中核密度工具，以15 min平均步行距离1 200 m作为搜索半径分析体育场地的空间分布规律。在二维空间中，核密度函数公式为[11]

式中，λ(s)是体育场地s的核密度估计，r为搜索半径，n为研究区内体育场地的个数，φ是体育场地l与s之间距离dls的权重。

2.2.2 DBSCAN空间聚类算法

DBSCAN空间聚类算法是由Ester等学者开创的一种以研究对象空间分布的密度为基础来划分数据集聚区域的聚类算法[12]。与传统的K-means 算法相比，DBSCAN 算法既能从宏观上分析研究对象的空间分布特征，又能从微观上确保数据的位置精度[13]。本研究运用该算法研究长沙市体育场地集群分布并进行聚类等级划分，以揭示体育场地空间集聚特征。

DBSCAN 空间聚类算法需要对Eps和MinPts进行调节，Eps为数据对象邻域半径，MinPts为邻域半径内的最小样本点个数[13]。本研究根据周红芳等提出的I-DBSCAN 自适应参数来确定Eps和MinPts值[14]。该方法首先计算各点到第k个相邻点之间的距离k-dist，在这个过程中所有的点都会按大小排列成k-dist图。然后通过k-dist 图中曲线梯度变化较大时的点数值确定Eps值。在参数Eps确定后，接着计算在扫描半径Eps内点数量的期望，即求得MinPts的最优取值。函数公式为

式中，Counti为点i的扫描半径Eps内点的数量。

2.2.3 地理探测器

地理探测器（Geo-detector）是由王劲峰等学者提出的用于探究地理事物的空间分异规律并分析背后驱动因子的一种统计学方法[15]。地理探测器影响因子的决定力大小由q统计量来度量，其表达式为

式中，h= 1,2,…,L是因变量或自变量的分层，即分类或分区；Nh和N分别为层h和全区的单元数；σ2h和σ2分别是层h和全区的因变量的方差；SSW和SST分别为层内方差之和与全区总方差；q的值域为[0,1]，0表示随机分布，q值越大说明自变量对因变量的解释力越强。

2.2.4 熵权法

熵权法是利用选取的指标之间的相互关系来确定指标权重的一种赋权法[16]。计算方式如下：

（1）有m个区域和n项评价指标，形成原始指标数据矩阵

式中，Xij为第i个区域第j项指标的指标值。

（2）对正向指标与逆向指标进行标准化处理，正向指标标准化公式为

式中，Xij和xij分别代表标准化前和标准化后第i个区域第j项指标值。

（3）计算第j项指标下第i个区域的比重，公式为

3 结果与分析

3.1 空间分布特征

通过Anaconda算法环境平台，使用PyCharm编写DBSCAN算法代码，将获取的带有体育场地POI经纬度的表格写入代码中，借助k-dist图，得出：当Eps=10 m、MinPts=6时，聚类效果最佳，得到17个集群，集群间边界清晰。将聚类结果利用ArcGIS 10.8进行可视化，得到图2。为了验证聚类的合理性，对长沙市主城区体育场地进行核密度分析，得到图3。通过对比发现，DBSCAN聚类算法划分出的17个集群与核密度分析中的热点区域有较高的重叠度，可用于体育场地空间分布特征的研究。由图2可见，长沙市体育场地总体上呈现出中心集聚、四周分散的特征，以开福区南部、芙蓉区西部、雨花区西北部、天心区北部以及岳麓区的东北部为中心的区域体育场地布局最为密集。随着远离主城区中心，体育场地数量逐级递减，且空间分布较为分散。从街道看，各街道之间以及街道内部体育场地的空间布局差距较大，空间不均衡的特征明显。

图2 长沙市体育场地集聚识别结果Figure 2 Cluster identification results of sports venues in Changsha

图3 长沙市体育场地POI核密度Figure 3 POI core density in sports venues in Changsha

从表2和图2可知，长沙市体育场地在空间上具有梯度等级效应，即主城区中心密集，随着远离中心等级逐渐降低。为便于直观分析，将各集群通过ArcGIS 10.8中的自然间断点分级法划分为一级、二级、三级、四级和五级5个等级，各等级集群数量分别为1、1、2、2和11（图4）。一级包括第1集群，体育场地数量最多，共1 645个，占总量的78.9%；二级包括第3集群，共有140个体育场地，占比6.7%；三级包括第2和第6集群，体育场地数量分别为68和34个，占比4.9%；四级包括第5和第11集群，体育场地数量分别为9和10个，占比0.9%；五级包括第4、7、8、9、10、12、13、14、15、16和17集群，体育场地数量分别为6、8、6、8、8、8、7、6、6、7和6个，占比3.6%。此外，空间聚类算法还识别出了104个噪声点，占比5%，这些体育场地在邻域半径内没有与其他体育场地紧密相连，因而被识别为离群点，不构成集群。由图4可知，长沙市体育场地一级集群处于主体地位，大致呈现“T”字型集群形态，核心分布于以长沙火车站为中心的朝阳街街道、五里牌街道、左家塘街道和荷花园街道。二级核心主要分布于桔子洲街道、西湖街道、学士街道、洋湖街道和岳麓街道。其他等级集群主要集中在长沙市主城区的中部，四周偏少。由图2可看出，噪声点零散地分布于长沙市主城区中心的周边区域。

图4 长沙市体育场地集群等级划分Figure 4 Hierarchical classification of sports venues clusters in Changsha

表2 长沙市体育场地聚类结果Table 2 Clustering results of sports venues in Changsha

3.2 影响因素分析

3.2.1 影响因素指标的构建

为进一步探究长沙市体育场地空间布局影响因素，本研究以长沙市体育场地核密度作为被解释变量，依据现有研究成果[17-20]，结合长沙市体育场地建设和使用的实际情况，兼顾数据的可获取性，从自然因素、经济因素和社会因素3个维度构建影响长沙市体育场地空间布局的解释变量（表3）。参照“15分钟生活圈”的规划要求，分别创建750 m×750 m、1 000 m×1 000 m、1 500 m×1 500 m 渔网，将体育场地核密度及各指标数据赋值于各渔网中，进行格点化处理。综合考虑显示结果的破碎化程度和栅格化精度，最终选用1 000 m×1 000 m 渔网结果进行地理探测器探测，测度各因子对长沙市体育场地空间分布的影响程度（图5）。

图5 影响因素空间分布图Figure 5 Spatial distribution of influencing factors

表3 长沙市体育场地空间分异的影响因素指标Table 3 Factors of influencing spatial differentiation of sports venues in Changsha

3.2.2 影响因素的定量分析

（1）影响因素影响力分析

因子探测器可以测度不同影响因素对长沙市体育场地空间异质性的影响力大小[21]。从因子探测结果可知，不同影响因素对于长沙市体育场地空间异质性的影响差异较大（图6）。从图6可知，影响长沙市体育场地空间异质性的各因素的因子影响力由大到小依次为小区核密度＞人口密度＞夜间灯光指数＞学校核密度＞路网密度＞住房价格＞海拔＞地形起伏度。其中，影响力最大的因素是小区核密度，因子影响力为0.674；影响力最小的因素是地形起伏度，因子影响力为0.014。

图6 影响因素的因子影响力Figure 6 Factor influence of influencing factors

根据各影响因素的因子影响力，计算得到自然因素、经济因素和社会因素3 个维度的因子影响力平均值，分别为0.016、0.363和0.538。可以看出社会因素和经济因素对长沙市体育场地空间异质性的影响力较强，自然因素影响力较弱。究其原因，主要是由于体育作为一种社会文化，本质是一种人文关怀。而小区作为人们居住的场所，本身又会因为人口的高度聚集而促进体育基础设施的发展，从而使体育场地得以扩充，空间布局更为密集。此外，交通网络承担着促进人员流动、物资流通和信息传递的社会功能，对于体育场地的运营具有重要意义[22]。特别是一些大型体育场馆，人流量大，良好的交通网络不仅能提高人员的流动性，更能避免人员大量聚集所引起的各种公共安全事件。另外，良好的交通可达性可以增强群众的参与度，提高体育场地的使用效率。随着体育场地的商业化运作，高使用率就代表着高收益。

国内（地区）生产总值（GDP）作为衡量区域经济水平最常用的指标之一，能够有效反映区域经济的发展状况[23]。然而收集数据需要耗费巨大的成本，同时存在数据残缺和空间尺度不一等问题。Marx 等研究发现，GDP 与夜间灯光数据DN 值间存在较强的相关性[24]。因此，随着遥感技术的不断成熟，夜间灯光数据被越来越多学者引入到经济问题的研究中[25]。本研究通过分析夜间灯光指数的因子影响力发现，体育场地空间布局与区域经济发展水平之间存在较强相关性。这是因为随着现代体育向着专业化、数字化、产业化的方向发展，新型科技成果和创新技术的运用势必会提高体育场地的建设成本，对体育场地布局区域的经济水平提出了较高要求。此外，随着体育市场化改革的进一步深化，体育场地除了满足人们日常体育运动需求之外，也成为了大型体育赛事、演艺活动、商业活动等规模性活动的举办地，这些活动往往集中在交通便利、商业繁荣地区，而这也势必会使体育场地向商业繁荣的地方聚集。

（2）影响因素的交互作用

交互测探器可探测在2个驱动因子相互作用下，驱动因子对长沙市体育场地空间异质性的影响是否增加或减少。由于篇幅有限，仅对X8（小区点核密度）与其他影响因素交互探测结果进行解释（表4）。由表4可知，双驱动因子的交互作用影响力均强于单驱动因子的影响力，其中影响力较弱的驱动因子与X8（小区点核密度）交互后，影响力提升。在X8（小区点核密度）与其他影响因素交互探测结果中，X7（学校核密度）和X8（小区点核密度）的共同交互作用影响力最大，为0.725；X1（海拔）和X8（小区点核密度）的共同交互作用影响力最小，为0.685。驱动因子间的交互作用类型包括双因子增强型和非线性增强型[26]，而X8（小区点核密度）与其他影响因素之间的交互作用类型皆是双因子增强型。说明长沙市体育场地空间异质性不单受一种因素的影响，而是受不同因素综合作用，各因素相互作用促进了体育场地的空间分异，而这也提高了体育场地空间分布预测的难度。因此，在未来体育场地空间选址时，应综合考虑多种因素的影响。

表4 X8与其他影响因素交互探测结果Table 4 Detection results of X8 interaction with other factors

4 优化选址

根据影响因素分析结果，对长沙市体育场地进行优化选址。首先选取长沙市土地利用分类、地形起伏度、夜间灯光指数、小区距离、路网距离和现有场馆距离作为长沙市体育场地优化选址的指标，然后运用熵权法确定各指标的权重系数（如表5），最后通过ArcGIS 空间分析工具对结果进行可视化，得到图7。

表5 指标权重一览表Table 5 Results of index weight

从图7可以看出，长沙市体育场地优化选址的区域主要集中在望城区东部的月亮岛街道，开福区南部的芙蓉北路街道、浏阳河街道和月湖街道，长沙县西部的星沙街道、泉塘街道和黄花镇，芙蓉区西部的东岸街道，雨花区北部的高桥街道、黎托街道、东山街道和井湾子街道，天心区北部的青园街道、桂花坪街道和先锋街道，岳麓区东北部的麓谷街道、梅溪湖街道、望城坡街道、咸嘉湖街道、观沙岭街道、岳麓街道和洋湖街道。究其原因，这些街道除与现有体育场地保持一定距离外，还具有符合土地利用规范、地势较平坦、经济水平较高、人口较密集和交通较便捷等优势。

图7 优化选址空间分布图Figure 7 Spatial distribution of optimized locations

5 结论与建议

本研究采用POI 数据，借助ArcGIS 空间分析工具、DBSCAN空间聚类算法、地理探测器，定量研究了长沙市体育场地的空间分布格局和空间异质性的影响因素，并在此基础上提出了优化选址建议。主要研究结论如下：

（1）长沙市体育场地在空间上表现为集聚且具有梯度等级效应，呈现出中心集聚、四周分散的特征，并随离主城区中心距离的增加等级递减。运用DBSCAN聚类算法，在长沙市主城区内识别出17个集群（分为5个等级）和104个噪声点。其中，一级集群处于主体地位，大致呈现“T”字型集群形态；二级核心主要分布于岳麓区的桔子洲街道、西湖街道、学士街道、洋湖街道和岳麓街道；其他等级集群主要集中在长沙市主城区的中部，四周偏少；噪声点零散分布于长沙市主城区中心的周边区域。

（2）长沙市体育场地的空间异质性是多因素综合作用的结果，各因素的影响力大小依次为小区核密度＞人口密度＞夜间灯光指数＞学校核密度＞路网密度＞住房价格＞海拔＞地形起伏度。从不同维度看，社会因素和经济因素对长沙市体育场地空间异质性影响较强，自然因素影响较弱。因此，在进行体育场地规划时，应尽可能靠近人口较密集、交通较便利、经济发展水平较高的区域，以提升体育场地的利用效率，促进城市体育产业发展。多角度思考体育场地的空间布局，有利于体育场地向均衡化、高效化、健康化方向发展，不仅能增强人们的体质，满足不同阶层的体育消费需求，还能带动城市协同发展。

（3）未来长沙市体育场地的优化选址区域应主要集中于望城区东部、开福区南部、长沙县西部、芙蓉区西部、雨花区北部和岳麓区东北部。

体育场地是人们休闲锻炼、强健体魄的重要场所，与人们的日常生活密切相关。本研究借鉴已有研究成果，选取自然、经济和社会3个维度的指标对长沙市体育场地空间分布的影响因素进行分析，但体育场地空间分布的影响因素是多方面的，还涉及到如政府政策、城市定位等方面。考虑到指标数据的可获取性，本研究选取的指标也较为有限。另外，不同类型的体育场地在布局上有其独特性[27]，本研究只对选取的10类体育场地进行了总体分析，由于篇幅有限没有展开分析。在后期研究中，在上述方面进行进一步的完善将能更全面地展现长沙市体育场地的空间分布特征。