基于手机信令和POI大数据的高密度城市公园绿地日夜游憩活跃度研究——以上海市典型公园绿地为例

杨 博 殷 明 郑思俊★ 高 冉

（1.上海市园林科学规划研究院，城市困难立地生态园林国家林业和草原局重点实验室，国家林业和草原局城市困难立地绿化造林国家创新联盟，上海城市困难立地绿化工程技术研究中心，上海 2002322；2.上海城建职业学院，上海 201999）

公园城市背景下，公园绿地发展出现了新趋势，市民开展公园绿地夜间游憩活动，改变了传统游憩模式，激发了城市夜间活力。基于大数据方法，通过手机App信令数据和公园周边设施兴趣点（POI）数据进行空间统计分析，初步揭示了公园绿地的日间、夜间游憩活跃水平差异现象与主导影响因素类型及结构。以上海市12个典型公园绿地为例，开展游憩热力监测对比分析，提出游憩活跃水平的定量分析指标“日夜活跃度”，基于该指标对公园绿地游憩活跃类型进行细分。结果显示，单纯的日间活跃型占公园绿地的比例仅为16.67%，公园绿地游憩模式已从传统的日间型向日夜兼顾型转变，进一步分析了影响公园绿地夜间活跃水平的主导影响因素，通过公园绿地夜间游憩热力点总数（R）与内部、外部影响因素的关联性分析，绘制显著相关因素的影响力排序。分析结果显示，公园夜间游憩活动较为普遍，周边设有如商务、宾馆、金融、购物、医院、交通设施等公共服务设施的公园，夜间游憩活动会进一步增强。研究成果对系统推进公园城市规划设计，优化高密度城区的公园绿地服务设施配套，提升公园绿地精细化管理水平具有积极的促进作用。

高密度城市；公园绿地；日夜游憩活跃度；大数据

国际化大都市十分关注城市夜间游憩活力与经济活动发展，如何通过公园绿地提升城市活力、尤其是夜间活力，是国际城市管理和规划研究领域的热点问题。法国巴黎制定“夏季开放24小时公园计划”，规定167个公共绿地和16座城市公园在夏季24小时开放，方便公众畅享夏夜魅力[1]。英国伦敦制定“24小时伦敦”愿景，致力于将伦敦打造成世界领先的24小时全球化城市，使伦敦成为世界上最适合工作、休息和娱乐的城市之一[2]。新加坡政府多部门积极推进“夜间游”系列活动，通过推出夜间“亮点”项目来吸引游客，促进“夜间经济”的发展。2010年前后，北京、上海、天津、济南、南京、西安等地先后提出推进夜间经济示范街区、延长营业时间等措施[3]。上海在促进城市夜间活力、公园绿地夜间游憩方面的政策措施十分全面[4]。

2019年4月，上海出台了《上海市商务委等九部门关于本市推动夜间经济发展的指导意见》（沪商商贸〔2019〕100号）[5]，明确提出加强规划引领、丰富业态种类、美化夜间环境、创新管理模式等具体目标，还在全国首创夜间区长和夜生活首席执行官制度，推动打造全国首个夜间野生动物园，推出夜间博物馆、深夜书店、周末活力街区等49个夜上海特色消费示范项目。上海公园绿地“四化”三年（2019 -2021年）行动计划提出，至2021年，全市公园延长开放比例将达到95%[6]，公园绿地在城市夜间活动中所承载的重要作用日益彰显。2022年12月，上海市绿化和市容管理局等八部门联合颁布《上海市“十四五”期间公园城市建设实施方案》，要求以“千园工程”为抓手提升生态环境品质和城市空间形态，以新发展理念推动绿色空间开放、共享、融合，以“公园+”“+公园”探索生态价值的创造性转化[7]。在上述政策背景下，公园空间与周边城市空间将进一步融合，公园游憩活动与公园周边生活生产活动的将进一步交互叠加、联动发展。如何智慧感知公园游憩活动与公园周边生活生产活动之间的内在联系，对系统开展“公园+”“+公园”工作具有实质性的支撑作用。以此为出发点，本研究基于大数据方法[8]，对公园绿地游憩活动与公园周边设施之间的内在关联开展了深入研究。

城市大数据可以客观反映游客群体的行为规律，基于大数据的公园绿地游憩活动研究是当前热点。在数据类型研究方面，李方正、宗鹏歌[9]将城市大数据细分为5类，分别为社交网络数据、网络媒体数据、交通传感数据、位置服务数据、地图与兴趣点（Points of Interest，POI）数据。在空间分析方面，王波等[10]利用微博签到数据，对南京市城市活动空间的动态变化进行分析，并根据变化进行活动区域划分；戚荣昊等[11]借助百度POI数据对城市中的人群分布和活动强度进行量化研究，为今后的公园服务空间范围提供优化建议。在游憩评价方面，王鑫等[12]以北京市大型郊野公园为研究对象，提取大众点评网上对其的热点评论词，通过词频分析，将公园的社会影响进行可视化分析。在游客特征分析方面，刘颂、赖思琪等基于手机信令多源大数据，分析了游客年龄与游憩活动之间的相关性，认为大数据分析能够为公园设计提供依据，提升公园规划的合理性[13-15]。现有研究以发挥大数据监测技术优势为特色，突破了常规监测手段难以实现的全时段、大范围、群体游客量监测技术难点，取得了多方面的丰富研究成果；但较少将公园绿地游憩活动进行日间、夜间的细分并探索其影响因素，本研究聚焦日夜游憩活跃度监测研究，探索公园绿地的游憩活动特征、规律和模式，对影响公园日夜游憩活跃度的主要影响因素进行了统计分析，揭示了其影响程度、主导类型和关联结构。研究有助于推进公园城市规划设计、进一步提高公园精细化管理水平。

1 研究对象与研究方法

1.1 研究对象

研究选取上海中心城（外环内）12个典型公园绿地作为样本。为扩大样本的差异化，避免选择类型相近的样本，考虑如下选择条件：（1）空间分布。宜选择距离市中心不同距离梯度上的样本，研究以陆家嘴顶点处的黄浦江中线为圆心（外环内城区的质心位置），按1 km以内、5 km左右、10 km以上三个梯度选择样本（图1）。（2）功能类型。样本以公园游憩功能类型为主（其中10个公园游憩功能差异较大，采样数量宜多）、居住区附属绿地为辅（其中两个附属绿地功能较为同质化，采样数量宜少），有利于对比分析夜间公园绿地游憩整体情况；公园绿地周边的主要用地类型宜存在差异，如居住、商业、休闲、旅游、商务等。（3）形态规模。宜选择不同形态、面积规模的样本（表1）。（4）样本比例。样本数符合抽样数量要求（抽样比例通常大于10%），本文选择的公园样本数（12）约占中心城主要公园总数（41）的29%，样本所在扇形区域约为40°，覆盖中心城约11%的面积。（5）熟悉程度。要求样本具有不同的公众熟悉程度，包括较为知名的和普通的公园绿地。（6）所选公园都已延长夜间开放时间，排除因管理等其他因素对调研结果产生的影响。（7）所选公园的可达性较高，与居民点距离较近，皆不收费。

表1 样本公园绿地特征信息表Tab.1 Sample park green space feature information table

图1 典型样本公园绿地选择范围图Fig.1 Typical sample park green space selection range map

综合上述考虑，本文样本类型涉及专类植物园、纪念性公园、湿地公园、CBD绿地、滨水绿地、居住区附属绿地等；样本周边环境涉及商务、旅游、居住、休闲、综合5类；样本面积规模从2 hm2至100 hm2；形态涵盖矩形、近三角形、带状，形态指数范围从0.26至0.93（本文采用的形态指数=公园面积的平方根/公园周长的四分之一，指数趋近于1，代表公园形态趋近正方形，反之则趋近条带状且不规则形状）；最终选定12个典型公园绿地进行分析研究，见表1，图2。

1.2 研究方法

通过对12个上海典型公园的游憩活动时间特征分析，探究公园绿地夜间游憩活跃特征；基于SPSS统计分析软件对公园绿地夜间游憩热力和周边POI数据进行关联分析，识别影响夜间游憩活动的主要环境因素。具体包括三个层面：一是公园绿地的日夜游憩活跃程度差异分析，依据公园绿地游憩热力手机信令数据，分析同一个公园绿地在不同时间条件下的游客量差异，揭示差异现象及其影响因素是本文的主要目标；二是日夜游憩活跃程度的主要影响因素分析，主要依据公园绿地内部、周边200 m范围内的POI数据，也包括公园规模、形态影响因素。POI涵盖景点、交通设施、公共服务设施等15种类型，是影响游憩活动的关键因素。兼顾周边200 m范围内POI，主要考虑公园绿地周边交通设施、公共服务设施等的影响，如公共交通站点、停车场、商务楼、宾馆等。200 m对应的步行时间约2 ～3 min，对公园游憩活动有重要影响。公共交通站点、停车场等，是公众选择游憩目的地的重要参考依据，出行距离及停车便利程度对公众游憩意愿、时间成本、服务体验具有重要影响。公园周边的商务楼、医院等，是潜在的重要游客来源，上班白领、外来游客等都非常喜爱前往公园绿地游憩。三是本文主要关注一般公园绿地的日常游憩活动规律，不针对具有特殊风景资源的景区型公园绿地、大型假节日井喷式游憩活动，分析成果主要适用于城市一般公园绿地的日常游憩活动。

数据采用手机App信令数据、POI数据。手机App信令数据采用了“宜出行”数据，具有较高的空间精度（约为10 m），POI数据采用了百度地图POI数据，基本涵盖城市各类设施。

2 研究结果与分析

2.1 游憩活跃度大数据分析

2.1.1 游憩活跃水平的日夜差异现象

为分析公园绿地日夜间游憩特征差异，本文基于2019年5月的手机App热力数据，采集12个典型公园绿地内的热力点，统计游憩热力点总数（即公园绿地内的手机App用户数，非实际游客数；绝大部分为游客，公园管理人员数量相对极少，可忽略），选择2019年5月17日（周五，工作日）、2019年5月19日（周日，周末）的数据，按小时（每日7:00-22:00）对公园绿地内热力点总数进行统计，最后对比日间、夜间、工作日、周末的数据差异，对游憩特征进行分析。

为量化分析公园绿地的夜间游憩特征，本文制定了“日夜活跃度”分析指标，该指标依据日间、夜间游客数量的差异进行活跃度评价，如日间游客数量多于夜间游客数量，游憩活动呈现日间活跃特征，反之呈现夜间活跃特征，见公式（1），计算结果规定：“日夜活跃度”大于1时，具有夜间活跃特征；小于1时，具有日间活跃特征；等于1时，日夜游憩活跃水平相等。

分析结果显示，各公园绿地日夜游憩活跃度具有差异现象，表现为三方面（表2，表3）：一是同一个公园绿地在单日内日间、夜间的游憩活跃水平存在差异，这一现象客观存在；二是不同公园绿地在同一日内的日夜游憩活跃水平呈现差异化，有的为日间活跃，有的为夜间活跃，且夜间活跃的公园绿地比例较高，说明日夜游憩活跃水平存在差异的现象并非个例或特例；三是同一个公园绿地在工作日和周末的游憩活跃水平可能保持一致，但也可能存在差异，如上海植物园的工作日、周末皆为日间活跃型；而前滩休闲公园的工作日呈现出夜间活跃特征，周末则呈现日间活跃特征，说明游憩活跃水平不完全是公园内在因素造成的，也存在外部影响因素。

表2 样本公园绿地5月17日（工作日）游憩活跃特征分析Tab.2 Analysis of recreational activity characteristics of sample park green spaces on May 17th

表3 样本公园绿地5月19日（周末）游憩活跃特征分析Tab.3 Analysis of recreational activity characteristics of sample park green space on May 19th

2.1.2 基于日夜活跃度的公园类型分析

按“日夜活跃度”指标对样本公园绿地进行分类，如工作日、周末都呈现夜间活跃特征，将其归类为“夜间活跃型”；如工作日、周末都呈现日间活跃特征，归类为“日间活跃型”；其中部分公园存在工作日、周末活跃特征变化的情况，可将其细分为“日夜转化A型”（工作日为日间活跃型，周末为夜间活跃型）和“日夜转化B型”（工作日为夜间型，周末为日间型），分类结果见表4。

表4 样本公园绿地日夜游憩活跃特征分类表Tab.4 Classification table of daily and night recreation activity characteristics of sample park greenbelts

经统计，在12个典型公园绿地中，“夜间活跃型”公园绿地数量占比41.67%，“日间活跃型”占比16.67%，“日夜转化型”占比41.67%（日夜转化型中，60%在工作日呈现夜间活跃特征）（图3）。由此可见，在夜间呈现出更高活跃度的公园绿地较多，反映出游客的夜间游憩需求较为强烈。

图3 样本公园绿地日夜游憩活跃类型占比分析图Fig.3 Analysis of the proportion of active types of day and night recreation in sample park green spaces

2.2 夜间游憩环境影响因素分析

为了解不同公园绿地夜间游憩活跃差异产生的基本原因，本文还对夜间游憩热力和周边POI数据进行了关联分析，总结影响夜间游憩差异的环境因素。首先基于2019年5月的POI数据，采集公园绿地周边200 m范围内POI点（图4），按其类型进行分类数量统计（表5），并求范围内POI数量总数与POI类型总数。再基于SPSS统计分析软件，对公园绿地夜间游憩热力点总数、POI数量总数、POI类型总数、各类型POI点数量进行关联性分析（表6，表7），最后统计显著关联关系出现的频次（图5）。

表5 公园周边（200 m范围内）主要POI数量统计表Tab.5 Statistical table of main POI numbers around the park (within 200 m)

表6 热力点总数与POI总量、POI类型数量的显著相关性统计表Tab.6 Statistical table of significant correlation between signal points amounts, POI amounts and POI types amounts

表7 游憩热力与POI之间的显著相关性统计表Tab.7 Statistical table for the significant correlation between the heat value of recreation and POI

图4 研究范围内POI分布示意图Fig.4 Schematic diagram of POI distribution within the research scope

图5分析结果显示，商务、宾馆、金融、购物为相关性最高的影响因子，对公园绿地夜间游憩的影响最大，公园绿地周边居住区、学校、餐饮、美容、公园面积、形态等影响因子对夜间游憩的影响较小。商务、宾馆、金融、购物4类设施集中区域，是高度城市化地区，人口密度高、夜间公共活动十分活跃，相应提高了公园夜间游憩活力。医院中有很多住院康复病人及下班后夜间探视的亲属，十分喜爱结伴前往公园绿地散步康养，尤其是傍晚饭后，随着公园延长夜间开放时间，夜间在园人数也随之增多。居住区、学校一般都具有附属绿地小游园，基本可以解决散步游园需求，因此夜间前往公园绿地的情况不明显。餐饮设施分布广泛、数量较多，虽然十分重要，但对夜间游憩活动的影响不明显。美容设施等的服务人群总量不大，对夜间游客量拉动作用不明显。公园在规划设计阶段，有必要综合考虑公园周边服务配套设施情况，如周边商务、宾馆、金融、购物等设施较多，公园夜间游憩需求将更为明显，宜兼顾夜间游憩活动的服务和管理，适当增加夜间游憩活动特色内容，优化夜间照明环境，制定夜间游园相关管理细则，加强公园夜间管理精细化水平。

本文认为，商务、宾馆、金融、购物、医疗、交通、居住等POI所在区域的城市化程度高、城市夜间活动丰富、职住关系合理，可能是造成公园绿地夜间游憩活跃现象的主要原因：一方面，丰富的城市夜间活动带动了公园绿地游憩活动，夜间外出活动的市民是公园绿地潜在的夜间游客；另一方面，公园绿地是城市居民选址安家、居住区开发的重要吸引点，在城市规划设计环节，政府管理部门和规划师们就已考虑到居住、商业、游憩、交通、教育、医疗等条件的综合配套与空间规划，营造了活跃的城市活力，为市民在夜间前往公园绿地开展休闲健身提供了便利的条件。上海市倡导的“公园绿地对居住区服务半径全覆盖”“十五分钟生活圈”“公园城市公园+、+公园”等城市规划设计政策导向，显然为促进城市夜间活力带来了巨大的促进作用。

3 结论

本文基于手机信令App数据、POI数据，对12个样本公园绿地夜间游憩活跃水平进行量化分析研究，揭示了公园绿地日间、夜间游憩活跃水平存在差异的现象，拓展了公园绿地研究的场景。样本公园绿地中，始终保持日间活跃的公园绿地占比仅为16.67%，从侧面反映出市民可能已形成夜间游憩公园绿地的日常习惯，夜间游憩行为已占主导，这对本市公园绿地规划设计和精细化管理具有显著的指向性意义。通过制定公园绿地游憩“日夜活跃度”指标，可用于量化分析公园绿地日间、夜间游憩活跃水平，基于该指标界定了公园绿地的三种游憩活跃类型，为后续开展深入研究建立了理论基础和量化分析工具，具有一定的理论创新性，对推进公园城市规划设计研究、提高公园精细化管理水平具有积极的促进作用。公园城市发展背景下的高密度城区，应特别重视和加强公园绿地夜间服务设施配套，公园周边已具有本文分析指出的几类服务设施时，其夜间游憩活跃度将显著提高。公园城市规划建设管理者、城乡规划师可基于本研究成果，积极开展城市夜间游憩活动量化研究，因城施策、因地制宜开展“+公园”城市设计，优化配置公园绿地周边配套设施类型、数量，吸引居民开展夜间游憩活动、促进城市夜间经济发展。公园管理者可基于本研究成果，量化评估不同设施配套条件下的公园绿地日夜游憩活跃度，有针对性地开展“公园+”相关提升工作，进一步提高公园精细化管理水平。