基于地理探测器的城市广场活力测度及其影响因子分析——以南京市为例

邱 冰，李明慧

引言

城市广场的产生源于古希腊人对城邦公共事务的关注，是承载居民公共生活的重要户外空间，是“城市意象”中“节点”的典型代表。维特鲁威认为广场应该与居民数量成比例，以便于它不至于空间太小而无法使用，也不要成为一个没有人烟的荒芜之地[1]。随着近代工业革命之后城市环境的恶化，西方近代城市中的公地、绿地、公园等不同类型的开放空间得到重视，特别是城市公园的兴起在某种意义上削弱了广场的地位与作用。但就本质属性而言，两者依然保持了差异性。广场一般处于城市的重要位置，以硬质铺装为主，以供人们集会、交往、纪念之用，强调场所精神、标志性；而公园设立的原初目的与卫生、健康相关，主要供人们锻炼、散步、交往、呼吸新鲜空气之用，并注重营造自然式或乡村式的“入画”景观。尽管广场的部分功能已被公园取代、放大，其空间形式也因城市人口、交通的变化产生了转变，但仍被称为“城市客厅”，在人们的日常公共生活领域继续发挥着重要作用，让人们走在一起，帮助建立他们之间的关系[2-3]。

中国古代城市缺少真正意义上的公共空间，供公众活动的广场和公园均产生于近代社会，并受西学东渐及苏联模式的影响。中华人民共和国成立后，广场与公园得到了真正意义上的发展。20世纪80年代至90年代，我国各地掀起了广场建设热潮，影响至今。但随着园林城市、生态园林城市、公园城市理念的提出与持续实践，城市公园日益受到重视。城市广场在1990年版的《城市用地分类与规划建设用地标准》中被归为道路广场用地，而在2017年新版城市用地分类标准中则被归为绿地大类。后者规定绿地率（绿化用地面积占广场总面积的比率）超过65%的广场可视为“公园”。随着市民社会的发展，广场从早期的单一以政治中心为节点开始向结合商业、文化的多元中心转变。同时，各种城市公共空间包括室内公共空间的兴起也导致了早期建设的城市广场出现与人们日常生活脱节、使用率降低等现象。尽管城市广场面临诸多发展与转型的问题，但其作为中国近现代城市、社会发展的产物，见证了城市经济、文化、公共生活的发展与变迁，无论从纵断面或是横断面，都有必要对其进行再认知。课题组尝试从量化分析“空间活力”入手，从使用者、外部环境对广场本体进行再认知。

1 相关研究概述

国内有关城市广场的研究始自20世纪中后期。在研究初期，广场作为一种市政空间，被用作透视市民、社会、国家的互动历史的窗口，以观察各种政治力量对城市公共空间的控制以及广场在社会空间中的重要性[4]，并引发了学界对广场公共性的探讨[5]。20世纪80年代以来，广场建设热潮中“大而空”的建设误区又引发了学者对广场人性化、文化特色的关注。之后，随着广场建设朝着公园化、商业化及综合化发展，学界开始关注广场的使用状况，活力评价开始进入研究者的视野。

目前，城市广场活力相关研究主要集中于活力特征分析评价[6-7]、活力营造策略与实践[8]、活力与微气候[9]3个方面。研究者多通过实地调研和问卷调查，从空间内部与人的活动角度阐述提高广场活力与适宜性的策略[10]，较少从城市到场地尺度下剖析广场活力根源与作用机制。对市民和城市广场之间的活力互动关系进行探源，有助于在城市空间系统层面上对城市广场的属性、功能进行精准定位。随着大数据研究的兴起，有研究者利用社交媒体定位数据发现成功的广场一般由城市中心主轴线划定或与城市历史中心密切相关[11]，展示了一种区别于传统实地调查方法的研究过程。

在数据分析方法方面，现有“活力-环境”研究多采用传统的回归模型，如结构方程模型[12]、地理加权回归模型[13]等。这些方法虽能表达因子的影响作用，却不能很好地解析出驱动因素之间的互动关系。地理探测器则突破了经典统计学中的“独立同分布”的假设前提[14]，可更好地揭示空间分异现象背后的驱动力。近年来，地理探测器被应用于测试城市[15]、乡村[16]、公园[17-18]、街道[19]等对象的空间活力，但较少涉及城市广场。另外，相比于传统的田野调查与问卷分析，大数据分析展现了3个特点：要全体不要抽样、要效率不要绝对精确、要相关不要因果。社交媒体数据、手机信令数据是目前城市空间大数据分析常用的数据来源。考虑到社交媒体数据很难表示城市广场每小时至每天的使用情况，而手机信令数据覆盖面广且包含连续时间段内用户的空间位置信息，可在时空维度下更为精确地表征城市广场活力，课题组尝试将手机信令数据与地理探测器工具结合，设计一种测度城市广场活力及分析其影响因子的模型。

2 研究对象与数据来源

2.1 研究区域与对象

研究区域设定为南京市主城区，包括玄武区、建邺区、秦淮区、栖霞区、雨花台区等5个行政区、44个街道，总面积约42 977 hm2。南京作为“六朝古都”，在我国城市发展史上具有独特的地位，在城市空间规划、建设与管理等方面历来具有系统性和超前性。南京既有建于20世纪30年代反映南京近代城市结构特点的鼓楼广场、新街口广场，也有结合古城墙、秦淮河历史风貌而建的汉中门广场、东水关遗址广场，还有反映地方文化传统的朝天宫广场。由于主城区人口密度大，手机普及率高，手机信令数据在数据质量及应用上有较好的保证，因此将调查范围设定为主城区。此外，为使研究更准确有效，广场样本的选择设有两个基本条件：一是面积大于0.5 hm2；二是广场为24 h开放且可免费进入。

在充分考虑各行政区样本空间分布的前提下，本研究共选取38个样本，涵盖4种不同类型的城市广场：功能复合的综合广场、位于社区内部或周边的市民广场、被道路划分或具有交通集散作用的交通广场以及以各种遗址或历史人物为背景所建造的文化广场。样本在主导功能、空间级别、空间规模、服务对象、建设情况等方面情况各不相同，对它们从广场活力测度的角度进行整体性认知，或许可以从中发现一些规律性的内容。

2.2 研究数据来源

2.2.1 手机信令数据

手机信令数据是一种时空轨迹大数据，主要记录手机用户在通信网中活动留下的时空轨迹，具有动态、连续、空间全覆盖的特点。既有研究表明手机信令数据可有效服务于城市空间研究[20-21]。课题组尝试将信令数据与其他多种开放数据相结合，作为城市广场活力测度及其影响因子分析的数据来源。为此，采集了南京市主城区2022年3月第1个星期的工作日与周末的运营商手机信令数据，采集日天气晴朗，气温17—22℃，适合进行户外活动，排除了天气影响、疫情防控等干扰因素。首先，将手机信令数据与GPS定位数据结合以提高数据精度确定人口时空分布，获取的数据在清洗后经时空连续化处理、人口定位时间切片计算等步骤记录时刻人口空间位置。其后，通过ArcGIS渔网工具将研究区划分为像元大小分为70 m×70 m的网格单元，将人口数据与空间渔网进行空间关联产生矢量点，共产生数据653万余条。最后，结合城市广场矢量边界数据进行点面空间匹配，计算各城市广场24 h的人流量。

2.2.2 其他数据

从地图数据开放平台（https://lbs.amap.com/）获取38个城市广场矢量边界数据。百度作为中国最大的搜索引擎，提供了城市研究中各种公共商业设施的详细位置信息。课题组从百度地图应用程序编程界面（https://lbsyun.Baidu.com/）获取各类POI数据计149 122条，用于表示城市广场内部及广场附近的商业繁荣情况。

路网数据来自OSM（https://www.openstreetmap.org/）。课题组共收集了4 795条公共交通站点的数据(http://nanjing.gongjiao.com/)。这两类与交通有关的数据被用于评估城市公园的交通便利性。

人口密度数据（2020年）来自worldpop网站（https://www.worldpop.org/）。worldpop是世界知名的人口数据制作团队，其发布的人口密度地图为目前精度最高、最可靠的长时间序列工具，已被大量研究引用。本次选用的研究数据为TIFF格式，分辨率为30弧秒，将其转为矢量格式后精度可达1 km。

3 测度、分析模型建构

测度模型建构的总体思路是将广场活力指数与潜在影响要素分别作为因变量与自变量置于地理探测器模型中，以探测因子作用力与空间关联性，从而解析城市广场空间活力的相关影响因子及影响关系（图1）。

图1 研究设计框架

3.1 广场活力测度指标

对广场活力的测度有助于更好地了解城市广场和市民之间的关系。“活力”主要指人或活动在空间中的存在，其不仅可以通过使用空间的人数衡量，还可以通过空间中人群的使用周期进行衡量。根据以往研究[22-23]整理，确定活力聚集度与活力稳定度两个指标进行广场活力指数表征。

3.1.1 活力聚集度

活力聚集度是用来衡量某一时间段广场空间内用户相对密度的指标，数值越大，代表其聚集性越强。计算过程如公式1所示，其中Vg代表活力聚集度，t代表小时数，根据市民一般活动特点，研究将分析时间段划定在06：00—23：00，共18 h。A表示研究区域的面积，Qi表示第i小时该区域的用户总量。

3.1.2 活力稳定度

活力稳定度指用户密度在不同时间段内的动态变化，可以用来表征广场空间在特定时期内用户密度的离散程度，该指标数值越大，表示其空间活力越稳定。具体计算公式如公式2所示，Vs表示空间活力稳定度，Xt表示第t小时的广场到访游客密度，μ表示当日平均到访游客密度。

在计算活力聚集度和活力稳定度指标后，为减少参数变化同时改善数值运算过程中的稳定性进而有利于对结果的讨论，对活力稳定度和活力聚集度进行了归一化无量纲处理，处理方式如公式3：

3.2 广场活力影响因子分析指标

以若干自变量反映城市广场空间的内外部环境特征。根据实地调研及相关文献总结，研究从“供给-可达-需求”3个维度建立广场活力潜在影响因子指标体系（图1）。在计算广场各维度指标时，广场在区域内的影响覆盖范围依据走访调查及“15分钟生活圈”规划愿景进行划定。依据步行行为与速度的相关研究[24-25]，成年行人的步行速度约1.21 m/s，而老年行人的步行速度约为1.02 m/s。15 min步行范围在918 m至1 089 m。因此，设定1 000 m距离于ArcGIS10.2生成广场服务区，以关照各年龄层人群的特征，从而准确计算各类因子服务水平。

3.2.1 “供给”维度

“供给”维度主要用于表示广场空间的本体特征，包括广场面积、景观形状指数、植被覆盖度和广场围合度4个指标。指标计算过程如表1所示。景观形状指数反映广场的形状变化，该值越大则形状越复杂。植被覆盖度依据3月高分辨率遥感影像测算，通过平均归一化植被覆盖指数（NDVI）及像元二分模型计算得出。从古今城市广场的规划设计传统来看，围合度一直被认为是广场空间构成的重点所在，因而研究采用外部空间平面通透率指标衡量了广场平面围合度，平面通透率数值越高，则表示广场空间围合度越低。

业态密度以各类设施点在服务区内的密度表达为依据。相关数据依据自百度获取的16类POI信息计算。将16类POI信息划分为商业服务设施、公共行政设施、办公服务设施、科研教育设施及其他旅游景点5类。商业服务设施包括餐饮店、沿街商铺、大型购物商场、彩票店及酒店等。公共行政设施主要指政府或银行等机关团体所在地，包括居委会、金融服务点及政府机关3类。办公服务设施指写字楼或企业办公所在地。科研教育设施指从幼儿园到高校各种教育场所，包括各种课外辅导机构。其他旅游景点主要指广场周边的一些古代遗迹、历史建筑、博物馆等人文景观类游憩资源或公园、动物园、山峰、河流等自然景观类游憩资源所在地。

上述指标在一定程度上反映了广场周边业态条件，但还不足以在整体上反映空间业态多样性。简·雅各布斯在《美国大城市的死与生》一书中曾提到城市多样性本质是人的需求多样性，功能多样性是城市活力的有力体现[27]。以往也有研究者提出功能混合度高的空间单元会吸引周边空间单元的居民活动，但一定程度上抑制其城市活力[28]。为此，研究引入熵指数模型构建了基于POI数据的广场周边功能混合度测量工具，用以验证城市广场活力与功能混合度之间的影响关系。具体计算过程如公式4所示。Pi指第i类POI信息的占比，N为该区域的POI信息类总数。

3.3 基于地理探测器的测度模型

地理探测器是探测空间分异性、揭示其背后驱动因子的一种新的统计学方法[29]。借助地理探测器建构测度模型的优势是：对多重共线性问题免疫，各因子对最终的模型结果的影响也是独立的，并可同时探测两因子交互作用于因变量的效果且统计其显著性。其基本原理是自变量与因变量之间的影响会导致空间分布的相似性原则。目前，地理探测器已被广泛应用于空间分异及其潜在驱动因素对地理现象影响的相关研究中[30]。地理探测器分为风险区探测、因子探测、生态探测、交互探测4个探测器。综合以上分析，课题组尝试利用因子探测器和交互探测器探究城市广场使用活力的影响因子以及因子之间的交互效应。

3.3.1 分异及因子探测

因子探测器的主要功能是探测q值，即影响因子多大程度上解释了城市广场活力属性的空间分异，以定量评估潜在的驱动因素是否对城市广场活力有影响以及产生了多大的影响。其计算过程如公式5所示：

其中，L表示本文构建的活力影响因子X的分层，Nh和N则表示因子层h和整个研究区域包含的单元数；和分别代表因子层h和研究总域内广场活力指数的方差。q的值域为[0，1]，q值越大则表示该因子X对Y的影响性越高。

3.3.2 交互作用及探测

应用交互探测器识别不同活力影响因子X之间交互作用，以及因子X1和X2共同作用时是否会增加或减弱因变量Y的解释力，验证影响因子之间对城市广场活力的影响是否相互独立。全部交互作用类型有非线性减弱、单因子非线性减弱、双因子增强、独立、非线性增强5种。

4 结果与讨论

4.1 南京主城区城市广场活力时空分布特征

将所得南京主城区城市广场工作日和周末24 h的人流量数据按上文所述公式（1）和公式（2）进行计算，得到各广场分时段及全天平均活力聚集度与活力稳定度。活力测度结果经可视化分析得到如下结论。

4.1.1 城市广场活力空间特征

整体而言，广场活力呈现“高聚集-低稳定”的空间活力态势（图2）。38个广场的平均活力聚集度指数为82.93，标准差为74.16。活力稳定度指数为38.52，标准差为20.73。在空间分布上，呈现高值集聚、低值分散的特征。典型的高值集聚区为老城区南部片区和鼓楼、大行宫等城市中心区广场，包括中山南路市民广场、南京市民广场、大行宫广场等，广场类型以市民广场为主。活力低值区在空间上呈外围离散式分布，如尧化门市民广场、仪凤广场等。将4类城市广场的活力特征对比分析显示：在工作日，活力聚集度和广场吸引力度最高的几个广场并不是基础设施完善、空间面积宽阔的综合广场，而是市民广场；在周末，交通集散广场出现了较高的活力聚集度，而综合广场和文化广场也较工作日出现了活力聚集度明显增强的态势（图3）。因此，课题组进一步分析了不同广场的分时段活力模式差异。

图3 4类广场活力聚集度箱线图

图4 广场活力变化趋势

4.1.2 城市广场活力时间变化特征

一天之内人群活动特征随时间呈现“多中心聚集—动态均衡变化—边缘扩散”的变化规律。工作日广场的平均活力指数高于周末，周末居民对广场活动的社区依赖性明显弱化。研究使用K-means聚类分析城市广场06：00—23：00时活力聚集度变化。K-means聚类是最常用的2种聚类方法之一，使用此方法聚类的核心是如何选择聚类数目K。通常是根据研究者的专业知识领域来规定K值，但这种计算带有一定误差与主观性[31]。为克服这一问题，本研究不对K进行假设，而是经过多次测试，发现拟合程度最高的聚类数目。使用最优聚类方法辨别具有同质性的城市广场活力模式后，进一步探究每一类活力模式的广场特征，从而发现其背后的隐藏机制。

聚类分析发现，广场活力随时间变化模式可分为3类：平稳模式、单峰模式、多峰模式。3类变化模式在工作日和周末表现各有不同。在工作日，交通广场与市民广场活力变化多呈平稳模式；而在周末，呈现平稳模式的广场多为远离城市中心区的市民广场，其活力聚集度在18 h内随人群作息习惯呈小范围波动状态。呈现单峰模式大多是综合广场和文化广场。工作日期间，广场人群自上午9：00起开始聚集，18：00和22：00左右会出现不同程度的活力减退趋势。周末单峰模式的活力聚集较工作日出现峰值滞后、冷点提前的现象，自上午08：00左右呈现上升趋势，10：00出现聚集峰值，至午间12：00，热度出现明显下降，经起伏震荡至16：00活力消退。多峰模式在工作日多出现在市民广场和文化广场，几个峰值为12：00、15：00、20：00。周末，市民的出行行为增加，交通广场也呈现多峰模式变化，活力峰值时刻以11：00与18：00左右为主。

不同类别的城市广场在工作日与周末的活力特征也存在较大差异。在周末，综合广场和文化广场表现出较工作日更强的游览集聚现象。综合广场大多面积广大、设施完备、服务半径大。文化广场依托历史文化遗迹景点或依据纪念事件、人物而建，活动的日常性不如综合广场，活力表现也因区位特点各有不同。位于老城区的朝天宫广场、西华门遗址广场活力相较于中心城区外围的东山文化休闲广场更具活力。西安门广场、汉中门广场等因城墙遗址的知名度而呈现午间到晚间的游览活力峰值，具有单峰模式的活力特征。青奥村广场等遗址广场的多峰活力波动现象则是其周边人口密度低所导致。市民广场的活力高热时间段与活力稳定度相较于其他类型广场更高，表明位于居住区附近的广场有着较高的使用频率。交通广场中，绿地广场、南京南站南广场和迈皋桥广场呈现更高的空间活力，且各交通广场的活力模式与站点通勤规律高度相关。

整体而言，市民于广场活动时间变化的一般规律为多峰模式，即上午07：00起广场开始出现人群集聚现象，至11：00出现一天中的第一个峰值，午间活力略有波动，至15：00广场活力呈现进一步集聚状态。多数广场在19：00左右出现活力聚集度剧增至21：00出现不同程度的 减退。广场活力的集聚规律除了与市民日常作息规律吻合外，也与中国的广场舞文化相关。随着人口老龄化进程加快，广场舞、太极、各类乐器演奏等社会活动已成为广场活力的主要表现。广场上多样的社会活动成为中老年人进行体育锻炼、找到社会关系和参与感的重要依托。活动集聚地点在不同时间也存在空间分布差异：有绿化覆盖的树阵广场在白天深受广场舞群体喜爱，而空旷的广场则在晚上更受欢迎。开放程度、设施水平和舞台感3个条件兼具的场地最有可能吸引广场舞活动的集聚[32]。如何顺应广场空间、时间、行为规律统筹多样化的场所营建，打造有特色有活力的广场空间是专业规划人员需要关注的重要问题。

4.2 基于地理探测器的城市广场活力影响因子分析

将自变量X即广场活力影响因子分析指标依据南京主城区现状进行量化。由于地理探测器要求自变量X数据为类型量，所以将自变量X的数值量置于ArcGIS10.2中进行离散化处理。同时MAUP（Modifiable Areal Unit Problem）可变面域单元问题和影响因子数据网络规模的变化会对城市广场活力影响机制的结果产生较大差异，这种现象也被称为尺度效应，是地理学研究中较为普遍的问题[33]。为减弱尺度效应影响，本研究经多次实验确定合适的尺度单元及分区方法，发现当采用自然断点法且L=3时，研究的显著性最高且q值趋于最大值。其后将处理后的样本广场的活力潜在影响因子X数据与活力指数Y数据导入地理探测器软件运行分析得到各维度影响因子X对广场活力指数Y的解释力与二者交互作用的结果。

4.2.1 影响因子探测结果

广场“需求”维度因子对城市广场活力聚集度表现核心作用关系。利用地理探测器对城市广场3个维度的15个因子进行检测并对比这些影响因子的影响程度。结果如表2所示，上栏为工作日探测结果，下栏为周末探测结果。工作日期间，X1广场面积、X5公共交通站点覆盖率、X7周边人口密度、X9商业服务设施密度、X13其他旅游景点密度、X14周边居民点密度6个因子对城市广场的活力聚集度呈显著影响，其q值由大到小依次为其他旅游景点密度（0.735）、商业服务设施密度（0.366）、公共交通站点覆盖率（0.304）、周边居民点密度（0.206）、周边人口密度（0.196）、广场面积（0.167）。

表2 因子探测器结果

其他旅游景点如公园、历史遗迹点、山峰点等因素对广场活力的影响最大，侧面反映了在城市开放空间中，各种潜在游憩资源之间有着相互促进的集聚效应。广场作为市民的游憩空间，其他游憩资源具有一定的辐射力且能够聚集人气并吸引着大量市民在广场中停留活动。相较于城市公园和风景名胜，其开放性与公共性更强，更容易被市民及游客感知与游憩，而与广场相关的游憩资源点也可更好地引入地域文化内涵，以此更好地激发空间到访者的认同感。城市广场在城市开放空间中占据了一定的规模，有着衔接道路与其他功能用地的过渡作用。商业设施与城市广场活力的促进作用更进一步向我们证实商业设施为居民提供了多元活动的同时可以引起空间人流集聚，从而促进城市广场活力。因此，有必要在商业设施周边合理布置尺度适宜的广场，以满足居民停留需求。公共交通站点与广场活力的相关性也侧面否认了广场只对小范围居民产生吸引力的论断。走访调研发现，工作日广场活力的主要来源多为离退休人员，部分人会专门乘坐公共交通来到熟悉的广场和熟悉的伙伴进行唱歌、跳舞、弹奏乐器等活动。周末随着居民活动半径的扩大，诸如鼓楼广场等面积和设施齐全的综合广场，也存在一定的空间吸引力促使市民特意到访。因此综合南京各区域人口及交通条件对城市广场进行合理的选址建设，加强公共交通覆盖率改善广场的可达性也是增加南京城市广场活力的一种行之有效的方法。在与城市广场活力呈显著影响的6个因子中，5个都属“需求”维度。这证明了广场所处环境对广场的使用具有主导影响，有关公园的研究中也发现了这一点[34]。

在周末，广场属性与广场活力聚集度的影响关系变弱。各显著影响因子对活力聚集度的影响关系由大到小依次为商业服务设施密度（0.372）、科研教育设施密度（0.316）、广场面积（0.213）、公共交通站点覆盖率（0.183）。其中，广场面积对活力聚集度的影响高于工作日，说明周末居民更倾向于前往面积宽阔的广场空间进行活动，而不仅局限于家附近的小广场。研究发现市民广场在周末的活力稳定度下降现象也佐证了这一点。

就活力稳定度而言，工作日的活力稳定度与景观形状指数和空间围合度呈相关关系。与活力聚集度不同的是，工作日活力稳定度的影响因子都来自广场“供给”维度，说明广场外部条件决定空间吸引力，而内部供给条件则更多决定了人群停留。周末的活力稳定度与居民点密度、公共交通站点覆盖率、功能混合度的相关性更高。P值由大到小依次为公共交通站点覆盖率（0.360）、功能混合度（0.342）、住宅区密度（0.295）。由于周末居民的出行行为产生了活动目的多元化，活动空间扩大化的转变，所以交通站点覆盖率和功能混合度对广场活力产生了更大的影响。

综上分析发现，南京城市中心区的小型市民广场的活力聚集度与空间吸引力更高。将研究探测因子中显著相关的变量去除共线性影响后，构建的线性回归模型表明城市广场的面积与活力呈现空间负相关关系（表3），即面积越小的广场反而空间活力指数越高。其使用情况反映出了市民生活的实际需求，小广场面积小、布局散，深入城市各个角落，是普通市民包括基层弱势群体日常最易接触与使用的场所，它承担的是一种基层角色，解决了城市开放空间系统“最后一公里”的问题[35]。这从一个侧面证明“大而空”的广场未必受群众欢迎。小型市民广场又因其尺度上的易于交往可以进一步强化社交行为，进而可以推动物质空间转变为有文化历史价值的“依恋性”空间[36]。当城市中心区或老城区没有大面积空闲土地建设公园时，进行分散式的广场微空间系统建构可以更好地满足居民日常生活中对于“园”的需求。这也提醒规划设计者在广场设计时不应一味求大求美，而是要像细胞一样深入市井生活中。

表3 线性回归分析结果

4.2.2 影响因子与城市广场活力的交互作用

广场“供给”维度因子与城市广场活力聚集度呈协同作用关系。本研究运用交互探测器量化了城市广场活力影响因子之间的交互作用关系，共计算15个因子之间的105对相互作用，检测到31对因子交互作用为非线性增强。因子非线性增强作用示意如图5所示。表4和表5给出了工作日和周末的交互作用探测结果。加粗数字表示两因子交互作用为非线性增强。

表5 周末活力聚集度影响因子交互作用表

工作日期间，活力聚集度的最强互动效应因子有景观形状指数、绿化覆盖度和广场围合度，活力稳定度的最强互动是景观形状指数与商业设施密度的交互作用，其次是绿化覆盖度与建设强度的互动（表4）。值得注意的是，虽然在单因子探测结果中，景观形状指数、绿化覆盖度和围合度均未对广场活力造成显著影响，但它们与其他因子产生了更强的交互作用：绿化覆盖度与建设强度之间的交互作用比建设强度单因子作用增强了126%；广场围合度与行政设施密度之间的交互作用比行政设施单一作用效果增强了50%。此外，围合度与行政办公和科研教育服务设施的交互作用说明了广场的围合度仍是市民选择游憩地的重要因素。现场观察也发现，广场上流行的打牌活动更偏向选择围合度与绿化覆盖度高的场地，而设施并不是他们选择场地的最重要因素。因为现有广场大多未提供满足多样活动需求的坐歇设施，居民多自带板凳以便面对面交流。因此更加精细化的广场设施配置与绿化管理有必要纳入相关规划设计考量范围。

周末的活力聚集交互探测结果（表5）表明，尽管建设强度的个体效应低，但它与广场面积、绿化水平、道路密度、人口密度均显示交互增强。其中与面积的交互作用比单一作用增强了113%，比工作日显示出更强的交互作用。说明在周末的高密度街区内，面积宽阔的广场更受市民欢迎。同时周末道路密度的交互增强性比工作日更为显著，暗示了周末居民的活动半径更大，道路可达性可与其他因子协同促进广场活力。此外，商业服务设施与道路密度的交互作用提升24%，科研教育设施密度与景观形状指数、绿化覆盖度和道路密度均显示交互增强效果。

综合而言，交互作用最强的是景观形状指数、绿化水平、围合度与其他因子之间的互动，这些广场“供给”维度因子虽个体效应弱，但却与“需求”维度的因子产生了更强的交互作用。研究证明广场“需求”维度和“可达”维度的因子是影响城市广场活力的核心作用力，而“供给”维度因子则多表现为城市广场活力聚集度的协同作用力，其对广场活力稳定度的影响作用更为显著。结果对城市广场使用差异现象做出了解释，论证了合理的选址以及功能配置可以发挥城市广场的最大活力。

5 结语

城市活力是促进市民社会生活的源生动力，评价城市广场活力现状能有效检验城市开放空间发展潜力、揭示城市广场活力作用机制，为提升城市空间活力和满意度提供科学参考。本文基于多源数据对城市广场的活力时空特征展开测度，从“供给-可达-需求”3个维度对城市广场活力的空间分异影响因素进行判断。研究发现，南京市城市广场活力呈现高聚集-低稳定的空间活力态势。在空间分布上，呈现高值集聚、低值分散的特征。在时间分布上，11：00、15：00与19：00是典型的3个集聚时间点。不同类型广场也有不同的活力特点，位于居住小区附近的市民广场有着更高的使用频率和空间吸引力，而综合广场相较于其他类型活力稳定性更高。

因子探测和交互探测结果显示，商业设施密度、其他旅游景点密度、居住小区密度、公共交通站点覆盖率、科研教育设施密度、人口密度、广场面积6个因素是影响城市广场活力聚集度的主要因素。其中其他旅游景点密度和商业设施密度与城市广场活力聚集度的相关性最高，公共设施及商业服务的集聚是提升广场活力的有效途径，而交互作用最强的是景观形状指数、绿化水平、围合度与其他因子之间的互动。广场“供给”维度因子虽个体效应弱，但却与其他“需求”维度的因子产生更强的交互作用。研究证明，“需求”维度和“可达”维度的因子是影响城市广场活力的核心作用力，而广场“供给”维度因子则更多表现为城市广场活力聚集性的协同作用力，其对广场活力稳定性的影响作用更为显著。

本研究提供了一种从量化的角度对城市广场的使用现状进行“自下而上”的认知方法。其分析结果可为广场的规划、建设及更新提供决策层面的依据。其他城市应用文中提供的模型和分析方法时，可能因地域不同而出现区别于南京主城区的结果。文中对广场空间要素对活力的影响关联分析停留在中观尺度，后续研究可结合实地观测数据提高精度，对空间与不同人群、人群与各类活动组织之间的互动关系做进一步讨论以充分挖掘城市广场活力生成的深层作用机制。