旅游型乡村空间活力的分布特征及其影响机制：基于多源数据的宏村实证分析

丁 杰 沈 新

（1.南京林业大学艺术设计学院，江苏南京 210037；2.安徽财经大学艺术学院，安徽蚌埠 233030）

0 引言

传统村落是指具有不可再生的历史、文化、建筑和研究价值的物质与非物质形式的文化遗产（Guo et al.，2016）。随着乡村旅游的蓬勃发展，传统村落逐渐成了广受欢迎的文化旅游目的地（Lu et al.，2020）。然而，旅游业也会给传统村落的原生环境带来诸多问题，因此其旅游空间的可持续发展逐渐成了旅游与规划学家的共同议题。旅游空间的可持续发展往往受其内部活力的影响（Debnath et al.，2018；Su et al.，2018），由于人口结构的失衡与历史风貌的退化（周建明，2014），一些传统村落的空间活力正在衰减（Hu et al.，2019）。同时，过度的旅游开发也导致部分村落的空间活力较依赖假日期间的游客群体，进而产生分化。通过多源数据来评估乡村旅游空间活力的分布特征，可以客观反映影响其活力的因素与机制，帮助人们更全面地理解乡村旅游空间，从而促进乡村旅游的可持续发展。

“空间活力”一词在20世纪80年代由Lynch（1984）引入城市形态研究领域。这一概念可用于城市、小镇和社区等不同尺度的空间（Zeng et al.，2018；Xia et al.，2020），常用来表征建成空间的容量、使用情况及其经济社会活动的强度。近年来，尽管出现了一些关于乡村空间活力的研究，但通常集中在普通的乡村社区（Etuk et al.，2016；Koomen，2011），而专门针对传统村落的空间活力研究则侧重于特定类型，如印度尼西亚宗教型村落的空间活力（Saputra et al.，2015）与中国屯堡村落的社会文化活力（Jia et al.，2020）。此外，有些研究还评估了乡村空间活力的某一指标，如文化遗产活力（杨立国 等，2018）。由于缺乏综合数据，多数传统村落空间活力的评价研究仍停留在概念模型阶段（任彬彬 等，2018）。因此，本文以世界文化遗产宏村为例，基于多源数据来分析乡村旅游空间活力的分布特征，并通过构建结构方程模型来揭示影响空间活力的因素与机制。

1 文献综述

1.1 空间活力的测量

根据前人观点，一个场所要具备活力需能够在不同时间吸引不同类型的人群（Jacobs，1992）。Mehta（2007）认为空间具有活力需要大量的人参与一系列固定或连续的社会活动。一般来说，建成环境中的空间活力需包含3 个关键要素，即人、活动，以及供人停留与活动的场所。根据这些要素，以往研究对于乡村空间活力的测量主要偏向于传统的现场观察（Jalaladdini et al.，2012）、问卷调查、访谈（包亚芳等，2019）等手段。然而，通过现场观察、问卷调查、访谈等方式获取数据不但需要较高的时间和人力成本，而且样本规模较小，观测周期短，还容易受天气等因素的影响，因此收集的数据可能与真实情况存在一定的偏差。

近年来，随着大数据技术的发展，多源数据分析方法被应用在城市空间活力的研究中（Lan et al.，2020；Zhang et al.，2021），其优势在于观测时间连续且不受天气等因素影响，观测范围广，数据定位准确，时间与人力成本低等。例如：Liu 等（2021）在对上海黄浦江滨水空间活力研究中使用了腾讯位置数据，讨论了滨水空间活力的影响因素；Tang等（2018）将手机信号数据作为城市空间活力的指标，探讨了城市空间活力与其影响因素之间的时空关系。还有研究者利用IC 卡数据和Twitter数据对Jacobs的空间活力多样性概念提出一种计算方法（Sulis et al.，2018）。然而，由于这种方法需要通过移动设备联网，容易忽略因使用人群与使用习惯所导致的数据缺失情况；同时一些偏远的乡村地区的互联网功能并未完善，使得大数据分析无法获得这些地区人类活动的详细信息（Mu et al.，2021）。由于传统的现场观察与多源数据分析各有优缺点，因此本文将两种方法结合起来评估传统村落旅游空间的活力分布特征。

1.2 建成环境与空间活力的关联

建成环境已被证明在维持和发展居民之间的社会联系方面发挥了作用（Boessen et al.，2018）。譬如，Ewing等（2010）证明了在建筑密度、交通可达性、到城市的距离和土地利用方面，空间活力与建成环境之间存在显著关联。一些研究者还通过可访问性、集中度和多样性来解读城市空间活力（Delclòs-Alió et al.，2018）。近年来，一些研究者经常使用兴趣点（point-of-interest，POI）来探讨城市空间活力（Zeng et al.，2018），POI常被用来表示建筑空间的功能，利用这一指标可以明确建成环境中的建筑功能分布特征及其与空间活力的关联。在乡村层面，一些研究探讨了环境品质对村落空间活力的影响，例如：Boessen 等（2018）认为乡村的环境品质（如人口密度、服务设施的多样性、街道网络的可达性、住宅设计等）对村落空间活力有正向影响；王春程等（2014）指出安全性、空间尺度、环境质量、公共设施、景观丰富度、管理维护、功能多样性是影响乡村空间活力的显著因素。尽管这些研究为评估乡村空间活力提供了参考，但由于缺乏多源数据的支撑及与之匹配的定量分析方法，导致这些研究对村落整体建成环境与空间活力之间的联系尚未得出全面的结论，仍未厘清影响村落空间活力分布特征的因素与机制。因此，本文以多源数据为基础，采用结构方程模型来探索村落整体建成环境与空间活力之间的关联及具体的影响路径。

2 研究方法

2.1 研究案例

本研究选取安徽宏村（见图1）作为分析案例。宏村始建于南宋，地处安徽省黄山市黟县，占地面积约19hm2，是徽州古村落的典型代表。2000 年宏村被联合国教科文组织列入世界文化遗产名录（卢松 等，2010）。宏村是国内旅游开发较为完备的传统村落之一，作为文化旅游的热门目的地，村内旅游设施齐全，历史遗迹保存完好，历史风貌犹存（唐文跃 等，2008）。每逢节假日等旅游旺季，游客群体庞大（郭强 等，2019），为研究提供了较为精准的人流数据。如图1 所示，村落区域被街道网络分割形成44个街区（研究单位）。

图1 宏村空间布局图

2.2 数据来源

2.2.1 百度热力图数据

百度热力图数据（BHMD）以智能移动终端设备的地理位置信息为依据，每15分钟更新一次，按照位置聚类，可显示人口流动的方向和空间聚集状态（王录仓等，2020）。研究表明，通过百度热力值可以实时反映不同空间范围内的活力分布情况（Zhang et al.，2017）。为了探究乡村旅游空间活力的时空分布特征，我们在2022 年6 月3 日至6 月8 日，每天9：00—17：00，利用Python 软件每小时爬取一次热力值数据（1天9次）。其中6月3日至6月5日为节假日（端午节假期），6月6日至6月8日为工作日。数据采集完毕后，将栅格化的热力图与宏村矢量地图叠加，计算44 个街区（研究单位）的不同热力值面积比例，根据重分类的各个热力段面积占比来反映6天内44个研究单位各个时段的热力值变化，原理如下：

式（1）中，Qi为某时段单元i的用户密度，aij为单元i第j种颜色的用户密度，bij为单元i第j种颜色的像素个数，c为单个像素的像素面积，Si为单元i的面积，n代表颜色类型（n=7）。

2.2.2 现场观察数据

经走访村委会，宏村本地居民共1368人，其中60岁以上老人和16岁以下孩童共549人（占总人口的40.13%）。由于不能保证所有的老人与孩童都使用移动设备，导致百度热力值可能与宏村的真实空间活力分布存在偏差。因此本文还需借助现场观察数据来弥补百度热力值的统计误差。我们在2022年6月3日至6月8日期间，每日观察4次，时间分别为9：00—10：00、11：00—12：00、14：00—15：00、16：00—17：00。观察期间天气晴朗，观测人员共10人，每位观测者使用计时器、宏村地图、笔记本和手机摄像头来收集宏村内不同空间使用情况的数据，最后进行汇总。

2.2.3 POI数据

随着位置服务技术的发展，基于细粒度的POI 建模方法已逐渐成为研究热点（申犁帆 等，2018）。我们利用Python软件从百度地图爬取POI数据，百度是中国最大的搜索引擎，它提供了不同空间研究中广泛使用的商业设施和公共设施的详细坐标信息，如景点、商铺、餐馆等。

2.2.4 建筑与路网矢量数据

宏村的建筑与路网数据来源于OSM（https：//www.openstreetmap.org/），OSM 提供了全球的道路与建筑矢量数据。为了准确性，我们将数据与最新的卫星地图进行了地理校对。

2.3 模型框架与变量解释

2.3.1 理论模型的建构

结构方程模型是一种开发、估计和检验因果模型的方法，其中包含观测变量和潜在变量（Bollen，1989）。由于样本规模较小，极大似然法（ML）或广义最小二乘法（GLS）模型难以有效估计宏村整体建成环境对空间活力影响的程度，所以本文采用贝叶斯估计法（Bayesian estimation）对结构方程模型进行求解。相对于普通算法，贝叶斯估计法关注的是原始观测值，并非变量间的协方差矩阵（李锡钦，2011）。它不仅能够为统计提供丰富的参数后验分布信息，使结果的解释更具有直觉性和合理性（Kruschke，2018），且在小样本量模型中拟合度表现更为优秀（Pan et al.，2017）。

本文以安徽宏村内部开放空间为研究区域，构建了由观测变量和潜在变量组成的结构方程模型（见图2）。其中，以工作日和节假日的平均空间活力作为内生变量，以表征宏村建成环境的POI密度、POI便捷度、POI可达性、街道步行可达性、开放空间品质作为外生变量，利用AMOS 26.0 软件分析宏村内部开放空间活力与建成环境之间的关联，并提出以下5个假设：

图2 概念模型

H1：POI密度越高，村落空间越有活力。

H2：POI便捷度越高，村落空间越有活力。

H3：POI可达性越高，村落空间越有活力。

H4：街道步行可达性越高，村落空间越有活力。

H5：开放空间品质越高，村落空间越有活力。

2.3.2 内生变量解释

本文的内生变量为宏村的空间活力，空间活力是由空间中人的行为活动所产生，不仅可以通过使用空间的人数来评估，还可以通过空间使用周期的平衡性来评估（Nadai et al.，2016）。因此，本文采用两个观测变量作为村落空间活力的评价指标，即静态测量活力水平的活力密度指数和动态反映活力变化的活力稳定指数（Li et al.，2020；Sung et al.，2013）。一般情况下，乡村旅游空间的活力表现在工作日与节假日不同，所以需要对其分别评估。

（1）活力密度

活力密度是指某一时刻村落开放空间中的人流密度，以总人数与研究单位面积的比值来表示，其数值越大，表明空间的活力越强。活力密度的计算方法见表1。

表1 内生观测变量计算方法

（2）活力稳定性

活力稳定性是指不同时期人流密度的动态变化，特别是研究单位在不同时期人流密度的离散程度，因此可以用活力密度的标准差作为衡量指标，其数值越小，表明活力越稳定。为便于后续统计分析，本文对稳定性数值进行了去量纲处理。活力稳定性的计算方法见表1。

2.3.3 外生变量解释

本文的外生变量是宏村开放空间的建成环境特征，构建了包括POI 密度、POI便捷度、POI可达性、街道步行可达性及开放空间品质等5 个维度共12 项指标的评价体系（所有外生变量的计算方法见表2），具体内容如下。

表2 外生观测变量计算方法

（1）POI密度

根据以往对村落空间特征和空间活力的研究，足够多的配套设施可以导致更多的人群活动（包亚芳 等，2019；Keyvanfar et al.，2018）。因此，本文采用景点类POI、餐饮购物类POI及住宿宾馆类POI数据，计算每个研究单位内不同类型POI的密度，检验其与空间活力的关联。

（2）POI便捷度

研究表明，丰富的空间功能可以为空间带来多样且持续的人流活动（郭海博 等，2020）。同时土地功能的混合使用还是优化建成环境的重要手段，并与空间内人群的活动行为紧密相关（Cervero et al.，2008）。受城市空间活力研究的启发（王波 等，2022），本文采用POI混合度与POI聚集度来共同表征POI的便捷度。

（3）POI可达性

POI 可达性是指研究单位到达村内不同POI 的可能性。受城市空间设计研究的启发（Koohsari et al.，2015），本文以景点类POI、餐饮购物类POI 及住宿宾馆类POI的覆盖指数（单位街道缓冲区半径200米）作为POI可达性的衡量指标。

（4）街道步行可达性

空间句法（Hillier et al.，1984）因其知名的数学度量手段被广泛应用于街道网络的空间分析中。本文基于空间句法的线段分析来提取宏村街道网络的相关数据。在空间句法中，轴线模型常被用来分析街道网络，但轴线分析只考虑拓扑关系而忽略了街道之间的转角因素，因此加入角度权重的线段分析可以更加科学地反映街道网络的空间关系（Turner，2001）。由此产生了代表空间可穿行度的归一化角度选择（NACH）与代表空间吸引力的归一化角度整合（NAIN）两个更为准确的空间度量指标（Hillier et al.，1987）。

街道步行可达性是指步行到达每个单位街道的可能性。根据以往研究（陈建华 等，2022；Liao et al.，2021），本文采用NACH 与NAIN 来表征宏村街道的步行可达性。同时，当关注空间中的人类行为或运动模式时，通常采用局部度量的方法，即采用不同半径的计算方式（Al-Sayed et al.，2018；Esposito et al.，2020）。本文根据宏村的空间规模选择了200米作为计算半径来代表步行可达性。

（5）开放空间品质

空间品质反映人类对空间的综合需求，其对空间活力存在一定的影响（韩咏淳 等，2021）。受城市空间品质研究的启发（Wu et al.，2019；Meng et al.，2019），再结合宏村环境特征，本文采用植被覆盖率与滨水距离两个指标来表征宏村的开放空间品质，并采用归一化植被指数（NDVI）与近邻分析来计算各研究单位的植被覆盖率与滨水距离。为了便于后续统计，对滨水距离进行了去量纲处理。

3 研究结果

3.1 宏村空间活力的时空分布特征

本文采用自然间断法（Jenks）将宏村空间活力密度值分为7 个等级，最低为1级，最高为7级，结果见图3。红色斑块代表高活力密度的空间单位，它们主要集中在宏村的中北部，形成了以月沼、南塘等著名景点为核心的高活力密度区域。在宏村的东北部与西北部，黄色斑块表明这些区域的活力密度处于低值区间。从工作日和节假日的对比来看，宏村节假日的整体空间活力密度高于工作日，这一特征在村落南部与东部区域尤为明显。因为宏村南部为南塘，是村落著名的景点与景区入口，东部则是民宿集中分布的区域。节假日期间，游客增加，这些区域的活力密度较工作日显著提升；工作日期间，游客减少，村内多以本地居民活动为主，东部与南部区域的活力密度随之降低。

图3 活力密度的空间分布特征

与空间活力密度值相同，本文将代表空间活力稳定性的数值也按自然间断法分为7个等级，斑块颜色越深，代表空间活力稳定性越高。如图4所示，宏村工作日的空间活力稳定性整体高于节假日。在工作日，高稳定性区域分布在宏村的南北中轴线附近，而西北与东北部的活力稳定性较低。在节假日，活力稳定性的分布特征与工作日大致相同，但宏村北部的活力稳定性略低于工作日，该区域商店与餐馆的集中分布。该现象表明，节假日期间，随着宏村游客数量增加，村内的商店与餐馆承接了大量游客购物与就餐的需求，因此人员流动的频率增加，该区域活力稳定性较工作日明显降低。而工作日期间，随着游客数量缩减，村内活动的主体变为本地居民，人员流动的频率降低。

图4 活力稳定性的空间分布特征

再从时间维度来看（见图5）。整体而言，节假日期间宏村的空间活力密度与活力稳定性略高于工作日。在每天的观测时段内，无论工作日或节假日，宏村上午的空间活力密度与活力稳定性均低于下午，其中14：00—16：00会达到宏村空间的活力峰值，此后便迅速回落（由于临近景区关闭时间）。一天中，宏村的空间活力峰值集中在14：00—16：00，表明下午才是村落空间的使用高峰期。该现象表明游客的游览时间过于集中，进而形成本地居民（部分服务群体）与游客（消费群体）共同挤占村落空间的现象。从乡村旅游发展的角度来看，过于密集的旅游业活动（包括旅游服务活动与旅游消费活动）既不利于对传统村落历史风貌的保护，也不利于乡村旅游空间的可持续发展。

图5 宏村空间活力的时间分布特征

3.2 宏村空间活力的聚类分布特征

除时空分布特征外，本研究还采用莫兰指数（Moran’sI）分析宏村空间活力的聚类分布特征。如图6 所示，宏村空间活力密度的莫兰指数为0.590（Z=3.681，P=0.004＜0.050），表明活力密度存在显著的空间关联。通过LISA聚类图发现“高-高”聚类主要分布在宏村的中部，且范围较广。相比之下，在宏村的西北与东北区域分别出现了“低-低”聚类的情况。

图6 宏村空间活力密度的聚类分布特征

宏村空间活力稳定性的莫兰指数为0.576（Z=2.919，P=0.006＜0.050），表明宏村空间的活力稳定性也存在明显的空间关联。如图7所示，“高-高”聚类主要分布在宏村的南北中轴线附近，而“低-低”聚类主要出现在宏村的东北部。可见，宏村空间的活力密度与稳定性的聚类分布特征较为相似，“高-高”聚类都分布在中部地区，而“低-低”聚类则分布在村落的东西边缘。因此，以月沼和南塘为核心的旅游资源分布密集区域影响了宏村整体空间活力的分布格局。

图7 宏村空间活力稳定性的聚类分布特征

3.3 结构方程模型结果

宏村建成环境指标的空间分布特征如图8 所示，每种指标的信度与效度都通过了检验，结果见表3。关于宏村的空间活力与建成环境的计算经历了约370000个模拟样本，收敛结果满意（初始值不同导致Bayesian-SEM每次运行的结果略有差异，但总体非常稳定），见表4。5 个原假设中除H1 之外，其余假设均得到了证实。结果表明，村落整体建成环境对节假日空间活力的影响程度高于对工作日空间活力的影响程度（排除H1）；村落建成环境中的POI 便捷度对宏村空间活力的影响最大，其对节假日与工作日影响系数分别为0.631 和0.532；POI 可达性对宏村节假日空间活力的影响（系数为0.493）远高于工作日（系数为0.362）。

表3 模型指标的信度与效度检验

表4 贝叶斯估计回归权重与假设检验结果

图8 宏村建成环境指标的空间分布特征

4 讨论与结论

4.1 环境因素对乡村旅游空间活力的影响

表4 和图8 的结果显示，POI 的便捷度对宏村空间活力的影响最为显著，工作日和节假日的影响系数分别为0.532（p＜0.001）和0.631（p＜0.001），表明村落中服务设施种类丰富且较为聚焦的区域更容易提升宏村的空间活力。宏村空间功能的高混合度与高聚集度区域均为村落中部（景点资源与服务设施的集中分布区），这与空间活力核心分布区重合，说明同时提高传统村落中历史文化景观与旅游服务设施的多样性与聚集度可以显著增强传统村落的空间活力。而POI密度对宏村空间活力直接影响最低且不显著，系数分别为节假日的0.054（p＞0.050）和工作日的0.077（p＞0.050）。以往的空间规划理念多利用POI 高密度区来鼓励人们的户外活动，从而提升空间活力（塔娜 等，2020）。而宏村的实证分析表明，高密度的POI 分布并非提升乡村空间活力的有效途径。譬如，宏村东北部民宿旅店集中，这种分布密集且功能单一的服务设施无论在节假日或工作日均无法有效提升村落的空间活力。由于远离景点与其他服务设施，民宿集中区并不能有效解决游客的其他需求，其高可达性区域（图8h）与宏村空间活力核心分布区（图3、图4）差异明显。因此，宏村民宿旅店集中分布区对活力的影响远低于空间功能多样性高的区域。

在剩余因素中，良好的步行通畅度、较高的POI可达性与优良的开放空间品质同样会对宏村的空间活力造成显著的正向影响。这些发现大部分与城市环境类似，但绿化率对于乡村空间活力的影响却与城市环境不同。以往研究指出，城市中植被指数（NDVI）往往对空间活力产生负向影响（Fan et al.，2021），有研究者认为城市空间中的机动车道路较多，为了满足通勤需求，宽阔的机动车道会占用一些绿化率（叶宇 等，2018）。但本文却发现空间的绿化率对乡村空间活力产生了显著的正向影响，即植被指数越高的区域越有活力。在乡村环境中（尤其是历史村落），机动车道多为环村道路，村内道路狭窄，绿化率较高的地方主要集中在一些开阔区域，而这些区域正是大型历史遗迹（如宗祠、亭桥、池塘、牌坊等）的分布范围，所以是吸引游客与村民聚集的场所。同时，滨水距离对宏村节假日期间的空间活力产生了更为显著的正向影响，表明亲水性是假期宏村空间活力的一个显著特征。从结果中还可以看出，节假日对于宏村空间活力的影响强于工作日，这更加说明作为旅游型村落，宏村的空间活力高度依赖游客群体。

4.2 对乡村旅游空间规划设计的启示

根据模型结果，乡村旅游空间的活力不仅受自身文化遗存情况的限制，还受其土地利用特征、设施布局、交通路网、环境品质等因素的影响。乡村旅游空间活力增强也意味着村落整体发展水平提升，因此活力可以成为村落所在地区振兴和发展的催化剂（Liu et al.，2021）。在规划乡村旅游空间时，高活力核心区的定位应考虑一定半径范围内的土地用途、景点分布、服务设施配套、空间可达性及自然环境特征。通过旅游规划、设施配套规划等不同规划之间的有序衔接，形成合理的动态分区和具有特色的优质开放空间。

为了提高乡村旅游空间活力，必须确保乡村公共空间对游客的吸引力，包括丰富的历史文化资源、完善的公共服务设施、优质的开放空间品质等。首先，在保证农业生产的前提下，尽可能确保村落所有区域的开放性，为游客提供良好的游览体验。其次，在热门景点周围尽可能分布多样化的配套设施，如餐馆、商店、民宿等，并按照一定的服务半径布局。最后，鉴于乡村旅游空间活力的峰值大多出现在下午，可以考虑适当延长开放时间至晚间，通过开发夜间旅游产品来丰富乡村旅游业态。如此既能够提升乡村旅游空间活力的持续性，也相对降低了空间的使用强度，从而协调传统村落旅游空间的吸引力与承载力。

4.3 研究意义与局限性

本文以安徽宏村为例，利用百度热力图数据和现场观测数据，提出并验证了乡村旅游空间活力密度和活力稳定性在工作日和节假日的分布情况及其影响因素。由于百度热力图数据相对容易获取，也可将其用于评估中国其他热点地区的乡村空间活力。根据结构方程模型的结果，有4个研究假设成立，1个研究假设不成立。本文的研究意义在于：基于人群的空间活力模型可以为决策者和规划者提供一个全面、及时的乡村旅游空间的使用概况，从而帮助其准确地制定改善对策；研究结果可为规划者改善村落整体环境提供参考。

本文的研究对象是旅游发展水平较高的宏村，因此研究结果对其他地区的适用性还有待验证。同时，百度热力图数据也存在一定的局限性。首先，一定比例的用户不包括在百度热力图数据中，比如老人、婴幼儿和不使用百度应用的人。其次，定位数据依赖于用户的主动操作，存在数据采样丢失的情况。此外，还应考虑空间活力的多样性，评估不同时间（白天和夜间）、不同群体（如访客、村民、游客等）、不同类型活动情况下的空间活力。活力多样性是空间活力研究中不可回避的问题，需要在后续研究中重点关注。