基于改进两步移动搜索法的合肥市中心城区综合公园可达性评价

摘要 为提高城市综合公园布局均衡性地定量评估的准确性，以合肥市中心城区为例，提出一种基于改进多出行模式的两步移动搜索法，利用高德地图的路径规划模型，结合双变量局部空间自相关、洛伦兹曲线以及基尼系数等方法，在手机信令数据的基础上对不同时间阈值下的城市综合公园的可达性及供需情况进行分析，进一步揭示中心城区综合公园布局的合理性。结果显示：合肥市中心城区综合公园的可达性空间差异显著，可达性较高区域通常分布在新城区以及综合公园周边地区，并且随着时间阈值的提高，可达性水平的空间分布呈现均衡态势；合肥市中心城区在15 min 与30 min 时间阈值下均只有近5% 的居住网格处于供需匹配状态；近7% 的居住网格处于供需显著不匹配状态，主要集中于老城区西部以及滨湖区北部区域，居住区密度与综合公园数量是影响供需匹配的重要原因。研究结果表明，通过利用手机信令数据与高德路径规划数据作为数据源对传统可达性的计算方法以及两步移动搜索模型进行改进，建立微观尺度下城市综合公园的可达性评价框架，能够精确地评估城市综合公园的可达性；通过优化城市交通的通达程度以提高居民综合公园游憩出行的阈值，能够显著促进城市综合公园整体的空间分布合理性。

关键词 手机信令数据； 绿地； 综合公园； 可达性； 两步移动搜索法； 合肥市

中图分类号 TU986.5 文献标识码 A 文章编号 1000-2421（2024）01-0089-11

公园绿地对城市居民健康水平的提高［1］和生活质量的改善［2］具有重要作用，合理的公园绿地配置决定了城市居民能否公平、有效地获取公园各项服务［3］，与其他公园相比，综合公园面积较大且娱乐和服务设施较为完善，能够满足居民多种游憩休闲需求，对提高居民福祉尤为重要［4-5］。近几十年来，随着我国社会与经济的快速发展，城市中各类问题逐渐凸显，城市空间的居住分异使得城市公共空间资源的分配呈现出空间不正义现象［6］。在这样的背景下，对现有城市综合公园空间布局的合理性与均衡性展开研究，对消除社会分异，改善人民生活福祉有重要的意义［7］。

传统绿地规划中以人均绿地面积、绿地率、绿化率等指标开展的公园绿地服务评价难以反映实际的公园绿地服务质量与布局的合理性［8］。可达性是指从空间任意一点克服空间阻力到达空间另一点的相对或绝对难易程度［9］，是评价公共服务设施布局合理性的有效手段［10］，近年来越来越多的学者开始将可达性这一概念纳入城市公园绿地布局的评价中，并且利用如最小邻近距离法［11］、统计指标法［12］、引力模型法［13］、两步移动搜索法［13］等进行测度，其中两步移动搜索法通过将非空间属性融入到空间可达性研究中，在计算可达性的过程中同时考虑到供给点规模、需求点规模以及供给点和需求点之间的相互作用，能够克服其余可达性计算方法的缺点［6］，在公园绿地可达性评价中被广泛应用［7，14-18］。

虽然目前利用两步移动搜索进行关于公园绿地可达性的研究较多，但大多以城市全体绿地为研究对象，缺少针对特定公园类型如综合公园的研究。此外，两步移动搜索法也存在着以下局限性：首先是区域人口数据的获取，通常以人口普查或实地调查获取的区域人口数表示区域绿地需求量，优点在于能够获取大范围的人口数据，但统计数据时效性较差且无法反映真实的居住情况，导致最终计算出的可达性与真实情况出入较大［18］；其次是道路空间数据，一般通过建立路网模型获取空间距离数据，对于通行过程中遇到的阻力则以经验值估算［19］，存在较大的主观性，容易使计算的结果产生较大的误差［16］；最后是出行方式的选择，不同属性的人群对出行模式的选择是不同的，以单一的出行方式对绿地可达性进行估算难以反映实际的绿地可达性，需要考虑多种出行模式的公园绿地可达性测度方法［20］。

相比较于利用人口分布的统计数据获取居民绿地需求而存在的准确性低、时效性差等缺点，手机信令数据具有空间分辨率高、时效性好等优点［21］。因此，本研究采用手机信令数据作为数据源，以合肥市中心城区综合公园为研究对象，采用多种交通出行方式构建多出行模式的两步移动搜索模型，分别从15 min 时间阈值与30 min 时间阈值对中心城区综合公园的可达性进行研究，并利用双变量局部空间自相关以及洛伦兹曲线、基尼系数等对中心城区综合公园绿地的供需情况进行分析，以期能够准确揭示中心城区综合公园布局的合理性，为未来合肥市中心城区公园绿地的布局优化提供重要的指导依据。

1 材料与方法

1.1 研究区域

合肥市位于中国华东地区，是中国长三角城市群副中心城市以及综合性国家科学中心，总面积为11 445 km2，人口达到936 万（中国国家统计局，2020年）。本研究以中心城区为研究范围，依据《合肥市城市总体规划（2011—2020）》对于中心城区范围的界定，中心城区北起长丰县行政边界，南至巢湖岸边，西起肥西县与南岗镇行政边界，东至大圩镇、淝河镇、大兴镇等行政边界，总面积约486 km2，包含蜀山区、瑶海区、庐阳区与包河区等4 个行政区，其中图1 来源自国家测绘局网站，审图号：皖合S（2022）10 号。

1.2 数据来源与预处理

1）公园绿地数据。本研究使用的公园绿地数据来源于高德地图，同时参照《合肥市绿地系统规划（2007—2020）》和《合肥市总体规划（2013—2020）》等官网公开信息，结合地图与实地调查，共得到中心城区各类公园50 处。参考GB/T 51346—2019《城市绿地规划标准》，选择位于城市建设区内部，且面积大于10 hm²的公园，剔除其中包括植物园、遗址公园、历史名园在内的各种专类公园，最终筛选出20 个综合公园作为本次研究的对象（图2）。在ArcGIS 中将公园绿地面状要素转换为点状要素。提取其质心作为供给点［14］，得到20 个综合公园供给点。

2）人口活动数据。与传统统计数据相比，手机信令等大数据因具有较高的时效性、精确性等优势而越来越多被应用于人口信息识别中［22］。本研究采用2021 年5 月份的合肥市中国联合网络通信集团有限公司（以下简称：中国联通）用户的手机信令脱敏数据，数据来源于中国联通智慧足迹，截至2021 年底，中国联通用户约为0.95 亿，市场份额占19%，考虑到数据的准确性，本研究仅以中国联通手机用户数据为本次研究的人口数据，不依据人口普查数据进行数据扩样处理。利用手机信令基站对用户进行定位，其数据精确度远高于街道、区县等统计数据。

当用户手机与中国联通基站进行通信连接时，基站会对用户进行定位，并记录和用户的交互信息，记录内容包括用地ID、交互时间、基站编号、事件类型（接听电话、接收、发送短信、位置更新）等［23］。中国联通在合肥市中心城市内建设约1.3 万个基站，每个基站均有各自的覆盖范围，我们将1 个基站连同其覆盖范围称为1 个基站单元。中国联通用户的活动在不同的基站单元内进行，其中发生该用户居住行为的网格称为该用户的居住网格单元；每个用户均拥有1 个独一无二的ID。游憩用户是指2021 年5 月份曾经在合肥市中心城区综合公园活动过的中心城区居住用户，我们基于用户ID 将居住用户与游憩用户进行连接，之后进行居住用户与游憩用户的识别。具体步骤如下：①将2021 年5 月份在合肥市同一基站单元内驻留超过10 d 的用户标记为合肥市常住人口，统计21：00 至第2 天08：00 在各个基站单元内的停留时长，停留时间最长的基站单元标记为该用户的居住地［24］。②统计合肥市2021 年5 月份 08：00 至21：00期间在中心城区综合公园绿地范围内单次驻留时长在30 min 以上的联通用户，标记为综合公园的游憩用户；③分别统计居住地的居住人数以及游憩用户在综合公园的游憩次数、游憩活动时长等数据并汇总至基站点。

本研究选取利用手机信令数据识别的2021 年5月份合肥市各行政区（县）居住人口数据，与合肥市第七次全国人口普查中各行政区（县）的人口数据进行相关性分析，并计算其Pearson 相关系数，结果为0.966，在0.01 水平呈显著正相关，表明本研究使用的手机信令数据样本具有代表性和有效性。

研究表明，正六边形在6 个方向上的点到质心距离相同，可减少由于格网形状的边界效应带来的样本偏差，也更适合进行空间分析［25］。因此，本研究选择边长为500 m 的正六边形，在ArcGIS10.2 中建立居住蜂窝网，将落在正六边形内的基站点聚合于网格质心，在此基础上进行空间分析，得到居住六边形网格827 个作为后续分析的居住网格单元。用户拥有独立的ID，可以根据用户ID 追溯网格用户的活动轨迹，从而确定用户的游憩地与居住网格单元。

最后获取用户到达游憩地花费的时间和距离，据此可以计算出用户的出行速度，依据居民到达综合公园的出行速度判断其出行采用的交通方式，其中出行速度为0～5 km/h 判断为步行到达；出行速度5～15 km/h 判断为通过骑行到达；出行速度为15～60 km/h 判断为通过车行（包含公共交通、地铁、私家车等交通方式）到达，并计算各种交通方式的占比情况，作为不同交通方式在可达性计算中的叠加权重。

3）交通距离数据。本研究通过高德API（applicationprogramming interface）中的路径规划2.0 接口，求得各综合公园供给点与居住需求点的最短出行路径，此方法能够依据实时交通路口获取最短出行路径。为了避免道路交通拥堵情况对出行路径采集的影响，选择在避开通勤高峰期的工作日15：00—16：00 分别获取步行、电动车以及机动车的出行路径，具体步骤如下：首先利用坐标转换接口将公园绿地供给点与居住需求点的GPS 坐标转换为高德坐标；其次利用路径规划2.0 接口，在工作日15：00—16：00 分别以起止点坐标为参数，发起步行、电动车以及机动车的路径规划调用请求，利用Python 获取不同出行方式下的时间距离数据作为供给点与需求点之间的实际距离数据。

1.3 研究方法

1）改进多出行模式的两步移动搜索法。两步移动搜索法能够从公园绿地供给与居住地需求两个角度出发评价公园绿地的可达性，考虑到以单一交通方式计算的可达性难以模拟的实际情况［15］。因此，本研究根据居民实际游憩出行所采用的交通方式进行步行、骑行及车行3 种交通方式的叠加，构建基于多出行模式叠加的两步移动搜索模型对综合公园的可达性进行计算。参考GB/T 51346—2019《城市绿地规划标准》中关于城市综合公园服务范围的标准以及相关公园可达性的研究［4，7，14-16］，本研究将搜索阈值确定为15、30 min，之后进行对比分析以探讨搜索阈值对公园可达性的影响。

公园的质量会对公园服务供给规模产生影响［7］，因此，需要对公园供给规模进行修正。本研究根据居民的游憩特征数据，利用公园的平均游憩时长除以公园面积，并进行标准化得到公园的单位面积游憩强度标准化值，之后构建公园的单位面积游憩强度指数对其服务供给规模进行修正［16］，具体计算公式如下：