基于微博数据的西安市空间意象研究

唐园园，连华，王菲

（兰州交通大学 建筑与城市规划学院，甘肃兰州 730070）

0 引言

“城市意象”由凯文·林奇首次提出，反映市民对城市的群体意象感知，由标志物、节点、路径、边界与区域五大要素构成。我国对于城市意象的研究从人与环境关系的辨析开始，李道增和林玉莲[1-2]分别从环境行为学与环境心理学阐述了城市公众意象。李郇、许学强[3]通过分析广州城市意象，提出城市意象是人与环境双向互动的结果。顾朝林、宋国臣[4]认为城市意象有助于引导城市设计发展。沈益人[5]认为城市意象应当考虑到文化要素，张鸿雁[6]在此基础上提出本土化城市意象。徐磊青[7]则从结构性、独特性和评估性三个主题系统梳理了中国城市意象的相关研究成果，并反思城市意象的研究目标、对象与方法，将城市意象研究归纳为描述性与诊断性两种范式。龙瀛与曹越皓[8-9]基于深度学习、网络照片对城市意象认知方法进行了创新。谢永俊等[10]从微博签到数据挖掘北京市城市意象。王世福[11-12]从功能意象、日常都市主义对城市意象进行研究。综上，在新数据环境和颠覆性技术下，城市意象的群体感知已经形成多学科交叉，并进入深化阶段[13]。

城市意象感知包括意象结构、意象类型和意象评价。构建城市空间意象结构是认识城市并指导城市规划设计的重点。传统城市意象研究方法以问卷调查和绘制认知地图为基础[14-15]。近几年，通过网络数据及文本分析的城市意象结构研究热度居高。应用范围多为构建城市空间意象现状布局，虽从局部街道或某一视角，对城市空间意象形成机制进行了实践探索，但用实证分析探索城市文化脉络，从城市综合发展水平对城市空间意象成因研究还较少。对此，本文基于微博位置签到数据，在城市空间意象结构感知的基础上，从文化遗产保护、生态人文建设以及经济产业发展三个视角，选取8个驱动因子，探析城市空间意象成因及其空间作用机制。

1 研究区概况、数据与方法

1.1 研究区概况

西安作为我国历史上十三朝古都，是我国首批历史文化名城，也丝绸之路起点城市、一带一路核心区[16]。据搜狐、百度、新浪等网络媒体统计分析，我国最具历史价值城市、最有文化底蕴城市排名中西安均居前三，在2022年最具城市旅游影响力的城市中西安市居前十。综上，西安市依托丰富的历史文化资源，已经具有较强综合竞争力。为深入挖掘西安市区各街道综合发展潜力，构建西安城市空间意象结构，进行综合实力评估，结合历史文化遗产保护，提出具体发展策略。通过分析西安市历史文化名城保护规划及发展现状，本文选取西安市区（包括新城区、碑林区、莲湖区、灞桥区、未央区以及雁塔区）进行探究（图1）。

图1 研究区范围

1.2 研究数据

1.2.1 基础数据

主要包括行政区划、人口分布、文化遗产分布、道路及基础设施分布数据。其中西安市行政区划和原始道路网数据，通过国家地理云数据平台获得，包括城市一级道路、二级道路、三级道路和四级道路；高速、铁路、国道、省道、县道以及乡道。本文主要研究城市道路对各街道产生的积极影响，由于铁路、高速过境路对所在区域正面影响较小，因此对其不作考虑。对我国公布的全国文化遗产保护单位以及西安市文物保护单位实地调研，确定文化遗产分布现状、公交站点及基础设施分布现状。各街道人口数据以第七次人口普查数据为标准，结合各街道所公布数据得到最终值。

1.2.2 微博签到数据

利用新浪微博开放API，编写程序抓取 2021年9月到2021年11月以及2022年3月到2022年6年（西安市旅游旺季）西安市区内带有地理位置属性的微博签到数据，其中每条签到记录均包含用户信息、数据发布时的位置(经纬度坐标)、文本内容(微博文本)、发布时间。清洗数据后，得到9月到11月数据7856条，3月到6月数据19554条。

1.3 研究方法

以GIS空间相关分析和地理探测器分析为主，GIS分析主要将城市环境意象、文化活动意象以及自然山水意象各要素可视化，分析各类空间意象高频点及空间相关性，并在此基础上进行热点分析，分析各街道意象之间的空间聚集分布特征。地理探测器是由王竟峰等[17]提出，可检验变量空间分布的耦合性，探测两者之间的因果关系。研究通过地理探测分析对意象空间成因作进一步分析，逐一分析各类意象因子与所选影响因子间的相关性，得出两者间的相关性强弱。最后进行对比，提出各街道优化策略。

2 城市空间意象感知分析

2.1 整体空间意象感知

2.1.1 整体空间意象结构分析

对西安市研究时段内签到数据可视化分析发现，热点意象集中在碑林区、新城区、莲湖区以及雁塔区。越靠近城市中心地区，密集程度越高。最高点为碑林区、新城区与莲湖区三区交界处。对其整体意象空间的分析，不考虑城市街巷空间影响，从整体热点强度，对其空间感知状况，按五要素进行划分，构建城市整体意象结构。整体来说，西安市中心城区城市意象结构呈集中式分布，与西安市中心放射棋盘式结构一致，并与城市历史文化遗产保护点高度重叠。根据意象强度及面积划分为6个区域、3条边界、3条路径、17个节点和6个标志物（图2）。

图2 城市意象结构分析

在此基础上分街道统计（图3），发现人群活力最高的街道是南院门街道、长安路街道以及大雁塔街道，其次为北院门街道、东关南街街道、长乐坊街道等莲湖区、雁塔区、新城区的街道，最低为灞桥区以及未央区的新合街道与建章路街道。由于地理区域、政治经济等仍有差距，灞桥区的纺织城街道、新城区胡家庙街道、长乐中落街道意象热点度较低。

图3 城市意象感知分区统计

2.1.2 文本分析

根据用户打卡文本分析，将打卡类型分为三类，对地点、美食表达喜欢、热爱等词汇的赋一分，分为正面意象点；对地点、美食表达出避雷、难吃等字眼词汇的赋三分，分为负面意象点；其余均赋两分，为中性意象点。统计得出正面意象点6148个、中性意象点21158个、负面意象点96个，剔除无效数据8个。由于负面意象点数量较少，因此不做分析。借鉴学者曹越皓城市意象研究方法，将正面意象与中性意象进行结构分析（图4、图5），发现两者城市意象空间结构基本相同。

图4 正面意象结构分析

图5 中性意象结构分析

2.2 内部空间意象感知

在文本分析基础上，取正面意象与中性意象的正向意象点对城市内部意象进一步分析。结合相关研究[18-19]，将城市内部空间意象分为三大类，包括城市环境、文化活动以及自然山水；其中城市环境分为特殊建筑群体和公共空间，文化活动包括历史古迹和餐饮文化。对各类意象因子前十的意象点进行统计分析（图6），发现西安世博园、白鹿原、青龙寺及大唐不夜城热点最高，城市环境建设依托西安资源禀赋发展迅速，意象热点高。西安历史古迹热度高，但近代工业文化遗产意象热点低。

图6 各类意象因子前十意象点统计

基于此，将城市环境、历史古迹、餐饮文化意象因子分别进行可视化（图7），发现：在西安市城市环境意象的空间结构中，大雁塔街道为集聚性最强的城市环境意象区域，密度值大于7800，与西安曲江艺术博物馆、大唐芙蓉园、西安美术馆以及长安十二时辰唐传统文化旅游街区分布密切相关。在历史古迹意象要素结构热力分析中，大雁塔街道为集聚性最强的民俗工艺与历史古迹意象区域，密度值大于40610，与大雁塔、钟楼、西影TIME、青龙寺以及大慈恩寺密切相关。从餐饮文化意象要素结构热力分析中发现，南院门街道、小寨路街道与丈八沟街道为集聚性最强的意象区域，火锅、烤肉店意象因子最强，其次是胡辣汤和陕菜馆。自然山水意象中，汉城湖、曲江池、西安湖意象点最强。

图7 各类意象要素热力分析图

3 驱动分析与优化策略

3.1 驱动因子分析

为从城市综合发展水平探析西安市空间意象，特从文化、经济、人口等方面选取8个驱动因子：文化遗产、人口分布、餐饮美食、商业住宅、交通设施点、教育普及度、道路网密度以及GDP进行分析。由于各影响因子原始数据差距大，通过自然间断法分级处理数据后，分析发现（图8），Y为餐饮文化意象因子时，地理探测器q值最高为商业住宅（0.86），p值为0，可见商业住宅分布与餐饮文化意象因子空间分布相关值最高。Y为城市环境意象因子时，各街道GDP和餐饮美食相关性最高。Y为民俗工艺与历史文化意象因子时，各驱动因子相关性不显著。Y为自然山水意象因子时，各街道GDP相关性最高。由此可见，GDP所反映综合经济水平是各街道发展基础，餐饮美食是吸引人群的最大影响因子。

图8 西安市空间意象分布影响因子探测

3.2 优化策略

3.2.1 深挖各区优势资源，打造特色意象

通过分析西安市主城区各意象因子分布现状及驱动因素，提升各街道综合经济水平，挖掘各区优势资源，结合各街道意象因子特点分别打造生态创新区、文化保护区、文产交融区、文化传承区以及新城联动区（图9）。生态创新区依托丰富的自然资源，以生态为基底，发展科创产业；文化保护区结合大遗址发展生态产业；文产交融区文化遗产丰富、人口密度大，可利用文化资源发展服务产业；文化传承区可利用良好的城市环境资源，发扬西安文化资源优势，发展系列产业，推动经济增长；新城联动区结合西咸新区发展。

图9 西安市主城区各街道优化结构图

3.2.2 突出文化空间意象，强化城市记忆

文化资源是西安市千年古城发展根基，文化空间在文化遗产保护的基础上，强调新旧空间的层次与融合。以文化空间为主导的规划，强调人群在不同尺度上的空间感知。目前已有学者对西安市城市文化空间分布进行分析，在其研究中西部城市中西安城市文地率最高，新城区为2.9%，老城区为7.8%。基于此，在西安市文化遗产分布的基础上，以街道划分文化空间层级（图10），构建西安市文化空间体系，优化供给配置，延续城市记忆。

图10 西安市主城区各街道文化空间层级划分图

3.2.3 融合多源数据，构建动态意象模型

在网络数据背景下，各类社交平台对城市印象的影响系数越来越高。同时探店、影视在城市印象展示中占据重要地位，从微博打卡数据来看，在影视、网红探店的带动下，青龙寺、大兴善寺以及深巷小吃得到广泛关注；不仅带动了当地经济发展，更传承发扬了西安的历史文化，强化了城市记忆。但目前网络引导具有极大的自主性、任意性；为重新挖掘城市文化，在城市远期发展中，对人群动态意象点实时监测，创新规划技术方法，从社交媒体打卡数据、手机信令、POI兴趣点等多个方面丰富数据源，通过地理信息空间分析，构建动态城市空间意象感知模型，实时优化城市网点，调整城市发展策略。

4 结语

本文以2020年9月到2021年6月新浪微博签到数据为例，在相关研究基础上，对西安市雁塔区、未央区、灞桥区、新城区、碑林区以及莲湖区六区，从城市环境、文化活动、自然山水三方面空间意象分析中发现，城市环境意象热点最高为大雁塔街道，其次为长延堡街道与小寨路街道。文化活动意象强度，大雁塔街道与南院门街道最高。自然山水意象强度最高为狄寨街道。为探测西安市空间意象分异性，分析其背后驱动因子，选取驱动因子文化遗产、人口分布、餐饮美食、商业住宅、交通设施点、教育普及度、道路网密度以及GDP共8个候选影子对意象空间成因作进一步分析，并结合各街道现状发展，提出深挖各区优势产业，打造特色意象、突出文化空间意象，强化城市记忆以及融合多源数据，构建空间意象模型三方面策略。目前，本研究仍有许多不足，仅从微博数据对西安市空间意象进行分析，研究群体受限，在未来研究中应结合各类数据对城市空间意象进行多源数据感知。

图表来源：本文图表均由作者自绘。