基于BD-GIS耦合模型的北京奥林匹克森林公园景观优化策略研究

李发明

李 娜*

王婷婷

李相逸

随着智能化时代的到来，中国智能手机的普及率已高达70%，通过手机等设备记录出行和户外活动已经普遍成为一种生活方式。调查结果显示，不同年龄段人群每周保持微博或微信朋友圈状态更新的比例各不相同，在18～35岁的人群中占86.5%，35～50岁的人群中占57.8%，50～65岁的人群中占73.6%。通过对上述大数据(Big Data)的分析来解决城市公共空间的优化问题已经是行业内研究的热点和趋势。本文以大数据为基础对城市公园进行使用后评价具有代表性和科学性[1]。

城市公园是目前人们户外休闲使用率最高的城市空间。随着城市用地的日益紧张，城市公园的游客容量极限也不断被突破。由于游人过多或设施场地不足、资源管理薄弱等问题，导致公园环境遭破坏的案例屡见不鲜。人们在公园游览中的路线偏好、景点感兴趣程度、场地使用强度等对公园的景观维护和改造提升具有重要的指导意义，因此结合大数据分析游人的日常使用习惯，对其行为进行量化分析，同时结合评价结果提出公园景观资源管理与利用方面的改造升级策略具有现实意义[2]。

本文结合Citespace平台进行文献计量可视化分析，以CNKI文献搜索引擎为基础，对全网进行大数据、GIS、景观优化和耦合模型等关键词频的全文检索，收集到2002—2017年的3 724个有效数据，其中涉及期刊2 643个、硕博士论文1 081个。对数据进行二次筛选，选取同时具有3个关键词频以上的文献784个，对其进行Refworks数据txt格式导出。利用Citespace平台对研究热度、文献关联度、热点词频等进行综合分析。通过图1可以看出：1)我国从2002—2006年地理信息系统在风景园林和城市规划方面的应用热度最大，同期还出现了虚拟现实、可视化、三维建模等与GIS平台耦合模型的研究；2)2006—2014年是在前阶段的研究基础上进行的，主要围绕ArcSDE数字城市、三维GI等领域；3)2014—2017年是大数据与地理信息系统研究结合最为紧密的几年，使用后评价、优化策略等热点词频也是目前乃至未来风景园林行业研究的热点和趋势。因此，从国内相关研究领域的文献综合分析中可以看出，本文以大数据和GIS等技术为前提，对城市绿地空间进行使用后量化评价，并针对评价结果提出景观优化策略。

1 研究区域及数据获取

1.1 区域概况

北京奥林匹克森林公园位于北京市朝阳区，研究范围东至安立路，南至科萃路，西至林萃路，北至清河，共680hm2，其中南园380hm2，北园300hm2。本次研究去除国家网球中心等内部用地，剩余面积575hm2，绿化覆盖率95.61%(图2)。北京奥林匹克森林公园是北京市内功能最健全、面积最大的城市型公园，是城市居民户外游憩及外来游客必去的城市景点之一，每年游客访问量达300多万人次。以北京奥林匹克森林公园为研究对象，分析得出的使用后评价和景观优化策略对其他城市公园具有较高参考价值。

图1 CNKI中相关文献的可视化分析

1.2 数据获取与BD-GIS耦合模型的建立

大数据具有覆盖广、更新快、精度高、数量大等特点，对数据的获取和清洗是本研究的难点。具体步骤如下：1)利用OpenStreetMap、微博开放平台、百度POI、网络爬虫工具和手机信令基站等手段，在谷歌浏览器下针对各个开放数据平台分别定位数据源网络地址；2)将开放性数据通过火车采集器进行Python设定模式的代码改写，并将最终数据进行本地保存；3)运用Excel表格对数据进行预处理和整理汇总；4)通过万能坐标转换器对获取的定位信息数据进行平面和地理坐标的转换。

BD-GIS耦合模型的建立步骤：1)通过BIGEMAP软件下载研究范围内比例为1:3 457、像素分辨率为0.91m的遥感影像；2)利用GIS对遥感影像进行校准；3)结合GIS系统建立BDGIS模型数据库，将Excel表格数据进行GIS系统转换；4)通过GIS对数据进行空间分析并进行可视化直观表达；5)对分析数据和结果利用SPSS进行一致性检验和回归分析，保证结果的科学性。具体耦合模型的建立流程如图3所示。

图2 研究范围示意

图3 BD-GIS耦合模型建立流程

2 北京奥林匹克森林公园景观优化策略

2.1 游人分布和景点停留热度分析及景点优化策略

结合POE现场调查和获取的部分手机信令数据，选择2017年平日周末和十一假期2个样本中的2天进行数据采集，4：00—24：00时段内对公园主要出入口实行门禁进入式流量调查。为了提升数据的准确性，平日周末的调查选用POE现场调查法，记录游人进入园区的时间节点，并询问每次在公园的停留时长。根据外貌将游人分成青年、中年和老年3个群体，对进入的团体类游客以人头形式和2h停留时长为标准进行数据记录。图4代表平日周末游人的停留时间和时段的正态分布，其中纵轴代表停留时长，横轴代表进入时间点，通过节点分布可以看出游客在公园中的停留时间最少为20min，说明北京奥林匹克森林公园的面积较大，游览时间较长且景观功能丰富。其中5：30—7：30、11：00—13：30、18：30—20：30为客流集中期，15：00—17：30为客流分散期。早晨和晚上锻炼的人群居多且停留时间约为50min，共计1 347人次；中午时段以游览人群居多且停留时间约为110min，共计3 197人次。

节假日客流量大，对十一假期的调查采用手机信令数据抓取的办法。由于手机信令数据无法获取个人属性信息，所得数据杂乱，故本次研究允许数据混杂，但综合分析结果应同平日数据呈正相关，利用数据汇总和SPSS正相关性验证，所得结果真实可靠。手机信令数据抓取过程如下：1)进行数据初步筛选，根据研究范围选择具有研究目的的数据源，通过多次不同阈值和定性判断，保留合理数据，删除不相关数据；2)结合游客行为在空间中的反应，利用试错法来校正阈值的可靠性，通过二次验证对数据进行再次筛选；3)最终汇总数据，去除不合理数据并用SPSS进行数据统计和正态分布分析，这里用到了GIS、SPSS、Python和MySOL技术工具。最终筛选出定位点在北京奥林匹克森林公园内部的手机信令数据83 659条(图5)。

获取2017年微博公共平台具有签到定位信息的数据，通过数据转换器进行矢量化转换，最终得到数据526万条。经过数据清洗和地址识别，得到约9万条定位在北京奥林匹克森林公园内的有效数据，同一个ID重复签到按一次计算[3]。

将上述2种类型数据进行汇总，通过Excel对数据进行整理和预处理，去除无效数据，转入GIS平台分别建立BD-GIS空间核密度分析。利用GIS的空间叠加和重分类分析等工具模块，得出2种数据景点热度的分析结果基本一致，选取2类数据分别进行分析是为了使结果更加客观准确，最大化减少数据偏差。最终将2种类型数据所得结果再进行叠加，得出最终景点热度分析图(图6)。其中景点受欢迎程度的核密度等级在0～15.6区间均有分布，数值越低受欢迎程度越低，反之受欢迎程度越高[4]。

图4 平日周末全天候游人停留时间和时长分析

图5 2017年10月3日在园游客数据分析

图6 北京奥林匹克森林公园平日与假期景点热度综合分析

景点使用强度综合问题解析：1)在POE问卷调查过程中有32.4%的游客提出南门到天境核心景点的距离较远且有路径标识不清晰的问题，有15.8%的游客提出园内游人过多，部分游客集中区域会对游人产生不适和空间压迫感；2)由图5可以看出南园天境、林泉高致、露天剧场和沉水廊道等节点签到次数最多，受欢迎程度最高，北园部分锻炼广场、亲水平台受欢迎程度最高；3)天境和露天剧场热度等级呈迅速增长态势，说明2个节点的游人容量超过环境承载能力，在景观改造和资源管理方面应给予高度重视，北园南侧入口处草坪空间也存在同样的问题；4)结合国家公园设计规范中60m2/人的人均公园占地面积，去除密林和湿地等不能让人参观的区域，最终得出南园游人容量4.5万人。十一期间的南园游人容量超标，北园正常。

景观资源管理和优化策略：1)结合手机信令数据监测十一假期时段内的增长率，并为公园设定橙色、红色2个级别预警[5]，假期时应在10：00—15：00对公园进行门禁式限流，此时为红色预警期，17：00—18：30对南园入口进行10min间隔的放行式限流模式，此时为橙色预警期；2)公园内部园林维护和施工时间应选择在9：00—10：00和15：00—17：00；3)10：30—13：30应增加天境、露天剧场等热门景点的景观维护，增设工作人员对游人行为和环境进行监督与督查；4)在露天剧场、天境以及北园部分一级热度景点增设休息廊架和座椅，尤其是在南园天境景点增加景观安全维护和临时水站等景观配套设施。

2.2 慢跑和散步轨迹热度分析及线路优化策略

跑步和慢行路线是每个城市公园必备的功能游线，基本上均会根据公园大小设计内环式闭合慢跑步道[6]，但是由于每个人的跑步习惯和运动模式不同，会使公园中的部分道路特别受到青睐，从而导致由于道路设计宽度不足使路边绿化受到破坏，甚至由于部分路段铺装形式不合理而产生安全隐患。

利用悦跑圈平台获取北京奥林匹克森林公园内部1 567位跑者的运动轨迹图，在卫星图中通过固定标志性角点进行路线轨迹的矢量化数据提取，最终将1 567个具有地理坐标的矢量数据带入Arcmap平台与公园内部道路矢量图叠合。利用叠加和重分类分析将数据在公园遥感影像上直观显示，把路线按照重合度分成1～12个热度等级，红色为1级代表最受欢迎的轨迹路线，深绿色为12级代表最少有人跑步的路线。其中南园外环线轨迹重合率为75.6%，北园外环线重合率为87.3%，南园西南角到东北角停车场的路径重合率达94.8%(图7)。通过图7可以看出南园的使用率明显高于北园，同时2个园区的外环线轨迹重合率最高，等级为1级，说明大部分运动者还是按照公园预先规划好的塑胶跑道进行锻炼。但是南园中等级路线最多且颜色最为丰富的一段是从南园东北角停车场到西南角处的滨水步道，最受游人欢迎，这种现象一方面说明跑者不仅按照公园预设的塑胶跑道跑步，而且更加热衷于沿水边进行锻炼，另一方面说明除了居住在附近及乘坐公共交通来锻炼的人群，还有大部分人群自驾前来锻炼。

图7 游人慢跑轨迹的使用热度分析

图8 2016和2017年公园露营人群签到点分布

路线优化策略：1)有条件的情况下，增加园区中部滨水步道的道路宽度，如果空间允许可以在此路段铺设单侧塑胶跑道；2)对于除环线红色等级以外的橘黄色路径，应适当增加道路停留点，并保证道路的通过性，在现状空间允许的情况下适当增加路幅宽度；3)在上述滨水路段中增设停留场地、休息座椅和休息廊架等设施，可以缓解该路段游人容量过多对景观造成的破坏和环境污染等问题；4)增加北园与南园的连通性和北园自身的可进入性，通过提升交通可达性和增设出入口来提升北园的使用率；5)缩短对主环路塑胶跑道的人工养护周期。

2.3 帐篷营地点位热度分析及功能优化策略

调查显示北京市内及周边区域游人在周末到奥林匹克森林公园露营野餐的游人较多，经过连续4周周末对公园内部的走访调查发现，露营是目前该园内部非常受欢迎的群体活动，大部分发生在林下和草坪空间，同时也是最容易对公园景观环境造成破坏的活动类型。由于公园在设计之初没有考虑到帐篷营地的节点布置，目前游人都是进入公园后随意找寻林下空间进行露营和野餐，过大的游客流量导致场地压力增大、植被受到破坏，同时白色垃圾被随意丢弃等现象时有发生。

通过微博签到和文本信息，爬取2016和2017年在北京奥林匹克森林公园露营的人群信息，共收集到12 743次签到信息，通过坐标转换器将定位信息转换成地理坐标，在GIS中构建BD-GIS耦合模型数据库进行空间分析[7]。图8显示南园使用率明显大于北园，占据了97.8%的数据，南园共有5个节点属于签到密集区域，红色节点密度越大说明露营人群越集中，形成了“五核心分散式”的空间分布特征。57.8%的人群从南门进入后选择入口附近的疏林草地(节点1、2)进行露营，37.3%的人群选择较为安静且具有较好观景视野的区域(节点3～5)进行露营，4.9%的人群散布在公园东北部的绿地中。

问题总结：1)由于2003年就开始对公园的设计方案进行征集，露营的场地功能需求在当时还不是公园设计中必须考虑的问题，所以公园在规划之初没有对露营地进行布置。但是15年后的奥林匹克森林公园，只要游人能走进的林下空间都会发生露营行为，南园现象最为严重；2)部分集中露营区域的林地土壤裸露严重，尤其是节点1的土壤基本全部裸露；3)节点3位于公园湿地附近，不适宜开展露营野餐等人群聚集并可能会对环境造成严重破坏的活动。

营地景点优化策略：1)增设露营和野餐聚会场地，建议将节点1、2、4进行合理的空间梳理，并明确和增设露营点；2)由于节点1、2的使用强度较大，现状节点1的林下土壤裸露明显，基本没有地被覆盖，节点2的土壤部分裸露，应对裸露土地进行景观碎拼或嵌草式铺装设计；3)节点3接近中心湖区且靠近湿地区域，节点5位于公园最北侧，景观维护和管理不便捷，建议丰富这2处节点中低层次的植物配置，同时由于节点3的空间可进入性过强，应将节点边界利用低矮植被配植形成围挡，阻断游客进入的路径；4)更新公园导视地图和道路节点处的导视牌，为游客提示露营地的具体方位，并在节点3、5和公园东部常有露营活动发生的场地用警示牌予以提示。

3 结语

综上所述，北京奥林匹克森林公园的景观优化策略如下。1)景点优化。结合上述分析数据，公园应增加部分景点的铺装面积，增设座椅、垃圾桶等必要的休息和环保设施。2)游线优化。慢跑及锻炼游线应根据数据结果进行部分道路的路面拓宽和停留场地的增加等。3)场地功能优化。结合游人分布和使用偏好等数据分析，增加多个露营地点，并借助入口和主要节点的指示牌进行路径引导，同时对部分节点进行景观围挡，限制露营活动的随意开展。4)资源管理优化。结合分析数据，公园应在特定假期进行分时段限流措施，同时缩短使用强度大的几个景点的园林养护和人工巡视周期。

科技的进步让人工智能技术在我们的日常生活中不断出现，大量数据的涌现也让这个世界变得量化和可计算。嵌入算法的人工智能技术也在不断地被设计师应用到模拟和优化城市空间中，让未来城市空间的使用和优化向着人们生活需求的方向科学发展。本文的BD-GIS耦合模型技术也是人工智能的一个研究角度，通过对北京奥林匹克森林公园的研究进一步证实了人工智能技术在城市公园的景观优化方面具有强大的数据支持和指导依据，结果也验证了城市公园是户外运动和家庭式互动中使用最为频繁的城市公共空间[8]。同时人工智能技术与GIS、SPSS、ENVI等技术平台的搭配，会有更多且全面的定量化结论产生[9]。大数据等人工智能技术在未来城市公园景观优化中具有应用前景：1)评估公园内部游客分布密度、景点受欢迎程度、场地的使用强度等；2)通过SPSS和AHP方法的结合，对场地功能的适宜性、生态的敏感性等进行定量评估[10]；3)利用群众对公园评价的热点词频数据，对公园的景观使用价值进行综合定量化评价；4)通过数据三维可视化等方面的直观展示，扩大城市公园在人们心中的影响力，提升公众的环境保护意识；5)客观量化的数据基础有助于设计师更加精准地定位未来城市公园的规划和设计方向。

注：文中图片均由作者绘制。