中心城区公园绿地服务能力综合评价：模型与案例

席珺琳，吴志峰, ，张会，韦家怡

1. 广州大学地理科学学院，广东 广州 510006；2. 广东省地理国情监测与综合分析工程技术研究中心，广东 广州 510006；3. 南方海洋科学与工程广东实验室，广东 广州 510458；4. 华北水利水电大学测绘与地理信息学院，河南 郑州 450000

城市公园绿地作为城市绿地系统的组成部分，在城市环境中扮演重要角色（田国行，2005），具有公共物品的性质（Thompson，2002），在维护城市生态、人居环境健康和加强市民间交往方面有重要意义（金云峰等，2013）。随着城市化进程推进，越秀区作为广州市最古老的中心城区，也是面积最小、人口密度最高的区域，生态用地占比一再压缩，现有公园绿地中，总体数量不足，且分布结构不均衡，公园绿地的服务能力参差不齐，导致部分公园绿地出现人群使用“供过于求”或“供不应求”的现象，有限公园绿地的人群使用价值得不到充分发挥。作为城市研究中的热点问题，提高公园绿地的服务能力和使用价值已经成为市民的关注点和学者们的重要研究课题（任晓双，2018），科学的公园绿地评价是绿地规划的重要前提。

近年来，公园绿地的评价体系不足之处愈发明显。表现在：总体上忽略人的使用需求，简单套用传统指标（王冰倩等，2020）、片面追求绿地“表量”的满足（胡少波，2015），缺乏“质”的提升、评价内容的单一性、破碎性（荣冰凌等，2009）和评价目光仅停留于公园绿地内部（苏芳等，2018），忽略外在因素的影响等方面，整体上缺乏一个科学和可持续的评价框架来指导实践。

国内对公园绿地服务能力综合评价的研究主要集中在内部吸引力基础上，从外部交通角度分析人群的可达性（Zhang et al.，2008；蔡彦庭等，2011），采用的方法也不尽相同。王念利用空间句法中轴线分析法中的集成度、深度值指标对不同尺度公园绿地的可达性进行评估，但模型选取忽视一条道路中不同道路段呈现不同交通可达性状况，脱离实际状况（王念，2018）；高骆秋（2010）和卢宁等（2014）则利用交通时间、成本、出发地与目的地之间的吸引力大小来表示道路的可达性影响值，主要集中于交通物理距离层面，忽视空间中路网拓扑结构的可达性及未来预测影响值；秦华等（2012）借助 GIS技术平台在信息采集、数据处理和分析管理以及数据与图形交互显示等方面的强大功能，对可达性进行分析，但影响指标略显单一，且忽略人群实际需求。归类当前可达性研究的主要方法有缓冲区法（Ahn et al.，1991）、最小邻近距离法、引力模型法、网络分析法（Okabe et al.，2006；Barbosa et al.，2007；Feyzan，1997；Heynen et al.，2006；Lindsey et al.，2001）和空间句法等（刘常富等，2010），但总体忽视人群的选择需求与内部绿地斑块数量、质量、面积及基础设施等内在影响因素，难以合理、全面地反映公园绿地的空间分布格局、人群使用的公平性和公园使用效率的问题（刘滨谊等，2002）。

鉴于公园绿地评价体系的现状，本文拟解决以往研究公园绿地服务能力评价时内容单一、未考虑人群使用需求及可达性评价仅落在欧式距离层面，无法预测空间未来发展潜力等不足的问题。以广州市越秀区为研究区域，从综合角度出发，兼顾传统评价指标，以公园绿地道路的空间可达性、绿地内部生态质量、人群对公园绿地的使用需求3个方面作为评价公园绿地服务能力的因素。以2019年8.1—31日为短时限尺度，提炼出表征公园绿地服务能力的动态人群使用率回归模型，在此基础上耦合年度静态人口加权模型，综合评价越秀区公园绿地的服务能力等级，从而为城市绿地规划提供参考。

1 数据与方法

1.1 研究区概况

图1 研究区位及现状公园绿地分布图Fig. 1 Location of research area and Map of green space distribution of Yuexiu

越秀区为广州市中心城区，总面积33.80 km2，户籍常住人口115.84万人，人口密度34735人/km2，是广州中最古老的中心城区（詹洲延，2004）。自21世纪以来，越秀区的公园绿地虽进入持续增长期（肖荣波等，2010），但据广州市林业和园林局统计，越秀区现有城市公园18个（图1），总体数量仍不足。本次研究对象为越秀区全体公园绿地，总面积为303.99 hm2，区内人均公园绿地面积远低于广州市整体水平，仅为2.58 m2。此外公园绿地整体分布结构不均，集中分布在靠近白云山的北部区域和靠近珠江的西南部区域。加之区域内公园绿地的人群使用情况参差不齐，部分公园绿地沦为摆设。因此，针对此区域展开公园绿地的服务能力评价已经成为优化公园绿地布局的重要举措。

1.2 数据来源与处理

1.2.1 道路空间可达性表达及数据获取

用于分析可达性的轴线数据以 2016年GEOFBRIK依据OpenStreetMap计划中的开放数据制作的广州市道路数据为基础，道路类型包括主干道、一级公路、二级公路、三级公路、人行道等。处理步骤为：（1）综合考虑可达性句法变量的因素，本研究提取主干道、一级公路、二级公路和三级公路的道路网络；（2）在ArcGIS中，结合现场调研数据的补充修正，绘制基于道路数据的空间句法线段轴线图，轴线数共计7237条；（3）将绘制完整的越秀区路网线段模型进行重叠线、未相交线、孤立线等项目的排除性检查，确保路网轴线准确性和标准化（图 2）。分析选用空间句法中的线段模型，对比传统句法模型，考虑一条道路在交通、人流以及土地使用等方面表现出的不同特征，结果更符合城市空间的实际（肖扬等，2014）；在线段模型中表征可达性的两个指标为整合度（INT）和标准化穿行度（NACH），两个形态变量都表达道路现状空间可达性及预测空间可达性的潜力；其中整合度（INT）考察空间单元的现状可达性，度量了空间中从所有起点到所有终点的最小转弯路径，表达每条道路可达性交通的潜力，整合度值较高的线段，有更高可达性交通潜力。标准化穿行度（NACH）用来度量不同道路线段之间穿越性交通的潜力，穿行度较高的选段，有更高穿越性交通潜力，人群心理可达性潜力越高（Penn，2003）。分别进行多个服务半径下形态变量的计算（Comber et al.，2008；Oh et al.，2007；林广思，2013），并取公园绿地范围内的可达性形态变量平均值（图3）。

图2 越秀区道路线段轴线图Fig. 2 Axis diagram of road segment of Yuexiu

1.2.2 绿地内部质量数据

绿地内部质量数据的选定考察绿地本身指标，以往研究中显示绿化覆盖率和绿化面积对人群的影响较为显著（江海燕等，2010），故选用绿化覆盖率及绿化面积指标，忽略公园面积、基础设施建设等带来的间接影响。公园绿地内部质量中的绿化覆盖率、绿化面积等数据为2018年广州市园林和林业局统计资料（http://zwgk.gz.gov.cn/GZ34/index1.shtml），结合研究需要提取越秀区现有公园绿地数据，并其进行分类统计，得出研究区域内各个公园绿地的绿化覆盖率与绿化面积值（表1）。

1.2.3 研究区人口分布数据

（1）动态人口分布数据反应研究时段内实际平均人口分布状况

暑假公园绿地的人流量普遍较高，相对具有代表性，故提取8月31 d的人口热力图来研究短期内的实际服务水平。利用Python网络爬虫技术获取8月的动态人口数据，步骤如下：（1）应用 Python编程语言，访问微信宜出行热力图平台；（2）获取每个栅格点接入腾讯位置平台的设备数量；（3）叠加全月份栅格点数据，计算月平均人流热力点，生成月均分布图（图 4）。鉴于网络数据精度的缺陷，再通过克里金插值法（Kriging）获取更高精度的平均人流密度。修正平均人流密度，提取越秀区8月平均标准人流密度（表2）。

图3 公园绿地范围内的形态变量平均值Fig. 3 Mean value of space syntax variables within park green space

表1 越秀区城市公园一览表Table 1 A list of Urban parks of Yuexiu

图4 越秀区月平均人流热力分布图Fig. 4 Monthly average flow of population distribution map of Yuexiu

（2）静态人口分布数据反映研究区内居住人口分布状况

静态人口数据来源于2019年World Pop栅格数据（Zhang et al.，2015），World Pop项目在2019年中国人口普查数据的基础上，利用随机森林模型反演人口密度，空间分辨率为100 m。该人口数据时效性更强，精度更高（图5）。

1.3 研究方法

1.3.1 动态人群使用率回归模型构建

动态人群使用率回归模型由筛选过的一定半径下的空间句法形态变量、绿化面积、绿化覆盖率及月均实时人流密度共同构成，考量短时间内公园绿地呈现的动态实际服务能力。首先进行自变量标准化处理，包括双变量相关分析中识别出的与公园绿地月均实时人流量密度相关性最强的空间句法形态变量，以及代表公园绿地内部品质的绿化面积、绿化覆盖率，因变量为公园绿地月均实时人流密度。综合考虑公园绿地可达性、绿地内部生态质量、人群对公园绿地的使用需求对服务能力的影响。

表2 越秀区公园绿地月均标准人流密度Table 2 Average monthly standard pedestrian density of park green space of Yuexiu

图5 越秀区2019年人口栅格Fig. 5 Population raster image of Yuexiu in 2019

（1）模型自变量选择

已有研究中多从道路实际距离角度考虑绿地可达性（张浩，2015），本研究着重考虑道路的空间可达性意义及预测空间可达性的潜力。以空间句法线段模型中的整合度（INT）形态变量和标准化穿行度（NACH）形态变量作为检验人群进入公园绿地可达性的指标，服务半径内道路的整合度和标准化穿行度越高，则公园绿地人群的可达性越高（Hilier，1999）。人口数据选用月均实时人流数据来探测短时期内人口对公园绿地的需求，更反映空间上实际人口总体分布和流动特征。根据《城市园林绿化评价标准》，研究区涵盖多种类型公园，空间句法形态变量计算时进行半径设定，采取“全市公园-区域性公园-社区公园”的多个服务半径（R=500, 1000, 1500, 2000, 2500 m）进行计算。对不同半径内句法变量与公园绿地月均人流密度进行双变量相关性分析，识别出与公园绿地月均动态人流密度相关性最强的一定半径下的形态变量。公园绿地内部质量指标为传统城市绿地规划评估中对公园绿地有直接影响的绿化面积、绿化覆盖率，通过查阅广州市林业和园林局（http://zwgk.gz.gov.cn/GZ34/index1.shtml）数据获得。

采用逐步回归分析一一筛选变量，剔除对因变量不起作用或作用较小的因子，根据对因变量影响大小进行引入，并进行相关性检测，建立3个预选模型，进行迭代分析，选出最佳模型。

（2）回归方程构建与检验

本文运用SPSS多元线性回归方法构建回归方程。计算公式如下（任丹，2015）：

式中：y为公园绿地人群使用率水平（y∈N；若y<0，取y=0），b为回归系数，x为变量，i为常数。

利用数理统计的方法，对模型和参数的科学性进行验证，并利用RMSE（均方根误差）检验模型精度。通过方程拟合度R²检验、方程显著性F检验，Sig（P值）检验判定模型是否拥有统计学意义，R>0.5为大效应拟合，R²>0.25，拟合度高；F统计量值>Fa，则拒绝原假设，解释变量对被解释变量影响显著；RMSE（均方根误差）是衡量模型观测值与真实值之间偏差的方法，反映预测数据偏离真实值的程度，σ值越小，表示模型预测精度越高，常用来作为模型预测结果衡量的标准，通过代入样本测算各模型RMSE（均方根误差）。最后进行各公园绿地服务能力的初步评价，服务能力分为五级，五级为公园绿地服务能力的较高等级，一级为较低等级。一级、二级判定为低服务能力，三级判定为中服务能力，四、五级判定为高服务能力。

1.3.2 静态人口加权模型

公园绿地的服务能力在短时期内呈现出动态特点，无法表明稳定的人口使用情况，故与总体利用情况存在一定偏差。因此，耦合年度静态人口的加权模型可更准确地反映越秀区公园绿地的稳定综合人群使用情况，借鉴以往研究利用人口加权进行颗粒物暴露风险评估（伏晴艳等，2004）的公式：

基于此，本研究以网格为单位，以筛选过的句法模型为基础，利用栅格计算器计算单个网格人口加权人群利用率，公式如下：

式中：i为网格数，Pi为网格内人口数，Ci为网格内句法形态变量平均值。

将计算出的动态人群使用率回归模型与静态人口数据做叠加分析。使网格内句法形态变量平均值与人口数据空间分辨率保持一致，利用栅格计算器计算格网内句法形态变量平均值与人口权重的乘积，以全时段为基准，采用1/2标准差分类法将得出的综合人口加权分为五级，采取与动态服务能力模型相同的分级标准。

2 结果分析

2.1 动态服务能力回归模型建模

2.1.1 模型自变量生成

空间句法中线段模型的整合度（INT）和标准化穿行度（NACH）表征道路的空间可达性与潜力，为提高建模效率，需对两种形态变量做初步筛选。采取多个服务半径（R=500, 1000, 1500, 2000,2500 m）进行计算。本研究采用SPSS双变量分析工具，分析公园绿地在不同半径内所有句法变量平均值与越秀区 8月月均标准人流密度的相关性（表3）。

通过对比同一人流密度要素下特征变量与不同服务半径下句法变量值之间的相关性，可发现各特征变量具有空间尺度效应。从整体上看，在月均标准人流密度与句法形态变量NACH（标准化穿行度）、INT（整合度）值的空间分布上均呈正相关性，在服务半径R=2000 m处达到最强相关性，最强相关性变量为INT（R=2000 m），为0.694。因此，初步判定在R=2000 m时的整合度句法模型中，可达性越高的公园绿地，人群吸引力越高，作为综合模型的半径选择。

为保证模型准确性，将初步筛选后的变量模型INT（R=2000 m）与公园绿地的绿化覆盖率、绿化面积等表征内部品质的数据做逐步回归分析，一一进行筛选，根据对因变量影响大小进行引入，并进行相关性检测，建立3个模型：

模型 1：因变量为月平均标准人流密度，预测变量为INT（R=2000 m）；

模型 2：因变量为月平均标准人流密度，预测变量为INT（R=2000 m）、绿化面积；

模型 3：因变量为月平均标准人流密度，预测变量为INT（R=2000 m）、绿化面积、绿化覆盖率；

依次带入多元线性回归方程中进行迭代分析，得出3个模型的分析结果（表4）如下。

由回归分析结果表4可知，3个模型中模型3的R为0.587>0.585>0.581，拟合优度最接近1。最终R2为0.344>0.342>0.338，相关性最为显著。Sig(P值)=0.007<0.05，回归方程有用。另外，若F>Fa(k,n−k−1)，则解释变量对被解释变量影响显著，Fa(k,n−k−1)=3.3438，F统计量值为 4.448>3.894>3.571>Fa。因此，模型3中Sig（P值）、R2、R、F值都处于最优选择，即月平均标准人流量密度，INT（R=2000 m）、绿化面积、绿化覆盖率为模型最佳变量组合。

表3 句法变量与月均标准人流密度之间的皮尔森相关系数Table 3 Pearson Correlation coefficient between morphological variables and monthly average standard human flow density

表4 总体回归模型结果汇总表Table 4 Summary table of results of the total regression model

2.1.2 回归方程构建与检验

根据回归分析结果，对模型3进行拟合分析，建立多元线性回归模型：

其中y是公园绿地人群使用率水平（y∈N；若y<0，取y=0），x1为整合度（R=2000 m），x2为绿化面积，x3为绿化覆盖率。

利用数理统计的方法，对模型和参数的科学性进行验证，由表4知，模型3中R2等于0.344>0.25，拟合度高；Sig（P值）=0.007<0.05；F统计量值为4.448，计算Fa(3, 14)=3.3438，F>Fa，模型具有显著统计学意义。在此基础上，代入独立样本测算各模型RMSE（均方根误差），检验模型准确性，模型3的RMSE的σ值=0.899<0.926<0.957，相比处于最优状态，模型较有良好的拟合优度。

2.1.3 公园绿地服务能力初评价

综上，以INT（R=2000 m）、绿化覆盖率和绿化面积为自变量，月均标准人流密度为因变量的多元线性回归模型可评价公园绿地的服务水平。因此，将INT（R=2000 m）的空间句法模型（图中轴线颜色由红至绿，代表着轴线周边区域的交通可达性与人流潜力逐级递减）与公园绿地叠加，采用自然点间断分级法将公园绿地服务水平分为5个等级（图6），进行服务能力评估。结果为：越秀区公园绿地中服务能力较好的多是综合公园和纪念性专类公园，较低为社区公园，高服务能力占比50%，低服务能力占比33%；其中较高的公园绿地为人民公园、中山纪念园和烈士陵园，其次为流花湖公园、越秀公园、黄花岗公园，服务能力较低为二沙岛体育公园、传祺公园和宏城公园。

图6 公园绿地动态服务能力水平Fig. 6 The dynamic service capacity of each park

2.2 耦合静态人口加权

年度静态人口的加权模型反映公园绿地服务静态居住人口使用情况，将计算出的动态人群使用率回归模型与静态人口数据做叠加分析，得出综合人口加权结果表示综合服务能力（图 7）。综合评价结果为：越秀区公园绿地中服务能力较高的为人民公园、中山纪念园和流花湖公园，其次为黄花岗公园、烈士陵园、越秀公园、黄花岗公园和东风公园，服务能力较低为麓湖公园、广州发展公园、宏城公园、二沙岛体育公园和传祺公园。综合服务能力低的区域中整体公园绿地占比最高，为44.4%；服务能力较高区域公园绿地占比最少，为10.27%。综上，耦合了静态人口加权的公园绿地综合服务能力评价结果中，整体公园绿地与高服务能力区域分布高度不一致，高值区与低值区发生部分变动，整体公园绿地的服务能力降低，考虑公园绿地规划布局时未同时兼顾本地居民与外部使用人群，绿地应均衡分布在服务能力高的区域，并定期维护、改善其基础服务设施，提升综合吸引力。

3 结论及讨论

3.1 讨论

图7 公园绿地综合服务能力水平Fig. 7 The comprehensive service capacity of each park

本研究以公园绿地的道路空间可达性、绿地内部生态质量、人群对公园绿地的使用需求3个方面作为评价公园绿地服务能力的因素，通过识别出与短时期内公园绿地标准化移动人流密度相关性较高的地理变量，构建越秀区公园绿地的动态服务能力回归模型，得到越秀区公园绿地的初步服务能力等级分布。动态人群使用率回归模型拟合效果良好（R2=0.344>0.25、RMSE的σ值=0.899<0.926<0.957），模型中形态变量筛选结果INT（R=2000 m）与国内学者研究相一致（孙雅婷，2015），评价模型可行。国内评价的回归模型大多仅为长时间尺度，本研究以31 d为时间分辨率，可反映公园绿地高峰期间的短期服务真实移动人群的能力。动态服务能力回归模型结果中显示越秀区服务力水平较高的公园绿地多位于交通通达度高、人流密集、绿化面积与绿化覆盖率较高的区域，体现出较大的人群需求量，即较好的绿地共享性、绿地内部品质和人群进入公园绿地的可达性成为吸引人流的重要因素。

国内学者多采用传统绿化面积、绿化覆盖率等指标评价公园绿地服务能力水平（张雪花等，2017），但往往忽略其他综合因素，量化方法有限。本研究在动态短期服务能力回归模型基础上，耦合长时间尺度的人口加权模型，显示越秀区公园绿地的高服务能力区域与实际分布存在较大出入；分布在高服务能力区域的比例仅为19.8%，面积为60.19 hm2，区内人均公园绿地面积仅为2.58 m2，远低于广州市整体水平，分布不均衡且数量不足。公园绿地布局不合理的原因考虑初期广州大搞开发的规划理念，忽略城市绿地的科学布局，使公园绿地分布区域受限。结合实际调研，评价结果符合越秀区各公园绿地服务能力特征。耦合人口加权的综合评价模型除了为公园绿地服务能力评价提供支撑数据外，还可为未来增量绿地的分布优质区域提供依据，提高有限绿地资源的使用效率。

本研究的局限性在于评估影响因子忽略了多因素影响及人口数据缺乏针对性。评估影响因子忽略了多因素的综合影响，一定程度上降低了模型精度：例如公园本身的文化品质、不同季节的因素、公园构造结构、基础配套设施及公园面积对公园绿地服务能力的影响，导致在结果中容易产生一定误差。人口数据的选取上缺乏精确性：公园绿地作为公共服务设施，对人群的吸引力是特定的，整体的动态、静态人口分布密度无法确切表征实际绿地中的服务人群基数，需结合精准公园人群访问量，因此可将该类数据引入服务能力评价模型，并结合动态人口数据与公园绿地多个表征内部质量的数据进行服务能力评价。

4 结论

本研究利用空间句法轴线数据、道路数据、绿地内部质量数据、月均动态人口数据，建立针对越秀区公园绿地2019年8月1—31日短时间尺度的动态服务能力回归模型，并耦合人口加权模型综合评估越秀区公园绿地的服务能力等级，得出以下主要结论：

（1）基于动态人口的服务能力回归模型能够较好地反映研究区域内公园绿地服务能力等级特征，精度从判定系数R2=0.344>0.25来看，拟合度良好；RMSE的σ值=0.899<0.926<0.957，精度高；Sig(P值)=0.007<0.05影响显著，模型有效。整体公园绿地的动态服务能力存在空间分布差异性，其高值区分别位于区域中部的中山纪念堂、人民公园及烈士陵园，北部的流花湖公园、越秀公园、广州雕塑公园、麓湖公园、黄花岗公园及广州兰圃公园，南部的东山湖公园；低值区主要位于西南部二沙岛上的广州发展公园、传祺公园、宏城公园及二沙岛体育公园，东部的东风公园。

（2）耦合静态人口加权模型的服务能力综合评价结果中，存在3个较高服务能力的公园绿地，分别是中山纪念堂、人民公园和流花湖，且在服务能力低区域中越公园绿地占比最多，高达44.4%。其高值区分别位于区域中西部的流花湖公园、中山纪念堂及人民公园，越秀公园、烈士陵园及黄花岗公园；低值区主要位于北部的麓湖公园和广州雕塑公园，西南部二沙岛上的广州发展公园、传祺公园、宏城公园及二沙岛体育公园。

（3）相较于单独使用动态服务能力回归模型，耦合静态人口加权的综合评价模型中，越秀区公园绿地服务能力等级空间分布发生变化，区域中心圈层扩散变为自西向东自由扩散分布。较高值与较低值发生部分变动，整体公园绿地的服务能力降低，暴露了公园绿地服务区域内人群与区域外人群的能力差异性和越秀区公园绿地分布不合理。

（4）人口数据选取静态居住人口和动态实际人流表达了综合服务人群的能力，静态人口反映服务区域内居住人口的能力，动态人口反映服务真实移动人口的能力，以往研究中人口数据多采用统计数据，忽略实际人口的使用情况。耦合两者考虑公园绿地的服务本地居民和其他区域人群的情况。并考虑了道路的空间拓扑可达性，表达了未来的服务潜力，能有效评价影响公园绿地吸引力的因素。