社区绿地空间使用效率综合影响因素研究

盛强 庞天宇 尹雪静

1 研究背景

近年来，中国城市发展的重点转向存量开放和品质提升，强调人居生活环境的营造和以人为本的城市公共空间设计[1]。社区绿地空间作为居民需求度最高的城市公共空间，是居民日常交往活动的场所，其设计意义及价值尤为重要。本研究关注的社区绿地空间指为居民提供休憩、娱乐、交往，并有植被覆盖的公共空间场所，其空间质量是评价社区环境品质和居民生活水平的重要考评依据[2]。

现有对绿地空间使用状况的研究可分为2类。一类研究立足于使用者的主观体验，关注社区绿地局部设计因素的影响，如Zimring等[3]的实证研究发现阳光、植物的种植设计以及座椅的布置直接影响人们在绿地空间的活动停留时间；Shah等[4]指出了社区绿地空间的基础设施布置对服务居民起到重要的积极影响；Wendel-vos等[5]研究发现优质的道路铺装以及绿化种植搭配能够激发居民对社区绿地空间使用的积极性；陈义勇[6]以深圳市华侨城社区为例，通过建立影响社区绿地空间使用率的相关因素模型，得出绿地空间面积是影响空间活动的最重要因素，同时建议不宜布置过大的公共绿地空间，应均衡布局，注重基础设施在绿地空间中的配比；张玲玲和杨绍亮[7]通过探讨苏州邻里社区公共空间居民活动行为特征发现：尺度适宜、设施完善的社区绿地空间，更容易吸引不同年龄段使用人群的长时间驻留，并且能够促进更深入的社会交往。上述研究结论虽对绿地空间设计有直接的指导意义，但缺乏对聚集性场所外部空间联系的考虑，且居民的主观体验与各绿地的实际使用强度无明显关联。

另一类研究关注社区绿地作为一个系统在空间中的分布状况。刘常富等[8]基于公园绿地空间与居民使用关系的空间可达性角度出发，得出空间可达性是一项具有评价社区绿化空间品质和空间分布公平性的功能指标；Neuvonen等[9]通过实地调研收集赫尔辛基市367个居民出行行为样本，发现社区绿地的使用效率同样受到区位选择和布局可达性的影响；还有学者认为，400 m属于居民户外休闲活动的分界线，当居民距离社区绿地超过400 m时，其使用效率会显著下降[10]。该类研究将超越局部范围的可达性作为影响因素，但对可达性的定义多基于居民到各绿地的实际距离，而未考虑居民日常出行经过各绿地的概率影响。一般来说，与到各绿地的距离相比，步行流量空间分布密度的大小与居民偶遇概率有关，而其分布规律则受到步行网络的拓扑结构决定。

空间句法作为一种以拓扑联系为基础的城市和建筑形态分析方法，多年来被广泛应用于各类交通流量与空间形态的相关性分析中，为本研究分析关联性空间影响因素与社区绿地空间之间的关系提供了有效的工具。2017—2020年，用空间句法进行社会聚集现象的研究包括：刘星等[11]选取北京胡同和多层住宅2类住区，基于对北京4个片区不同季节的居民社会聚集现象的实地调研，发现了在各类案例中拓扑可达性对居民社会聚集影响的差异；刘兴诏等[12]运用空间句法量化分析影响福州城市游憩空间分布的相关性因素，结果表明福州市城区游憩空间与城区高等级路网的协同性不高，影响居民对城市游憩空间的认知和使用；王曾等[13]以空间句法理论为基础分析评价T住区户外交往空间特征以及老年人使用情况，总结出老年人户外交往空间具有强可达性、边界性等特征，并提出了以点线面为考虑要素的优化策略；盛强和周晨[14]采用空间句法视域模型，以白塔寺胡同区为研究区域，得出视域面积、社区商业对胡同区的居民聚集交往具有一定的促进作用；对国子监、雍和宫2个案例区在夏季的社会聚集实证研究结果发现绿化率与社会聚集现象明显相关，而空间可达性较好的胡同空间往往具有较高的绿化率和宽度，且能促使居民社会聚集的发生[15]。

上述研究虽有效考虑了空间拓扑结构这一影响居民社会聚集的关联性因素，但也存在下述问题。1）在研究范围上，这些研究中的案例多局限于小区或组团规模，各影响因素的作用体现出不稳定性。2）从研究对象上，上述研究往往不聚焦绿地本身，而是随机记录了大量居民的偶发聚集行为。这些聚集的地点本身是很多并非设计过的绿地空间，难以量化评估绿地设计因素这个变量的影响，且大量偶发、规模较小、位置分散的数据本身也构成了数据“噪点”，影响了各变量的稳定性。

针对上述问题，本研究选取北京市回龙观社区约1 000 hm2的范围，调研各绿地空间使用状况，综合关联性空间影响因素和局部影响因素展开研究。其中关联性空间影响因素包括各空间句法整合度、选择度参数；局部影响因素包括商业（城市商业和社区商业）分布密度、人口密度等外部影响因素，以及健身器械数量、座椅设施数量、绿化面积、硬化铺装面积等内部影响因素。此外，本研究尝试将社区绿地空间划分为公园绿地和居住小区绿地2个等级分别分析，试图发现影响社区绿地空间使用效率的稳定性规律。

2 研究数据的获取与处理

2.1 研究范围与案例选择

研究范围选取北京市典型郊区回龙观社区，研究面积约1 000 hm2，共包含57个居住小区。基于绿地空间的分类标准，根据用地性质是否独立，将社区绿地空间分为公园绿地和居住小区绿地2类，通过现场调研实际使用情况，结合绿地空间定义，确定选取使用状况良好的公园绿地23个，居住小区绿地101个，样本总量为124个（图1）。

图1 研究范围与绿地空间选取Research scope and green space selection

2.2 社区绿地空间使用状况

本研究对社区绿地使用状况的数据获取主要采用行为注记法，选取2020年秋季中天气晴朗的一天，记录一天中4个时间段（08：00—09：00，10：00—11：00，14：00—15：00，16：00—17：00）使用绿地空间的人数，并将4个时间段的使用人数求和作为评价社区绿地空间在一天内的使用状况（图2）。在数据处理方法上，以绿地空间分布的相应街道段为中心，基于本团队前期对商业分布和社会聚集现象的研究成果，采用了综合拓扑和距离衰减幅度的方法来加总处理各绿地空间的使用总人数[16]。

图2 回龙观社区不同绿地空间使用总人数Total number of users in green spaces in Huilongguan Community

2.3 空间句法模型与关联性空间影响因素的计算

本研究的数据空间分析使用了空间句法线段模型。该模型基于百度地图截获器抓取北京市主城区范围高精度的路网，同时在研究范围外设置5 km缓冲区并手动修正误差（图3）。在参数的选取上，包括空间句法选择度（log_Choice）和整合度（Integration）2类参数，其中整合度表示某条线段所处位置的中心性，选择度是以综合折转角度最小定义的最短路径，描述某线段被特定分析半径内其他任意2条线段之间最短路径穿过的次数。为了进一步排除线段数量对分析结果造成的影响，以上述2个参数为基础，Hillier等[17]进一步提出了标准化角度选择度（NACH）和标准化角度整合度（NAIN）参数，研究基于模型 计 算 出600、1 000、1 500、2 000、2 500、3 000、5 000、7 500 m 8个半径尺度下共4类参数作为关联性空间影响因素。

图3 回龙观社区空间句法模型及相关参数计算Space syntax model of Huilongguan Community and calculation of related parameters

2.4 局部影响因素的获取与处理

局部影响因素分为外部影响因素和内部影响因素（表1）。外部影响因素主要包括商业数量、建筑体量2类参数，商业数量通过百度街景识别获取，并将其细分为城市商业和社区商业，其中社区商业的代表性业态为彩票店、菜市场、烟酒粮油店以及服务于居民日常生活的业态，城市商业则是除去社区商业之外的业态类型，笔者推测社区商业的使用对象与绿地空间相似，故其空间分布也会影响社区绿地空间的使用。建筑体量数据来源为软件爬取百度地图建筑体量，结合街景筛选出居住建筑后录入模型用以代替高精度的人口密度数据。

表1 局部影响因素类型与处理方法Tab. 1 Types and methods of data aggregation of local influencing factors

内部影响因素反映绿地空间自身的设计构成要素，主要包括现有文献发现可促进交流的座椅设施数量、健身设施数量、绿化面积等设施环境要素。此外还包括绿地硬化铺装面积，其直接反映的是居民户外出行行为具体落实的空间和活动范围。上述两大类数据均在50、100、200、400、600 m 5个半径加总处理来求其分布密度，为进行相关性分析和回归分析做准备。

3 回龙观社区绿地空间使用效率相关影响因素分析

3.1 社区绿地空间使用效率与影响因素相关性分析

本研究以综合角度和距离衰减的方式来处理社区绿地空间使用人数密度。以之为描述社区绿地空间使用效率的因变量。在分析关联性空间影响因素与社区绿地空间使用效率之间的关系中，选取8个半径尺度下的各类空间句法参数作为自变量参与相关性分析（图4）。分析发现社区绿地空间使用效率与空间句法整合度参数相关性明显，其中在整合度半径为2 000 m时相关性最高，R2达到0.51，表明社区绿地空间内的停留使用人数受小尺度空间拓扑可达性影响明显。对比发现，空间句法整合度的决定系数要高于选择度参数的决定系数，说明社区绿地空间的使用受前者影响更显著。

图4 社区绿地空间使用效率与关联性空间影响因素相关性分析Correlation analysis of community green space and related spatial factors

根据局部影响因素与社区绿地空间使用效率相关性分析（表2），得出外部影响因素与社区绿地空间使用效率不存在相关关系，其中街区的商业繁华程度不影响绿地空间使用人数的多少，原因主要是由于研究样本多为居住小区绿地（101个），居住小区绿地相对于商业具有封闭属性，商业属于外向性分布，两者分布模式不同，即便样本中存在部分公园绿地（23个），但公园绿地中40%位于研究范围两侧，与主干道相邻，而主干道尺度过宽并不适宜布置商业；对于人口密度与社区绿地空间的使用效率不相关，这很大程度归因于回龙观居住建筑类型的均质化，无法突显出人口分布密度的差异性，同时，对于面积规模较大的社区绿地空间来讲，在小尺度统计范围内与居住密度必然呈反比，这也在一定程度上影响了分析结果。

表2 社区绿地空间使用效率与局部影响因素相关性分析Tab. 2 Correlation analysis of community green space and local influencing factors

内部影响因素分析结果体现为各个半径的硬化面积、绿化面积、座椅及健身器械设施的分布密度均与社区绿地空间使用效率呈正相关，说明基础设施的布置数量和绿化面积、硬化面积占比均能显著提升社区绿地空间的使用人数。进一步对比不同半径内部影响因素的相关系数值得出，峰值区间为200～400 m半径范围，该数值区基本符合使用社区绿地空间出行的行为尺度；而对于健身设施的峰值达到600 m半径，主要是由于拥有健身设施的社区绿地空间只占样本总量的60%，而其他影响因素占比在95%～100%。

3.2 社区绿地空间使用效率多元回归分析

参考上述社区绿地空间与关联性和局部影响因素的相关性分析结果，应用社区绿地空间使用效率与相关性较强的局部影响因素以及空间句法参数整合度2 000 m建立多元回归模型。表3展示了多元回归分析结果，从分析效果来看，回归模型R2达到0.7以上，模型参数对社区绿地空间的使用效率具有很高的解释力，进入模型的局部影响因素是座椅设施200 m，结合空间句法参数整合度2 000 m，表明社区绿地空间的使用效率更大程度上受两者综合作用的影响。对比两者的标准化Beta系数值，座椅设施200 m的Beta系数（0.531）＞整合度2 000 m的Beta系数（0.441），得出座椅设施分布密度要高于空间拓扑可达性对社区绿地空间使用效率的影响。

表3 社区绿地空间使用效率多元回归分析Tab. 3 Multiple regression analysis on the use efficiency of community green space

4 公园绿地与居住小区绿地空间使用效率相关影响因素分析

4.1 公园绿地空间使用效率与影响因素相关性分析

研究将社区绿地空间分为公园绿地和居住小区绿地，试图进一步探讨不同影响因素对不同类型社区绿地空间使用效率影响的异同。参照公园绿地与关联性空间影响因素分析结果（图5），得出空间句法整合度参数对公园绿地空间使用效率解释力最强，与社区绿地空间样本总量分析结果一致，整合度2 000 m的相关性最高（R2=0.51），体现出关联性空间影响因素对社区绿地空间使用效率影响的稳定性规律，小尺度空间拓扑可达性高的社区绿地空间使用效率高。空间句法选择度参数与公园绿地使用效率并没有体现出相关性影响。

图5 公园绿地空间使用效率与关联性空间影响因素相关性分析Correlation analysis of park green space and related spatial factors

参照公园绿地与局部影响因素分析结果（表4），外部影响因素对公园绿地空间的解释力仍不明显。对于内部影响因素，座椅、健身设施等与公园绿地使用效率呈正相关，具体体现为200 m范围内公园绿地空间中硬化面积占比和座椅设施数量、400 m范围内绿化面积占比以及600 m范围内健身器械数量与公园绿地空间使用效率相关性最高。同时，影响因素相关系数峰值均大于社区绿地空间样本总量的分析结果，说明内部影响因素对于公园绿地具有更强的解释力。

表4 公园绿地空间使用效率与局部影响因素相关性分析Tab. 4 Correlation analysis of park green space and local influencing factors

4.2 居住小区绿地空间使用效率与影响因素相关性分析

根据居住小区绿地与关联性空间影响因素分析结果（图6），与空间句法整合度参数相关系数最高值为0.44，峰值相关参数为小尺度整合度1 500 m。对比社区绿地空间样本总量和公园绿地的分析结果，两者虽有不同但并没有明显的差异性，进一步证实小尺度空间拓扑可达性是影响社区绿地空间使用效率的稳定性因素。居住小区绿地与选择度参数分析结果呈弱相关，相关系数最高值为0.26，比较公园绿地与选择度参数的不相关性，证明居住小区绿地比公园绿地的使用效率更容易受各街道段空间穿过性潜力的影响。

图6 居住小区绿地空间使用效率与关联性空间影响因素相关性分析Correlation analysis of residential green space and related spatial factors

对居住小区绿地与局部影响因素进行分析（表5），外部影响因素与居住小区绿地使用效率不存在相关关系，不同半径内部影响因素与居住小区绿地使用效率分析结果呈正相关，具体体现为400 m范围内居住小区绿地空间中硬化面积和绿化面积的占比、200 m范围内座椅设施数量以及600 m范围内健身器械数量与居住小区绿地空间使用效率相关性最高。对比公园绿地和居住小区绿地使用效率对内部影响因素的依赖程度，公园绿地相关系数值远大于居住小区绿地，这种差异性表明公园绿地使用人数更容易受内部影响因素决定。

表5 居住小区绿地空间使用效率与局部影响因素相关性分析Tab. 5 Correlation analysis of residential green space and local influencing factors

4.3 公园绿地与居住小区绿地空间使用效率多元回归分析

将公园绿地和居住小区绿地分别建立回归模型。通过上述影响因素相关性分析结果，在关联性影响参数中，公园绿地和居住小区绿地分别选取相关性高值的空间句法参数整合度2 000 m和1 500 m，与局部影响因素组合进行多元回归，筛选后有效进入模型的局部影响因素为座椅设施200 m。分析结果显示公园绿地回归模型的R2为0.540（表6），但2个影响因素的显著性检验值均未通过检验；居住小区绿地回归模型的R2为0.621（表7），且2个影响因素的显著性均能通过检验，表明居住小区绿地的使用效率受两者综合影响，结果呈现出与社区绿地空间样本总量的一致性。对比两者的标准化Beta系数值，整合度1 500 m的Beta系数（0.537）＞座椅设施200 m的Beta系数（0.443），得出小尺度空间拓扑可达性要高于200 m半径下座椅设施分布密度对居住小区绿地空间使用效率的影响。

表6 公园绿地空间使用效率多元回归分析Tab. 6 Multiple regression analysis on the use efficiency of park green space

表7 居住小区绿地空间使用效率多元回归分析Tab. 7 Multiple regression analysis on the use efficiency of residential green space

需要说明的是，在众多内部影响因素当中，无论是分析社区绿地空间样本总量还是细分绿地空间类型，均只有座椅设施进入多元回归模型，主要是因为其他内部影响因素在回龙观社区分布密度均质，进而在多元回归分析中凸显出座椅设施对绿地空间使用效率的重要性，同时，对比此前的实证研究发现[14-15]，不同类型的局部影响因素会因为其分布均匀程度不同，导致其对社区绿地空间使用效率影响强弱不同，而空间句法拓扑可达性变量，在扩大样本量、切换研究对象时都会发生稳定影响，甚至影响的尺度范围也相接近，这表明出空间拓扑可达性对社区绿地空间使用效率而言是个稳定的潜在影响因素。

5 结论与讨论

本研究以回龙观社区绿地空间为研究对象，综合空间句法关联性影响因素，以及商业密度、绿地空间硬化面积、基础设施等非关联性局部影响因素，分析得到社区绿地空间使用效率的影响因素，具体分析结果可以总结为以下3点。

1）社区绿地空间的使用效率受小尺度空间拓扑可达性影响。同时，通过分别分析公园绿地和居住小区绿地与关联性空间影响因素得出的正相关结果，表明小尺度空间拓扑可达性对社区绿地空间使用效率影响稳定。

2）社区绿地空间的基础设施完备程度和硬化铺装面积等内部影响因素均会显著影响其使用效率，而商业和人口密度等外部影响因素对社区绿地空间使用效率无影响。具体对比社区绿地空间样本总量，公园绿地、居住小区绿地各类型分析结果，得出公园绿地使用效率对内部影响因素的依赖最为明显。

3）通过建立多元回归模型分析得出，社区绿地空间主要受座椅设施分布密度和小尺度空间拓扑可达性的综合影响，同时座椅设施分布密度的影响强于小尺度空间拓扑可达性。通过细分社区绿地空间类型，得出居住小区绿地与绿地空间样本总量分析结果一致，但座椅设施分布密度的影响弱于小尺度空间拓扑可达性。

对比此前的文献[14-15]，本研究发现绿地硬化铺装面积、基础设施数量等局部影响因素对绿地使用效率影响最为直接但不稳定，受社区类型和不同季节影响差异较大。与之相比，以小尺度空间拓扑可达性为代表的关联性空间影响因素产生的是稳定而潜在的影响，它决定了居民日常出行的流量分布，提供了居民相遇交流的机会，而座椅等设施则是为这种潜在机会转换成具体使用行为提供物质条件。该发现对城市设计流程的意义在于，应先依据方案的道路结构确定各社区绿地空间的规模等级，进而布置相关设施，方能提升空间和设施的使用效率，获得良好的社会效益。

图表来源(Sources of Figures and Tables)：

文中图表均由作者绘制或拍摄，其中图1底图来源于百度地图PC版 V15.1.0。