运动休闲设施空间分布与街道中心性的相关性研究——以深圳市为例

朱郁郁，潘洁雯，肖 扬

引言

城市规划的从业者们对区位（location）的概念反复进行探讨。例如，Alonso[1]提出地租理论，将土地价值的理念赋予区位概念，并用它将城市功能和城市结构紧密联系起来。城市区位特征的概念在复杂网络视角下更加引人注目[2]。其中街道中心性概念日益得到学者们的关注，Porta等[3]定义了街道中心性：代表一个中心地带提供给那些生活或工作在城市里的人从其他地方到达该处的可达性。相关研究表明，街道中心性可以转化为人气，也伴随着更高的房地产价值和更密集的土地利用。良好的街道中心性是维持较高的零售和服务密度，以及形成城市节点和保持活力的关键因素[4]。街道中心性与城市经济设施之间的强相关性已被许多研究证实[5-6]。例如，Hillier等[7]认为步行尺度下社区层面的非住宅经济和服务设施由街道网络的本身结构决定。Porta等[3]则将研究范围进一步扩大，通过多重中心评估模型（MCA）测量得到全局尺度下中间性与意大利城市的商业和服务设施的分布高度相关，并分析得出“通过交通”带来的人气是巨大的潜在商机，可对经营性设施产生吸引，且对于二级设施（如服务设施）的吸引力强于对于一级设施（制造设施）的吸引力[8]。此外有学者发现街道中心性与人口和就业密度高度相关[9]。

伴随着生态文明建设引领下的城市转型升级，后城镇化阶段居民对城市运动休闲设施的需求日益增加[10]，如何优化城市运动休闲设施的空间布局受到学界的关注。因此，本文以深圳市为例，聚焦城市运动休闲设施，系统探究街道中心性与公益性、商业性运动休闲设施的空间关系，研究结果可供公共服务设施的空间配置优化实践参考。

1 研究区域及数据来源

1.1 研究区域

本文选择深圳市域范围作为研究区域（图1）。其一，与过往许多相关研究中呈现单中心或多中心网络结构的案例城市不同，受历史发展脉络与地理条件的影响，深圳呈现出较为独特的以沿海带状组团为核心，向内地发散的圈层结构，具有重要的研究意义。其二，深圳作为快速城镇化背景下受到规划强干预，“自上而下”规划形成的城市，与过往研究所涉及的许多历史悠久、自发生长的国外案例城市形成了鲜明对比。其三，不同于过往研究单纯聚焦于经济设施，选择经济设施分布较为密集的中心城区作为研究区域的做法，本文选择深圳整体市域作为研究区域，这是由于研究的设施中包含如自然公园、农家乐这类受到自然环境要素或地租要素影响，而通常分布在郊野的种类，因此需要拓展研究区域以保证实验数据的完整性，减小研究的边缘效应。根据《深圳统计年鉴（2018）》，研究区域共包括福田区、罗湖区、南山区、盐田区、宝安区、龙岗区、坪山区、龙华区、光明区9个行政区。总面积1 997.47 km2，常住人口1 252.83万人。

图1 研究区域

1.2 数据来源

深圳市2018年路网数据与运动休闲兴趣点（POI）数据通过百度地图爬取获得。其中路网数据共计145 389条。运动休闲兴趣点（POI）数据共计12 334条。每条记录都包含运动休闲设施的名称、地址和设施类型。通过广东省人民政府门户网站（http://www.gd.gov.cn/）查阅得到《公共体育场馆、健身场地设施》（深圳市文化广电旅游体育局提供）、《体育设施对外开放学校名录》（深圳市教育局提供），用以对照、区分公益性运动休闲设施与商业性运动休闲设施。其中公益性运动休闲设施共计2 199条，商业性运动休闲设施共计10 135条。根据其用途进一步分为运动场地、旅游景点、小型广场和公园、文化娱乐设施（表1），并绘制运动休闲设施分布图（图2）。

表1 运动休闲设施分类

图2 运动休闲设施分布

2 研究方法

2.1 扩展空间句法

比较分析交通网络的度量连接和视觉连接对交通流量（包括人流量和车流量）影响的研究表明，以视觉连接为基础测算的街道中心性能够更好地与实际观测得到的人、车流量拟合[11]。因此，本文将基于最小转折进行测算的sDNA（spatial design network analysis，扩展空间句法）作为街道中心性的分析工具。sDNA采用对偶拓扑的方法，以交叉点作为链路，以路段作为节点测算中心性，其结果的可视化表达以线网而非点阵的方式呈现[12]。本文街道中心性测算的指标为接近性（closeness）和中间性 (betweeness)，这是目前街道中心性分析中通用的指标。

接近性度量了到达的潜力。sDNA推荐使用NQPD（network quantity penalized for distance）来度量接近性指标。该指标的优点在于同时计算网络的质量和数量，将网络度量的两个重要因素放在一个指标中测算，使得接近性的度量更为准确。NQPD的计算思路是先计算网络中每条边（link）的接近性值，在考虑每条边的质量之后，再将所有边的接近性值进行累加来考虑边的数量，最后得到接近性值。以角度接近性为例，其计算公式为：

中间性度量了街道网络中的路径被选择的频率，其分析关注的是运动的“流”的过程，而不是静态的起点与终点。中间性计算每一条线段元素被选择的潜力，包括半径较小时行人的选择，或半径较大时司机的选择。因此，中间性表示的是空间系统中线段的穿越性交通潜力。中间性的基本定义为在图中经过点v的任意其他两个点s、t之间最短路径的数量与s、t之间所有最短路径数量的比值。根据这个定义，中间性的基本公式为：

2.2 自适应核密度估计法

核密度估计（KDE）用于将运动休闲设施空间分布情况和街道中心性值转换为相同的数据框架（即栅格系统），以便可以以相同的比例分析它们之间的关系[9]。KDE通过测量附近物体而不是距中心观测带宽（h）较远距离的物体，生成事件（离散点）密度作为连续场（光栅）[13-14]，基于核函数分析带宽内的事件。有研究表明，不同核函数的选择并不会显著影响结果[15]，但是，带宽的选择始终是KDE应用中的重要问题。有研究建议使用自适应带宽（在事件较稀疏的区域中带宽较大，而在事件集中的区域中带宽较小）而非固定带宽[16-17]。该方法具有为整个区域的估计提供恒定精度的优点，因此本文采用自适应带宽。

2.3 局部空间自相关分析

空间自相关（spatial autocorrelation）分析是用于检验变量在空间分布上的相关性，从而描述分析变量空间分布特征的常用方法。相较于全局空间自相关分析单纯检验空间是否出现了集聚或异常，局部空间自相关分析会细分出现集聚或异常的区域。以GeoDa软件进行二元局部空间自相关分析为例，以第一变量为中心，计算在第一变量的邻域范围内的第二变量和第一变量之间的相关性。如果两种变量的空间分布呈现出高-高、低-低同步变化的集聚状态，称之为空间正相关；如果两种变量的空间分布呈现出高-低、低-高的异常状态，称之为空间负相关；如果两种变量的空间分布关系呈现为不显著，则表明该区域两种变量空间分布不具备明显的相关性，呈现出随机分布的现象。

3 实证分析

3.1 街道中心性核密度分析

本文分别从全局尺度与局部尺度探究街道中心性与不同种类运动休闲设施的联系。设定全局尺度下搜索半径为n，局部尺度下搜索半径分别为800 m、2 000 m、7 000 m，分别代表步行、骑行与车行环境下的计算尺度。采用sDNA作为街道中心性的测量工具，接近性和中间性作为测量变量，得到不同搜索半径下街道中心性核密度（图3）。

图3 不同搜索半径下街道中心性核密度

无论是全局尺度还是局部尺度，宝安区、南山区、福田区、罗湖区均表现为接近性和中间性的核心，说明在深圳市域中，4区占据较为优越的交通区位，具有良好的“到达潜力”与“通过潜力”，也彰显了其中心地位。当搜索半径从步行尺度扩大到骑行尺度时，接近性与中间性的核心呈现出略微收缩的趋势，而在搜索半径进一步扩大到全局尺度的过程中，接近性核心呈现出扩散趋势，中间性核心向高速路段集中。这是因为骑行尺度下，交通设施依然局限于分区的单中心区域中，搜索半径扩大反而造成了中心地区交通区位优势的进一步扩大。而车行尺度下，各分区中心间产生联系，大幅提高了各分区之间郊区的接近性与中间性，从而抬升了郊区的交通区位。这也表明多中心网络化的城市发展模式相较于单纯的“摊大饼”模式，在分摊交通压力与带动周边地区发展方面具有优势。

3.2 运动休闲设施经营类型空间分布与街道中心性的相关性研究

采用核密度估计法，将街道中心性值与运动休闲设施经营类型空间分布情况纳入统一的栅格系统进行相关系数计算与显著性检验（表2），AdjustedR2表明回归直线对观测值的拟合程度。整体而言，运动休闲设施在空间分布上呈现出向街道中心性高的地段集聚的现象，而设施经营类型的差异会对集聚程度产生影响。研究表明，从步行尺度到全局尺度，街道中心性对于商业性运动休闲设施的吸引力始终明显强于对公益性运动休闲设施的吸引力。即相对于公益性运动休闲设施而言，商业性运动休闲设施的选址更注重交通区位要素。

表2 运动休闲设施经营类型空间分布与街道中心性的相关性分析

就商业性运动休闲设施而言，局部尺度下，中间性对于设施空间分布的吸引力始终略强于接近性对于设施空间分布的吸引力。这也进一步验证：对于设施而言，交通区位的意义并不单纯局限于“到达交通”的潜力，“通过交通”所蕴含的交通流和人气是巨大的潜在商机[3]。

全局尺度下，中间性与运动休闲设施空间分布的相关性明显低于局部尺度下两者的相关性，这是因为全局尺度下，中间性核心向高速路段集中，而高速路段多呈封闭状态。追求高连通性，抑制路段的“到达潜力”，使得设施难以从巨大的交通流中“截获”人气。这表明“通过潜力”所蕴含的商机离不开“到达潜力”的输送。

就商业性运动休闲设施而言，步行尺度下街道中心性对于设施空间分布的影响力最强，这可能由于大部分的商业性运动休闲设施处于邻里生活圈的层级，服务范围较小，也可能由于步行尺度下，商业性运动休闲设施对于交通流潜力所带来的人气转化能力最强。就公益性运动休闲设施而言，街道中心性对于设施空间分布的吸引力的峰值出现在更大的搜索半径下，这可能是由于公益性运动休闲设施的规模和服务范围较大。

3.3 运动休闲设施功能种类空间分布与街道中心性的相关性研究

采用核密度估计法，将街道中心性值与运动休闲设施功能种类空间分布情况纳入统一的栅格系统进行相关系数计算与显著性检验（表3）。整体而言，街道中心性对于商业性文化娱乐设施、小型广场和公园、商业性运动场地、公益性运动场地的空间分布有较强吸引力，且吸引力逐渐减弱。街道中心性对于旅游景点的吸引较弱，可以推测旅游景点的选址受到自然条件与人文历史因素的影响更大。

表3 运动休闲设施功能种类空间分布与街道中心性的相关性分析

相比于同为公益性设施的公益性运动场地，小型广场和公园对于街道中心性较强的地段具有更强的选择倾向性。这表明公益性设施的功能与规模可能会对交通区位的需求产生影响。小型广场和公园本身没有固定的用途，它提供适宜的场所，吸引并转化“通过潜力”带来的人气，从而引起社会性活动。而公益性运动场地相对而言规模更大，服务范围更广泛，需要考量设施的社会公平性，在接近性较高的路段选址能保证市民更容易到达。

步行与骑行尺度下，除公益性运动场地外，其他类型的运动休闲设施空间分布与中间性的相关性均强于与接近性的相关性。车行尺度下，除商业性文化娱乐设施外，其他类型的运动休闲设施空间分布与接近性的相关性均强于与中间性的相关性。这说明就大多数种类的运动休闲设施而言，在步行和骑行尺度下从交通流中“截获”人气的潜力可能更高。

就运动场地而言，车行尺度下街道中心性对于设施分布的吸引力最强。就商业性文化娱乐设施和小型广场和公园而言，步行尺度下街道中心性对于设施分布的吸引力最强，这可能与设施的规模以及服务半径有关。

3.4 运动休闲设施商业化程度空间分布与街道中心性的相关性研究

采用核密度估计法，将街道中心性值与运动休闲设施商业化程度空间分布情况纳入统一的栅格系统进行相关系数计算与显著性检验（表4）。整体而言，街道中心性与运动休闲设施商业化程度呈现较弱的正相关关系。结合表2可知，相较于公益性运动休闲设施，商业性运动休闲设施的空间分布对于交通区位要素更加敏感，然而其敏感程度在局部空间上并不一致。

表4 运动休闲设施商业化程度空间分布与街道中心性的相关性分析

局部尺度下，运动休闲设施商业化程度与中间性的相关性强于与接近性的相关性。然而在全局尺度下，相较于中间性，接近性对运动休闲设施商业化程度的正向影响更大。这进一步验证了上文分析所得到的观点：局部尺度下，中间性指数较高的地段拥有更大的交通流、更高的人气、更强的活力和更多的商机。全局尺度下，接近性和中间性的价值不再同步变化，交通流潜藏的人气资源难以被顺利转化时，中间性对于商业性设施的吸引力将大幅减弱。

全局尺度下，接近性指数较高的地段对运动休闲设施商业化程度的正向影响最大，这说明相较于公益性运动休闲设施，商业性运动休闲设施更倾向于成为全局尺度上居民出行的目的地。

3.5 运动休闲设施商业化程度与街道中心性的地区差异性研究

对比街道中心性核密度分析图与卫星地图可以发现，在街道中心性价值最高的核心地段，即宝安区、南山区、福田区、罗湖区4区的市区，街道中心性与运动休闲设施商业化程度的空间分布呈现为不显著的相关性。这说明市中心地区存在某种与街道中心性伴随出现的负面因素，其对于设施选址的消极影响总是大于街道中心性提供的商机。这种负面因素很可能是街道中心性价值的体现，即地租。相较于公益性运动休闲设施，地租对于商业性运动休闲设施选址的负面作用更大。这表明目前深圳核心地区的地租存在泡沫，抑制了实体经济的发展。

街道中心性与运动休闲设施商业化程度空间分布（图4）呈现为高-高聚集状态的地段，多为位于郊区高速公路与城市街道网络交叉周边，且街道网络密度较大的地段，即最易承接高速公路巨量交通流所蕴含的人气并将其转化的地段。这体现了商业性运动休闲设施外迁，以及机动车出行方式主流化的趋势。

图4 运动休闲设施商业化程度与街道中心性局部空间自相关分析

街道中心性与运动休闲设施商业化程度空间分布呈现为低-高异常状态的地段，多为位于郊区高速公路与城市街道网络交叉周边，且街道网络密度较低的地段。这说明在高速公路进出入周边地段，运动休闲设施的客流主要来自高速公路的长距离输送，即大型商业化运动休闲设施倾向于选在高速公路出入口周边，这些设施能够充分消化高速公路运输客流，商户也能负担与之成正比的地租。此外，轨道交通的补充也可作为街道中心性与运动休闲设施商业化程度空间分布不对应的一个解释。

街道中心性与运动休闲设施商业化程度空间分布呈现为低-低聚集状态与高-低异常状态的地段，多设置大型公益性运动休闲设施，其分布于大面积绿地、水系、山体之间，有少量交通干道穿过。远离交通干道的地段空间分布表现为低-低聚集状态，临近交通干道的地段空间分布表现为高-低异常状态。

4 结语

本文以深圳为例，探究了街道网络中心性与运动休闲设施空间分布的关系。结果表明：（1）整体而言，运动休闲设施倾向于向街道中心性价值较高的地段聚集，且商业性运动休闲设施的倾向性更强。但是就运动休闲设施的细分功能而言，情况发生了变化，经营方式、功能种类、服务半径、地理条件、历史人文要素等因素彼此作用，共同对街道中心性与设施空间分布的关系产生影响。（2）街道中心性的接近性和中间性两种指标，对于不同种类运动休闲设施的空间分布有着不同的影响，某些大型公益性运动休闲设施倾向于选择接近性价值高的地段而非中间性价值高的地段，这可能是由更容易到达代表更好的社会公平的理念引导产生。中间性所代表的“通过潜力”能够带来人气，既往研究认为人气代表着商机，能够解释相较于接近性，中间性价值更高的地段对于商业性设施有更强的吸引力。然而就某些公益性运动休闲设施而言，以小型广场和公园为例，人气代表着更多市民使用的潜力，能够更好地产生社会效益，该类设施对于中间性价值的选择倾向同样强于对于接近性价值的选择倾向。（3）值得关注的是，当中间性价值较高而接近性价值较低，且差距达到一定程度的时候，设施难以“截获”“通过交通”所带来的人气，中间性价值对于设施分布的吸引力将会明显降低。（4）目前深圳的商业性运动休闲设施呈现出大型化，且向郊区高速公路出入口集聚的特点，这是收缩城市的重要特征之一。市中心高昂的地租与更新成本促使产业空心化[18]，成为地租泡沫抑制实体经济发展的一个缩影，这也将促进机动车出行需求的增长，使得交通环境进一步恶化。

说明：本文由上海同济城市规划设计研究院有限公司暨长三角城市群智能规划协同创新中心科研课题“基于网络分析的城市街道布局设计经济性绩效评价研究”（编号：KY-2018-YB-A07）资助。