基于网络地图的合肥市公园绿地可达性研究

陈飞　仲冠南　吴庆双　万猛

摘要：建设分布均衡的公园绿地体系推进城市生态修复和完善绿地功能成为城市发展建设的重点内容，探究城市公园绿地资源的可达性及供需特征具有重要意义。本文基于高斯两步移动搜索法与双变量空间自相关的方法，在1km格網尺度下使用高德地图获取的三种交通方式下，基于实际路况下实时通行时间数据计算合肥市市辖区公园绿地可达性及供需空间差异，主要结论如下：①合肥市市辖区公园绿地可覆盖的格网单元数量占比以及人口数量占比随时间阈值的增加而增长。在15分钟通行时间阈值下，驾车与骑行方式能使大多数人获得公园绿地资源，而步行方式只有约一半的人口数量占比。骑行方式能够以较低的成本接近驾车方式，能让较多的人口数量获得公园绿地资源；②合肥市市辖区公园绿地可达性等级分布出现城郊差异，较低可达性等级集聚在人口密度较高的城市中心，而较高可达性等级集聚在人口密度较低的城市外围，整体上可达性等级呈现出从中心向外逐渐上升的空间格局。时间阈值的提升主要增加了公园绿地可达性范围，交通方式的改变更能提高公园绿地可达性等级；③基于供需平衡的公园绿地可达性聚类特征显示，总体上合肥市市辖区自中心向外依次呈现为“低供给-高需求”特征、“不显著”特征、“低供给-低需求”特征，城市核心区出现供应不足，而城市外围区域出现供过于求现象。结论可为合肥市市辖区公园绿地规划建设提供参考。

关键词：可达性；城市公园绿地；网络地图API；两步移动搜索法；合肥

中图分类号：K901文献标志码：A文章编号： 1001-2443（2023）06-0564-09

引言

城市公园绿地作为城市公共基础设施的重要组成部分，发挥着绿地生态和社会等多重功能。在城市绿色空间中，公园绿地在城市环境净化空气、调节城市气候以及缓解城市热岛效应等方面起到了重要作用［1］。同时，也提供给城市居民娱乐休闲的场所，增加居民的体育锻炼活动，改善居民的身心健康［2］。特别的，城市公园绿地作为户外空间，空气流通，被认为是流行疾病期间相对安全的场所，可以改善生活质量［3］。因此，城市公园绿地的可达性评价，对城市绿地的布局和规划以及发挥其应有的环境和社会效益具有重要的意义。

可达性概念1959年由Hansen［4］提出，为克服空间阻力到达目的地的方便程度。常用研究可达性的方法有缓冲区法［5］、网络分析法［6］、引力模型法［7］和两步移动搜索法［8］。缓冲区法未考虑道路影响，网络分析法仅从供给方面考虑计算可达性。引力模型和两步移动搜索法综合考虑了公共服务设施的供给和需求两个方面，但引力模型的摩擦系数确定较为复杂，而两步移动搜索法未进行距离上的衰减，在阈值范围内可达性相同。引入高斯函数对两步搜索法进行优化［9］，利用通行阻抗衰减的高斯两步移动搜索法测量可达性水平，能够有效地反映城市公园绿地在数量和公平性上的供需关系。也有研究发现不同的交通方式对公共基础设施的空间可达性有明显的影响［10］，不同交通方式的可达性产生了差异性的空间分布格局［11］。在需求方面，较多的采用了社区人口数［12］或行政区人口数［8］作为需求数据，这会将研究区域划分为不同大小的子单元，可能会影响结果［13］。有研究指出供需空间的不匹配可能造成特定区域的差异。随着城市的网格化管理逐渐展开，将研究区域划分为网格，从地理单元的角度讨论有助于解释研究结果［14］。因此，利用网格开展较小尺度城市公园绿地可达性的相关研究，对城市公园绿地规划和管理具有重要意义。

当前，利用大数据信息助力地理学的研究和应用，有效地提升了测度的准确性［15］。为计算基于交通状况的通行时间成本，可利用网络地图不同交通模式的路径规划API（Application Programming Interface）获得实际通行时间引入高斯两步移动搜索法中代替传统的欧氏距离或路网距离计算城市公园绿地可达性，能够更准确地反映城市公园绿地的可达性空间格局。本研究使用基于高德地图的路径规划API获取通行时间数据，高德地图作为专业的网络地图服务商，提供了详细的道路网络数据及多种交通方式下的通行时间测算，此通行数据基于实时道路与路况信息，相比网络分析得到的通行时间数据更加准确。此外，城市公园绿地往往有多个入口，使用高德地图路径规划服务时，目标点会选择最适合用户当前位置的入口，避免因为进入公园内部空间的时间产生误差。

综上所述，本文选取合肥市市区四个行政区范围作为研究区域，基于1km×1km的格网，采用基于实际通行时间衰减的高斯两步移动搜索法，参考以往研究［12，16］以及《城市居住区规划设计标准》（GB50180—2018）针对5分钟、10分钟、15分钟生活圈，对步行、骑行（自行车）、驾车三种方式在不同时间阈值下从供需两个方面计算合肥市市辖区步行、骑行、驾车三种交通模式的公园绿地可达性空间布局，使用高德路径规划API获得的实际路阻下各种交通方式的通行时间以期提高测算结果的精度。从可达性格局和供需特征结果，为合肥市城市公园绿地管理及城市公园绿地规划提供参考。

1 研究数据与方法

1.1 研究区概况

合肥，简称“庐”或“合”，安徽省省会，是合肥都市圈中心城市，中国长三角城市群副中心城市。位于华东地区，北纬30°57′-32°32′，东经116°41′-117°58′之间。作为国家森林城市和国际湿地城市的合肥市一直在积极建设城市绿地，深耕“300米见绿，500米见园”的绿色建设目标，选取合肥市作为研究区有一定典型意义。本文研究范围为合肥市市辖区，包括蜀山区、包河区、瑶海区、庐阳区，城市面积1339.22平方公里，根据第七次人口普查数据，市区人口为511.82万人。

1.2 数据来源及处理

1.2.1 数据来源

（1）合肥市市辖区行政区划数据来源于全国地理信息目录服务系统1：100万公众版基础地理信息数据。

（2）合肥市市辖区公园绿地矢量数据及道路矢量数据来源于开放街道地图（Open Street Map）数据，数据获取时间为2022年6月。

（3）合肥市市辖区人口分布数据来源于2020年Worldpop人口栅格数据集，该数据集的空间分辨率为100m，适合用于人口密度中等和高等区域的精细化研究且数据精度较高［17］。

（4）研究使用的多种交通方式的通行时间来源于高德地图路径规划API，为模拟大部分人在工作日前往公园绿地进行活动的情况，数据采集时间为2022年9月的工作日17：30—21：00期间。

1.2.2 数据处理

（1）合肥市市辖区公园绿地面数据作为研究的公园绿地资源供给，并与从高德地图API获取的城市公园绿地POI（Point of Interest）数据对比进行数据清洗后得到共计226个城市公园绿地面数据。本文根据中国城市绿地分类标准（CJJ/T85，2017）将合肥市市辖区公园绿地面数据分为三种类型，分类规则见表1，空间分布如图1所示。

（2）对人口分布数据，在合肥市市辖区范围生成1km×1km格网单元汇集统计2020年Worldpop人口栅格数据，人口数量大于0的格网单元数量1280个，即研究范围内总格网单元数量为1280个。格网单元质心作为需求点数据。为了人口总数更加精确，根据合肥市第七次人口普查公报（第一号）的各行政区人口总数与从Worldpop获得的各行政区统计的人口格网数据相除计算各区人口修正系数，对各行政区内格网单元人口数乘以对应行政区修正系数进行纠正，所得人口密度如图1所示。

图1为处理后的基于1km格网聚合的人口数量分布与合肥市市辖区公园绿地分布数据，以公园绿地资源为供给数据，以人口数量分布为需求数据。合肥市市辖区的人口主要分布在中东部地区，人口密度较高的区域主要在四个行政区交界处的城市中心以及包河区南部部分区域，其中空白格网为人口数量为0的区域。公园绿地主要分布在市辖区中东部与南部，整体上与人口分布密度高的区域相对应，庐阳区与瑶海区公园绿地数量较少，蜀山区公园绿地数量多且分布集中，包河区公园绿地分布较分散。市辖区西部及部分东部区域由于绿地公园数量少导致空间分布的不均衡问题易造成获取公园绿地资源的不公平问题。

1.3 研究方法

1.3.1 基于网络地图的高斯两步移動搜索法 高斯两步移动搜索法在供给和需求两个方面，根据需要设定的阈值分别进行搜索，通过高斯函数进行距离或时间的衰减使得可达性结果更加准确，此种扩展形式已广泛应用在绿地［18-19］、医疗［20］等公共设施可达性的研究中。本文使用高德地图服务平台获取多种交通方式的通行时间成本引入高斯两步移动搜索法，依靠其真实交通数据以及利用时间阈值计算衰减程度更符合实际情况，提高了准确性。根据高斯两步移动搜索法计算要求，利用python对供需OD坐标点对进行各交通方式路径规划API批量请求，对得到的结果按照时间阈值进行筛选后计算可达性值。具体的计算过程如下。

步骤一，以公园质心作为供给点，人口聚合后的格网中心点作为需求点。在转换为高德地图坐标系后，调用高德路径规划API搜索自供给点出发的时间阈值范围内所有需求点，得到相应需求点格网人口总和并利用高斯衰减函数按照时间衰减赋给相应权重，最后计算供需比Rj：

式中：位置k为格网需求点，位置j为绿地供给点；[tkj]为位置k、j之间实际通行时间，[t0]为搜索时间阈值；[Sj]为公园绿地j的面积，单位为m2；[Pk]为需求点的人口数量；[Gtkj，t0]为基于时间的高斯衰减函数，如公式（2）所示：

步骤二，自代表人口格网中心点出发，搜索时间阈值范围内能到达的公园供给点，利用基于时间阈值和实际通行时间的高斯函数衰减后将绿地的供需比[Rj]求和得到需求点的可达性值[At0k]，此值可表示为经过衰减后的人均绿地面积，值越大代表绿地的可获得性越高：

1.3.2 基于双变量空间自相关供需聚类分析 利用城市公园绿地可达性值表示供给水平与聚合后人口数量代表需求水平，基于双变量空间自相关方法分析不同交通方式的公园绿地供给能力与居民需求之间空间聚类差异，为未来公园绿地的规划提供参考，公式如下：

式中：[Xi，k]和[Xj，l]分别表示空间单元i的属性k的值和空间单元j的属性l的值；[Xk]和[Xl]分别表示属性k和l的均值；[δk]和[δl]分别表示属性k和l的方差; [Wij]为空间单元i、j之间的空间权重矩阵；n为空间单元的个数。

2 结果分析

2.1 多交通方式公园绿地可达性分析

使用高德地图路径规划API获取OD通行时间，基于高斯两步移动搜索法分别计算每个格网在5分钟、10分钟、15分钟分钟时间阈值内步行、骑行、驾车三种交通方式下的可达性值，得到的可达性结果从广义上是基于通行时间权重衰减后的人均绿地面积［19］。为便于不同时间阈值的结果进行综合比较，将各交通方式的不同时间阈值可达性计算结果使用几何间隔分类方法划分为低、较低、中等、较高、高五个等级，可视化后反映可达性的空间格局，格网可达性等级越高表示越易获得公园绿地资源。

基于可达性计算结果统计各交通方式不同时间阈值的可达合肥市市辖区内公园绿地格网单元占比以及人口数量占比，如图2所示。结果表明，合肥市市辖区公园绿地可覆盖的格网单元数量占比以及人口数量占比在三种交通方式下随时间阈值的提升而增长。在15分钟通行时间阈值下，驾车方式有约61%的格网单元近97%的人口都能获得公园绿地资源，骑行方式下有约43%的格网单元近91%人口，步行方式下只有约20%的格网单元近52%的人口。步行方式下随时间阈值的提升，格网单元与人口数量占比增长有限，与驾车方式相比有较大差异，但骑行方式能够以较低的成本接近驾车方式，特别是能够让较多数量的人口获得公园绿地资源。因此对于步行不可达而骑行可达的格网区域，可作为城市放置共享单车点的重点区域。

从可达性的统计数值结果来看，不同交通方式各格网可达性的均值和标准差如下表2所示。从均值上可以看到三种交通方式可达性的均值随着时间阈值的增加均有先增长后下降的趋势，这表明时间阈值从5分钟增加至10分钟时可获得的公园绿地面积增加使得可达性值增长，但是当时间阈值从10分钟增加至15分钟时，对公园绿地资源有需求的人口增量更加显著，使得可达性均值有所下降。相同时间阈值下，驾车可达性的均值均小于步行和骑行方式，主要是因为覆盖了更多的人口数量。从标准差来看，在5分钟至15分钟时间阈值范围内驾车可达性标准差为三种交通方式中最小，说明驾车方式受时间影响较其他方式小，在不同时间阈值下获取公园绿地资源的差异性最小。

合肥市市辖区公园绿地可达性各等级情况如图3和图4所示，从总体上可以看出合肥市市辖区三种交通方式下的公园绿地可达性均随着通行时间阈值增加，可达性为0的格网区域在逐渐减少，表明公园绿地的服务范围在逐渐增大，而交通方式带来的通行速度的提升也使得更多区域能够获得公园绿地资源，但市辖区西部因为公园绿地资源稀少且道路网较为稀疏，可达性为0的格网区域较多。其中可达性等级为较高和高的格网区域大多分布在城市边缘面积大的综合公园附近，原因是人口相对于城市中心少，人均可获得的绿地面积更大，而城市中心虽然也有相当数量的综合公园，但由于人口数量大，可达性等级处在中等和较低水平。合肥市市辖区公园绿地可达性等级分布出现城郊差异，较低可达性等级集聚在较高人口密度的城市中心，而较高可达性等级集聚在较低人口密度的外围城市，整体上可达性等级呈现出从中心向外逐渐上升的趋势。

从可达性空间分布格局中可以进一步看出不同交通方式可达性差异。在5分钟至15分钟时间阈值范围内，驾车方式的可达性最好，因为驾车方式能够更好地克服道路距离阻力，使得获取公园绿地资源的差异性最小，进而提高区域公园绿地可达性的等级，但即使在15分钟阈值下，依然有约40%的格网区域可达性为0。步行方式下，可达的格网数量也在增加但十分有限，主要分布于各公园绿地资源附近。骑行方式下，在10分钟和15分钟时间阈值下已经能使得大部分人口密度较高的区域获得公园绿地资源。从步行转变骑行方式时，可以发现主要增加了可达区域的范围，但可达性等级较低，特别是离公园绿地有一定距离的格网区域，例如庐阳区东部、瑶海区西南部、蜀山区东部及包河区中部区域，而从骑行转变为驾车方式时，主要提高了综合公园附近的格网区域的可达性等级。

2.2 公園绿地可达性空间集聚分析

为进一步研究合肥市市辖区公园绿地的供需差异，用可达性值代表供给，人口数量代表需求，利用Geoda软件进行双变量空间自相关分析以研究供需的空间集聚关系。在0.05的显著性水平上，合肥市市辖区公园绿地可达性与需求的集聚情况如图5所示。图中“低-低”表示格网区域公园绿地供给和需求数量均为低；“低-高”表示格网区域公园绿地供给低，但需求数量高；“高-低”表示格网区域公园绿地供给高，需求数量低；“不显著”区域表明绿地供给和需求相对均衡。

从图中总体可以看出，除局部格网区域有所变化外，整体供需聚类空间格局变化较小，圈层结构明显。低-高聚类局域集中在合肥市市辖区城市中心区域，表明城市中心虽然有分布一定数量的综合公园，但人口密度大需求高，公园绿地供给的人均水平低；有542个格网区域不显著聚类约占市辖区的42%，整体分布在市辖区中心二环外，此区域公园数量多，人口密度相对市中心低，供需特征表现相对平衡；高-高聚类大多分布在二环内的综合公园附近，且整体数量较少；高-低聚类在城市边缘的综合公园附近才有所显示，其中驾车方式最为显著。低-低聚类主要分布在合肥市市辖区西部、南北部分区域，主要是由于公园绿地面积少、人口数量较低以及道路交通影响。

从步行方式上看，时间阈值的增长对不同空间聚类的影响不明显，表明步行能获得的公园绿地资源较为有限。从骑行及驾车方式看，时间阈值从5分钟至10分钟时，“高-高”聚类减少，“低-高”聚类增加，表示增加了对有需求区域的可达性范围，公园绿地可覆盖的人口更多。而时间阈值从10分钟至15分钟时，骑行方式无明显变化，驾车方式下“高-高”聚类增加，“低-高”聚类减少，驾车使得较高可达性等级区域增多，能获得更多的公园绿地面积。

3 结论和讨论

3.1 结论

使用基于时间阈值的高斯两步移动搜索法和高德地图路径规划API进行三种交通方式下的合肥市市辖区城市公园绿地可达性计算与特征分析，并使用双变量空间自相关分析进行城市公园绿地资源供需空间差异分析，结论如下：

（1）合肥市市辖区公园绿地可覆盖的格网单元数量占比以及人口数量占比随时间阈值的增加而增长。在15分钟通行时间阈值下，驾车与骑行方式能使大多数人获得公园绿地资源，而步行方式只有约一半的人口数量占比。骑行方式能够以较低的成本接近驾车方式，能让较多数量的人口获得公园绿地资源。

（2）合肥市市辖区公园绿地可达性等级分布出现城郊差异，较低可达性等级集聚在较高人口密度的城市中心，而较高可达性等级集聚在较低人口密度的城市外围，整体上可达性等级呈现出从中心向外逐渐上升的空间格局。时间阈值的提升主要增加了公园绿地可达性范围，交通方式的改变能提高公园绿地可达性等级。

（3）基于供需平衡的公园绿地可达性聚类特征显示，总体上合肥市市辖区自中心向外依次呈现为“低供给-高需求”“不显著”“低供给-低需求”特征，城市核心区出现供应不足，而城市外围区域出现供过于求现象。

3.2 讨论

将从高德地图获取的实时通行时间引入高斯两步移动搜索法，利用其精度优势探究了多种交通方式在1km格网尺度下不同时间阈值的城市公园绿地的可达性及其供需聚类特征。基于网络地图数据获取的时空数据因考虑了道路性质、交通流量以及交通方式等道路阻抗更符合实际情况，相比于传统欧式距离或网络分析［6］下的高斯两步移动搜索方法得到的可达性计算结果更加准确。基于格网尺度相比于以往社区、街道尺度［12］在人口密度均匀性上更好，并且能够较为细致地分析城市公园可达性的空间格局及差异，在小尺度上研究供需平衡特征为细化城市公园绿地管理及规划提供了参考。

本文全面分析了不同通行时间阈值和出行方式下公园绿地的可达性，比较了三种交通方式的可达性空间差异和供需差异，发现克服通行时间的能力越强，其可达性等级越高。不同收入群体选择的交通方式的差异可能会产生空间不公平的现象，在倡导绿色低碳出行的背景下更需要关注步行和骑行可达性低和差异较大的区域。通过供需差异分析，合肥市市辖区城市公园绿地供给与人口需求在城市中心区域及城市外围区域出现了不匹配现象，原因一方面是城市核心区域地价高、土地供应有限以及人口密度增加，另一方面是城市发展不同阶段的规划差异使得城市外围区域建设了较多的大型综合公园。根据合肥市市辖区公园绿地可达性情况提出以下建议：

（1）基于15分钟时间阈值下步行可达性的空间分布情况，对不可达以及可达性等级较低的区域，特别是有“低供给-高需求”特征的，可采取见缝插针式的增加诸如口袋公园等小型公园的方法进一步实现“500米见园”的绿化目标。

（2）改善道路交通条件，降低通往公园绿地的时间成本也能有效提高可达性。对于各通行时间阈值下，步行方式下不可达而骑行可达的区域，可作为城市放置共享单车点的重点区域。

（3）对人口密度较低的蜀山区西部、瑶海区北部、庐阳区西部、包河区中东部区域可适当增加面积较大的综合公园，以改善合肥市市辖区公园绿地可达性。

本文研究内容仍存在一些不足之處，在今后的工作中可以进一步改进。首先，考虑到合肥市市辖区公园绿地数量较少，本文没有对不同等级的公园绿地进行分级讨论，主要结果为不同交通方式下居民获取整体公园绿地难易程度的空间格局。其次，在格网的使用上，可达性结果将在一定程度上受到网格尺度的影响，将人口数据重新聚合至格网并用质心代表出行需求点存在一定偏差。本文没有讨论1km格网导致的潜在不确定性，未来可探索不同尺度格网的可达性结果。最后，本文选用通行时间数据的采集时间为2022年9月工作日下午五点至九点，由于人们在工作日出行特征相对稳定，研究结果代表了工作日的可达性状态，而周末的出行模式可能并不相同，本文没有反映出可达性的时间变化，可以在今后的工作中对可达性的时间动态进行全面分析。

参考文献：

［1］ 苏泳娴， 黄光庆， 陈修治， 等. 广州市城区公园对周边环境的降温效应［J］. 生态学报， 2010， 30（18）： 4905–4918.

［2］ MAAS J， VAN DILLEN S M E， VERHEIJ R A， et al. Social contacts as a possible mechanism behind the relation between green space and health［J］. Health & Place， 2009， 15（2）： 586–595.

［3］ KLEINSCHROTH F， KOWARIK I. COVID-19 crisis demonstrates the urgent need for urban greenspaces［J］. Frontiers in Ecology and the Environment， 2020， 18（6）： 318–319.

［4］ HANSEN W G. How accessibility shapes land use［J］. Journal of the American Institute of Planners， 1959， 25（2）： 73–76.

［5］ 施拓， 李俊英， 李英， 等. 沈阳市城市公园绿地可达性分析［J］. 生态学杂志， 2016， 35（5）： 1345–1350.

［6］ MOYANO A， MART?NEZ H S， CORONADO J M. From network to services： a comparative accessibility analysis of the spanish high-speed rail system［J］. Transport Policy， 2018， 63： 51–60.

［7］ JOSEPH A E， BANTOCK P R. Measuring potential physical accessibility to general practitioners in rural areas： a method and case study［J］. Social Science & Medicine， 1982， 16（1）： 85–90.

［8］ 杨文越， 李昕， 陈慧灵， 等. 基于多出行模式两步移动搜索法的广州多尺度绿地可达性与公平性研究［J］. 生态学报， 2021， 41（15）： 6064–6074.

［9］ DAI D. Black residential segregation， disparities in spatial access to health care facilities， and late-stage breast cancer diagnosis in metropolitan detroit［J］. Health & Place， 2010， 16（5）： 1038–1052.

［10］ PINTO L V， FERREIRA C S S， IN?CIO M， et al. Urban green spaces accessibility in two european cities： vilnius （lithuania） and coimbra （portugal）［J］. Geography and Sustainability， 2022， 3（1）： 74–84.

［11］ 陈杰. 基于网络地图服务的公共设施多模式交通时空可达性测度研究［D］. 南京：南京大学， 2019： 119.

［12］ 浩飞龙， 张浩然， 王士君. 基于多交通模式的长春市公园绿地空间可达性研究［J］. 地理科学， 2021， 41（4）： 695–704.

［13］ DONY C C， DELMELLE E M， DELMELLE E C. Re-conceptualizing accessibility to parks in multi-modal cities： a variable-width floating catchment area （vfca） method［J］. Landscape and Urban Planning， 2015， 143： 90–99.

［14］ LEE G， HONG I. Measuring spatial accessibility in the context of spatial disparity between demand and supply of urban park service［J］. Landscape and Urban Planning， 2013， 119： 85–90.

［15］ 黄洁， 王姣娥. 交通大数据在人文与经济地理学的应用及学科影响［J］. 地球信息科学学报， 2020， 22（6）： 1180–1188.

［16］ LIU B， TIAN Y， GUO M， et al. Evaluating the disparity between supply and demand of park green space using a multi-dimensional spatial equity evaluation framework［J］. Cities， 2022， 121： 103484.

［17］ 林丹淳， 谭敏， 刘凯， 等. 代表性人口空间分布数据集的精度评价——以2010年广东省为例［J］. 热带地理， 2020， 40（2）： 346–356.

［18］ 陶卓霖， 程杨. 两步移动搜寻法及其扩展形式研究进展［J］. 地理科学进展， 2016， 35（5）： 589–599.

［19］ 仝德， 孙裔煜， 谢苗苗. 基于改进高斯两步移动搜索法的深圳市公園绿地可达性评价［J］. 地理科学进展， 2021， 40（7）： 1113–1126.

［20］ 郭琛琛， 梁娟珠. 基于网络地图的多交通模式医疗设施可达性分析［J］. 地球信息科学学报， 2022， 24（3）： 483–494.

Spatial Accessibility of Park Green Space in Hefei City Based on Network Map

CHEN Fei1， ZHONG Guan-nan1， WU Qing-shuang1，2， WAN Meng1

（1. School of Geography and Tourism， Anhui Normal University， Wuhu 241000， China; 2. Resources， Environment and Geographic Information Engineering， Anhui Engineering Technology Research Center， Wuhu 241000， China）

Abstract： Building a well-distributed park green space system to promote urban ecological restoration and improving green space functions has become the key content of urban development and construction. It is of great significance to explore the accessibility and supply and demand characteristics of urban park green space resources. Based on the Gaussian two-step floating catchment area method and the bivariate spatial autocorrelation method， this paper calculates the availability of the park green space in the municipal district of Hefei City based on the real-time travel time data obtained from the Amap at the grid scale of 1 km. The main conclusions are as follows： ① The proportion of the number of grid units that can be covered by the park green space in the municipal district of Hefei and the proportion of the population grows with the increase of the time threshold. At the 15-min access time threshold， the driving and cycling modes provide the majority of people with access to park green space resources， while the walking mode has only about half of the population size share. Bicycling can be closer to driving at a lower cost， allowing more people to have access to park green space resources; ② The distribution of park green space accessibility levels in the municipal district of Hefei shows urban-suburban differences， with lower accessibility levels clustered in the center of the city where the population density is higher， while higher accessibility levels are clustered in the periphery of the city where the population density is lower， and the accessibility levels on the whole present a spatial pattern of gradual increase from the center to the outside. Overall， the accessibility rating shows a spatial pattern of gradual increase from the center outward. The increase of time threshold mainly increases the accessibility range of park green space， and the change of transportation modes can improve the accessibility level of park green space; ③The clustering characteristics of park green space based on the balance of supply and demand show that， in general， the municipal district of Hefei is characterized by "low supply - high demand" from the center outwards， "insignificant" and "low supply-low demand" characteristics， with the core area of the city experiencing a lack of supply and the peripheral area of the city experiencing an oversupply phenomenon. The conclusion can provide reference for the planning and construction of park green space in the municipal district of Hefei.

Key words：spatial accessibility; urban park green space; network map API; two-step mobile search method; Hefei

（责任编辑：巩 劼）

收稿日期：2022-11-13

基金项目：安徽省高等学校科学研究项目（2022AH050196）.

作者简介：陈飞（1997—），男，安徽合肥市人，硕士研究生；通讯作者：吴庆双（1980—），男，湖南永州市人，博士，副教授，E-mail：wuqing@mail.ahnu.edu.cn.

引用格式：陈飞，仲冠南，吴庆双，等. 基于网络地图的合肥市公园绿地可达性研究［J］.安徽师范大学学报（自然科学版），2023，46（6）：564-572.