人群动态分布感知下的天津市公园活力特征及影响因素研究

张赫 贺晶 杨天宇 曹舒仪

公园绿地在保障居民健康及休闲娱乐方面提供了广泛的生态系统服务[1]。与此同时，物联网可以识别、管理人流与空间的耦合关系，进而实现人群分布与绿地服务之间双向影响的动态监测。因此，实时感知公园的内部人群特征及服务半径内的需求规模影响，对提升公园使用效率乃至城市的可持续发展至关重要。

随着城市内部结构复杂化及活动高频化的加剧，人群分布分析对不同尺度城市空间的更新越来越重要[2]。在宏观尺度，流动空间的研究证实了人群分布的时空差异性[3-4]，并被应用于城市功能区划分及交通规划等方面；在中观尺度，已有研究证明动态人口密度与公共服务设施的分布具有显著相关性[5]，与服务范围内的常住人口规模不具备显著相关性。聚焦于公园绿地这类设施，研究主要针对公园内部的人群时空分布[6-7]，并得出节假日及不同季节的差异是人群访问变化的重要因素。然而，人群行为变化除受上述客观因素影响而存在较大差异外，由于主观因素（如疫情管控[8]等）导致限制人群出行的影响也值得探讨。且该部分涉及公园绿地这一对象的研究相对较少[9]。同时，已有研究证明依据《城市绿地规划标准》[10]的服务人口规模判断绿地布局合理程度，会忽视部分绿地服务压力过大或资源未充分利用的问题[11]。因此，研究公园服务半径内的人群规模变化与其活力程度的关联，对提升公园活力也有较大意义。

人群及其活动的聚集[12]表现为城市空间活力，其聚集程度则体现了设施使用效率的差异。当前，不同尺度及类型空间的活力强度分析是国内外研究的热点。公园绿地活力评估的对象、数据来源[6]及表征要素均较为丰富。其中，研究对象从综合公园[13]至专类公园（如郊野公园[14]、滨水空间[12]等）均有涉及；表征要素分为空间聚集性、时间持续性、类型多样性及反馈积极性[15]等。在近期的研究中，空间活力的表征开始从静态单一的强度，向动态复合的强度、稳度转变，其内涵也延伸至持续聚集人群及活动的吸引力[16]。其中，活力波动性[17]反映了人类活动的动态变化程度，目前研究主要利用一段时间内活力强度的标准差[17]或人口稳定性指数[18]来表征；部分研究也采用基于时间序列的连续强度曲线反映城市的动态活力[16,18]。然而，既有对公园活力波动性的研究，主要停留在对强度的时序表达层面，较少分析其与强度的关系，也无法识别强度相似但波动变化不同的公园单元，进而无法采取差异化的规划更新措施。

基于既有研究分析，为从动态视角反映人群分布对公园活力特征的影响，本研究运用物联网感知下的人群分布数据，一方面分析活力强度与波动性的关系，利用这2 个指标进行公园活力模式的划分，从而识别不同情景下各模式公园的活力时序特征；另一方面研究公园服务范围内动态人群规模对其活力的影响程度，进而提出适应于居民行为需求的公园活力提升策略。

1 人群分布情景设定及公园活力测度

1.1 研究范围及对象选取

天津市作为京津冀协同发展的超大城市之一，正在加快建成以津城核心区环网交织为目标的全域多层级、多类型公园体系①。本研究以和平、南开等中心六区及津南等外围四区为研究范围（图1）；选取该范围内面积大于1 hm2且被基站覆盖的公园绿地为研究对象。其中按照公园分级的建设规模标准[10]，截至2022 年12 月，研究范围内综合公园、社区公园分别为38、106 个。

1 研究范围及公园绿地分布Research scope and distribution of park green space

1.2 基于物联网技术的人群分布感知

1.2.1 人群分布的感知类型及数据来源

公园活力由人群动态分布数据进行表征。随着通信技术发展与传感器大规模应用，利用物联网实时采集并分享对象的位置、声音及光热等信息[19]成为可能。其中，传感器主要通过物体使用及社会行为来感知人群的分布特征，采集方式分为主动式监测、被动式获取。1）主动式监测：利用多个传感单元覆盖大范围的物体或室内外空间以分析其占用情况[20]，如对人流数据、交通路况等的连续采集。2）被动式获取：通过智能手机、穿戴设备等识别用户在选择满足自身需求的活动空间时，所产生的移动轨迹及生理体征等，进而监测个人乃至群体的动态特征[21]。具体而言，两者均能识别人群的分布规模，其中主动式监测对传感设备数量及质量等要求较高；被动式获取则以人为感知中心[22]，利用相对普及的智能设备来反映行为与环境的时空关系，因此实践意义更大。

本研究利用高普及度的智能手机作为传感器，获取由移动通信运营商提供的各时刻下研究范围网格内停留的总用户数量，以此作为实时人口分布规模。该数据利用用户手机自带的全球定位系统（global positioning system, GPS）获取并基于100 m×100 m 空间分辨率的基础单元统计，因此可以避免特定平台带来的人群覆盖有限等问题[16]，并能以较高精度获取较小尺度公园内的人群规模[13]。

1.2.2 差异化行为下的人群分布情景

人群分布位置数据的实时采集，便于形成以各级公园为主体的不同时段下活动规模的面板数据[8]。这不仅将研究范畴从静态表征推至动态时序，也对分析不同人群行为情景下的公园活力演化意义重大。一般而言，行为系统[5]除固定的出发及目的地外，还包括时间、活动内容及交通方式，并且后者不同程度地受到主观因素的影响。因此，本研究从是否受主观影响出发，设置2 种典型的情景条件：情景一为客观的时间影响，即一天内不同时段；情景二为主观的管控影响，如疫情等重大卫生事件对人群自由流动的限制。

限于数据的可获取性等原因，本研究采集了2022 年8 月22 日每隔1 h 共24 次瞬时时刻的全市人口数量作为情景一的数据来源；在情景二中，考虑到疫情严重性差异对管控措施的影响，采集了8 月22 日和9 月19 日的数据进行对比，前者保持了2 周以上无疫情病例记录，人群活动相对自由，而后者在紧接一轮疫情中存在较多封控的街道单元，人群活动受到一定限制，除此之外，二者均为周一，且天气情况、气温等客观因素相近。

1.3 人群动态分布下的公园活力测度

1.3.1 活力强度及波动性计算

1）活力强度（vitality intensity）：采用某时段下公园内部的活动人群密度表达。相较于利用人口规模，该指标不仅可以代表人群的聚集性，也可用于不同面积公园的对比。具体计算式如下：

式中：Pit为公园绿地i于某一时刻t的瞬时人口数量（单位：人）；M为公园范围内对应的基础网格总数（单位：个）；Ptm为时刻t下编号m网格采集到的用户数量（单位：人）；Sm为编号m网格的面积（单位：hm2）；Sim为编号m网格中公园i所占网格部分的面积（单位：hm2）；Vit为公园绿地i于某时刻t的活力强度（单位：人·hm−2）；ViT为公园绿地i于某时刻n至n+T这一时段内的平均活力强度（单位：人·hm−2）；T表示时段长度；Si表示公园i除水域外的用地面积（单位：hm2）。

2）活力波动性（vitality fluctuation）：采用某一时段内公园人群密度数值的离散程度表达，即从整体时段视角反映人群聚集的波动特征。其数值越高，说明强度值的变化程度越高。本研究采用无量纲的变异系数（coefficient of variation）表达，不仅避免了标准差值存在数据量纲的问题，也有助于不同类型公园的对比。具体计算式如下：

式中：Cv,iT表示公园绿地i于时段T内的活力波动性；σiT表示公园i于时段T内各时刻活力强度Vit这一数据集的样本标准差（单位：人·hm−2）。

1.3.2 动态活力模式划分

为进一步归纳公园差异化的动态使用规律，本研究剔除夜间数据并以06：00—22：00作为日间时段Ta，计算得到日间活力强度、波动性，以此为依据将各级公园内人群的动态聚集特征[23]归纳为4 种活力模式：高强度-高波动类（HH）、高强度-低波动类（HL）、低强度-高波动类（LH）、低强度-低波动类（LL）。区别于既有研究使用平均数作为活力模式的划分界限[17]，本研究考虑到平均数会受极端值影响，因此利用SPSS 25.0 软件中的柯尔莫戈洛夫-斯米诺夫（Kolmogorov-Smirnov）检验、夏皮洛-威尔克（Shapiro-Wilk）检验对日间活力强度、波动性数据集进行检验：若结果符合正态检验（即呈对称分布），则采用平均数作为划分界限；若为左偏或右偏分布则采用中位数。

2 不同人群分布情景下的公园活力特征

2.1 情景一：客观时段影响下的公园活力

2.1.1 公园动态活力模式划分

以典型工作日的人群分布数据为基础，基于日间时段Ta计算得出研究范围内社区、综合公园各类活力模式的数量及日间活力强度（表1）。其中，各级公园的主要活力模式均为高强度-低波动类、低强度-高波动类。这印证了活力强度与波动性两者间呈现显著的负相关性[16]，也说明公园活力模式呈现显著的两极分化：出现持续吸引大量人群聚集的“锚点类型”与间断性较少人群停留的“游离类型”2 类。除此之外，通过计算各级公园不同模式的活力强度、波动性的标准差可知：综合公园的这2 项指标均高于社区公园。这说明前者各活力模式的人群动态分布差异更大。

表1 各级公园内的活力模式统计及表征Tab.1 Statistics and characterization of vitality modes of parks at all levels

2.1.2 各模式公园的活力时序

为分时段表现公园的人群动态分布特征，首先将连续2 个时刻的活力强度取均值作为该时段内的平均活力强度，绘制公园在典型工作日06：00—24：00 的访问变化曲线（图2）。对于各类活力模式的社区公园，活力强度在一天均呈现“升高—降低”的多次波动特征，其中波峰基本出现在08：00、18：00，波谷出现在14：00。同时，不同模式间各时段的活力强度基本表现为HHS＞HLS＞LLS＞LHS，且除HHS外各模式的人群变化幅度基本一致。

2 不同模式公园的分时段活力强度Vitality intensity of parks in different modes listed by time interval2-1 社区公园Community parks2-2 综合公园Comprehensive parks

其次对于各类综合公园，其整体波动特征及拐点与社区公园类似，然而不同活力模式间的活力强度曲线存在差异。其中，各时刻活力强度均表现为HLZ＞HHZ＞LLZ＞LHZ，且HLZ与LHZ的人群聚集吸引能力差距极大，即通过分时段再次反映了综合公园中“锚点类型”与“游离类型”的活力差异，因此有待优化。由于HHZ、LLZ两者仅占总体数量的10.52%，其人群分布曲线波动可能存在一定特殊性，在此不深入讨论。

最后，对比公园内部不同模式的活力强度曲线，可知各类社区公园间的服务能力差异要小于综合公园；另外除HL 外，对比相同模式的社区及综合公园，前者相较于后者均呈现吸引人群聚集能力更强的特征。

2.1.3 各模式公园的空间布局

对于社区公园（图3），日间活力强度较高的公园主要集中于中心城区，尤其是位于海河沿岸及滨江道商业区附近的和平空竹园、中心公园等；强度较低的公园主要位于各外围城区里相对分散的居住组团附近，如位于杨柳青镇的同心园等。活力波动性最低的社区公园仍集中分布于中心城区，而相对较低的类型均匀分布于整个研究区域。由此来看，活力强度相对于波动性而言，更为明显地受到中心区位的影响。除此之外，社区公园中主要的活力模式HLS均匀分布于中心城区的各街道密集居住社区附近，LHS则分布于外围城区及中心接近外围的部分街道内。

3 社区公园空间布局Spatial distribution of community parks

对于综合公园（图4），日均活力强度较高的公园呈现由中心向外围扩散的趋势，其中位于河西区的天塔风景区、人民公园强度最高。外围城区分布着若干零散且活力强度较高的综合公园，如位于东丽区的湿地公园等；活力较低的公园主要独立分布于外围城区的边缘。活力波动性较低的综合公园均分布于中心城区，外围城区的波动性普遍较高。相较于社区公园，综合公园中HLZ除集聚于中心城区外，还分散于北辰、津南等外围城区中距中心较近的街道内。LHZ位于外围边缘，如西青区、东丽区的郊野、主题类公园等。

4 综合公园空间布局Spatial distribution of comprehensive parks

2.2 情景二：主观管控影响下的公园活力

以不同疫情管控程度下的人群分布数据为基础，对比居民活动自由与相对受限时的公园活力特征。其中，社区公园的整体日间活力强度在上述2 种状态下分别为127、126 人·hm−2，综合公园为97、96 人·hm−2；前者活力波动性为0.234、0.233，后者为0.269、0.270。进一步对比各级公园活力模式，发现各模式数量、活力特征也基本未发生变化。

该结果说明在后疫情时代②的主观封控下，居民进入公园绿地并参与游憩活动所受的限制影响较少。已有研究也支持上述结果，例如，相关研究[8]通过分析疫情管控对不同类型设施的人口活动影响，也发现对绿地、广场等游憩设施的人群分布影响要远低于居住社区及餐饮、生活服务等商业设施。除此之外，另有研究[24]提出疫情导致封控区域的设置、人口流动性降低的主观因素相较于季节性时间变化而言，对公园使用的影响较小的结论。

3 需求视角下的公园活力影响因素分析

3.1 影响公园活力的因素及研究方法

已有研究证明公园绿地的供给特征，如外部空间功能及开发强度、休闲娱乐配套设施密度等，及内部构成如绿地率、体育设施数量等[12-13,25]是影响公园使用活力的重要因素。然而，研究较少涉及需求特征，且主要为静态规模或居民主观感知。因此，本研究侧重于需求视角，利用线性回归模型③分析公园服务半径内的人群动态规模对其活力的影响程度。需要强调的是，服务半径参考规范[10]中的公园规模取值不同。自变量（X）为在日间时段Ta内公园服务半径内的平均人口密度，以及以4 h 为间隔的人群密度波动性；因变量（Y）分别为各级、各类公园于Ta内的活力强度及波动性。其中，活力模式选取HL、LH 2 类数量占比较高的类型。

3.2 服务半径内人群动态分布的影响

3.2.1 对各级公园活力的影响分析

对于各级公园而言（表2），服务半径内的平均人群密度X1与公园活力强度Y11、Y21的R2分别为0.685、0.619，结果通过德宾-沃森检验（即变量间无自相关性），且影响关系显著（p＜0.01），即各级公园服务半径内的人群密度对其使用情况影响较大；人群密度波动性X2与公园活力波动性Y12、Y22的R2分别为0.685、0.157，即社区公园服务范围内人群密度的波动对其内部活力变化的影响较大，而综合公园则基本不受影响。

表2 人口动态规模对各级公园活力的影响分析Tab.2 Analysis on the influence of dynamic population scale on the vitality of parks at all levels

3.2.2 对HL、LH 公园活力的影响分析

就不同活力模式的公园而言（表3），受服务半径内人群密度X1影响程度从大到小的类型为：LHS＞HLS＞HLZ＞LHZ。即LHS公园的活力强度受服务范围内人群密度的影响较大，而HLZ和LHZ公园的人群吸引能力取决于外部可达性、内部配套设施丰富性等供给因素，而不是服务半径内的需求密度。除此之外，人群密度波动性X2仅对HLS公园的人群聚集变化有较大影响（R2=0.685），即可印证该类公园的活力相较于其他层级或模式的公园，受周边动态需求的影响更大。

表3 人口动态规模对各类公园活力的影响分析Tab.3 Analysis on the influence of dynamic population scale on the vitality of various parks

4 人群动态分布视角下的公园活力提升策略

4.1 动态模式划分下的公园活力识别

就工作日的日间场景而言，城市公园活力整体特征均以“高强度-低波动类”“低强度-高波动类”为主，即公园内部吸引人群聚集的能力往往与人群规模的变化程度成反比。其中，前者活力模式的公园使用效率较高，是一定区域范围内的锚点[25]，即能持续吸纳大量人群进行活动；后者的使用效率最低，是仅间断性有较少人群停留的“游离类型”，因此亟须更新优化。除此之外，“高强度-高波动类”公园呈现短时段内聚集大量人群的波峰效应，但从日间时段而言整体可持续性较低；“低强度-低波动类”公园吸引人群活动的能力则有待增强。结合研究范围内的公园布局而言，使用效率最低的“低强度-高波动类”公园主要位于西青、东丽等外围城区，规划可结合该区特有的湿地、林地等资源，打造具备景观特色且贴近群众需求的吸引焦点，引导人群的持续性停留以提升使用效率。

综合公园各类模式的活力差异要大于社区公园，且后者在日间分时段的活力强度整体高于前者，因此社区公园的使用效率更高。这说明为满足居民日常、高频的休闲娱乐及健身需求，按照“见缝插绿”的原则，完善居住、办公空间组团周边高可达、分散式的社区公园及游园往往比新建大型公园或扩大现有公园面积，更能提升整体公园绿地的服务能力[25]。就社区公园而言，各种模式的活力强度曲线波动幅度基本一致，即使用效率接近，因此对区位要求不高；对于综合公园，外围的“低强度-低波动类”区域基本无人使用，说明对中心区位要求高。因此，在构建公园体系的过程中应该更加凸显差异化空间规模与区位选址的关联性。在宏观尺度下，社区公园应均匀分散式地覆盖人群，而综合公园则应考虑在最大程度覆盖居住或工作的聚集人群的基础上，侧重选址在地理中心或高可达交通区位，并利用多样性的功能类型、文化或生态特色吸引人群访问[26]。

4.2 需求人群导向下的公园优化重点

服务半径内的人群规模作为重要的需求因素，对于各级公园的活力强度、社区公园活力波动性影响较大。社区公园的活力很大程度上取决于其所在的15 分钟生活圈内的动态人群特征，使用效率以需求端的人群规模为导向；然而，综合公园虽然受周边人群分布规模的影响，但“高强度-低波动类”“低强度-高波动类”的空间活力特征与服务范围内的人群动态分布规律无关，侧面说明供给端的公园构成及外部环境对公园使用效率的影响更大。

因此在街区尺度下，深入研究不同类型人群的动态时空分布，有利于对社区公园的总体布局、内部设施及出入口设置等进行优化[27]。除此之外，对于已有使用效率最低的“低强度-高波动类”社区公园，要注重挖掘、增加外部环境的活力催化点以增大服务半径内的动态需求规模，进而带动该类公园活力的提升；对于该类型的综合公园，增强步行可达性、休闲娱乐设施密度等供给要素的吸引力，是其活力增强且持续的关键。

5 结论与展望

物联网技术对人群实时分布数据的采集功能，有利于诊断以活力为表征的城市公园使用效率。本研究基于动态规模数据，首先在多情景下识别了公园内部使用人群的聚集及波动程度，又从外部服务半径的人群规模变化探析影响公园活力的因素。其中，由于主观因素如疫情下封控政策对居民活动的影响存在较大不确定性，因此公园活力的差异结果并不明显。然而，这些都是从需求者本身的活动规律出发，被动式地探究供给者即公园绿地服务的优化方向。未来主动式的人群分布感知技术在更为成熟的情况下，可以更好地应用于主观或客观因素影响的场景并实现“监测—反馈—调整”一体化的技术流程，实现城市各级公园的智能化选址及内外部构成要素的优化调整，以发挥其作为绿色缓冲区的作用。

注释(Notes)：

① “公园城市”是天津市绿地系统规划的总体目标，来源于《天津市绿地系统规划（2020—2035 年）》。

② “后疫情时代”是以疫情被基本控制为节点，经历疫情后人类已具备应对病毒变异的医疗救治条件，并在此基础上形成的伴随着疫情时有起伏的新生产、生活状态的时代。

③ 本研究中线性回归分析的计算结果均满足残差正态性及独立性、方差齐性的假设条件，因此模型结果有效。

图表来源(Sources of Figures and Tables)：

文中所有图表均由作者绘制，其中图1、3～4 底图来自天津市规划和自然资源局网站（https://ghhzrzy.tj.gov.cn/bsfw_143/bzdt/），审图号为津S（2017）007。