基于POI数据的合肥中心城区城市公园绿地评估及布局优化

陈永生 李 迪,2 王逸晨 李莹莹

(1.安徽农业大学 林学与园林学院,合肥 230036;2.华艺生态园林股份有限公司,合肥 230061)

公园绿地作为城市绿地系统的重要组成部分[1],与城市居民游憩活动息息相关,是提供城市居民游憩需求的重要绿色空间载体,公园绿地的规划布局应满足城市居民的游憩需求[2]。传统的公园绿地规划往往从公园绿地供给角度思考[3],在公园绿地布局方法层面,主要依据规划区域现状和场地适应性等条件的综合判断等定性分析,依据服务半径覆盖率决定公园的分布情况[4-5],选择公园的位置,明确公园的等级。但传统方法对公园绿地的实际可达性与服务覆盖的公平性评价考虑不足。在此基础上,有学者对公园绿地的可达性与服务的公平性做了研究,主要有基于景观阻力的景观可达性分析、利用城市路网进行的网络分析、对城市公园入口进行缓冲区分析和利用最小临近距离进行分析等方法[6-9]。在服务覆盖的公平性方面,利用人口普查数据与可达性分析相结合[8-10],传统公园绿地规划方法较为合理地分配公园绿地资源,形成公园绿地的有效覆盖。但以供给为导向的规划方法多注重数量和物理空间均衡关系,公园呈均值分布,缺乏技术手段量化分析人群的需求程度,忽略了实际人群活动空间分布和人群游憩需求差异[2],导致公园服务压力过大或者公园资源未充分利用甚至闲置的情况,实际需求与公园绿地供给存在供求不平衡的局面。目前,“大数据”已经被广泛运用在社会生活中,选择合适的数据分析对公园绿地的需求性进行评价,能够较为精确反映人口分布的特征和活动强度,也更具人性化[11]。兴趣点(POI数据)作为大数据的一种,在数据数量上有优势,同时还具有较高的时效性和丰富性,能够清晰呈现城市居民活动的空间分布和活动强度,分析出不同城市空间下的人群对于公园的实际需求,有效规避公园绿地资源配置不合理现象[2],为城市公园绿地的选址与规划布局提供新的思路。

合肥市作为安徽省省会和首批国家园林城市,从公园绿地规模和人均指标上看,已基本达到生态园林城市的标准要求,但随着城市范围和人口规模的不断扩大,公园绿地布局的不均衡和无法满足居民游憩需求的问题依然存在[12]。因此,从供需关系入手,借助“大数据”定量化分析手段,科学评估公园绿地的布局情况,对优化公园绿地的布局与建设具有重要意义。本研究立足定量评价,基于地理信息系统(GIS)技术支持,以POI数据为支撑,运用核密度估计分析法、服务压力指标分析、层次分析法(AHP)以及公园绿地需求性分析等综合评价方法构建了公园绿地布局评估模型,并对合肥市中心城区进行实证分析,根据评价结果提出优化建议,以期为未来合肥市公园绿地规划提供参考。

1 研究区概况与基础数据

1.1 研究区概况

合肥位于安徽省中部(116°40′～117°58′ E,30°56′～32°32′ N),市域面积11 445 km2。合肥市地属亚热带季风性湿润气候,四季分明,气候温和,雨量适中,年均气温15.7 ℃,年均降水量约1 000 mm,地带性植被为落叶与常绿阔叶混交林[11]。本研究选取合肥市中心城区为研究对象,包括蜀山区、瑶海区、庐阳区和包河区,总面积为1 411.32 km2,常住人口641.77万。

1.2 数据来源

1)反映人群活动强度的相关POI数据,是基于位置服务的最核心的数据,基本覆盖城市生活各方面,适合城市活动的相关研究[2]。本研究POI数据来源包括2020年11月在高德地图获取研究区内相关POI信息(包括ID、名称、类别、经纬度和位置等)。结合国内外相关研究[5-7,13-14],将影响人群对公园绿地需求性的因素分为可达性、人口分布和人群社会经济地位这3类。选取公交地铁站点数POI数据反映地区可达性程度;选取文化娱乐设施[15-16]、办公设施[17]、教育资源设施、医疗资源设施[18]和居住区[19]等POI数据作为测量因子反映地区人口分布特征,数据进行清洗和降噪等预处理;关于人群社会经济地位方面影响因子的选取,由于经济收入等难以直接获取,但是研究证明居民收入与房价成正相关关系[20-21], 选取居住区房价作为居民社会经济地位方面的相关影响因子,其中房价数据来源于安居客。

2)研究区边界和行政区界来源于合肥市自然资源规划局网站公布的全市行政区区划,并经过配准和矢量化等预处理;利用2020年合肥市城区卫星遥感影像图数据,结合土地利用现状数据(2020年)进行匹配叠加,对公园绿地布局及其面积数据进行纠错和补充。

2 评价模型构建与评价方法

2.1 评价模型构建

在现有公园绿地的供给基础上,要更加关注居民的游憩需求,并以此为出发点,研究现有公园的绿地供给水平是否与公园绿地需求相符合。以POI数据作为主要数据来源,对研究区域现有公园绿地供给水平和居民需求进行量化研究,以供给-需求平衡为目标,构建公园绿地布局的评估模型(图1)。

图1 模型结构图Fig.1 Model structural diagram

2.2 评价过程及方法

1)对公园绿地的供给水平进行评估。立足于公园绿地空间布局和公园绿地服务水平评价这2个层面。第一,通过核密度分析法和标准差椭圆分析法得出城市公园绿地的总体分布情况,通过平均最近邻法确定城市公园绿地的空间集聚特征,综合分析城市公园绿地的空间布局特征。第二,建立服务压力指标对公园绿地的服务水平进行定量评价。服务压力是某一公园点服务范围内POI点数量与该公园的面积之比[1],人群活动强度越高,对城市公园绿地的需求越高,城市公园绿地的服务压力越大。根据公园绿地面积对城市公园进行分类讨论,选取公园面积协同能够反映居民活动强度的POI数据点,如购物、餐饮、居住区、娱乐休闲、体育休闲、科教文化和公司企业7类数据[2],运用ArcGIS 10.7创建泰森多边形工具,根据获取后经过校准的公园绿地点要素创建泰森多边形,确定公园绿地的服务范围;通过ArcGIS 10.7中的属性表连接,分别将相关POI点连接到裁剪后的各个泰森多边形,服务范围内POI点数量与公园面积之比即为各公园的服务压力;得到服务压力数值之后,对服务压力数值处于中间范围的公园绿地进行实地调研,筛选得到其中服务能力良好的公园绿地,将此类公园绿地的服务压力数值区间作为服务压力的第3级,以此为标准对其他公园绿地的服务压力进行分级评价。服务压力从第1级至第5级表示服务压力逐步增大。

2)城市居民对公园绿地的需求性评价。首先选取居住区、文化娱乐设施、办公设施、教育资源设施、医疗资源设施、居住区房价和公交地铁站点这7个影响因子,利用AHP层次分析法判定各个影响因子的对应权重(表1);随后在ArcGIS中将中心城区区域划分成1 000 m×1 000 m的空间单元网格,并将抓取到的各个影响因子的相关POI数据通过GIS地理信息对所有数据进行空间化,根据各类影响因子POI数据数量进行分级;将各类数据栅格化得到栅格数据;最后根据各影响因子对应权重进行栅格叠加计算,得到公园绿地需求性评价结果。

回家后的赛利亚审视自己未来的出路：一方面，她继承了祖母留下的卡拉米洛披肩，看到了自己与他人、家庭、民族之间的联系，这使得她理解了祖母和家人、接纳了自己的民族身份；另一方面，她以一种更加理智、全面的方式重建自己的文化身份，文化身份不再是一个非此即彼的选择，而是一个融合了多重文化的身份重建。

表1 影响因子权重表Table 1 Table of influencing factor weight

3)优化布局。以供需平衡为目标,将公园绿地的供给水平和需求性评价进行叠加分析,结合实地调研具体判断供给和需求不匹配的区域,综合用地条件现状,选择出新增公园的备选位置。考虑资源利用率因素,新增的选址应尽量靠近泰森多边形的边界处和需求性评价较高的区域地块上。

3 合肥市中心城区公园绿地布局评估

3.1 公园绿地分布特征

采用核密度、标准差椭圆和平均最近邻分析等分析方法,通过多角度对中心城区城市公园绿地分布特征进行分析。通过ArcGIS 10.7软件中的核密度分析工具,将非空间属性特征的影响也纳入考虑,从空间布局的角度来描述城市公园绿地的布局现状。根据公园绿地对周边影响随距离远近而产生变化的特征,分别以1 500、2 000、2 500、3 000、3 500和4 000 m为搜索半径,对公园绿地进行核密度分析,设定像元大小为50,分类方式选择根据自然间断点分级法分为9级,分析合肥市中心城区公园绿地的空间分布特征(图2)。采用ArcGIS软件中的度量地理分布分析工具,用标准差椭圆分析研究城市公园点在空间分布上的离散程度,分析城市公园分布中心与分布的方向特征(图3)。采用EUCLIDEAN的距离法对城市公园数据进行平均最近邻分析,对比分析基于计算过程中得出要素分布的实际值和预测值。通过分析2个值的比值关系,评判公园绿地要素的集聚特征,比值越小,则要素集聚性越强[22],将公园要素的空间集聚特征通过量化结果显示出来(图4)。

图3 合肥市中心城区公园标准差椭圆分析Fig.3 Standard deviation ellipse analysis of parks in central urban area of Hefei

z得分为-4.191 299 961 27,则随机产生此聚类模式的可能性小于1%。z=-4.191 299 961 27,Probability of randomly generating this clustering pattern is less than 1%.图4 合肥市中心城区公园平均最近邻分析Fig.4 Average nearest neighbor analysis of parks in central district of Hefei City

1)从公园核密度分析图(图2)可以看出,搜索半径为1 500和2 000 m的城市公园绿地的高核密度区域数量较多,分布较为均衡;随着搜索半径的不断扩大,城市公园绿地分布高密度核心点逐渐突出明显,分布也更为集中。公园绿地在庐阳区东南部、包河区北部和西南部以及瑶海区南部核密度高,区域分布较为集中。其中庐阳区东南部核密度等值线较为密集,说明此区域城市公园随距离的变化较为强烈;而包河区和瑶海区核密度等值线比较稀疏,则说明此区域城市公园随距离的变化较为平缓;蜀山区西部核密度值低甚至是没有密度分布,反映了该区域公园绿地较少。

2)根据合肥市中心城区公园标准差椭圆分析(图3),城市公园点数据生成的标准差椭圆的平均中心位于包河区的西北角。城市公园点数据生成的标准差椭圆的长轴与短轴长度相差较大,说明公园绿地点数据具有较为明显的方向性。具体为中心城区的西北-东南方向,表明在研究范围内城市公园绿地在西北-东南方向分布具有聚类特征且分布更为聚集。

3)从中心城区公园平均最近邻分析结果(图4)可以看出,合肥市中心城区公园平均观测距离小于预期平均距离,最邻近比率为0.807 8,其数值小于1。本次分析Z得分为-4.191 3,P值为0.000 0,说明本次模型的显著性很强,同时这也意味着公园绿地在整体分布上呈现出较为显著的集聚,城市公园绿地的分布在0.01级别是呈现出集聚的[19]。

综合以上分析结果,合肥市中心城区公园绿地整体呈现“多中心、组团式”的空间分布特征,公园绿地分布存在不均衡的情况,空间呈现明显的集聚差异。

3.2 公园绿地服务压力评价

公园的服务能力与其面积密切相关,综合公园或面积较大的公园服务层级高且服务范围大,因此对于城市公园绿地的服务压力应根据规模分类评价。参考相关文献、标准和相关规划,将研究区域内的公园分成小型公园(2 hm2以下)、中型公园(2～10 hm2)、中大型公园(10～50 hm2)和大型公园(50 hm2以上)4个等级,针对不同等级公园进行服务压力分类评价。

不同等级公园绿地服务压力评价结果见图5,等级越高表明公园所受的服务压力越大。结果显示:2 hm2以下公园服务压力多集中在第1级和第2级,服务压力大的区域相对较少。服务压力最高的2个公园分别位于瑶海区和蜀山区,这2个公园对应的泰森多边形面积也较大,说明在此较大的范围内没有其他2 hm2以下的公园能分担服务压力。总体来说2 hm2以下的公园绿地数量较少且覆盖率较低,说明缺少便民型的公园绿地,且现有2 hm2以下公园绿地集中于二环以内的老城区,二环以外2 hm2以下的社区公园和游园尤为缺乏。

图5 合肥市中心城区各级公园服务压力图Fig.5 Pressure map of park services at all levels in central district of Hefei City

2～10 hm2公园服务压力也多集中在第1级和第2级,作为平衡级第3级服务压力区域适中,服务压力达到第4级和第5级的区域相对较少。服务压力最高的2个公园均位于包河区,此外,蜀山区西部公园所对应的泰森多边形面积较大。说明此区域范围内2～10 hm2的公园较少,未来随着城市化发展,可能面临2～10 hm2公园绿地数量较少,服务压力较大的情况。

10～50 hm2公园数量最多,服务压力多集中在第1级和第2级,作为平衡级第3级服务压力的区域适中,服务压力大的区域相对较少,但是服务压力第4级和第5级的区域面积较大。服务压力最高的3个公园分别位于蜀山区、包河区和瑶海区,其中瑶海区服务压力在第4级和第5级的区域,泰森多边形面积占比最高,说明在瑶海区10～50 hm2的公园绿地服务压力总体较大。

50 hm2以上的大型公园服务压力达到第4级和第5级的区域数量较多,表示其服务范围的泰森多边形面积较大。第4和5级压力集中在建成区中心区域,这些区域内人口活动密度较强,对城市公园绿地造成的压力明显高于其他区域。服务压力达到最高级别的区域主要在老城区范围,此范围内人口分布密集且城市用地较为紧张,缺少大型公园的布局,高游憩压力无法被分担,服务压力居高。

总体来看,合肥市中心城区公园绿地总体布局和层级设置还未能满足人口的需求,城市不同区域的公园绿地资源配置存在不合理现象。

3.3 公园绿地需求性评价

根据上述需求性评价方法,建立层次模型,通过GIS将各类影响因子数据空间化,将各类影响因子数据依据权重(表1)进行栅格叠加计算,并将计算结果根据自然间断点分级法分为9级。第1级至第9级表明对应方格区域的居民对于公园绿地的需求逐渐增加,在理想情况下,评价等级越高的区域应该有数量更多且服务水平更高的公园绿地[2](图6)。

图6 合肥市中心城区公园绿地需求性评价分级图Fig.6 Grading map of park green space demand evaluation in central urban area of Hefei City

合肥市中心城区公园绿地需求量最高的是在4区交界范围,主要集中于老城区,总体上呈现出1个高需求集中区和若干个次高需求区的现象,几个最为突出的高分点为环城公园的环内区域、北一环路与站西路交叉口等区域。需求性评价在第5级以上的区域在蜀山区、庐阳区、包河区和瑶海区,占比分别为3.4%、9.1%、6.0%和7.3%,总体来说依然是庐阳区的高需求区域较多。这些区域均为合肥市传统的城市中心区域,合肥市人群居住工作多集中于老城区;同时行政和金融高度集聚的政务区和滨湖新区等区域也反映出较高等级,表明在这些区域公园服务方面产生了相应的高需求。

3.4 合肥市公园绿地布局优化

根据合肥市中心城区现有公园绿地服务压力评估和公园绿地需求性评价进行叠加分析,重点分析“高压力、高需求,高压力、低需求,低压力、高需求,低压力、低需求”等4种典型叠加区域,综合考虑公园绿地分布现状,提出布局优化策略。

在资源配置不合理及服务能力不足区域新增缺少的某类公园,原则上,需求性评价等级较高处拥有的游园和社区公园应该更为密集,服务水平较其他区域也应更高,并且距离区级和市级的中大型公园绿地更近。因此,优先增加公园绿地于现有公园绿地服务压力较大、需求性评价较高且供需不平衡的区域,达到资源利用的高效性和最大化(图7)。同时对这些待选点进行实地用地条件等情况调研,在符合条件的用地增设各级公园绿地(图8)。

图7 公园绿地供需叠加重点关注区域Fig.7 Key focus areas for the supply and demand overlap of park green spaces

1)高服务压力、高需求性区域。根据叠加结果可得,各级尤其是10～50 hm2和50 hm2以上的公园绿地,服务压力达第4级和第5级的区域多集中在城区中心且泰森多边形面积较大,公园绿地需求性评价较高的区域与现有公园服务压力较大的区域高度重合,说明城区中心区域公园绿地还未能满足人口的需求。需要对此区域内未被利用的或满足改造条件的地块进行筛选,加快公园绿地布局,从规模上来满足城市公园绿地的供需平衡,增设中型公园和大型公园的配比,完善公园体系。

2)高服务压力、低需求性区域。在量化分析显示服务压力较高但需求性较低的区域,应在实地调研的基础上判断是否存在公园绿地吸引力不足,导致居民更愿意选择其他区域公园绿地的情况。对于这些区域,一方面结合公园绿地服务半径覆盖率分析,在覆盖边缘区适当增设公园绿地,同时提升现有公园的服务质量和吸引力,完善功能与配套设施,提升公园绿地的利用率。

3)低服务压力、高需求性区域。对于高游憩需求下服务压力较低的区域,公园绿地供需及布局相对均衡,在未来提升优化中可以考虑增设面积较小且布局灵活的社区公园和游园,改善公园绿地结构的不均衡性。

4)低服务压力、低需求性区域。这些区域满足公园绿地的供需平衡甚至是供给大于需求,对这些区域应该在注意城市公园管理维护的基础上,从特色文化、植物配置和主题展示等方面提升公园绿地的吸引力,缓解其他地区公园绿地的服务压力。

选址优先考虑在泰森多边形的交界处和需求性评价较高区域附近,同时具体公园选址位置还应综合以下因素:1)充分利用现有自然资源,在做好资源保护的同时将其与城市公园建设结合,提升资源利用率;2)充分利用文化优势,将城市公园建设与文化遗址结合;3)提升城市灰色空间和城市棕地的利用率,将公园绿地选址与其相结合,变废为宝。

4 讨论与结论

本研究基于POI数据,以城市公园绿地供需平衡为目标,借助GIS数据处理、核密度分析和服务压力指标分析等定量技术手段与方法,从布局特征、供给水平和需求评价多层次构建公园绿地布局评估模型,研究如何以人的实际需求为导向合理确定公园绿地的规模与选址;同时对合肥市中心城区公园绿地进行实证研究,验证了研究方法的可行性,有效反映了现有公园绿地服务压力和公园绿地需求性评价,为优化公园绿地布局提供数据支撑,并针对性地提出增设各级公园绿地布局建议。

此次利用POI这一数据类型对城市人群的活动强度、分布特征和对公园绿地需求进行精确量化分析,准确反映城市中人群活动冷热点分布情况,对公园绿地的服务压力和需求评价更具有针对性,提高了评价的客观程度;结合城市交通和公共服务设施空间分布特征,优化公园绿地布局,兼顾居民的生活和出行习惯,增设公园布点,降低资源缺乏或浪费的可能。

需要注意的是,基于城市POI数据研究的公园绿地,适用于开发较为成熟和数据覆盖较为完整的研究区域,对城市新区或部门基础设施建设不够完善的地区,POI数据点会存在覆盖不全面和数据不充足的情况,分析的结果会存在一定的偏差,需要结合现状及时修正,动态调整完善。