068-基于居民出行特征的日常生活单元尺度研究

复杂网络视角下的城市热点区域空间交互分析周　博1，马林兵2*（1.广州市城市规划勘测设计研究院，广东 广州 510060；2.中山大学地理科学与规划学院，广东 广州 510275）摘 要：借助物理场的理论方法识别城市热点区域的空间分布特征，进一步从复杂网络的视角可视化分析热点区域之间的空间交互。

结果显示：节假日和工作日热点区域空间分布特征显著不同，其驱动机制主要是居民不同时间的出行需求差异。

城市热点区域在空间联系方面表现出基于区域功能互补的抱团现象，并且热点区域空间交互网络满足小世界效应和无标度特征。

关键词：复杂网络；热点区域；出租车轨迹；空间交互；深圳市中图分类号：P208 文献标志码：B文章编号：1672-4623（2021）06-0115-04城市热点区域是居民出行起讫点较集中、交通流量较大，并能吸引居民频繁到访的区域，热点区域的时空分布和内在联系是城市规划、交通和应急等政府部门行使特定职权、配置公共资源的重要参考，同时也是推进城市治理体系和治理能力现代化过程中的决策依据。

空间中任何事物都不是孤立存在的，其必以物质、能量、信息等形式在空间不同位置之间发生着作用和联系，这种地理过程被称为空间交互[1]。

复杂网络作为一种描述自然、社会及工程技术中相互关联的理论，其严谨的数理知识体系和全面的基础统计指标，为研究现实网络系统的空间交互提供了全新视角[2]。

近年来，随着时空轨迹数据的可获取性增强、数据挖掘技术的推广应用和城市地理学的网络转向，促使城市热点区域[3-4]、城市功能及网络结构[5-9]成为地理学、城市规划等学科的研究热点。

现有城市热点区域研究多是基于移动定位大数据讨论热点区域如何识别、分布和演变，网络结构相关研究主要集中在宏观位序关系、节点联系特征和时序变化等方面。

带有时空标记的、个体粒度的出租车轨迹数据具有空间交互特性，其累积效应在某种程度上就是热点区域的空间表现。

学术界很少从复杂网络视角将出租车流动的交互行为嵌入到居民出行的地理空间，缺乏对出租车轨迹映射的热点区域空间交互关系进行全面定量表达以及微观地理解释。

2008年1月Jan.2008天津大学学报(社会科学版)JOURNA L OF TI AN J I N UNI VERSITY (S OCI A L SCIE NCES )第10卷第1期V ol.10　N o.1　我国当代城市居民的居住行为变迁及特点闫凤英1,赵黎明2(1.天津大学建筑工程学院,天津300072;2.天津大学管理学院,天津300072)摘　要:对我国当代城市居民的社会阶层、居住组织结构、社区类型和社区空间、社区组织行为等居住行为的要素进行了分析。

指出当代我国城市社会正处于全面转型期,城市社会组织结构正在或已经从“单位型”向“社区型”转变。

当代城市居民出现了异质性,多类型城市社区并存是当代城市社会的主要特征,我国城市社区正向阶层化发展。

关键词:居住行为主体;居住聚合模式;城市社区;社区空间中图分类号:C913.31 文献标志码:A 文章编号:100824339(2008)0120060204 收稿日期:2006209210.作者简介:闫凤英(1967— ),女,博士,副教授.通讯作者:闫凤英,fyan @.一、引　言居住是人类生存和发展的基本要素之一。

从微观上讲,居住行为是指人们的居住内容,人们对住宅的使用方法及其与生活、生产和自然条件的关系;从宏观来看,人类的居住行为是指某时期、某地域、某阶层、某个社会、某个文化圈、某个群体的居住活动的方式和状态的宏观体现,它既包括人类居住的空间特征,又包括人类居住的社会聚合模式和组织形式的选择,表现的是居住行为的群体特征。

人类的宏观居住行为是与社会生产方式、社会聚合关系、婚姻与家庭形态、自然环境等因素密切相关的[1]。

人类居住空间的发展和分化———从最原始的人类栖身场所,到现代社会的住区和城市,是与人类社会关系形态的发展和分化———社会劳动分工、阶级、氏族、宗族、家庭的出现同步的和同构的。

人类居住空间形态是人类社会关系形态的物质体现。

而人类在居住空间的行为活动的总和———居住行为也是人类社会关系的体现。

第４７卷㊀第３期２０２３年５月南京林业大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ）Ｖｏｌ．４７，Ｎｏ．３Ｍａｙ，２０２３㊀收稿日期Ｒｅｃｅｉｖｅｄ：２０２１⁃０７⁃０５㊀㊀㊀㊀修回日期Ａｃｃｅｐｔｅｄ：２０２２⁃０８⁃１０㊀基金项目：江苏省自然科学基金青年项目（ＢＫ２０２２０４１０）；教育部人文社科基金青年项目（２２ＹＪＣＺＨ２３７）；江苏省高校自然科学基金面上项目（１０２０２２１１０８）；江苏省高校哲学社会科学研究一般项目（２０２２ＳＪＹＢ０１６２）㊂㊀第一作者：张金光（ｚｊｇ＠ｎｊｆｕ．ｅｄｕ．ｃｎ），讲师，博士㊂∗通信作者：赵兵（ｚｈｂｎｌ０１１８＠ｎｊｆｕ．ｅｄｕ．ｃｎ），教授㊂㊀引文格式：张金光，宋安琪，夏天禹，等．社区生活圈视角下城市公园绿地暴露水平测度［Ｊ］．南京林业大学学报（自然科学版），２０２３，４７（３）：１９１－１９８．ＺＨＡＮＧＪＧ，ＳＯＮＧＡＱ，ＸＩＡＴＹ，ｅｔａｌ．Ｅｖａｌｕａｔｉｎｇｔｈｅｕｒｂａｎｐａｒｋｇｒｅｅｎｓｐａｃｅｅｘｐｏｓｕｒｅｆｒｏｍｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｔｈｅｃｏｍｍｕｎｉｔｙｌｉｆｅｃｉｒｃｌｅ［Ｊ］．ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ），２０２３，４７（３）：１９１－１９８．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０２１０７００５．社区生活圈视角下城市公园绿地暴露水平测度张金光，宋安琪，夏天禹，赵㊀兵∗（南京林业大学风景园林学院，江苏㊀南京㊀２１００３７）摘要：ʌ目的ɔ社区生活圈是居民日常生活接触最密切的空间单元㊂评估生活圈内公园绿地的暴露水平，能够精准刻画居民与公共绿色资源日常交互场景，识别公园绿地服务盲点㊂ʌ方法ɔ选取南京市中心城区为实证案例，首先通过Ｉｓｏｃｈｒｏｎｅ应用程序编程接口（ＡＰＩ）计算居住小区１５ｍｉｎ步行等时圈，以此作为社区生活圈的划定依据；其次构建了一个涵盖数量㊁面积㊁距离和质量的系统性暴露水平测度体系来评估圈内公园绿地暴露度；最后，采用区位熵指数和Ｇｅｔｉｓ⁃ＯｒｄＧｉ∗指数分析公园绿地暴露度和人口之间的供需空间匹配度，以及公园绿地暴露冷点⁃热点居住小区的空间聚类分布㊂ʌ结果ɔ①南京城区居住小区的公园绿地暴露度存在空间分布不均衡性，城区内近一半的居住小区分布在公园绿地暴露的盲点（２０ １２％）和冷点（２５ ６３％）区域；②区位熵指数表明研究区域内公园绿地暴露度与人口之间的空间匹配度失衡；③公园绿地暴露度呈现了显著的 圈层 结构聚类状态㊂ʌ结论ɔ研究成果可为细化城市绿地系统规划㊁促进公园绿地科学合理的配置提供理论和实践支撑㊂关键词：公园绿地；暴露度；冷⁃热点聚类分析；社区生活圈；空间匹配度；配置优化；南京中图分类号：ＴＵ９８４㊀㊀㊀㊀㊀㊀㊀文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：１０００－２００６（２０２３）０３－０１９１－０８ＥｖａｌｕａｔｉｎｇｔｈｅｕｒｂａｎｐａｒｋｇｒｅｅｎｓｐａｃｅｅｘｐｏｓｕｒｅｆｒｏｍｔｈｅｐｅｒｓｐｅｃｔｉｖｅｏｆｔｈｅｃｏｍｍｕｎｉｔｙｌｉｆｅｃｉｒｃｌｅＺＨＡＮＧＪｉｎｇｕａｎｇ，ＳＯＮＧＡｎｑｉ，ＸＩＡＴｉａｎｙｕ，ＺＨＡＯＢｉｎｇ∗（ＣｏｌｌｅｇｅｏｆＬａｎｄｓｃａｐｅＡｒｃｈｉｔｅｃｔｕｒｅ，ＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１００３７，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ʌＯｂｊｅｃｔｉｖｅɔＴｈｅｃｏｍｍｕｎｉｔｙｌｉｆｅｃｉｒｃｌｅｉｓｔｈｅｍｏｓｔｂａｓｉｃｓｐａｔｉａｌｕｎｉｔｃｏｍｐｒｉｓｉｎｇｒｅｓｉｄｅｎｔｓ ｄａｉｌｙｌｉｖｅｓ．Ａｓｓｅｓｓｉｎｇｅｘｐｏｓｕｒｅｔｏｐａｒｋｇｒｅｅｎｓｐａｃｅｓ（ＰＧＳｓ）ｗｉｔｈｉｎｔｈｅｃｏｍｍｕｎｉｔｙｌｉｆｅｃｉｒｃｌｅｃａｎａｃｃｕｒａｔｅｌｙｐｏｒｔｒａｙｄａｉｌｙｉｎｔｅｒａｃｔｉｏｎｓｂｅｔｗｅｅｎｕｒｂａｎｒｅｓｉｄｅｎｔｓａｎｄｐｕｂｌｉｃｇｒｅｅｎｒｅｓｏｕｒｃｅｓ，ｔｈｕｓｉｄｅｎｔｉｆｙｉｎｇｂｌｉｎｄｓｐｏｔｓｉｎＰＧＳｓｅｒｖｉｃｅｓ．ʌＭｅｔｈｅｄɔＩｎｔｈｉｓｓｔｕｄｙ，ｗｅｓｅｌｅｃｔｅｄｔｈｅｃｅｎｔｒａｌａｒｅａｏｆＮａｎｊｉｎｇｃｉｔｙａｓａｃａｓｅｓｔｕｄｙ．Ｆｉｒｓｔ，ｔｈｅ１５⁃ｍｉｎｕｔｅｗａｌｋａｂｌｅｚｏｎｅｏｆｔｈｅｒｅｓｉｄｅｎｔｉａｌｃｏｍｍｕｎｉｔｙｗａｓｃａｌｃｕｌａｔｅｄｕｓｉｎｇｔｈｅｉｓｏｃｈｒｏｎｅａｓｔｈｅｂａｓｉｓｆｏｒｔｈｅｄｅｍａｒｃａｔｉｏｎｏｆｔｈｅｃｏｍｍｕｎｉｔｙｌｉｆｅｃｉｒｃｌｅ．Ａｄｄｉｔｉｏｎａｌｌｙ，ａｓｙｓｔｅｍａｔｉｃｅｘｐｏｓｕｒｅａｓｓｅｓｓｍｅｎｔｆｒａｍｅｗｏｒｋｃｏｖｅｒｉｎｇｑｕａｎｔｉｔｙ，ａｒｅａ，ｄｉｓｔａｎｃｅａｎｄｑｕａｌｉｔｙｗａｓｃｏｎｓｔｒｕｃｔｅｄｔｏａｓｓｅｓｓｔｈｅｓｅｒｖｉｃｅｃａｐａｃｉｔｙｏｆＰＧＳｓｗｉｔｈｉｎｔｈｅｗａｌｋａｂｌｅｚｏｎｅ．Ｆｉｎａｌｌｙ，ｔｈｅｌｏｃａｔｉｏｎａｌｅｎｔｒｏｐｙａｎｄＧｅｔｉｓ⁃ＯｒｄＧ∗ｉｉｎｄｅｘｅｓｗｅｒｅｕｓｅｄｔｏａｎａｌｙｚｅｔｈｅｓｐａｔｉａｌｍａｔｃｈｏｆｓｕｐｐｌｙａｎｄｄｅｍａｎｄｂｅｔｗｅｅｎＰＧＳｅｘｐｏｓｕｒｅａｎｄｄｅｍａｎｄｆｒｏｍｒｅｓｉｄｅｎｔｓ，ｉｎａｄｄｉｔｉｏｎｔｏｔｈｅｓｐａｔｉａｌｃｌｕｓｔｅｒｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎｏｆＰＧＳｅｘｐｏｓｕｒｅｗｉｔｈｉｎｃｏｌｄ⁃ｈｏｔｓｐｏｔｃｏｍｍｕｎｉｔｉｅｓ．ʌＲｅｓｕｌｔɔ（１）ＡｎｕｎｅｖｅｎｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆＰＧＳｅｘｐｏｓｕｒｅｅｘｉｓｔｅｄｗｉｔｈｉｎｕｒｂａｎｒｅｓｉｄｅｎｔｉａｌａｒｅａｓ，ｗｉｔｈ２０．１２％ａｎｄ２５．６３％ｏｆｔｈｅｒｅｓｉｄｅｎｔｉａｌｃｏｍｍｕｎｉｔｉｅｓｂｅｉｎｇｌｏｃａｔｅｄｉｎｔｈｅｂｌｉｎｄａｎｄｃｏｌｄｓｐｏｔｓ，ｒｅｓｐｅｃｔｉｖｅｌｙ．（２）ＴｈｅｌｏｃａｔｉｏｎａｌｅｎｔｒｏｐｙｉｎｄｅｘｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅｒｅｗａｓａｎｉｍｂａｌａｎｃｅｗｉｔｈｉｎｔｈｅｓｐａｔｉａｌｍａｔｃｈｉｎｇｂｅｔｗｅｅｎＰＧＳｅｘｐｏｓｕｒｅａｎｄｕｒｂａｎｄｗｅｌｌｅｒｓ ｄｅｍａｎｄ．（３）ＴｈｅＰＧＳｅｘｐｏｓｕｒｅｓｈｏｗｅｄａｓｉｇｎｉｆｉｃａｎｔ ｃｉｒｃｌｅ ｓｔｒｕｃｔｕｒｅｃｌｕｓｔｅｒｉｎｇ．ʌＣｏｎｃｌｕｓｉｏｎɔＴｈｅｓｅｆｉｎｄｉｎｇｓｐｒｏｖｉｄｅｔｈｅｏｒｅｔｉｃａｌｓｕｐｐｏｒｔｆｏｒｒｅｆｉｎｉｎｇｔｈｅｐｌａｎｎｉｎｇｏｆｕｒｂａｎｇｒｅｅｎｓｐａｃｅｓｙｓｔｅｍｓｗｈｉｌｅａｌｓｏｐｒｏｍｏｔｉｎｇｔｈｅｓｃｉｅｎｔｉｆｉｃａｎｄｒｅａｓｏｎａｂｌｅａｌｌｏｃａｔｉｏｎｏｆＰＧＳ．Ｋｅｙｗｏｒｄｓ：ｐａｒｋｇｒｅｅｎｓｐａｃｅ；ｅｘｐｏｓｕｒｅｄｅｇｒｅｅ；ｃｏｌｄ⁃ｈｏｔｓｐｏｔｓｃｌｕｓｔｅｒｉｎｇａｎａｌｙｓｉｓ；ｃｏｍｍｕｎｉｔｙｌｉｆｅｃｉｒｃｌｅ；ｓｐａｔｉａｌｍａｔｃｈｉｎｇｄｅｇｒｅｅ；ｃｏｎｆｉｇｕｒａｔｉｏｎｏｐｔｉｍｉｚａｔｉｏｎ；ＮａｎｊｉｎｇＣｉｔｙ南京林业大学学报（自然科学版）第４７卷㊀㊀当前，我国城市发展进入内涵提升阶段，土地利用由粗犷的增量模式转向空间资源存量发展的精细化配置，城市发展的关注点也由过去经济空间优先发展嬗变至以人民为中心的㊁高质量的生活空间营造㊂公园绿地作为城市中重要的自然资源，是居民日常生活空间中必不可少的公共资源㊂公园绿地不仅为城市提供了广泛的生态系统服务，也是居民亲近和感受自然的重要场所［１］㊂尤其在新型冠状病毒（ＣＯＶＩＤ⁃１９）感染疫情爆发以来，人们对城市公园高质量绿地的需求激增［２］㊂然而，公园绿地也是一种稀缺的城市绿色资源，精准评估其供给能力㊁科学干预配置模式是实现城市自然资源生态福利均等性的重要措施，也是解决居民日益增长的美好生活需求与生活空间不平衡不充分发展之间矛盾的重要途径㊂在现行的城市绿地系统规划编制和各项园林绿化相关政策中，公园绿地供给能力的考核指标均是以 绿地率 和 人均公园绿地面积 等空间绩效指标为基础，在街道或行政区的基本单元下开展评估工作，较难全面衡量公园绿地现状和精准刻画居民与公园绿地日常互动的场景，也较难满足城市内部协同治理的发展需要㊂ 公园绿地暴露 能够反映居民与城市公园绿地的接触与互动情况，可以用来评估基于一定特征（如面积㊁类型㊁设施品质）的公园绿地暴露于人群的程度［３］㊂暴露度评估的本质是公园绿地供给能力的服务绩效评价，强调人与自然环境日常接触和互动的机会，常以个体或社区群体为基本评估单元㊂社区是城市发展和社会治理的基层单元，构建社区生活圈绿色资源，不仅有利于公园绿地配置均好性和公平性的实现，更有助于城乡空间治理转型延续深化和城市更新行动深入细化［４］㊂ 社区生活圈 是基于快速城市化过程后提出的城市地理和规划学科交叉领域的概念，于２０世纪９０年代后期引入中国，并迅速成为了城市规划㊁城市地理和风景园林等相关学科的前沿话题㊂研究者对社区生活圈的研究进展主要涉及：社区生活圈的空间边界划定［５－６］㊁基于生活圈的公共服务设施布局评价［７－８］及建成环境评估［９］㊂在生活圈边界划定层面，柴彦威等［１０］基于结晶生长的活动空间模型构建了社区生活圈划分方法；孙道胜等［１１］将社区居民非工作时间的户外活动行为轨迹（ＧＰＳ）作为社区生活圈的划定依据；Ｌｉ等［１２］通过逻辑回归和机器学习技术建立了行为需求估计模型，并以此模型划定社区生活圈的内部结构㊂然而，在划定方法的应用层面，多数研究和规划实践采用的是基于步行可达的空间范围㊁人口规模和土地面积作为划定依据，并且与行政边界相互协调㊂在公共服务设施布局评价层面，Ｗｅｎｇ等［１３］以１５ｍｉｎ步行可达性为基础，分析上海市社区的社会经济地位与社区可步行性的相关性，并评估了不同年龄群体（成人㊁儿童和老人）在生活圈内享受公共服务设施的公平性；周弦［１４］采用１５ｍｉｎ步行指数揭示了上海市黄浦区单元规划公共服务设施布局的可步行性和合理性；韩增林等［１５］借助于高德地图数据，使用城市网络分析工具评估了大连市沙河口区内９０个社区的居民出行可达公共服务设施的数量和类别㊂在建成环境评估层面，杜伊等［１６］以上海市街道为基本单元，开展了社区生活圈视角下的公共开放空间绩效评估工作；金云峰等［１７］提出了基于 人民城市 理念的大都市社区生活圈公共绿地多维度精明规划模式㊂本研究以居民最基本居住生活单元（居住小区）为基本单元评估城市公园绿地的供给能力，借助于开源地图数据构建１５ｍｉｎ等时圈作为社区生活圈的划定标准，打破了行政边界的约束，更加细致地刻画了住区居民在１５ｍｉｎ可步行范围内与公园绿地交互活动的场景㊂从数量㊁面积㊁质量和距离维度测度公园绿地暴露度并精准识别社区生活圈内公园绿地暴露盲点和冷热点，分析研究区域内公园绿地暴露度和居住人口之间的供需空间匹配度，以期为面向社区生活圈的公园绿地优化配置提供依据㊂１㊀材料与方法１．１㊀研究区概况选取南京市（１１８ʎ２２ᵡ １１９ʎ１４ᵡＥ，３１ʎ１４ᵡ ３２ʎ３７ᵡＮ）为研究案例㊂南京市中心城区被贯穿境内的长江分为江南主城和江北新主城，是南京中心城市功能的主要承载区，总体规划范围为８０２ｋｍ２㊂据‘南京市城市总体规划草案（２０１８ ２０３５）“，南京市中心城区规划人口７８５万人，其中江南主城规划６０５万人，江北新主城规划１８０万人㊂截至２０１９年末，南京市城区现有人口约为６３４ ８４万人㊂城市公园以‘南京市绿地系统规划（２０１３ ２０２０）“‘南京市公园布局规划（２０１７ ２０３５）“中提及的公园绿地名录为基础，包括名称㊁面积与位置等基本信息㊂经初步统计，涉及城市公园共计１９７个，其面积范围为０．２２ ２６４１．２４ｈｍ２，总面积达６８９２．７８ｈｍ２㊂２９１㊀第３期张金光，等：社区生活圈视角下城市公园绿地暴露水平测度１．２㊀居住小区信息获取和社区生活圈划定本研究以居民日常接触的最小生活单元（居住小区）为基本单元，但国家或地方政府公开的最精细人口统计数据为街道层级，因此需要对城区内居住小区位置和边界进行划定㊂首先，通过百度地图ＡＰＩ接口爬取居住小区的兴趣点（ＰＯＩ）数据，返回参数包括名称㊁经纬度坐标㊁地址信息等属性；其次，依托网络爬虫工具从房地产交易网站（安居客㊁链家网）抓取小区房屋总户数㊁总建筑面积和容积率等信息；最后，结合ＢＩＧＥＭＡＰ高分辨率遥感地图（每３ ６个月更新１次㊁像素精度为０．２５ｍ的高清地图下载器）校准和整合互联网获取的居住小区属性信息，对不在研究区域内的㊁有疑义的㊁重复的数据进行实地调研核对，划定居住小区边界，最终获取２０３３个居住小区㊂居住小区人数通过户数与户均人数的乘积值来估算㊂其中，户数来源于房地产交易网站，户均人数按照３．０人计算㊂本研究计算所得到的南京市中心城区居住总人口约为６０４万人，与‘２０１９年中国城市建设统计年鉴“中公开的城区人口基本吻合㊂本研究以居住小区的几何中心点为 源 点，构建１５ｍｉｎ等时圈，即计算在１５ｍｉｎ步行时间内可以从 源 点到达的空间区域，并以多边形（等时线）的形式在地图之中可视化㊂构建方法依托于Ｍａｐｂｏｘ全球开放地图平台提供的ＩｓｏｃｈｒｏｎｅＡＰＩ㊂通过Ｐｙｔｈｏｎ编程语言设置调用ＭａｐｂｏｘＡＰＩ接口，抓取网页数据（ｇｅｏｊｓｏｎ格式），并利用ｇｅｏｐａｎｄａｓ读取并显示获取的地理空间数据㊂１．３㊀公园绿地暴露度评估指标从数量㊁面积㊁距离和质量４个维度构建公园绿地暴露度评估体系㊂在数量维度上，以居民１５ｍｉｎ步行活动范围内覆盖到的公园绿地的个数为评估标准，描述公园绿地所能提供的数量层面的供给水平㊂在面积维度上，以１５ｍｉｎ社区生活圈内公园绿地总面积作为评估依据㊂数量指标和面积指标主要通过空间叠加分析计算，可以用来表征公园绿地的可获得性㊂在距离维度上，利用网络分析法创建ＯＤ成本矩阵，依据城市步行路网计算每个小区居民点到达最近城市公园绿地的最短路网距离，用来反映居民点到访公园绿地的可达性㊂在质量维度上，选取易于量化的公园绿地质量特征因子［１８］：公园绿地规模（面积）㊁有效活动面积㊁植被覆盖度㊁路网密度和水体比例，通过熵权法对各项特征因子进行整合㊂熵权法是一种客观权重法，指标权重的确定主要受到指标相对变化程度的影响㊂但这种方法只考虑效益指标（越大越好）或成本指标（越小越好）㊂公园绿地面积㊁有效活动面积㊁植被覆盖率等是效益指标，而路网密度是一个区间指标（指标分布越接近最佳区间越好），最佳路网密度区间内的公园绿地可以提供较好的步行环境㊂本研究参照新版的‘公园设计规划“将最佳区间设定为１５０３８０ｍ／ｈｍ２㊂因此，笔者对路网密度指标进行了如下预处理：ｂｉｊ＝１－１５０－ａｉｊ１５０－ａｎ，ｉｆａｎɤａｉｊ＜１５０１，ｉｆ１５０ɤａｉｊ＜３８０１－ａｉｊ－３８０ａｍ－３８０，ｉｆ３８０ɤａｉｊ＜ａｍìîíïïïïïï㊂式中：ａｉｊ和ｂｉｊ分别代表旧的和新的路网密度标准化指标；ａｎ是数据集的最小值；ａｍ是数据集的最大值㊂熵权法的实现步骤如下：１）建立判断矩阵（Ｄ），由ｍ个评价方案和ｎ个评价指标组成；Ｅｐｊ为公园绿地ｊ的第ｐ个暴露度评价指标㊂Ｄ＝（Ｅｐｊ）ｍˑｎ㊀（ｐ＝１，２，．．．，ｍ；ｊ＝１，２，．．．，ｎ）㊂２）对矩阵Ｄ进行标准化处理，得到无量纲指标矩阵，经过预处理步骤后的评价结果均为效益指标（ｒｐｊ）：ｒｐｊ＝Ｅｐｊ－ｍｉｎ｛Ｅｐｊ｝ｍａｘ｛Ｅｐｊ｝－ｍｉｎ｛Ｅｐｊ｝㊂３）计算公园绿地ｊ在评估指标ｐ下的比例（Ｐｐｊ）：Ｐｐｊ＝Ｅｐｊ／ðｎｐ＝１Ｅｉｊ㊂４）计算第ｐ个评估评价指标的熵值（Ｅｐ）和熵权（μｐ）：Ｅｐ＝－１ｌｎ（ｎ）ðｎｐ＝１Ｐｐｊｌｎ（Ｐｐｊ），（ｊ＝１，２，．．．，ｎ）；μｐ＝１－Ｅｐ／（ｎ－ðｎｐ＝１Ｅｐ）㊂利用熵权法确定的５项质量指标最终权重为：公园绿地面积０．２６㊁植被覆盖度０．０２㊁水体比例０ ４０㊁有效活动面积０．２４㊁路网密度０．０８㊂然后，将１５ｍｉｎ社区生活圈内多维度的公园绿地暴露度指标进行 最大值－最小值 标准化处理㊂其中，距离维度为负向指标，即距离公园绿地（入口）的距离越大，其服务能力越差，采用公式Ｘ＝（ｍａｘ－ｘ）／（ｍａｘ－ｍｉｎ）进行计算，距离阈值的上限设定为１２００ｍ㊂最终，将各暴露度指标计算结果映射到［０，１］区间，采用等比加权方式计算出４３９１南京林业大学学报（自然科学版）第４７卷个维度下公园绿地暴露度平均值作为公园绿地综合暴露度，用来表征住区居民能够享受的公园绿地综合服务能力（表１）㊂表１㊀基于１５ｍｉｎ社区生活圈的公园绿地暴露度评价分值表Ｔａｂｌｅ１㊀Ｅｖａｌｕａｔｉｏｎｓｃｏｒｅｓｏｆｐａｒｋｇｒｅｅｎｓｐａｃｅｅｘｐｏｓｕｒｅｂａｓｅｄｏｎａ１５ｍｉｎｃｏｍｍｕｎｉｔｙｌｉｖｉｎｇｃｉｒｃｌｅ服务维度ｄｉｍｅｎｓｉｏｎ评价指标ｉｎｄｉｃａｔｏｒ权重ｗｅｉｇｈｔ盲点值ｂｌｉｎｄｓｐｏｔｖａｌｕｅ冷热点值ｃｏｌｄ⁃ｈｏｔｓｐｏｔｖａｌｕｅ数量ｑｕａｎｔｉｔｙ圈内公园绿地数量／个１００面积ａｒｅａ圈内公园绿地面积／ｈｍ２１０＞０质量ｑｕａｌｉｔｙ圈内公园绿地质量累计值１０＞０距离ｐｒｏｘｉｍｉｔｙ圈内访问公园绿地最短路径距离／ｍ１＞１２００ɤ１２００分值ｖａｌｕｅ００＜Ｇ∗ｉɤ１１．４㊀公园绿地暴露的均衡性指数采用区位熵指数和冷⁃热点指数对公园绿地暴露的均衡性进行评价㊂区位熵是经济学领域衡量某一区域要素的空间分布情况以及该区域在上级区域中的地位与作用的一种指标［１９］，本研究将其引用至城市公共资源空间匹配度评价与均衡性评价之中，评估研究区域内公园绿地暴露度与常住人口分布之间的空间匹配度㊂各个空间单元的区位熵为该空间单元内常住人口人均公园绿地暴露度与整个研究范围内常住人口人均公园绿地暴露度的比值㊂若空间单元的区位熵指数大于１，表明空间单元内公园绿地暴露度水平高于研究范围的总体水平；若空间单元的区位熵指数小于１，则表示空间单元内公园绿地暴露度水平低于研究范围的整体水平［２０］㊂公式如下：Ｑｊ＝（Ｔｊ／Ｐｊ）／（Ｔ／Ｐ）㊂其中：Ｑｊ为ｊ空间单元区位熵；Ｔｊ为ｊ空间单元中公园绿地的暴露度；Ｐｊ为ｊ空间单元中常住人口数量；Ｔ为研究范围内公园绿地暴露度总量；Ｐ为研究范围内常住人口总量㊂冷／热点指数（Ｇｅｔｉｓ⁃Ｏｒｄ，Ｇ∗ｉ）用来分析居住小区的公园绿地暴露度聚集情况［２１］㊂通过ＡｒｃＧＩＳ空间分析模块中的热点分析工具可对数据集中的每一个空间要素计算Ｇ∗ｉ指数，得到的ｚ得分和ｐ值，进而评估高值或低值要素在空间上发生聚类的位置㊂若ｚ＜－１．９６，则表示为冷点聚集区域；若ｚ＞１．９６，则表示为热点聚集区域；若ｚ处于－１．９６１ ９６之间，则无显著聚类效应㊂此外，笔者采用ＦＤＲ校正，使得统计显著性结果可以依据多重测试和空间依赖性进行反复修正，使结果更具客观性和有效性㊂冷⁃热点指数计算公式如下：Ｇ∗ｉ＝ðｎｊ＝１ｗｉｊｘｊ－ Ｘðｎｊ＝１ｗｉＳ［ｎðｎｊ＝１ｗ２ｉ－（ðｎｊ＝１ｗｉ）２］ｎ－１； Ｘ＝ðｎｊ＝１ｘｊｎ；Ｓ＝ðｎｊ＝１ｘ２ｊｎ－ Ｘ２㊂式中：Ｇ∗ｉ为空间统计ｚ得分，ｘｊ是居住小区ｊ的公园绿地暴露度值；ｗｉ是居住小区ｉ和ｊ之间的距离权重；ｎ为居住小区的总数量㊂２㊀结果与分析２．１㊀公园绿地暴露度空间分布１５ｍｉｎ社区生活圈内，南京城区公园绿地数量㊁面积㊁质量和距离维度下公园绿地暴露度的评估结果见图１㊂在数量维度上，城区各小区圈内拥有公园绿地个数分布存在一定的不均衡性㊂整体上看，位于中心区域（鼓楼㊁玄武㊁秦淮㊁建邺北部）的小区数量在各维度的表现要远好于城区边缘区域㊂在面积维度上，公园绿地暴露度分布也存在着不均衡性㊂从城市空间结构上来看，圈内公园总面积高值主要集中在 一带三片 区域： 一带 为秦淮河沿线风光带周边， 三片 分别是具有一定面积的环玄武湖公园 钟山风景区㊁环河西奥体中心以及环雨花台风景区附近㊂在质量维度上，面积较大的综合公园或专类公园质量分值较高，公园内植被资源丰富且具有一定维护良好的体力活动设施和娱乐休闲空间，能够给予居民良好的游憩环境㊂低质量公园绿地主要是散落在各处的社区公园和街旁游园，这些公园绿地通常规模较小，植被种类单一且在提供体力活动设施和娱乐活动场所上比较局限㊂质量视角下公园绿地的暴露度与生活圈内公园绿地质量高低基本一致，并且围绕着高质量公园呈 环状 结构分布㊂在距离维度上，位于城区的中心区域表现了相对较高的公园绿地暴露度，而在城区外围，特别是江北片区和各行政区交界地带的公园绿地暴露度则相对较差（图１）㊂４９１㊀第３期张金光，等：社区生活圈视角下城市公园绿地暴露水平测度图１㊀基于１５ｍｉｎ社区生活圈的公园绿地多维度（数量㊁面积㊁质量和距离）暴露评估Ｆｉｇ．１㊀Ｍｕｌｔｉ⁃ｄｉｍｅｎｓｉｏｎａｌ（ｑｕａｎｔｉｔｙ，ａｒｅａ，ｑｕａｌｉｔｙａｎｄｄｉｓｔａｎｃｅ）ｅｘｐｏｓｕｒｅａｓｓｅｓｓｍｅｎｔｏｆｐａｒｋｇｒｅｅｎｓｐａｃｅｂａｓｅｄｏｎａ１５ｍｉｎｃｏｍｍｕｎｉｔｙｌｉｖｉｎｇｃｉｒｃｌｅ２．２㊀公园绿地暴露度冷热点分析为便于比较各小区层面公园绿地综合暴露度的差异性，采用自然间断点分级法，将综合暴露度分为盲点㊁冷点㊁次冷点㊁次热点和热点５个等级，代表公园绿地综合暴露度从低值到高值演变㊂统计可知（表２），城区中有４０９个居住小区（占据总小区数量的２０％）的公园绿地暴露度为零，意味着居住在此的居民无法在１５ｍｉｎ生活圈内享受城市公园绿地的服务，此类小区多分布在中心城区的北侧以及东南侧㊂位于公园绿地服务热点的区域仅有２１２个小区，占据总居住小区数量的１０．４３％，这些热点区域主要围绕着玄武湖 紫金山片区㊁秦淮河沿线风光带以及河西奥体中心周边分布㊂２．３㊀公园绿地暴露度空间匹配度测度及空间聚类分析㊀㊀区位熵指数可用来评估城市公园绿地暴露度与常住人口分布之间的空间匹配度㊂基于区位熵指数的研究区人均公园绿地暴露度空间分布见表３，区位熵指表２㊀基于１５ｍｉｎ社区生活圈的公园绿地冷点⁃热点暴露度分级Ｔａｂｌｅ２㊀Ｃｏｌｄ⁃ｈｏｔｓｐｏｔｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｐａｒｋｇｒｅｅｎｓｐａｃｅｅｘｐｏｓｕｒｅｂａｓｅｄｏｎａ１５ｍｉｎｃｏｍｍｕｎｉｔｙｌｉｖｉｎｇｃｉｒｃｌｅ分级ｃｌａｓｓｉｆｉｃａｔｉｏｎ综合暴露度ｉｎｔｅｇｒａｔｅｄｅｘｐｏｓｕｒｅｖａｌｕｅ居住小区数量／个ｎｕｍｂｅｒｏｆｃｏｍｍｕｎｉｔｉｅｓ居住小区占比／％ｐｒｏｐｏｒｔｉｏｎｏｆｃｏｍｍｕｎｉｔｉｅｓ盲点ｂｌｉｎｄｓｐｏｔ０４０９２０．１２冷点ｃｏｌｄｓｐｏｔ０．００１ ０．１４８５２１２５．６３次冷点ｓｕｂｃｏｌｄｓｐｏｔ０．１４９ ０．２８３５０８２４．９８次热点ｓｕｂｈｏｔｓｐｏｔ０．２８４ ０．４４９３８３１８．８４热点ｈｏｔｓｐｏｔ０．４５０ ０．７８２２１２１０．４３数的分布格局与公园绿地冷点⁃热点暴露度空间分布基本一致（图２Ａ㊁２Ｂ）㊂高区位熵指数的居住小区主要分布在玄武区㊁鼓楼区和秦淮区，低区位熵值的居住区出现在长江以北的居住片区㊂然而，在５９１南京林业大学学报（自然科学版）第４７卷局部人口密集的区域，例如建邺区西侧，存在着部分公园绿地暴露度热点区域的居住小区却呈现较低区位熵指数的现象㊂这种现象表明尽管该区域公园绿地供给能力较好，但是由于密集的人口分布使得公共绿色资源的供需失衡㊂笔者将区位熵指数分成了５个等级，评估发现研究区域内有超过８０％的居住小区处于中等水平之外（表３），表明了区域内居住小区的公园绿地暴露度与常住人口之间的空间匹配度存在一定失衡㊂其中，有５２７个居住小区属于第１等级，占总小区数量的２５．９２％，在此居住的居民的人均公园绿地暴露度数值不足城区平均水平的１０％；相比之下，城区内有２３３个居住小区属于第５等级，此处居民的人均公园绿地暴露度数值高于城区平均水平的５倍㊂图２㊀公园绿地综合暴露空间分布结果Ｆｉｇ．２㊀Ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｃｏｍｐｒｅｈｅｎｓｉｖｅｅｘｐｏｓｕｒｅｏｆｐａｒｋｇｒｅｅｎｓｐａｃｅ表３㊀基于区位熵值分级的空间单元数量与比例Ｔａｂｌｅ３㊀Ｔｈｅｎｕｍｂｅｒａｎｄｐｒｏｐｏｒｔｉｏｎｏｆｓｐａｔｉａｌｕｎｉｔｓｂａｓｅｄｏｎｌｏｃａｔｉｏｎｅｎｔｒｏｐｙ区位熵等级ＱｊｌｅｖｅｌＱｊ居住小区数量ｎｕｍｂｅｒｏｆｃｏｍｍｕｎｉｔｉｅｓ居住小区占比／％ｐｒｏｐｏｒｔｉｏｎｏｆｃｏｍｍｕｎｉｔｉｅｓ极低ｖｅｒｙｌｏｗＱｊɤ０．１５２７２５．９２较低ｌｏｗｅｒ０．１＜Ｑｊɤ０．６４４２２１．７４中等ｍｅｄｉｕｍ０．６＜Ｑｊɤ１．５３９２１９．２８较高ｈｉｇｈｅｒ１．５＜Ｑｊɤ５４３９２１．５９极高ｖｅｒｙｈｉｇｈＱｊ＞５２３３１１．４７㊀㊀Ｇｅｔｉｓ⁃ＯｒｄＧ∗ｉ指数计算结果证实中心城区内公园绿地暴露度呈现了显著的空间聚类状态（图３Ｃ㊁３Ｄ）㊂热点区域主要聚类在主城区中玄武区南侧㊁鼓楼区㊁秦淮区以及建邺区，冷点区域主要聚类在城市外围，包括雨花台区南侧㊁江北区域㊁江宁区以及栖霞区等片区㊂聚类结果也从侧面反映出南京中心城区的公园绿地暴露度呈现为 圈层 结构，即主城区居民享有的公园绿地服务能力较好，而位于城郊交融地带，尤其是长江以北的住区居民在享受公园绿地综合服务能力方面相对不足㊂２．４㊀公园绿地暴露度提升优化策略决策者和规划师应着重关注位于公园绿地暴露的盲点㊁冷点和次冷点的居住小区，优先规划干预此类住区呈现空间聚类分布的区域，进而提升人与绿地空间交互的机会，促进城市公共绿色资源服务的均衡性㊂具体而言，位于公园绿地暴露盲点区域（即暴露度为０）的居住区，是在１５ｍｉｎ社区生６９１㊀第３期张金光，等：社区生活圈视角下城市公园绿地暴露水平测度活圈范围内居民无法享受到任何形式公园绿地服务的 弱势 住区㊂１）针对于盲点区域的居住小区，其干预策略主要是：①优化步行路网，扩大社区生活圈可步行范围㊂本研究中对于南京市城区边缘区以及行政区交界地带（如铁北片区），居民出行可选择方向较为局限，若想到达目的地，通常需要选择绕行㊂规划中应科学识别路网密度稀疏的区域，扩建步行路网，并且考虑将步行路网构成连续完整的系统性道路结构，合理分配 路权 ㊂②新建公园绿地，提升供给服务能力㊂ 增量 ，尤其是增加高质量的社区和综合公园的数量，是高效填补城市公园绿地暴露盲区的核心措施㊂南京市城区边缘区域（如江北新城）尚有充足的发展空间，可考虑在暴露盲区聚类分布的区域优先新建大型城市公园（如浦口区东侧），并且结合道路㊁绿地㊁河流的线性空间打造绿色廊道串珠成线㊂而位于老城区内公园绿地暴露盲区的居住区，由于可利用的土地资源稀缺，通过 增量 干预的难度较大㊂可通过老城更新后留下的空白区域，结合新建街区㊁城中村㊁棚户区改造和拆违拆迁开辟新的 微型 公园绿地和口袋公园来填补盲区㊂２）针对于冷点或次冷点区域的居住小区（即本研究中暴露度小于０．２８３的居住区），其干预策略主要为：①扩建现有公园绿地，提升服务范围㊂位于此区域居住小区的生活圈范围内可能存在着一定的公园绿地，但是由于数量少㊁面积小或者质量较差等原因导致其服务能力不足㊂因此，在暴露冷点空间聚类区域，可拆除公园绿地围墙，在保留和延续公园绿地原有用地结构的基础上增设景点或扩建园区；②挖掘存量绿地资源，提升绿地品质㊂规划设计师需尽可能地深入挖掘多元的绿色空间（如垂直绿化空间，道路末端系统等琐碎空间），并且通过提升现有公园绿地的质量和可达性来增强公园绿地暴露度㊂３）针对于次热点和热点区域的居住小区，地方政府应积极制定相应的公园绿地管控和维护政策，确保居民享受公园绿地服务的持续性和稳定性㊂３㊀结㊀论公园绿地是城市中重要的自然资源，也是人与自然环境互动的重要场所㊂科学合理地评估公园绿地服务能力，精准识别公园绿地暴露的盲点和冷点区域，有针对性地实施干预举措，是促进公共绿色资源环境服务均衡性和公平性的重要途径，也是健康城市和公园城市建设的重要抓手㊂传统的公园绿地绩效评估（即绿地率㊁绿化覆盖率和人均公园绿地面积等）均是以行政区或者街道为基本单元，从供给侧的视角评估公园绿地的服务能力，评估方法忽视了需求侧的住区居民与公园绿地之间的交互关系㊂本研究以居民日常活动最基本的生活单元居住小区为研究单元，基于开源地图数据构建社区１５ｍｉｎ等时圈来表征居民日常活动㊁购物㊁通勤和娱乐等生活轨迹范围㊂融入公园绿地暴露度的概念，评估１５ｍｉｎ社区生活圈内公园绿地供给能力，切实关注居民日常生活所能够享受到的城市绿色空间资源服务的空间匹配情况㊂另一方面，在暴露度评估方法上，本研究提出了考虑公园绿地数量㊁面积㊁距离和质量４个暴露维度的评估体系，并尝试将其整合为一项综合暴露度指标来评估公园绿地服务的盲点㊁冷点和热点区域㊂选取南京市中心城区为实证案例，评估城区内２０３３个居住小区１５ｍｉｎ生活圈内公园绿地暴露度，结果表明：①在公园绿地数量㊁面积㊁质量和距离４个暴露维度层面，城区内居住小区的公园绿地暴露度均展现了不均衡的空间分布格局；②区位熵指数证实了研究区域内居住小区的公园绿地暴露度和常住人口存在空间匹配度失衡的现象；③公园绿地的综合暴露度指数呈现了显著的 圈层 结构聚类状态，即主城区居民享有的公园绿地暴露度较好，而位于城郊交融地带的住区居民较难享受公园绿地综合服务能力；④城区中有近一半的居住小区位于公园绿地暴露的盲点（２０．１２％）和冷点（２５．６３％）区域，盲点和冷点区域是决策者和规划师制定城市公园系统规划等政策时应重点干预的区域㊂综上，将社区生活圈与公园绿地暴露度有机耦合，可以精准识别１５ｍｉｎ步行生活圈内公园绿地暴露的盲点和冷点区域，并针对性地提出相应的规划干预举措，为促进公园绿地服务均衡性和维护 绿色 正义性［２０］提供有益参考㊂参考文献（ｒｅｆｅｒｅｎｃｅ）：［１］ＷＯＬＣＨＪＲ，ＢＹＲＮＥＪ，ＮＥＷＥＬＬＪＰ．Ｕｒｂａｎｇｒｅｅｎｓｐａｃｅ，ｐｕｂｌｉｃｈｅａｌｔｈ，ａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｊｕｓｔｉｃｅ：ｔｈｅｃｈａｌｌｅｎｇｅｏｆｍａｋｉｎｇｃｉｔｉｅｓ ＪｕｓｔＧｒｅｅｎＥｎｏｕｇｈ ［Ｊ］．ＬａｎｄｓｃＵｒｂａｎＰｌａｎ，２０１４，１２５：２３４－２４４．ＤＯＩ：１０．１０１６／ｊ．ｌａｎｄｕｒｂｐｌａｎ．２０１４．０１．０１７．［２］ＣＨＥＮＧＹＹ，ＺＨＡＮＧＪＧ，ＷＥＩＷ，ｅｔａｌ．Ｅｆｆｅｃｔｓｏｆｕｒｂａｎｐａｒｋｓｏｎｒｅｓｉｄｅｎｔｓ ｅｘｐｒｅｓｓｅｄｈａｐｐｉｎｅｓｓｂｅｆｏｒｅａｎｄｄｕｒｉｎｇｔｈｅＣＯＶＩＤ⁃１９ｐａｎｄｅｍｉｃ［Ｊ］．ＬａｎｄｓｃＵｒｂａｎＰｌａｎ，２０２１，２１２：１０４１１８．ＤＯＩ：１０．１０１６／ｊ．ｌａｎｄｕｒｂｐｌａｎ．２０２１．１０４１１８．［３］ＢＲＡＴＭＡＮＧＮ，ＡＮＤＥＲＳＯＮＣＢ，ＢＥＲＭＡＮＭＧ，ｅｔａｌ．Ｎａｔｕｒｅ７９１。

地理学报ACTA GEOGRAPHICA SINICA第66卷第2期2011年2月V ol.66,No.2Feb.,2011收稿日期：2010-01-13;修订日期：2010-06-20基金项目：国家自然科学基金项目(40571052)[Foundation:National Natural Science Foundation of China,No.40571052]作者简介：曹小曙(1970-),男,甘肃人,博士,博导,教授,中国地理学会会员(S110005157M ),主要从事交通地理与土地利用研究。

E-mail:caoxsh@167-177页基于结构方程模型的广州城市社区居民出行行为曹小曙1,林强2(1.中山大学地理科学与规划学院，广州510275；2.深圳市城市规划发展研究中心，深圳518040)摘要：基于行为主义的视角，从微观的社区层面研究城市居民的出行行为。

选取广州市的3个城市社区作为案例，以218个样本数据库为基础，根据研究的侧重点不同分别建立两个结构方程模型，拟合各变量之间的路径关系。

其中居民出行选择的结构方程模型重点分析居民属性、居住区位与居民出行目的、出行时间、出行方式等出行偏好之间的关系。

居民出行决策的结构方程模型则模拟居民的出行决策过程。

结果显示：居民之间由于自身属性不同在出行选择和出行偏好上存在差异，居民出行行为中居民属性和居住区位是根本，出行目的是关键，居民出行行为可以概括为“属性决定目的，目的影响行动”。

此外，居民的出行行为有其复杂的作用机制和决策路径，居民的出行决策过程可以解读为性别决策子系统、年龄决策子系统、收入决策子系统和居住区位决策子系统等4个决策子系统，各子系统中路径作用的不同使居民属性和居住区位对居民出行决策产生多重多向的效应，在复合系统的影响下城市社区居民表现出差异化的出行行为。

关键词：城市社区；出行行为；结构方程模型；广州市1引言城市居民出行研究是城市交通研究的重要组成部分，西方发达国家以人为本、重视差异性等后现代思潮的兴起使人们开始关注人的真实交通需求以及出行行为之间的差异。

-以北京居民活动日志调查为例2009年第6期总第110期文章编号:1003—2398(2009)06—0001—09微观个体行为时空数据的生产过程与质量管理一以北京居民活动日志调查为例柴彦威,张文佳i张艳.颜亚宁,赵莹(北京大学城市与环境学院城市与经济地理系,北京100871) THEPRoDUCTIoNANDQUALITYMANAGEMENToFDISAGGREGA TED SPACE—TIMEDA TA0FINDnDUAL'SBEloRS——ACaseStudyofActivity—DiarySurveyinBeijingCHAIY an?wei,ZHANGWen-jia,ZHANGY an,Y ANY a—ning,ZHAOYing (DepatzmentofUrbanandEconomicGeography,PekingUniversity,Beij)ng100871,China )Abstract:Thespace—timedataofindividual'Sbehaviorsgraduallygrowtobeoneofthemostimportantquan—titativefoundationsofdisaggregatedmodelingandanalysisintheresearchesofmicro-proces sandbehav-ior-basedhumangeographyandtransportation.However,howtoefficientlyandactuallypro duceandmanagelarge—sampledisaggregateddata,especiallythebehaviordataindailylife,arethemainblockagetot here—searchessuchastraveldemandmanagementandurbanactivity-travelsystem.Thoughthereh avebeenanum?beroftrip-basedandtime—usesurveysimplementedbylocalornationalstatisticaldepartments,seldomlitera—turesdiscussthetheoriesandmethodologiesofproductionandmanagementofdisaggregate ddatainmain—landChina.Therefore,thispaperexplorestheproductionandmanagementofindividualspac e—timedataintheoryandmethodology,usingthecaseoftwo—dayactivity-diarysurveyin2007Beijing.Theproductionpro—cessofspace—timedataincludesfiveprocessesofsurveycontents,surveymode,diarydesign,samplingand databasedesign.Themethodswithwhichhowtoquantitativelyaccessthereliability,validity andcomplete—nessofdisaggregateddataarepresentedanddiscussed.Atlast,weproposedhigh—qualityindividual'Sbehav—ioraldataneedmorestudies,comparingandsharingofthepracticalexperimentsfromtheprod uctionandmanagement.Keywords:space-?timedata;activity-travelbehaviors;activity-?diary;dataqualitymanage ment;TOBITre-?gressionmodel提要:微观个体行为的时空数据逐渐成为人文地理学微观过程研究和非汇总方法应用的重要定量依据,而如何高效而准确地生产和管理较大样本的行为数据则是当前制约城市活动.移动系统分析与规划的重要瓶颈.本文以2007年在北京市进行的两天活动日志调查作为案例分析,在国内首次从理论和方法论上探讨微观个体行为时空数据的生产过程和数据质量管理.其中,侧重于理论与经验,从调查内容,调查方式,日志设计,样本抽样和数据库设计等五个方面探讨微观个体行为时空数据的生产过程;并侧重于方法论,探讨如何定量地评估数据的可靠性,有效性和完整性等质量管理标准.最后提出,高质量个体行为数据的获得需要更多的数据生产和管理经验的研究与分享,以及更多数据源的合作共享与比较分析.关键词:时空数据;活动一移动行为;活动日志调查;数据质量管理;TOBIT回归模型中图分类号:l01.2文献标识码:A基金项目:国家自然科学基金项目(40671058);科技部基础性7-作专项(2007FY140800)作者简介:柴彦威(1964一】,男,教授,博士生导师,研究方向为城市社会地理学与行为地理学.Email:************.cn收稿日期:2009-09-28:修订日期:2009—10—30型鱼鱼::三一2009年第6期总第110期1引言自从2O世纪70年代初,城市规划学者Chapin在其着作《城市中的人类活动模式》中首次提出城市活动系统概念以来㈣,在时间和空间制约下的城市居民活动与出行行为～直是西方城市地理学,交通,城市规划等领域关注的焦点[3].90年代以来,国内人文地理学也越来越关注个体行为的空间分析,城市地理学者尤其关注城市内部居民的日常行为及其空间含义,职住空间,购物空间,休闲娱乐空间等活动空间及其派生出来的交通出行需求已成为目前研究的重点[4-9].然而,城市空间与居民活动一移动行为的互动机理研究一般需要以大量的微观个体活动一移动行为数据作为支撑.目前,西方已有不少文献和实践探讨微观个体活动一移动时空数据的生产.但是,由于中国城市发展所处的阶段,制度与文化环境,以及居民的日常生活方式等均与西方城市存在较大差异,西方城市居民行为时空数据的生产和质量管理经验并不一定适用于中国本土.因此,在中国城市中如何高效而准确地采集较大样本微观个体行为时空数据是当前制约城市活动一移动系统分析与规划的重要瓶颈.日志调查(DiarySurvey)被认为是目前技术水平下大量采集居民活动一移动时空数据最为有效的方法之一[J4j,它主要通过问卷调查表的形式,收集居民某一时间段内连续的活动和出行信息.日志调查最早出现于7O年代末德国Soci. adata公司在德国城市Kontiv的出行日志(T邱Diary)调查中,这些调查通过入户面对面访谈方式,要求人们回顾一天内所有出行的起始点情况.目前,通过日志调查得到的微观个体行为数据,除了主要应用在城市交通规划领域中对居民出行需求分析上,还被广泛应用于社会学,时间经济学,以及行为地理学,时间地理学,健康地理学和女性地理学等人文地理学领域上7-22].虽然日志技术已经被应用在国家层面的调查中,例如居民出行调查和2008年中国时间利用调查[232.4],但是,日志调查的相关理论,技术流程和数据质量管理评估则鲜有探讨,使得研究者和调查者往往在问卷设计之初便放弃对问卷调查中的理论问题进行认识,关怀和探索㈤.特别在地理学领域中,问卷调查方法普遍在使用,但是对问卷调查,特别是日志调查的数据的生产过程和质量管理进行专门探讨的文献则更少[4,26-27].因此,本文结合国家自然科学基金项目《转型期中国城市空间与居民行为的互动机理研究》在2007年10月到11月于北京市进行的两天活动日志调查(下文简称为"北京日志调查"),进行文献综述,技术分析与定量评估,解读居民活动一移动行为数据的生产过程和质量管理,以为中国城市微观个体行为时空数据的生产与质量管理提供理论,方法论以及经验的借鉴.2行为时空数据的生产过程2.1调查内容日志调查的核心内容为居民在调查日当天24小时内所有与研究相关的活动和出行及其时空间信息.一般来说,活■鱼璺望:;动属性包括活动的起止时间,类型,活动地点类型与具体地址,以及活动同伴等i出行属性则包括出行的起止时间,出行目的,出行前后的地点类型与地址,出行同伴以及出行交通方式等.活动属性的核心是活动类型的分类,因为活动类型反映了被调查者的活动动机,往往用来区分不同活动的研究意义.事实上,社会学和心理学对活动动机的研究已经比较深入,社会行为理论认为获得或维持某种状态和感觉的愿望是活动的主要动机【28】.例如,人类对食物,身体舒适,安全, 社会交际,自尊心和成就感的需求.心理学则认为活动具有某种意义的需求指向,例如身体动机需求,自我实现的固有潜在需求,和层级需求(首先要满足基本水平的需求,如身体舒适和饥饿;然后逐层满足高级的需求,例如社交,以及最高级的自我实现需求)等[291.在这些理论基础上,许多实证研究根据活动动机对活动进行分类.例如,Chapin在美国华盛顿大都市区的日志调查中把睡眠,食物,住所和健康等需求划分为生存性需求(SubsistenceNeed)Ⅲ,人们需要通过工作,身体锻炼,教育,医药护理和社会服务等活动实现对其的满足.此外,还存在文化层次,社会层次和个人层次的需求,包括感情,社会交际,安全感,成就感,精神激励和个人愉悦等,为满足这一层面的需求则需要社交活动, 参加志愿组织和宗教组织等.目前,已被广泛应用的活动类型划分为满足生存性的活动,不可任意支配的活动和自由活动或者休闲活动[19,301.此外,根据研究对活动类别的需要, 活动的划分可以更为详细,例如Doherty和Miller则把活动进行更细的分类(9大类64小类),以满足其基于计算程序处理的家庭活动时序调查的精度要求【31].在地理学研究中,除了明确的活动类型数据之外,相对精确的活动空间与时间信息也十分重要.在北京的日志调查中,活动一移动行为的空间信息是通过被调查者活动的地点类型与具体地址两项回答来采集的.活动地点类型在以往问卷调查或者出行调查中往往被忽略,事实上,空间赋予个人的意义往往不是具体的地址,而是空间的功能,在日志中则体现为活动地点的类型.例如,体育锻炼活动可以在家,休闲场所,或者学校等地点进行,如果没有空间功能的界定,则很难确定活动空间的含义.时间地理学认为,个体行为不可避免地受到源于个体自身及其所处情境中的各种制约【321.个体时空行为除了受到个体本身的能力制约之外,还会受到一定的组合制约,即个体或集体为了从事某项活动而必须同其他人的路径同时存在于同一场所的制约.活动分析法(Activity-basedApproach)的出现把上述制约扩展到活动层面[31.家庭内部各成员之间的任务分配以及活动一移动行为关联性是组合制约的典型范例,例如,由于照料未成年孩童而需要每天接送小孩上下学,在家务分配中男女家长共同承担购物任务等.因此,在北京的日志调查中,突出了家庭内部成员之间的组合制约,将活动和出行的同伴划分为没有同伴,子女,配偶,父母,祖父母,孙子女,其他家人,其他非家人等类型.此外,出行属性与活动属性存在许多重合,例如出行目的等同于活动类型,出行前后的地点类型与地址等同于活动柴彦威,张文佳,张艳,等:微观个体行为时空数据的生产过程与质量管理——以北京居民活动日志调查为例的地点类型与地址.而交通方式是出行所特有的属性,一般在现有的交通方式内进行选择,包括机动出行方式和非机动出行方式.近年对出行交通方式的定义已经不局限在单项选择里,而是把一个出行过程中使用到的所有方式定义为一个出行的交通方式,但同时可以根据时间或者其他权重划分出一个出行的主要方式和次要方式f33].2.2调查方式根据调查表发放的时间,调查方式可划分为两种:①事前发放(Leave.BehindDiary),即被调查者提前知道调查的时间与内容,在当天活动结束后自行记录所发生的活动;②事后发放(RecallDiary),即在当天活动结束以后将问卷调查表发放至被调查者手中,要求其回溯调查日发生的活动[341. 事前日志一般比事后日志获得更高质量的数据,同时多出5—10%的回收率,但是调查成本要高出1.5_4倍,而且事前提醒容易产生系统误差.此外,根据调查媒介进行划分,可得到三种传统的调查方式和三种基于新型媒介的调查方式.其中,传统的调查方式分别为留置式,面对面式和电话式.而无论何种调查方式都存在一定的优缺点(表1),且均面临如何进入的问题,直接影响到问卷的回收率和完成率.在荷兰的实证表明,面对面拜访与留置寄回问卷相结合的方式,能获得较理想的完成率,而电话调查由于难以解释清楚日志问卷而效果较差【l4】. 值得一提的是,在面对面调查中,存在被访者独立填写(Self-Completed)和研究者参与填写(Researcher-Adminis. tered)两种方式.独立填写方式要求被访者具有主动参与性,增加了调查的难度和成本,但往往真实性更高.研究者参与填写的主要问题是访谈的形式迫使被访者只用短时间思考作答,可能导致活动记录的失真和遗漏增多.Meyburg和B茄g则发现若研究者在场,相对不在场填写方式,居民少填写了约15%的出行记录pq.当然,访谈避免了被访者对问卷理解不当而误填以及无法向其确认是否误填的情况.然而,传统方式在问卷数据精度和有效性上不可避免的存在一定误差,例如容易忽略短时间的出行或回忆不起当天的非工作活动等.而新型方式的出现主要是为了提高数据的精度和有效性,主要包括基于手机,互联网和GPS等新型媒介和技术,但新型技术普遍面临设备依赖性导致样本与数据损失,例如不使用手机,互联网的用户往往被排除在调查样本之外『l51.此外,基于新型媒介的调查只是精确记录了被调查者的时空路径,但是在每个时空点上的活动内容则仍需要利用传统日志方式进行补充.限于目前国内的调查技术和数据生产经费的制约,本文认为面对面的入户日志调查能较为高效地获得较为可靠,准确,有效和成本较低的大样本量数据,而邮件方式则在中国的问卷调查中一般回收率很低,电话调查方式对于独立研究者来说则难度较大.而在将来应该大力发展基于新型媒介与传统日志问卷结合的调查方式.因此,在北京日志调查中,表1不同调查方式的优缺点及其在中国城市的适用性Tab.1TheAdvantagesandDisadvantagesofDifferentSurveyModeandTheirApplicabilityi nChineseCities资料来源:根据文献[1o一12,14,15,17,33—35]综合整理得到.～鱼曼旦璺!:■2009年第6期总第110期首先与调查居住区所在居委会(家委会)或者物业公司取得联系,并详细介绍研究的目的,调查方案及实施过程,在他们的协助下联系被调查家庭,尽量进行面对面调查,或退一步留置回收(图1).其中,在中国城市中实行活动日志调查,事先联系居委会等基层管理机构并得到其支持和协助是非常关键的,而适当地多种调查方式相结合是提高调查效率,保证数据质量,降低调查成本的重要方法.问卷发放问卷填写问卷回收I居委会/物业公司l….～II澍置,a丑豆琪与l居委会/物业公司FI一:调查员l调查员图1北京日志调查的调查方式选择Fig.1TheChoiceofSurveyModein BeringActivityDairySurvey2.3活动日志设计根据理论基础与研究目的,日志形式划分为出行日志,活动日志与时间利用日志等三种.其中,出行日志被广泛应用在国内外的交通出行需求调查中"捌,一般只记录出行属性,不考虑前后不发生移动的活动(主要为户内活动)的属性.而活动日志(ActivityDiary)的发展深受活动分析法的影响,认为出行来源于活动,侧重于记录活动属性及其派生出来的出行属性,强调一天24小时内活动一移动的连续性而记录所有活动一移动过程『l3期.时间利用日志则最早出现在社会学的研究中,深受时间预算(TimeBudge)理论的影响,把活动和出行当作是等价的日常生活事件_l7,1.根据不同的日志形式,日志表的设计样式众多,在北京日志调查中采用了改进后的活动与出行分离的日志表样式(图2).其中,调查表左边为活动属性部分,是活动日志的核心,要求被调查者按照时间顺序依次回答调查日内每个活动的起止时间,活动类型,活动具体地址,活动地点类型和活动同伴以及借助互联网进行活动信息查找情况等.除了时间和具体地址是需要被调查者填写文字之外,其他均在给定编码的选项卡里进行编码选择.调查表右边是出行信息部分,其间通过"为了参与此活动有无出行?"问题进行关联.如果被调查者在进行活动时产生了出行,则继续在右边的出行信息中填写相应的出行行为,具体包括出行同伴,出行距离,出行总时间,先后使用的交通方式以及对应的出行时间.此外,为了在设计上符合简洁和方便原则,活动日志中活动属性部分和出行属性部分的背景色为白色和浅灰色,以提醒居民对待活动与出行填写上的差异.2.4抽样2.4.1目标人群抽样调查的理想目标为毫无遗漏地抽取代表总体的局部样本.但是,调查方式,抽样方法和实际实施过程都会无意或有意排除某些样本,因此需要在调查前明确调查的目标人群(样本的总体).调查目标人群首先需要根据研究目的确定,其次还要考虑调查的过程和成本,调查地数据获取情况__lI垒璺璺型旦竺等多方面因素㈣.以北京日志调查为例,研究目的是转型期北京城市空间与居民活动一移动行为之间的互动联系,因此需要选择能代表有可能受到转型期北京城市内部空间重构的微观过程影响的人群,且具有一般独立活动一移动决策能力的居民作为目标人群2.4.2时间抽样由于日志调查涉及到比较精确的时间维度,理论上认为居民的日常活动具有周期性,因此需要对调查的各个时间维度进行抽样.首先,需要确定日志的调查天数.Arentze等通过相关文献综述得出虽然多天的日志调查可以得到更多的数据和更完整的信息,但是增加了调研的成本和被调查者的负担,容易降低回收率和完成率,同时容易增加系统误差和被调查者填写过程中的主观失误,因此建议除非有特别研究需要,日志表的时间域应当划定在24_48小时内最为合适【l41.其次,选择一年中哪个月份,一周之中哪一天作为日志调查当天是时间抽样需要考虑的重要方面.一般来说,春秋季节进行调查可以避免恶劣天气对数据质量的间接影响. 而理论上由于工作日与休息日具有不同的出行特征,一般选取一天工作日和一天休息日作为调查的日志当天.例如,北京日志调查选择在10月下旬至11月中旬连续三周集中实施调查,而每周的星期日和星期一均为调查日.2.4.3空间抽样空间抽样的技术在许多文献中均有描述,其中详细可参见文献【38】.考虑到研究目的和目标人群,北京日志调查总体按照"居住区一家庭一个人"进行分层抽样.首先,根据对北京市内部居住空间形成与分化的过程及居住区性质的认识,确定居住区主要类型.其次,在不同类型中,以区位类型尽可能丰富为原则,结合实际调查过程中居住区的可进入性,选取调查居住区.而在居住区内部,抽样的最小单元为家庭,并要求家庭中所有16岁以上的居民填写日志调查表. 2.5数据库设计由于目志调查包含二维的表格数据信息和复杂的时空数据,为了便于查询,分析和基于GIS平台的可视化,需要建立数据库进行管理.北京日志调查借助MSSQLServer2000数据库管理功能,实现时空数据的存储,管理与查询.如图3所示,数据处理的过程可以概括为三个过程,即从调查问卷到数据库的对接,从时空数据库的管理到数据查询的实现,以及时空数据查询结果的扩展分析.三个过程相互影响,相互反馈,在反复实验中实现整个系统的良好运行.此外,数据库各表的建立基本遵循问卷的形式,主要包括三部分,即不具备空间信息的属性部分,具有空间信息的惯常活动部分,以及兼具时空间信息的活动日志部分.属性信息部分以FamilylD为主键在家庭属性表与个人属性表之间建立关联;空间信息部分以FamilylD和MemberlD为主键建立内部及与属性信息表的关联;活动日志数据表则以FamilylD,MemberlD,ActlD三项建立活动信息的唯一标识,并借助FamilylD和MemberlD与其他两部分建立关联.可以看出,利用数据库对数据进行管理,使得整个数据表的结构清晰,不同信息之间的相互关联明确,更有利于研究者查找,分析和理解微观行为数据.柴彦威,张文佳,张艳,等:微观个体行为时空数据的生产过程与质量管理——以北京居民活动日志调查为例望鱼曼鱼!■u∞IIIl一盈0一对Q一口u《0II.L.咖一煳怕匝蠢艇呶罢f忙3阵N图暑薰蓬莲饕善童萋0N墨垡1)U善赠抖*菖褂懈熏嚣主蚕恹鞋增磊母罨删靼霆～….●●_●厘帽厘懈厘星蠹抖盏婪茁莰营蕾极茁营1h屋臀U母n寸o艇母}1,,_<U丑越1h斗臀箍嫡站铽蓠塾需崩'晕k浍v露一U''_y群oo,.,圣志l言摹哥摹言摹8S卜妇两始凹1回固叵同匿匣匣兀]瓤曜皿爱.iII晕忙塔l上U.幅螂田世垡蜒塔!lf5蝼蝼然岛煨馋殖避按醒!墼副《热亏i田舞蠼卜枢蜒星球口口口口口nH器榴面求幅忙忙箍蜒卜忙婚妲U柱匿耳K蠢.罡臀捌罂口口口口口口姨蠼卿辎壮迁恤二:>豢脚Uj匿婚臀臀塞蜒螟《剥米晕———'n裔倏斌U舞来K臀辙《螟簧淞辩棰莲溪避墓奄囊鲴蛏I捌i蓁蓁蓁蓁寸囊Ug臀崾II《,/v剐侨需}烘}需釜霸素蜉f蜒喜耋簧IU耋薹趣氢象专要辎时镫镒镧曩囊00●●扑怔璺=≤岔彀{珏}罂-9.萼甚U簇"警球肄S姆姆螺避雩餐一蒋U烬2009年第6期总第11O期l调查问卷I时空数据库II时空查询l+—扩展分析l…I.I图3数据库管理结构图Fig.3TheStructureofD~abaseManagementofBeringSurvey3数据质量管理数据质量管理(DataQualityManagement,DQM)是指从数据的提供者,生产者和使用者等角度来衡量和管理数据,最终往往侧重于满足使用者对统计信息的需求.相对于通过国家或地方政府组织的普查或抽样调查而得到的二手汇总数据,目前非汇总研究需要的微观数据仍大多来源于独立研究者进行调查而获得第一手数据.此时,对调查数据质量的管理显得更为重要.日志调查研究对数据质量的要求更多集中在数据的可靠性,有效性,完整性,方法专业性,可取得性,可衔接性,可比性,详细程度,灵活性和整合性等方面原则[删.然而,上述数据质量的标准是从多个角度提出的,它们之间既密切联系,又存在着某种矛盾与冲突.即使对于同一统计数据,不同使用者也会提出不同的质量要求,有的可能偏重准确性,有的可能偏重及时性.调查研究者需要根据研究目的,在统计数据质量各个方面之间不断地进行权衡,选择和折衷,以达到一个最佳的平衡点.因此,数据质量管理需要更多的经验分享和相关理论研究.下面基于北京日志调查(但同时不局限于日志调查),在数据的可靠性,有效性和完整性上对数据质量管理进行探讨.3.1数据可靠性管理数据可靠性(Reliability)是指被调查者对问题的理解和回答,问卷的设问,以及研究者的意图三者之间是一致的,这直接影响到数据是否稳定,可信.因此,在问卷设计和调查过程中要遵循以下原则:①设问简明,容易理解,和不产生歧义,例如设置样卷以供被调查者理解和参考,在调查过程中进行讲解和监督同样可以减少被调查者理解上的失误而导致的不一致性;②统一标准,例如统一的编码系统,统一的日志表设计和统一的调查方式等都可以减少由于标准不一而导致的系统误差.如前文所述,在北京日志调查中采用了不一致的调查方式,因此需要在调查数据获得后评估调查方式的差异对数据质量的影响.其中,数据质量可以通过所有活动次数,户外活动次数,非工作活动次数和户外非工作活动次数来体现,因为日志记录的活动总数反映了被调查者回忆和填写日志记录的整体愿意程度,户外活动次数反映了被调查者对比较繁琐的户外活动回忆和填写的愿意程度,非工作活动次数和户外非工■望型壁曼Q鱼竺坚作次数在不同层面上反映被调查者回忆的深度,因为非工作活动相对自由不容易记起.根据因变量观察值分布的要求,分别建立OLS和TOBIT模型,控制性别,年龄,教育程度,雇佣状态和收入等个人社会经济属性,检验三种不同的调查方式对数据质量的影响(表2).通过四组模型的模型2中对调查方式2和调查方式3进行同时的F检验,可以发现调查方式的整体影响均十分不显着,P值均大于0.5,这说。

住区模式类型与居民交通出行碳排放相关性研究——以上海曹杨新村为例作者：王伟强李建来源：《上海城市规划》 2016年第2期王伟强李建文章编号1673-8985（2016）02-0109-05 中图分类号TU981 文献标识码A 摘要住区空间形态及模式类型与密度相关，居民交通出行碳排放与密度、设施多样性、交通站点可达性有着逻辑关联性。

以上海曹杨新村作为实证对象加以模式类型划分，结合调研问卷数据将模式类型与碳排放进行相关性研究。

分析结果显示，曹杨新村密度与人均交通碳排放间呈非线性波动变化，设施多样性与碳排放呈正相关性，交通站点可达性与碳排放基本呈负相关性。

还发现多层围合式及小高层行列式的人均碳排异于其他模式类型，进一步对其居民职业构成、家庭年收入比较研究，碳排放差异性是由于社会结构的消费区隔化造成的。

因此，判断住区模式是否“低碳”，首先当明确密度的空间与社会双重含义，并结合本国国情、地区发展条件来引导未来住区发展模式。

关键词住区模式 | 交通碳排放 | 3Ds理论 | 曹杨新村作者简介王伟强同济大学建筑与城市规划学院教授，博士生导师同济大学建筑与城市空间研究所副所长李建同济大学建筑与城市规划学院博士研究生0 引言住区作为城市的基本生活单元，是居民居住、生活和消费的主要活动场所，也自然成为碳排放的主要来源。

中国作为快速的发展中国家，在将近30多年的改革开放过程中，伴随着城市化和工业化进程的突飞猛进，据有关研究结论表明，预计到2020年中国的二氧化碳排放总量将超过美国，居世界第一位[1]。

截止到2011年，中国居住能耗已经成为国家能耗消费部门的第二大主体，并占总能耗消费（total final consumption, TFC）的23%[2]。

与此同时，预计到2020年中国建筑开发总量规模将达到26亿万m2，居住建筑将会占到10—15亿万m2。

事实上中国政府始终以负责任的态度积极响应联合国减少碳排放的倡议，并通过各项政策和技术革新来减少城市最终碳排放，同时中国城市的大量研究也表明[3-4]，居民交通出行量、交通方式选择以及碳足迹与住区开发模式密切相关，因此优化住区空间形态对于居住部门节能减排具有长期性、结构性的作用，同时也是实现城市低碳发展目标的重要规划路径。

44城市建筑Urbanism and Architecture / 2023.06enhance the historical and cultural atmosphere of the community. Itis expected to provide appropriate design strategies for the activation and regeneration of public space in old urban communities in Xi’an, and to further improve the quality of urban development.Key words activation and regeneration; old communities; public space; Xi’an1引言西安作为一个历史名城，在近几年经济文化的发展中，老城区部分区域得到了适宜的发展和维护，但是在其中还是有小部分的老旧社区被忽视，本研究主要讨论的孟家巷社区就是一个典型的案例。

虽然碑林区多数老旧社区得到了对应的改造，但大部分改造后的老旧小区在提升中还是存在着不少人与空间的矛盾，地域特色也逐渐消失。

人们日常生活与室外公共空间的是密不可分的，社区由各种室外公共空间组成，展现了城市多样的风格和特点，因此社区室外空间活力的提升对城市也有很大的影响。

城市微更新理论认为，社区的多样发展始终离不开人和空间的和谐共融，只有使社区多方面发展改进，才有希望将丧失活力的老旧社区恢复活力。

因此，本研究在微更新这一概念下，讨论孟家巷老旧社区室外空间活力缺失的原因，以活化再生理论为中心，思考如何解决老旧社区与居民日常中的矛盾，将再生空间活力定为本研究重点。

2西安碑林区孟家巷老旧社区的概况西安孟家巷社区是西安现存老旧社区中较为典型的一摘要 城市老旧社区公共空间活化再生问题是未来城市高质量发展中亟待解决的重要问题之一。

２０２３年１２月第２５卷第６期㊀㊀沈阳建筑大学学报(社会科学版)㊀㊀ＪｏｕｒｎａｌｏｆＳｈｅｎｙａｎｇＪｉａｎｚｈｕＵｎｉｖｅｒｓｉｔｙ(ＳｏｃｉａｌＳｃｉｅｎｃｅ)Ｄｅｃ.㊀２０２３Ｖｏｌ.２５ꎬＮｏ.６㊀㊀收稿日期:２０２３－０５－０７㊀㊀基金项目:国家社会科学基金项目(２１ＢＴＪ０４２)ꎻ甘肃省高等学校创新基金项目(２０２３Ｂ－０９１)㊀㊀作者简介:牛成英(１９７２ )ꎬ女ꎬ甘肃永登人ꎬ教授ꎬ博士ꎮ文章编号:１６７３－１３８７(２０２３)０６－０６１２－０８ｄｏｉ:１０.１１７１７/ｊ.ｉｓｓｎ.１６７３－１３８７.２０２３.０６.１１基于ＰＯＩ数据的城市居民生活便利指数测度来自居民调查数据的经验证据牛成英ꎬ高㊀颖(兰州财经大学统计学院ꎬ甘肃兰州７３００２０)摘㊀要:居民生活便利是评价宜居城市的重要影响因素之一ꎮ基于兴趣点(ＰｏｉｎｔｏｆＩｎｆｏｒｍａｔｉｏｎꎬＰＯＩ)数据构建城市居民生活便利指数评价体系ꎬ通过居民问卷调查大样本ꎬ以居民生活经验为证据ꎬ参考德尔菲法确定城市生活便利指数评价指标权重ꎬ构建城市居民生活便利指数ꎬ对城市居民生活便利度进行测度ꎮ并以兰州市城关区各街道居民生活便利度测度为例进行实证检验ꎬ结果显示ꎬ日常购物设施㊁餐饮服务设施㊁医疗设施和交通设施对城市居民生活便利指数影响相对较大ꎬ说明基于ＰＯＩ数据构建的城市居民生活便利指数对测度居民生活便利度具有合理性和可行性ꎮ关键词:ＰＯＩ数据ꎻ生活便利指数ꎻ指标体系ꎻ德尔菲法中图分类号:Ｆ２９４㊀㊀㊀文献标志码:Ａ㊀㊀居民生活便利度是指在一定区域内可以利用的公共服务设施的便利程度ꎮ随着中国社会经济的高速发展ꎬ打造宜居城市ꎬ增加民生福祉已成为当前各级政府提升城市竞争力的重要手段ꎬ根据２００７年中国城市科学研究会研究发布中国«宜居城市科学评价标准»[１]ꎬ其中居民生活便利度是宜居城市评价的核心指标之一ꎬ城市居民生活便利度与城市公共服务设施数量和空间布局密切相关[２]ꎮ基于公共服务设施的兴趣点(ＰｏｉｎｔｏｆＩｎｆｏｒｍａｔｉｏｎꎬＰＯＩ)数据表示特定功能公共服务设施位于特定地理区域ꎬ与基于位置的社会网络㊁城市规划等密不可分ꎬ反映一个地理区域内的人文活动特征ꎬＰＯＩ数据携带的信息可能会影响人类的日常活动和出行决策ꎮ近年来ꎬ随着信息技术发展和大数据收集存储水平的提高ꎬ反映城市人文活动特征的ＰＯＩ数据已成为分析城市规划㊁居民便利度的主要信息来源ꎮ尤其是基于ＰＯＩ数据的居民便利度评价已成为客观评价居民便利度的主要方法ꎮ分析相关研究文献可见ꎬ此类研究综合来讲可大致归为两类:一是基于社区生活圈的生活便利度评价ꎮ研究基于居民生活圈内ＰＯＩ数据进行生活便利度分析ꎬ对ＰＯＩ数据中不同类型公共服务设施对居民生活便利度的影响程度差异研究相对不足ꎮ如李健等[３]基于ＰＯＩ数据ꎬ通过测度面向地铁出行的各向异性距离ꎬ对北京市住宅生活便利指数进行研究ꎻ禚保玲等[４]基于ＰＯＩ数据对青岛市东岸城区路网可达的１５分钟社区生活圈便利度进行评价ꎻ赵彦云等[５]基于ＰＯＩ数第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１３㊀据通过计算设施覆盖率㊁达标率以及构造发展协调指数来测度北京市 １５分钟生活圈 公共服务设施发展情况ꎬ并为北京市公共服务设施建设提供理论支撑ꎮ二是基于ＰＯＩ数据尝试构建居民生活便利度评价指标体系ꎮ通过建立一个基于ＰＯＩ数据的生活便利指数评价指标体系ꎬ定性分析公共服务设施对居民生活便利度的影响ꎬ但由于指标体系权重确定的局限性ꎬ鲜有文献在此基础上对区域生活便利度进行定量测度ꎮ如崔真真等[６]根据多维度的居民需求构建指标体系ꎬ将ＰＯＩ数据进行梳理ꎬ按照城市生活便利指数评价指标体系获取各类设施数目ꎬ计算平均生活便利指数ꎮ魏颖等[７]使用ＰＯＩ数据作为基础数据构建大数据指标体系ꎮ为此ꎬ尝试对评价指标体系进行赋权ꎬ构建便利度指数ꎬ对居民生活便利度进行定量评价ꎮ以往研究通常利用空间主成分分析法[８]赋予权重ꎬ但此类客观赋权法要依赖于足够多的样本数据ꎬ通用性和可解释性较差ꎮ另外ꎬ也可运用层次分析法[９]㊁德尔菲法[１０]计算权重ꎬ相较于层次分析法ꎬ德尔菲法是解决多指标非结构化问题的有效手段ꎬ能够充分利用专家的学识确定指标权重ꎮ考虑到城市居民是城市生活便利度的直接体验者ꎬ本研究基于ＰＯＩ数据构建城市居民生活便利度评价指标体系ꎬ基于大样本对居民进行问卷调查ꎬ参考德尔菲法确定生活便利度评价指标的权重ꎬ构建基于ＰＯＩ数据的居民生活便利指数ꎬ并以兰州市城关城２５个社区街道的居民生活便利指数测度为例进行实证检验ꎬ验证居民生活便利指数测度的合理性和可行性ꎬ为城市公共服务设施规划服务于居民便利生活提供有益参考ꎮ一㊁居民便利度评价指标体系构建研究爬取２０２２年１１月网络电子地图全类别ＰＯＩ数据ꎬ以«城市居住区规划设计标准»和公共服务设施配套建设标准作为参考依据ꎬ基于ＰＯＩ数据构建涵盖８个一级指标和２６个二级指标的城市居民生活便利度综合评价指标体系(见表１)ꎮ㊀㊀日常购物是居民生活质量的重要基础ꎬ是居民日常生活的重要需求ꎬ居民生活离不开日常购物ꎮ日常购物服务设施包含便民商店㊁商场㊁综合市场等物品销售场所ꎮ餐饮服务设施能够充分体现居民生活便利度ꎮ 民以食为天 ꎬ随着消费方式和消费结构的改变ꎬ餐饮深刻影响着居民生活质量ꎮ餐饮服务设施主要包含了各类餐馆等提供餐饮服务的设施ꎮ科教设施是居民生活至关重要的一部分ꎮ科教的力量不仅能增强国力还能让居民生活更加便利ꎮ科教设施是居民生活的精神食粮和居民发展的根基ꎬ学校㊁培训机构和科技文化场所等科教服务设施对于居民生活不６１４㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２５卷可或缺ꎮ医疗设施是体现居民生活便利度重要指标之一ꎬ满足了居民生活便利水平所对应的基本社会需求ꎮ一般将医疗设施主要界定为综合医院㊁专科医院㊁诊所以及药店ꎮ体育娱乐设施与居民身心健康紧密相关ꎮ影剧院㊁运动场馆㊁公园广场等体育娱乐设施及场馆能够大大提升居民的生活幸福感并满足精神层面的需求ꎬ已成为居民日常生活离不开的重要设施之一ꎮ交通设施满足了居民生产生活和其他需求的物质供给ꎬ使居民生活变得方便快捷ꎮ交通设施具体指研究区内的道路交通设施与交通工具服务场所ꎬ包含公交站㊁地铁站和停车场等场所ꎮ便民设施提升了居民生活便利度ꎬ是居民生活必不可少的保障ꎬ在居民生活服务中发挥着重要作用ꎮ便民服务设施包含了日常生活中必需的设施ꎬ如快递点㊁理发店㊁各类商营业厅和维修服务等ꎮ金融服务设施为居民生活提供了方便的金融服务体验ꎮ银行营业点和ＡＴＭ遍布大街小巷ꎬ金融服务设施普遍覆盖ꎬ一定程度上促进了居民生活便利度持续㊁稳定地发展ꎮ二㊁居民便利度评价指标权重确定１.德尔菲法在综合评价指标权重确定过程中ꎬ德尔菲法依据系统的步骤[１１]是通过对１０~５０名有一定有名望的专家多轮匿名函询ꎬ将专家反馈结果反复修正并汇总分享给专家小组ꎬ经过三四轮最后汇总成基本一致的专家看法ꎬ据此得出对未来情况较为可靠的预测ꎮ通常采用专家的积极性系数㊁专家意见的协调程度来衡量德尔菲法的可靠性和科学性ꎮ２.基于居民问卷调查的评价指标权重确定德尔菲法过程比较耗时ꎬ且在居民便利度测度和评价中ꎬ专家对居民生活便利度意见的代表性有一定局限性ꎮ考虑到居民是直接感知和体验者ꎬ故以居民意见替代德尔菲法中的权威专家意见ꎬ提出基于居民问卷调查的评价指标权重确定方法ꎮ首先ꎬ在居民生活便利度研究中ꎬ居民生活经验和体验是测度居民便利度最直接的证据ꎬ选取在城市居住多年且生活实践经验较为丰富的居民替代德尔菲法中的权威专家ꎻ其次ꎬ采用网络问卷调查的形式代替专家函询表对居民进行调查ꎻ最后ꎬ通过大样本调查结果降低专家意见的局限性ꎬ对居民问卷调查结果进行综合处理ꎬ确定评价指标权重ꎮ３.居民生活便利度调查问卷设计公共服务设施相关的ＰＯＩ数据反映城市居民生活的人文活动特征ꎬ反过来也影响一定区域内居民生活便利度ꎮ基于ＰＯＩ数据构建的居民生活便利度评价指标体系ꎬ设计居民调查问卷ꎮ调查问卷共３部分ꎬ第一部分介绍本次调查目的ꎬ并对调查项中的各类指标定义及分类进行解释说明ꎬ方便被调查的居民对调查项的理解ꎻ第二部分收集居民基本情况信息ꎬ方便对受访居民人口统计特征进行分析ꎬ进一步为有效问卷的筛选提供便利ꎻ第三部分根据ＰＯＩ数据的居民生活便利度评价指标体系ꎬ设置公共服务设施影响居民生活便利的重要性排序调查题项ꎮ４.居民问卷调查数据处理为提高居民意见的一致性ꎬ最终调查主体对象界定在２０岁以上ꎬ且对本研究有兴趣自愿参加的城市居民ꎮ本次调查共回收问卷４３１份ꎬ剔除年龄小于２０岁受访者以及项目严重缺失等无效问卷ꎬ最终回收有效问卷３８２份ꎬ问卷有效回复率为８８.６３％ꎮ样本中涵盖２０岁以上不同年龄段㊁性别㊁学历㊁职业的居民ꎮ为了方便量化分析ꎬ将调查的各指标排序评价结果转化成一定的数值评分ꎮ最常规的赋值方法是对数据进行反向计分ꎬ即将重要程度最低的指标赋值１ꎬ按重要程度排序依次增加１ꎬ以此类推ꎮ赋值数字表示不同的重要程度ꎬ数字越大ꎬ重要程度越高ꎮ５.居民意见协调度德尔菲法一般运用变异系数(ＣＶ)和肯第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１５㊀德尔协调系数(Ｗ)来判断专家意见的协调程度ꎬ也就是专家对指标评分的离散程度ꎮＣＶ能够反映专家评分的波动协调程度ꎻＷ是计算多个等级变量相关程度的一种相关量ꎮ故使用ＣＶ和Ｗ来反映有效问卷受访居民对评估指标的评分协调程度ꎮＷ检验先计算检验统计量ꎬ同一评价者无相同等级评定时ꎬＷ的计算公式为Ｗ＝ðＲ２ｉ－１Ｎ(ðＲｉ)２１１２Ｋ２(Ｎ３－Ｎ)(１)式中:Ｎ为被评价指标ꎻＫ为参与评价的居民人数ꎻＲｉ为第ｉ个被评价指标的被评价等级之和ꎮ分子表示每个被评价指标所评等级之和Ｒｉ与所有这些和的平均数 Ｒｉ的离差平方和ꎮＷ取值范围为０~１ꎬ一般在０.５上下波动[１２]ꎮＷ值越接近１表示居民意见协调程度越高ꎬ越接近０表示居民意见协调程度越低ꎮ再对Ｗ进行显著性检验即卡方检验ꎮ其卡方检验公式为χ２＝Ｋ(Ｎ－１)Ｗ(２)根据显著性水平α＝０ ０５和自由度ｄｆ＝Ｎ－１的卡方分布ꎬ对本次问卷调查评分结果进行检验ꎬ最终得出的结果如表２所示ꎮ表２㊀居民意见肯德尔协调系数一级指标被评价指标数/个肯德尔协调系数卡方日常购物３０.５１５３９３.７１２科教设施３０.５４６４１７.３６１餐饮设施３０.５２０３９７.６０７交通设施３０.４９４５６５.７０３医疗设施４０.５１８３９５.９４２体育娱乐４０.５０７５８０.６９９便民服务４０.５０５５７８.２７８金融服务２０.５４６２１３.６０９㊀㊀由表２计算可知ꎬ一级指标平均为０ ５１９ꎬ其中仅有１项小于０.５ꎬ但均在０.５上下波动ꎬ所得值均小于０.００１ꎬ均具有极显著的统计意义ꎬ说明３８２位居民对指标评分具有一致性ꎬ所有居民评价各项指标的协调程度较高ꎮ变异系数是指标重要性评分标准差与均数的比值ꎮ变异系数具体计算公式为ＣＶｉ＝σｉＸｉ(３)式中:ＣＶｉ为第ｉ个指标的变异系数ꎻσｉ为第ｉ个指标的标准差ꎻＸｉ为第ｉ个指标的均数ꎮ本次问卷调查中ꎬ居民对各指标评价结果的ＣＶ如表３㊁表４所示ꎮ表３㊀问卷调查居民意见一级变异系数及指标权重一级指标均值标准差变异系数一级权重日常购物４.８４００.３８６０.０８００.１９０科教设施３.５０００.２９８０.０８５０.１００餐饮设施３.４８００.１６９０.０４９０.１５３交通设施３.１４００.２４９０.０７９０.１５２医疗设施２.３６００.４３９０.１８６０.１４３体育娱乐１.５８００.３１００.１９６０.０８９便民服务１.２１００.２０１０.１６６０.１２１金融服务１.０８００.０２２０.０２００.０５２表４㊀问卷调查居民意见二级变异系数及指标权重二级指标均值标准差变异系数二级权重便民商店１.４３００.３４３０.２４００.４０５综合市场３.１０００.２１５０.０６９０.３４９商场２.４７００.２８７０.１１６０.２４６学校３.８４００.０５９０.０１５０.４７３培训机构２.４４００.１３８０.０５７０.２４０科技场所２.７２００.２４２０.０８９０.２８７中餐厅３.６８００.１２１０.０３３０.４４７外国餐厅２.１０００.０４００.０１９０.１８５休闲餐厅３.２１００.１５３０.０４８０.３６８公交站４.０１００.６３４０.１５８０.３０１地铁站２.９３００.６１１０.２０９０.１９３停车场３.３２００.４２９０.１２９０.２３２综合医院３.７４００.６８５０.１８３０.２７４专科医院３.２６００.３５００.１０７０.３７３诊所２.９８００.３８８０.１３００.３３２药店２.７６００.４３６０.１５８０.２９５影剧院３.２３００.５６１０.１７４０.２２２娱乐场所３.３７００.５８２０.１７３０.２３７运动场馆３.４６００.５５５０.１６００.２４６公园广场３.９５００.６３９０.１６２０.２９５物流速递点４.５４００.４５７０.１０１０.３５４维修服务点３.１３００.４８３０.１５４０.２１３各类营业厅３.３８００.５２１０.１５４０.２３８美容美发２.９４００.４６９０.１６００.１９５自助提款机２.７３００.２４４０.０８９０.５７８银行点２.２７００.２４４０.１０８０.４２２㊀㊀ＣＶ不超过３５％就说明居民意见趋于一致ꎮ由表３可知ꎬ一级指标均ＣＶ小于２０％ꎬ最小为０.０２ꎬ最大为０.１９６ꎮ二级指标ＣＶ６１６㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２５卷均小于２５％ꎬ且其中仅有２个指标ＣＶ超过２０％ꎬ说明问卷调查结果对全部评价指标的协调程度较好ꎮ综合表２㊁表３结果ꎬ均表明居民对影响生活便利度的公共设施需求意见基本趋于一致ꎮ６.指标权重确定根据德尔菲法的思想对居民生活便利度调查结果运用平均分法来确定指标权重ꎮ具体计算过程如下ꎮ设共有ｍ个一级指标Ｘ１ꎬＸ２ꎬ ꎬＸｍꎮ对任意一级指标Ｘｆ进行重要性排序ꎬ一级指标Ｘｆ重要性排序处于第１位到第ｍ位分别表示为Ｘ(１)ｆꎬＸ(２)ｆꎬ ꎬＸ(ｍ)ｆꎮ由于选择顺序不同ꎬ其重要程度也不同ꎬ故需要进行反向计分ꎮ若Ｘｆ排在第１位ꎬＸ(１)ｆ得分为ｍꎻＸｆ排在第２位ꎬＸ(２)ｆ得分取ｍ－１ꎬ以此类推ꎬＸｆ排在第ｍ位ꎬＸ(ｍ)ｆ得分取１ꎮ每个一级指标下的二级指标个数并不相同ꎬ一级指标Ｘｆ包含ｎｑ个二级指标Ｘｆ１ꎬＸｆ２ꎬ ꎬＸｆｎｑꎬ对任意二级指标Ｘｆｈ进行重要性排序ꎬ其中ｈ＝１ꎬ２ꎬ ꎬｎｑꎮ二级指标Ｘｆｈ重要性排序处于第１位到第ｎｑ位分别表示为Ｘ(１)ｆｈꎬＸ(２)ｆｈꎬ ꎬＸ(ｎｑ)ｆｈꎬ若Ｘｆｈ排在第１位Ｘ(１)ｆｈ得分取ｎｑꎬＸｆｈ排在第２位Ｘ(２)ｆｈ得分取ｎｑ－１ꎬ以此类推ꎬＸｆｈ排在第ｎｑ位Ｘ(ｎｑ)ｆｈ得分取１ꎮ最后将各排序方案得分分别与各方案应答人数相乘ꎬ求和之后再除以其所属同一级指标的所有排序方案和其应答人数乘积之和ꎬ最终得到指标权重ꎮ整理调查数据ꎬ一级指标各方案人数为Ｓ(ｇ)ｆꎬ二级指标各方案问卷应答人数为Ｓ(ｑ)ｆｈꎬ则一级指标权重具体计算见式(４)㊀㊀Ｗ(１)ｆ＝ðｍｑ＝１Ｘ(ｇ)ｆＳ(ｇ)ｆðｍｑ＝１Ｘ(ｇ)１Ｓ(ｇ)１＋ðｍｑ＝１Ｘ(ｇ)２Ｓ(ｇ)２＋ ＋ðｍｑ＝１Ｘ(ｇ)ｍＳ(ｇ)ｍ(４)式中:Ｗ(１)ｆ为一级指标权重ꎬ此时ꎬｍ＝８ꎬｇ＝１ꎬ２ꎬ ꎬ８ꎮ同理ꎬ可求二级指标Ｘｆｈ的权重Ｗ(２)ｆｈꎮ二级指标的权重系数在其所属一级指标内计算ꎬ具体计算式为㊀㊀Ｗ(２)ｆｈ＝ðｎｑｑ＝１Ｘ(ｑ)ｆｈＳ(ｑ)ｆｈðｎｑｑ＝１Ｘ(ｑ)ｆ１Ｓ(ｑ)ｆ１＋ðｎｑｑ＝１Ｘ(ｑ)ｆ２Ｓ(ｑ)ｆ２＋ ＋ðｎｑｑ＝１Ｘ(ｑ)ｆｈＳ(ｑ)ｆｈ(５)由于所属一级指标不同ꎬ其包含的二级指标个数ｎｑ也不同ꎬｑ＝２ꎬｑ＝３或ｑ＝４ꎬ此时ｎｑ＝１ꎬ２ꎬｎｑ＝１ꎬ２ꎬ３或ｎｑ＝１ꎬ２ꎬ３ꎬ４ꎮ三㊁居民生活便利指数测度基于ＰＯＩ数据ꎬ可统计出各研究区域可达的各类公共设施数量[１３]ꎬ考虑研究区域面积与公共设施数量绝对个数有关ꎬ以公共设施密度为基准ꎬ利用各类设施权重构建居民生活便利指数的测度方法[１４]ꎬ利用生活便利指数来测度居民生活便利度ꎮ１.相关设施密度计算通过将ＰＯＩ数据进行分类得到各研究区各类设施个数ꎬ再利用各研究区域面积ꎬ最终得到Ｄｉｊ表示第ｉ个研究区域第ｊ类的设施分布密度Ｄｉｊ＝ＸｉｊＬｉ(６)式中:Ｘｉｊ为第ｉ个研究区域范围内第ｊ类设施的总个数ꎻＬｉ为第ｉ个研究区域的面积ꎮ２.居民生活便利指数运用已经确定的指标权重结合各类公共第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１７㊀服务设施密度来构建居民生活便利指数[１５]ꎮＣｉ＝ðｍｆ＝１ðｎｑｊ＝１ＤｉｊＷ(２)ｊＷ(１)ｆ(７)式中:Ｃｊ为第ｉ个研究区域的生活便利指数ꎻＷ(１)ｆ(ｆ＝１ꎬ２ꎬ ꎬ８)为一级指标权重ꎻＷ(２)ｊ(ｊ＝１ꎬ２ꎬ ꎬｎｑ)为二级指标权重ꎮ３.实证分析以甘肃省兰州市城关区各街道居民便利度测度为例进行实证检验ꎮ城关区是兰州市的政治㊁经济㊁文化㊁科研㊁交通㊁商贸中心ꎬ辖区范围广ꎬ各居民街道人口密度㊁公共服务设施㊁商业网点分布极不平衡ꎬ因此ＰＯＩ分布密集度差异较大ꎮ获取城关区现辖２５个街道的ＰＯＩ数据及其实际管辖面积ꎬ利用生活便利指数式(７)测度城关区各街道居民生活便利度(见表５)ꎮ表５㊀城关区各街道生活便利指数㊀㊀根据表５结果可见ꎬ城关区全域范围的生活便利度均值为２２.６２２ꎬ中位数为２２ ９４５ꎮ其中ꎬ张掖路街道的生活便利指数为５２ ２６９ꎬ为城关区生活便利指数最高的街道ꎻ伏龙坪街道生活便利指数仅为０ ３００ꎬ为城关区生活便利指数最低的街道ꎮ由此可以看出兰州市城关区各类公共服务设施分布密度存在明显差异ꎮ为进一步了解城关区各居民生活便利度差异情况ꎬ根据各街道生活便利指数对２５个街道采用黄金分割法进行科学分层ꎮ最终将研究区生活便利指数划分为５个等级(见表６)ꎮ表６㊀生活便利指数阈值划分等级指数范围低便利度[０ꎬ７.６３)较低便利度[７.６３ꎬ１６.６７)中等便利度[１６.６７ꎬ２４.６７)较高便利度[２４.６７ꎬ３２.３０)高便利度[３２.３０ꎬ５２.２７)㊀㊀根据表６划分标准ꎬ实证检验兰州市城关区各街道便利度空间(见图１)ꎮ由图１可见ꎬ研究区域内高便利度区域面积较小且集中分布于市中心区域ꎬ而低便利度区域面积较大且分布在距城中心区域较远的地区ꎬ这一测算结果符合城关区实际情况ꎮ由此可以看出城关区各街道居民生活便利度差异明显ꎮ高便利度区域公共服务设施密度较大ꎬ属于设施高地ꎬ各类生活配套设施建设最完善ꎮ从图１可以看出高便利度街道均位于黄河以南ꎬ集中分布在城关区的黄金地段拥有较多的公共服务设施ꎮ较高便利度区域公共服务设施覆盖情况相对较好ꎬ各类公共服务设施建设也较为完善ꎬ大部分位于城关区核心区域与高便利度区域之间ꎮ中等便利度区域均位于黄河以南城关区中部ꎬ此类区域各类服务设施密度一般ꎬ服务设施各类别覆盖情况差异较大ꎮ为方便居民生活便利度ꎬ应结合单项设施覆盖情况有重点地增添设施ꎬ完善各类设施覆盖情况ꎮ较低便利区域内ꎬ总体来看ꎬ未得到公共服务设施的有效覆盖ꎬ生活便利指数较低ꎮ其中ꎬ渭源路街道生活便利指数较低的主要原因是渭源路街道行政事业单位较多ꎬ餐饮设施㊁体育娱乐设施等相对较少ꎬ而餐饮设施权重较高导致该区域居民生活便利指数较低ꎮ低便利区域公共服务设施相对较缺乏ꎬ均位于城关区外围ꎬ为居民总体生活带来很大不便ꎬ属于设施洼地ꎬ为方便该区域居民生活ꎬ应优先考虑增加各类公共服务设施建设ꎮ６１８㊀㊀㊀㊀沈阳建筑大学学报(社会科学版)第２５卷图１　兰州市城关区居民生活便利指数空间分布四㊁结㊀语基于ＰＯＩ数据ꎬ构建城市居民生活便利度评价指标体系ꎬ通过来自对城市居民的生活经验问卷调查ꎬ基于大样本ꎬ参考德尔菲法确定指标权重ꎬ构建城市居民生活便利指数ꎬ对测度居民生活便利度具有合理性和可行性ꎮ通过对居民进行问卷调查ꎬ从确定的公共服务设施各项指标权重来看ꎬ日常购物设施㊁餐饮服务设施㊁医疗设施和交通设施对城市居民生活便利指数影响相对较大ꎬ科教设施㊁体育娱乐设施㊁便民服务设施和金融服务设施对城市居民生活便利指数影响相对较小ꎮ而区域生活便利度实证分析说明ꎬ城市中心区域与周边区域的居民生活便利度存在明显差异ꎬ呈现中心区域明显优于周边区域的分布特征ꎮ受河流山脉等地理格局影响ꎬ生活便利指数高的街道集中分布在城市中心区域ꎬ生活便利指数低的街道主要分布在外围区域ꎬ呈现出典型的经济指向ꎬ这与实际情况相符合ꎮ研究中基于城市ＰＯＩ数据点个数只能反映公共服务设施的空间位置与分布密度ꎬ无法反映设施的规模和等级ꎬ这一局限性可能会导致测度结果存在一定误差ꎬ但这种误差对实际测度结果的影响较小ꎮ参考文献:[１]㊀李慧民ꎬ段品生ꎬ郭海东.区域生态宜居度评价及其影响因素分析:以西安市为例[Ｊ].生态经济ꎬ２０１９ꎬ３５(１０):８０－８５.[２]㊀吴宇哲ꎬ吴艳芳.养老地产空间宜居度研究:以武汉市为例[Ｊ].吉首大学学报(社会科学版)ꎬ２０１８ꎬ３９(１):７３－７８.[３]㊀李健ꎬ张松海.基于兴趣点的北京市住宅生活便利指数研究[Ｊ].计算机辅助设计与图形学学报ꎬ２０２１ꎬ３３(４):６０９－６１５.[４]㊀禚保玲ꎬ张志敏ꎬ高洪振ꎬ等.基于路网可达的第６期牛成英等:基于ＰＯＩ数据的城市居民生活便利指数测度６１９㊀１５分钟社区生活圈便利度研究[Ｊ].城市交通ꎬ２０２１ꎬ１９(１):６５－７３.[５]㊀赵彦云ꎬ张波ꎬ周芳.基于ＰＯＩ的北京市 １５分钟社区生活圈 空间测度研究[Ｊ].调研世界ꎬ２０１８(５):１７－２４.[６]㊀崔真真ꎬ黄晓春ꎬ何莲娜ꎬ等.基于ＰＯＩ数据的城市生活便利指数研究[Ｊ].地理信息世界ꎬ２０１６ꎬ２３(３):２７－３３.[７]㊀魏颖ꎬ刘厉兵.居民生活质量大数据指标体系的构建与运用[Ｊ].中国经贸导刊ꎬ２０１９(１６):１５－１７.[８]㊀李志学ꎬ莫文波ꎬ周松林ꎬ等.空间主成分分析的城市生活便利指数研究:以长沙市为例[Ｊ].测绘地理信息ꎬ２０２１ꎬ４６(２):１１０－１１５. [９]㊀应兰兰ꎬ牛伟伟.基于ＰＯＩ数据的武汉市主城区居民生活便利性评价[Ｊ].国土与自然资源研究ꎬ２０２０(３):１４－１７.[１０]卢中辉ꎬ陈其龙ꎬ任启龙ꎬ等.基于ＰＯＩ数据的苏南城市生活便利度评价[Ｊ].淮阴师范学院学报(自然科学版)ꎬ２０２０ꎬ１９(３):２３３－２３８. [１１]徐国祥.统计预测和决策[Ｍ].上海:上海财经大学出版社ꎬ２００５.[１２]孙振球ꎬ徐勇勇.医学统计学[Ｍ].北京:人民卫生出版社ꎬ２０１４.[１３]白梅ꎬ刘洋ꎬ张金江ꎬ等.基于ＰＯＩ数据的社区生活圈公共服务设施空间可达性评价研究:以邯郸市中心区为例[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２２ꎬ２４(２):１３１－１３７. [１４]刘宁ꎬ韩青宴ꎬ刘亚臣.基于老旧小区改造的居民满意度影响因素研究:以沈阳市孤家子社区为例[Ｊ].沈阳建筑大学学报(社会科学版)ꎬ２０２３ꎬ２５(１):３８－４３.[１５]王廷ꎬ梁超.老年居民生活满意度研究:基于ＣＦＰＳ２０１８数据[Ｊ].经济研究导刊ꎬ２０２２(３６):５６－５８.ＣｏｎｖｅｎｉｅｎｃｅＩｎｄｅｘＭｅａｓｕｒｅｍｅｎｔｏｆＵｒｂａｎＲｅｓｉｄｅｎｔｓＢａｓｅｄｏｎＰＯＩＤａｔａ:ＥｍｐｉｒｉｃａｌＥｖｉｄｅｎｃｅｆｒｏｍｔｈｅＲｅｓｉｄｅｎｔＳｕｒｖｅｙＤａｔａＮＩＵＣｈｅｎｇｙｉｎｇꎬＧＡＯＹｉｎｇ(ＳｃｈｏｏｌｏｆＳｔａｔｉｓｔｉｃｓꎬＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙｏｆＦｉｎａｎｃｅａｎｄＥｃｏｎｏｍｉｃｓꎬＬａｎｚｈｏｕ７３００２０ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:Ｔｈｅｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｏｆｒｅｓｉｄｅｎｔｓｉｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｆａｃｔｏｒｓｉｎｅｖａｌｕａｔｉｎｇｌｉｖａｂｌｅｃｉｔｉｅｓ.ＢａｓｅｄｏｎｔｈｅＰＯＩｄａｔａꎬｔｈｅｅｖａｌｕａｔｉｏｎｓｙｓｔｅｍｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓᶄｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｉｓｃｏｎｓｔｒｕｃｔｅｄ.ＵｓｉｎｇａｌａｒｇｅｎｕｍｂｅｒｏｆｒｅｓｉｄｅｎｔｓᶄｑｕｅｓｔｉｏｎｎａｉｒｅｓａｓｓａｍｐｌｅｓꎬｔｈｅｌｉｖｉｎｇｅｘｐｅｒｉｅｎｃｅｏｆｒｅｓｉｄｅｎｔｓｉｓｔａｋｅｎａｓｅｖｉｄｅｎｃｅꎬａｎｄｔｈｅｗｅｉｇｈｔｏｆｔｈｅｅｖａｌｕａｔｉｏｎｉｎｄｉｃａｔｏｒｓｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓᶄｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｉｓｄｅｔｅｒｍｉｎｅｄｂｙｒｅｆｅｒｒｉｎｇｔｏｔｈｅＤｅｌｐｈｉｍｅｔｈｏｄｉｎｏｒｄｅｒｔｏｍｅａｓｕｒｅｔｈｅｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ.ＡｎｅｍｐｉｒｉｃａｌｔｅｓｔｗａｓｃａｒｒｉｅｄｏｕｔｂｙｍｅａｓｕｒｉｎｇｒｅｓｉｄｅｎｔｓᶄｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｗｈｏｃａｍｅｆｒｏｍｅａｃｈｓｔｒｅｅｔｉｎＣｈｅｎｇｇｕａｎＤｉｓｔｒｉｃｔｏｆＬａｎｚｈｏｕＣｉｔｙａｓａｎｅｘａｍｐｌｅ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｄａｉｌｙｓｈｏｐｐｉｎｇｆａｃｉｌｉｔｉｅｓꎬｃａｔｅｒｉｎｇｆａｃｉｌｉｔｉｅｓꎬｍｅｄｉｃａｌｆａｃｉｌｉｔｉｅｓꎬａｎｄｔｒａｎｓｐｏｒｔａｔｉｏｎｆａｃｉｌｉｔｉｅｓｈａｖｅａｒｅｌａｔｉｖｅｌｙｌａｒｇｅｉｍｐａｃｔｏｎｔｈｅｌｉｖｉｎｇｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ.ＴｈｅｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓｃｏｎｓｔｒｕｃｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅＰＯＩｄａｔａｉｓｒｅａｓｏｎａｂｌｅａｎｄｆｅａｓｉｂｌｅｔｏｍｅａｓｕｒｅｔｈｅｃｏｎｖｅｎｉｅｎｃｅｏｆｕｒｂａｎｒｅｓｉｄｅｎｔｓ.Ｋｅｙｗｏｒｄｓ:ＰＯＩｄａｔａꎻｌｉｆｅｃｏｎｖｅｎｉｅｎｃｅｉｎｄｅｘꎻｉｎｄｅｘｓｙｓｔｅｍꎻＤｅｌｐｈｉᶄｓｍｅｔｈｏｄ(责任编辑:王丽娜㊀英文审校:贾凡华)。