2. 陕西省地表系统与环境承载力重点实验室, 西安 710127;
3. 陕西西安城市生态系统定位观测研究站, 西安 710127
2. Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Xi'an 710127, China;
3. Shaanxi Xi'an Urban Forest Ecosystem Research Station, Xi'an 710127, China
习近平总书记在《国家中长期经济社会发展战略若干重大问题》中指出,“要更好地推进以人为核心的城镇化,使城市更健康、更安全、更宜居,成为人民群众高品质生活的空间”[1]。城市公共空间作为城市居民公共生活和社会交往的主要载体,承载了城市开放包容的精神内涵[2],其活力的提升和品质的改善对提高空间利用效率、增强居民生活满意度与幸福感、提高社会凝聚力以及助力城市高质量发展具有重要意义。
城市公共空间包括公园、绿地、广场、街道等,是承载城市居民日常生活和社会活动的开放性场所[3]。“活力”一词源于生态学,被定义为生物体能够维持生存与发展的能力[4]。20世纪50年代起,众多学者开始就“城市空间活力”展开思考,并对其内涵与特征进行解释(表 1)。由此可知,虽然现有研究中对城市公共空间活力的概念尚无统一界定,但究其内涵本质,主要围绕“人群”、“空间”及“行为活动”三个基本要素展开,人群被认为是空间活力的核心与源泉,空间是活力的物质载体,而人群在空间中的行为活动则是空间活力的集中体现[5]。
科学测度城市公共空间的活力是提升空间利用效率的关键,同时也能为进一步挖掘空间潜力,激发空间活力提供指引。因此,城市公共空间活力的评价研究成为该议题下的热点。归纳总结既有研究进展可知,第一,研究尺度方面,宏观上侧重于探讨城市经济、社会、文化的综合活力;微观上则集中于对不同类型公共空间的活力探讨。第二,评价方法与指标体系方面,主要从空间活力的表征及构成两个维度构建:空间活力的表征维度将人和人的活动作为活力产生的根源,从使用者的时空行为特征出发,采用集聚人数、驻留时间、活动规模等指标进行评价;空间活力的构成维度则认为活力是空间内各要素与资源的综合活跃程度[6],应通过区位、可达性、空间品质、管理水平、文化内涵等指标进行评价。第三,研究数据方面,早期多基于小范围观察式调研或短时间段的居民活动问卷展开,研究的时空范围受到限制,随着信息技术的快速发展,特别是基于位置服务产品的普及,运用手机信令数据[7, 8]、社交媒体数据(如微博、大众点评)[9, 10]、定位服务数据(lo‐ cation based services,LBS)(如兴趣点POI、百度热力图)[11, 12]和夜间灯光数据[13]等开展研究成为新兴热点,给深入挖掘人群活动的时空特征和空间活力的精细化评价提供了支撑。此外,在新一代移动互联网、大数据和万物互联的背景下,城市公共空间作为城市交往和沟通节点的功能正在被新的逻辑全面改造[14],数字网络媒介既帮助人们从“地点”中解放出来,又成为地点制造的重要形式[15]。微博、抖音、小红书等社交媒体平台的“用户评价”“网红推送”在一定程度上取代了传统的空间区位价值与可达性,具备激发城市实体空间活力的巨大潜能。因此,在原有实体空间中可直接感知和观察的“显性活力”基础上,引申出了“隐性活力”的概念,即虚拟空间中各类移动数字通信设备、社交媒体平台、可开放搜索信息的电子地图等数字网络媒介与城市地理空间线上线下交互并深度融合形成的,具备共享性、及时性、碎片化和远程在场等特征的新型空间活力[14]。这种由“信息流”引发的隐性活力对城市实体空间的显性活力存在巨大的催化作用,也成为了空间活力评价的重要组成部分。
综上所述,城市公共空间活力评价研究已取得一定进展,但在以下方面还有待进一步深化与完善。首先,当前对城市公共空间活力的评价多囿于空间维度的指标,而对能够反映空间活力持续性和稳定性方面的时间维度指标考虑较少,影响了评价的科学性。其次,全新的数据环境使数字化新媒体介入城市公共空间,为空间活力赋予了线上线下互动共生的新形态,但现有研究多聚焦于城市实体空间的“显性活力”评价,忽视了对虚拟网络空间中“隐性活力”的测度,且同时考虑二者的城市空间活力评价存在缺失,导致现状评价结果往往具有偏差和滞后性,既无法充分表达空间中人的主观需求,也无法深度挖掘潜在使用群体,影响了城市公共空间价值的发挥。因此,本文通过整合城市公共空间的实体属性与虚拟属性,提出了“显隐互鉴”的城市公共空间活力分析框架与评价指标体系,以西安市公园绿地为例,基于多源大数据对其活力进行定量测度与评价,揭示显隐活力的协同类型及隐性活力的显性化机制,并提出城市公共空间活力的提升策略。本研究可为完善城市公共空间活力评价方法,丰富城市公共空间活力实证评价研究提供借鉴与参考。
2 分析框架与评价方法 2.1 城市公共空间活力分析框架“人群”“空间”和“活动”是城市公共空间活力形成的三个核心维度[22]。一定规模的人群在城市空间中的集聚与活动是城市公共空间活力得以形成的主要方式,其中,人是活力形成的核心,空间是活力形成的载体,承载了人在空间中的各类行为。以上三个维度依托城市实体空间,构成人们可以直接感知和观察到的“显性活力”。近年来,随着信息化与数字化的发展,地理空间正在被规模庞大的个体移动通信设备和开放的社交媒体平台赋予新的“生命”,空间活力也呈现出传统与新兴并存互动的两种形态:空间活力不仅存在于地理实体空间,也存在于网络虚拟空间;空间活力不仅产生于人群在实体空间上的集聚与活动,也体现在人们在虚拟网络中的关注与讨论。人们会在虚拟空间上对其实体空间中的行为活动与环境感知进行分享与评价,这些评价决定了实体空间的网络“热度”,同时也会影响空间关注者到访实体空间的意愿,即从空间关注者转化为空间使用者,实现了隐性活力的显性化。由此,为反映信息化、数字化时代城市公共空间活力的新形态与新特征,同时也为了使城市公共空间适应现代都市人群新的行为模式与生活场景,本文构建了“显隐互鉴”的城市公共空间活力分析框架(图 1)。该分析框架中,城市公共空间的活力体现在实体空间的显性活力和虚拟空间的隐性活力两个维度,这两个维度是相辅相成、差异共生的关系,显性活力可促进隐性活力的生成,隐性活力也可能通过显性化而推动实体空间活力的增强。
基于“显隐互鉴”的城市公共空间活力分析框架,从“显性活力”和“隐性活力”两个维度构建城市公共空间活力评价指标体系(表 2)。其中,显性活力依托实体空间呈现,隐性活力依托虚拟空间呈现。
显性活力体现了人群在实体空间的集聚并产生持续且稳定的行为活动,可通过人群的空间活跃度和活动的稳定度两方面进行评价。
(1)活跃度。人作为空间活动的主体,是活力产生的必要条件,只有集聚了一定规模的使用人数,空间才具有“人气”与“生命力”,才能呈现空间的活力。因此,一定时间段内集聚在空间内的人口规模是反映空间活力的核心因素,可通过空间使用者数量或密度进行描述。本文选取平均使用者密度对空间活跃度进行测度。计算公式如下:
(1) |
(2) |
式中:PDi1为空间i在00:00—01:00时段的人口密度;Pi1为空间i在00:00—01:00时段的人口数量;PDi为空间i在一天内的平均人口密度;Si为空间i的面积。
(2)稳定度。空间活力与使用者的行为特征密切相关。如果人群仅仅是途经该空间或短暂停留,这样的活力不能称之为真正的活力,只有人群因对空间环境的偏好形成持续一定时间的“驻留行为”时,空间活力才能有效化,也真实反映了空间的吸引力。正如Jan Gehl所言,空间活力是由该地的人数以及他们的驻留时长共同决定的,且二者同等重要[19]。与此同时,具有活力的空间还应当保持足够多元以容纳全时可享的行为活动,即驻留行为发生的时间是应是互补的、均衡的,能够满足人群在各时段的使用需求,使空间得到高效利用[23]。综上,本文选取平均驻留时长和驻留时段均衡度两项指标对空间活力的稳定性进行评价。
平均驻留时长是使用人群在空间驻留时间的均值。将驻留时间划分为1小时以内、1—2小时、2—3小时、3—4小时以及4—5小时五段(由于在公共空间停留5小时以上的人群数量非常少,为便于计算将其划入4—5小时的类别中),并获取各驻留时长的人群数量进行均值计算。计算公式如下:
(3) |
式中:Ti为空间i的平均驻留时长;P'i1, P'i2…P'i5分别为在空间i停留时间在1小时以内、1—2小时、2—3小时、3—4小时和4—5小时的人群数量。
驻留时段均衡度通过空间每日各时段驻留人数分配的均衡性进行测度。为排除部分公共空间夜间停止对外开放的干扰,选取06:00—23:00共17个整点时段,构建驻留时段均衡度的测度模型[8]。测度结果的取值范围为0—1。取值越接近0,表示该空间人群驻留时段的分配越单一,均衡度越低;反之,取值越接近1表明时段分配越均衡。计算公式如下:
(4) |
式中:Ei为空间i的驻留时段均衡度指数;qij为空间i在该日j时段的驻留人数占日总驻留人数的比值;k为总驻留时段的数量,这里k =17。
2.2.2 隐性活力在虚拟网络空间中,信息从创造到消费的过程可分为生成、传播、搜索和使用4个阶段[24]。其中,生成指使用者在网络中对各种现象或活动表达意见,传递个体感受和价值取向;传播指使用者通过转述、转发和浏览阅读等方式实现信息的扩散;搜索指使用者就某一关键词获取参考信息,以辅助、优化个人决策或实现问题的解决;使用指将获取的信息转化为真实的使用意愿或开展现实的身体体验。就城市公共空间而言,其相关信息在网络中被使用者分享与传播的“热度”是其在虚拟空间中隐性活力的集中体现,使用者通过搜索其口碑倾向来产生活动体验与行为决策的动机,最终实现实体空间中显性活力的转化。因此,本文采用公共空间在社交网络中的讨论数和浏览量来表征该空间的网络关注度和隐性活力水平。
3 研究区概况与数据来源 3.1 研究区概况公园绿地是城市公共空间的重要组成部分。近年来,西安市以“宜居城市”为目标,大力推进“公园城市”和“国家园林城市”建设。《西安统计年鉴2022》显示,截至2021年底,西安市共有公园160个,公园面积5959hm2,人均公园绿地面积12.9m2。与全国平均水平相比(2021年全国城市人均公园绿地面积为14.9m2),西安市公园绿地的发展仍较为落后。同时,西安市公园绿地在空间分布上呈现“南多北少、新城多而旧城少”的不均衡特征,各公园的服务设施与管理水平差异也较大,导致部分公园绿地的吸引力不足,使用效率偏低。本文根据《城市绿地分类标准(CJJ/T85—2017)》,综合考虑西安市主城区内已建设完成、居民熟识度高、可进入性强等特点,共选取42个面积10hm2以上的公园绿地作为研究对象,包括25个综合公园,3个社区公园以及14个专类公园(图 2)。
本文研究数据包括西安市公园绿地数据、手机信令数据和社交网络数据三部分。公园绿地数据利用ArcGIS10.2进行Google Earth影像的提取,结合高德地图及实地调查的相互验证,确定各公园绿地的范围、名称、矢量边界,为便于研究按面积由小至大进行1—42的编号(图 2)。手机信令数据来源于联通智慧足迹科技有限公司,是人群动态分布的匿名数据,时间为2018年10月,精度为250 m×250 m。排除国庆假期旅游人口的影响,在剩余日期中选取2018年10月22日到28日连续一周且天气状况良好的数据,经过转换、清理后约280万条,与西安联通公司确认后,将原始数据乘扩样系数3.734得到全部手机用户数量。最终形成保留网格编码、日期、时间段、驻留时长、人数等信息在内的手机信令数据库。社交网络数据包括新浪微博数据和大众点评数据,为排除建设年份等因素干扰,均选取2021年10月到2022年10月的数据。其中,新浪微博是国内知名度和使用率最高的主流社交平台之一,提供LBS定位签到服务记录用户基本属性、时空信息、文本信息等内容,本文选择“讨论次数”指数,对所研究公园绿地在微博平台各个场景下参与讨论的原创微博和转发微博总量进行统计;选择“浏览次数”指数,对所研究公园绿地在微博平台各个场景下被阅读次数的加和总量进行统计。大众点评网是国内最早建立的第三方点评平台,用户可以通过网站自由发表使用评价和消费心得,经过网站的信息聚合和组织后,为潜在消费者提供客观准确的点评信息[25]。大众点评中的“星级”是根据用户评价的真实性、发表时间、评价质量、积累的评价数量综合计算的结果,反映了公园绿地在行业中的相对水平,因此本文选取大众点评的“星级”表征公园绿地的网络口碑度。
4 研究结果 4.1 显性活力 4.1.1 活跃度根据公式(1)、(2)对西安市公园绿地人群活跃度进行计算。结果显示(图 3a),在所选取的连续一周内,全体公园的平均人群密度呈现由工作日到休息日逐渐上升的趋势,最低值出现在周一,为53人/hm2;最高值出现在周日,为94人/hm2。不同类型上,平均人群密度表现为综合公园>专类公园>社区公园的特征;其中,综合公园与专类公园周内均呈上升趋势,变化显著且于周日达到峰值,而社区公园变化不明显。原因可能在于综合公园的游憩内容丰富,设施完善,更能满足居民多元化的游憩需求,活跃度更高。
选取工作日(以周三代表)和休息日(以周六代表)测算其逐时人群密度。工作日结果显示(图 3b),周期内呈现“平稳—上升—平稳—下降”的波动趋势,可识别得到A(06:00)、B(09:00)、C(17:00)、D(22:00)4个数值拐点。其中,22:00—6:00是一天中人群密度最低的时段;自6:00起,绝大部分公园的人群密度开始上升,并在9:00达到峰值;9:00后密度略有下降并进入相对平稳阶段,该阶段持续至17:00左右;随后,17:00—22:00人群密度进一步下降,最终进入夜间低值阶段。休息日结果显示(图 3c),周期内呈现“先上升、后下降”的波动趋势,可识别得到A'(08:00)、B'(17:00)2个数值拐点。经夜间平稳期后,08:00起绝大部分公园人群密度开始上升,持续至17:00左右并达到峰值;17:00以后,绝大部分公园绿地的人群密度开始下降,最终于22:00左右进入夜间平稳阶段。
总体来看,公园绿地人群活跃度的昼夜分化显著。工作日的早晚通勤时间是主要节点;休息日人群开始集聚、峰值出现及进入夜间平稳阶段时间较工作日均有延迟,且逐时人群密度显著高于工作日;原因在于休息日居民的时间支配更自由,户外休闲活动时间更充分,使公园在更长时段内保持较高的活跃度。此外,逐时平均人群密度呈现综合公园>专类公园>社区公园的特征;阴影部分表示该类公园人群密度最高值与最低值的分布区间,可知离散情况同样呈现综合公园>专类公园>社区公园的特征,各综合公园间的活跃度差异最大。
4.1.2 稳定度根据公式(3)、(4)对人群在公园绿地驻留行为的稳定度进行计算(图 4)。结果显示,全体公园驻留时长指数和驻留时段均衡度指数的均值分别为0.59和0.55。具体来看,综合公园的平均驻留时长最长,专类公园次之,社区公园最短,这与综合公园规模大、游憩类型丰富且服务设施更加完善有关,其吸引力更高,使得居民驻留时间更长。其次,驻留时长的离散程度表现为综合公园>社区公园>专类公园,原因可能在于专类公园提供的活动多具有特定内容与形式,人群的停留时长相对固定,而综合公园与社区公园的停留时长与居民个体偏好有关,相对自由。驻留时段均衡度指数结果显示,综合公园与社区公园的均衡度指数较高,专类公园较低,其离散程度表现为综合公园>专类公园>社区公园的特征。分析其原因可能在于综合公园更契合人群在各时段不同的使用需求,但其个体间建设及运营管理的差异较大;社区公园服务于一定区域及人群,更能满足就近出行的特征,使居民在社区公园发生驻留行为的时段选择上更自由、更分散;而专类公园所提供的活动内容多集中于固定时段,限制了人群在时间上的选择,导致其均衡度较低。
将活跃度与稳定度统计结果进行加权求和(权重均为0.5)获得各公园绿地的显性活力指数,并采用自然断点法,将其划分为高、低2个等级(图 6c),可以发现显性活力高—低值空间分布呈现“中心—外围”结构,高显性活力指数的公园绿地大多分布于城市三环以内,而低显性活力指数的公园绿地多分布于远离市中心的近郊地带。
通过新浪微博平台获取各公园绿地的讨论量和浏览量数据,并进行归一化处理(图 5)。结果显示,全体公园社交网络讨论度指数和浏览量指数的均值分别为0.47和0.78。其中,网络讨论度最高的为大雁塔广场(编号21),达3.7万次,最低的为红光公园(编号17),仅77次;网络浏览量最高的亦为大雁塔广场(编号21),达2646万次,最低的为永阳公园(编号2),仅1365次。对比各类型公园绿地的统计结果可知,社区公园的网络讨论度和浏览量均为最低,其原因可能在于社区公园的建设年份较早,各类设施、服务和管理存在缺失,同时,该类公园多为中老年群体集聚活动的场所,这类人群较少参与社交平台的分享。专类公园的网络浏览量较高,但其网络讨论度分化明显,这与部分专类公园存在收费项目,人群的准入度较低有关,同时存在烈士陵园等较为严肃的非娱乐性场所,其网络讨论度也相对偏低。综合公园的网络讨论度和浏览量均较高,该类公园部分位于历史文化区,人文底蕴深厚且知名度高,不仅服务于本地居民,也有大量外来游客,人群前往该类公园更乐衷于“拍照分享”所见所得并传递自身感受和意见想法;此外,由于各综合公园本身建设情况及知名度的差异较大,使得其讨论度和浏览量的离散情况均较为显著。
将讨论度与浏览量的统计结果进行加权求和(权重均为0.5)获得各公园绿地的隐性活力指数,并采用自然断点法,将其划分为高、低2个等级(图 6d),可以发现隐性活力指数整体较高,且由于虚拟网络空间脱离了现实区位、可达性等的限制,使其高—低值分布无明显分布规律,较为随机且分散。
4.3 显性活力与隐性活力协同分析 4.3.1 显性活力与隐性活力匹配分析为进一步分析各公园绿地显性活力与隐性活力的差异,将显性与隐性活力的高值与低值两两组合形成4种匹配类型(图 6a、6b、6e)。
(1)高显性活力—高隐性活力。高显—高隐匹配类型包含14个公园绿地,其中3个为专类公园,其余为综合公园。该类公园均为西安市域乃至全国范围内知名度高、配套设施完备、服务功能齐全、人文氛围浓厚的公园,如大雁塔广场、大唐芙蓉园等。上述公园具有极强的人气,不仅吸引大量人群前往并产生稳定的驻留行为,同时其网络关注度较高,口碑较好。此外,此类公园空间上总体呈现“高值集聚”的分布特征,主要分布在城市二环以内以及介于二环和三环之间的南部地域。
(2)高显性活力—低隐性活力。高显—低隐匹配类型共包含3个公园绿地,均为综合公园。该类公园拥有较为固定的功能且服务于周边特定人群,具有较高活跃度及相对稳定的驻留行为,但网络关注度不足,口碑度较低。空间上分布在城市二环与三环之间的地域。
(3)低显性活力—高隐性活力。低显—高隐匹配类型包括8个公园绿地,其中5个专类公园、3个综合公园。该类公园网络关注度高、口碑较好,但实际活跃度和稳定度较低,空间上主要分布在三环以外的北部及东部地域。分析其成因,一是该类公园规模较大,且多分布于远离市中心的近郊地带,可达性较差;二是近年来疫情影响下,城市近郊露营活动兴起,此类活动多线上营销带动线下发展,易形成“网红打卡”场所,激发人群网络关注度,如雁鸣湖休闲公园、雁南公园、渭河城市运动公园等,均为当前西安较为热门的露营场所。
(4)低显性活力—低隐性活力。低显—低隐匹配类型的公园绿地共17个,包括3个社区公园、6个专类公园、8个综合公园。该类公园活力最低,既不吸引人群前往,又无法引发网络关注。空间上主要分布在城市二环以外的北部地域,以及三环外的南部地域。该类公园大多规模较小,且建设年份较早,后期维护管理不足,如世子公园、中湖公园等。此外,部分公园存在特定活动内容或较为严肃的组织形式,如陆港足球主题运动公园、西安烈士陵园等,使得显、隐性活力均较低。
4.3.2 隐性活力的显性化机制虚拟空间中关注和讨论城市公园绿地的信息生成和传播会在一定程度上诱发人们产生“打卡”意愿,但这不代表真实的到访行为。与之相比,影响人们做出行为决策的更为重要的因素来自于使用者的用户评价,尤其是关键意见消费者(key opinion consumer,KOC)和关键意见领袖(key opinion leader,KOL)的推荐[26]。人们在形成前往公园绿地的意愿后,会利用网络平台和电子地图进行信息的搜索,并综合用户评价和出行距离等因素做出区位选择与行为决策,从而实现隐性活力的显性化。基于此,本文将用户评价假定为隐性活力与显性活力之间的中介变量,探讨公园绿地隐性活力的显性化机制。
以公园绿地的显性活力指数为因变量,隐性活力指数为自变量,对二者进行回归分析,结果显示(表 3),隐性活力对显性活力具有显著的正向促进作用。在此基础上,将用户评价星级作为中介变量纳入模型,结果表明,用户评价在隐性活力显性化过程中起到部分中介作用,其中介效应为0.22,效应占比46.49%,此时,显性活力的被解释度R2值由0.615增长到0.811,即加入中介变量后模型的整体解释度更高,表明中介变量发挥明显作用,验证了本文的假定即用户评价是公园绿地隐性活力实现显性化的关键。
本文提出了“显隐互鉴”的城市公共空间活力分析框架与评价指标体系,并以西安市主城区公园绿地为例开展实证研究。结论如下:
(1)显性活力维度,总体呈现综合公园>专类公园>社区公园的特征。人群活跃度周内由工作日到休息日逐渐上升,一天内昼夜分化显著;驻留行为稳定度总体较低,且各公园间差异较大。隐性活力维度,总体呈现综合公园>专类公园>社区公园的特征。各公园绿地的网络讨论度差异显著,网络浏览量整体较高。
(2)显性活力与隐性活力形成4种匹配类型。高显—高隐类型为西安市人气与活力极强的公园绿地,空间上多分布于二环内,呈“高值集聚”的特征;高显—低隐类型有较为稳定的人群基础,空间上分布在城市二环与三环间的地域;低显—高隐类型分布在城市三环外的北部及东部地域,多为近年来新兴起公园;低显—低隐类型为西安市活力最低的公园,大多规模小且建设情况较差,分布在城市二环外的北部及三环外的南部地域。
(3)隐性活力对显性活力存在显著的正向影响关系,用户评价在隐性活力影响显性活力的过程中起到部分中介作用,且加入用户评价中介变量后,隐性活力显性化的路径模型整体解释度更高。
5.2 讨论本文研究发现西安市公园绿地空间活力差异显著,根据显性活力与隐性活力的协同类型,可采取差异化的优化策略,促进城市公园绿地空间活力的提升。
(1)高显—高隐类型:提升“软实力”。该类型公园绿地大多建设完备且知名度较高,硬件实力较强,因此应从软实力入手进一步挖掘其活力潜能。一方面,依托城市文脉与独特风貌打造文化符号,塑造人文内涵与场所精神,使之成为与城市公共生活相互契合并协力发展的内在动因;另一方面,升级管理运营模式,充分发挥网络媒介的传播效力,持续提升公园绿地的品牌特色与知名度,使参与其中的人群能够获得更强烈的场所认同与依恋,通过互联网时代自下而上的公众参与,不断优化提升空间品质。
(2)高显—低隐类型:形成“触媒点”。该类型公共空间的形成一定程度上反映出当前部分传统公共空间存在交往功能逐渐衰微的趋势,多转变为中老年人集聚活动的场所,而年轻群体的参与较少甚至缺失。对于该类空间应在完善物质环境的基础上,强化网络热点的挖掘,利用主题式消费场景、展演活动等方式将传统空间升级为信息流量汇聚的触媒点,通过网络媒体的“乘数效应”突破自身限制,打造空间活力的加速器。如青龙寺的“春日赏樱”,环城公园秋天的“绝美银杏”等活动的宣传,均紧跟时下热点实现线上线下联动发展,带来活力的快速增长。
(3)低显—高隐类型:加强“混合度”。该类型公园绿地活力提升的核心是促进隐性活力的显性化,将网络虚拟空间的“热度”转换为实体空间的“访问度”,这就要求公园绿地能够提供多样化的功能、满足人群多元化的需求。因此,需要加强功能的混合,使有限的空间提供更多的服务和活动潜能,激发存量空间的增量效益。渭河城市运动公园为很好的样板,其原来是渭河畔一面积较大的草坪,功能单一,随着该公园露营活动的兴起,不仅极大提高了其空间活力,也带动了园内及周边功能与设施的完善。
(4)低显—低隐类型:稳固“基本盘”。该类型公园绿地大多建设时间较早,基础设施不完善且后期管理维护不足。因此对于该类公园应进一步完善休闲休憩、健身游乐、文化服务等设施以满足使用者的基本需求;此外,还应进一步丰富景观资源,如景观小品布局、各类植被搭配等,以优化游憩环境,提升人群愉悦感,增强空间吸引力。
[1] |
习近平. 国家中长期经济社会发展战略若干重大问题[EB/OL]. (2020-04-10)[2020-10-31]. http://www.nopss.gov.cn/n1/2020/1102/c432288-31915415.html. [Xi Jinping. Some major issues in the national medium and long-term economic and social development strategy[EB/OL]. (2020-04-10)[2020-10-31]. http://www.nopss.gov.cn/n1/2020/1102/c432288-31915415.html.]
|
[2] |
王晓梦, 刘志林, 谭一洺. 城市公共空间与移民跨群体融合研究——时空间行为视角的研究综述[J]. 人文地理, 2022, 37(6): 47-55. [Wang Xiaomeng, Liu Zhilin, Tan Yiming. Public space and migrants' social integration: A review from the perspective of spacetime behaviors[J]. Human Geography, 2022, 37(6): 47-55.] |
[3] |
Carr S, Francis M, Rivlin L, et al. Public Space (Cambridge Series in Environment and Behavior)[M]. New York: Cambridge University Press, 1993: 1-420.
|
[4] |
叶宇, 庄宇, 张灵珠, 等. 城市设计中活力营造的形态学探究——基于城市空间形态特征量化分析与居民活动检验[J]. 国际城市规划, 2016(1): 26-33. [Ye Yu, Zhuang Yu, Zhang Lingzhu. Designing urban spatial vitality from morphological perspective: A study based on quantified urban morphology and activities' testing[J]. Urban Planning International, 2016(1): 26-33.] |
[5] |
曹钟茗, 甄峰, 李智轩, 等. 基于手机信令数据的城市时间活力模式及影响因素研究——以南京市中心城区为例[J]. 人文地理, 2022, 37(6): 109-117. [Cao Zhongming, Zhen Feng, Li Zhixuan, et al. Urban temporal vibrancy mode and its influencing factors based on mobile signaling data: A case study of Nanjing, China[J]. Human Geography, 2022, 37(6): 109-117.] |
[6] |
蒋涤非. 城市形态活力论[M]. 南京: 东南大学出版社, 2007: 1-286. [Jiang Difei. The Vitality Theory of Urban Form[M]. Nanjing: Southeast University Press, 2007: 1-286.]
|
[7] |
龙瀛, 周垠. 街道活力的量化评价及影响因素分析: 以成都为例[J]. 新建筑, 2016(7): 52-57. [Long Ying, Zhou Yin. Quantitative evaluation on street vibrancy and its impact factors: A case study of Chengdu[J]. New Architecture, 2016(7): 52-57.] |
[8] |
罗桑扎西, 甄峰. 基于手机数据的城市公共空间活力评价方法研究: 以南京市公园为例[J]. 地理研究, 2019, 38(7): 1594-1608. [Luo Sangzhaxi, Zhen Feng. How to evaluate public space vitality based on mobile phone data: An empirical analysis of Nanjing's parks[J]. Geographical Research, 2019, 38(7): 1594-1608.] |
[9] |
王波, 甄峰, 张姗琪, 等. 空气污染对城市活力的影响及其建成环境异质性——基于大数据的分析[J]. 地理研究, 2021, 40(7): 1935-1948. [Wang Bo, Zhen Feng, Zhang Shanqi, et al. The impact of air pollution on urban vibrancy and its built environment heterogeneity: An empirical analysis based on big data[J]. Geographical Research, 2021, 40(7): 1935-1948.] |
[10] |
Chao W, Ye X Y, Fu R, et al. Check-in behaviour and spatiotemporal vibrancy: An exploratory analysis in Shenzhen, China[J]. Cities, 2018, 77: 104-116. |
[11] |
吴志强, 叶锺楠. 基于百度地图热力图的城市空间结构研究——以上海中心城区为例[J]. 城市规划, 2016, 40(4): 33-40. [Wu Zhiqiang, Ye Zhongnan. Research on urban spatial structure based on Baidu Heat Map: A case study on the central city of Shanghai[J]. City Planning Review, 2016, 40(4): 33-40.] |
[12] |
钮心毅, 吴莞姝, 李萌. 基于LBS定位数据的建成环境对街道活力的影响及其时空特征研究[J]. 国际城市规划, 2019, 34(1): 28-37. [Niu Xinyi, Wu Wanshu, Li Meng. Influence of built environment on street vitality and its spatiotemporal characteristics based on LBS positioning data[J]. Urban Planning International, 2019, 34(1): 28-37.] |
[13] |
雷依凡, 路春燕, 苏颖, 等. 基于多源夜间灯光数据的城市活力与城市扩张耦合关系研究——以海峡西岸城市群为例[J]. 人文地理, 2022, 37(2): 119-131. [Lei Yifan, Lu Chunyan, Su Ying, et al. Research on the coupling relationship between urban vitality and urban sprawl based on the multi-source nighttime light data: A case study of the west Taiwan strait urban agglomeration[J]. Human Geography, 2022, 37(2): 119-131.] |
[14] |
王建国. 包容共享、显隐互鉴、宜居可期——城市活力的历史图景和当代营造[J]. 城市规划, 2019, 43(12): 9-16. [Wang Jianguo. Inclusiveness and sharing, explicit and implicit mutual learning, livability predicted: Historical prospect and contemporary creation of urban vitality[J]. City Planning Review, 2019, 43(12): 9-16.] |
[15] |
麦夸尔·斯科特. 地理媒介: 网络化城市与公共空间的未来[M]. 潘霁, 译. 上海: 复旦大学出版社, 2019: 1-180. [Mcquire S. Geomedia: Networked Cities and the Future of Public Space[M]. Pan Ji, trans. Shanghai: Fudan University Press, 2019: 1-180.]
|
[16] |
Jacobs J. The Death and Life of Great American Cities[M]. New York City: Vintage Books, 1961: 1-448.
|
[17] |
Lynch K. Good City Form[M]. Cambridge, MA: MIT Press, 1984: 1-524.
|
[18] |
Bentley L, Alcock A, Murrian P, et al. Responsive environment: A Manual for Designers[M]. London: Architecture Press, 1985: 1-151.
|
[19] |
扬·盖尔. 交往与空间[M]. 北京: 中国建筑工业出版社, 1992: 1-203. [Jan Gehl. Life Between buildings[M]. Beijing: China Construction Industry Press, 1992: 1-203.]
|
[20] |
汪海, 蒋涤非. 城市公共空间活力评价体系研究[J]. 铁道科学与工程学报, 2012, 9(1): 56-60. [Wang Hai, Jiang Difei. Evaluation system research on vitality of urban public space[J]. Journal of Railway Science and Engineering, 2012, 9(1): 56-60.] |
[21] |
王玉琢. 基于手机信令数据的上海中心城区城市空间活力特征评价及内在机制研究[D]. 上海: 东南大学, 2017: 1-125. [Wang Yuzhuo. Research on Urban Spatial Vitality Characteristic Evaluation and Internal Mechanism of Shanghai Central City Based on Mobile Phone Signaling Data[D]. Shanghai: Southeast University, 2017: 1-125.]
|
[22] |
刘颂, 赖思琪. 大数据支持下的城市公共空间活力测度研究[J]. 风景园林, 2019, 26(5): 24-28. [Liu Song, Lai Siqi. Measurement of urban public space vitality based on big data[J]. Landscape Architecture, 2019, 26(5): 24-28.] |
[23] |
伊恩·本特利. 建筑环境共鸣设计[M]. 大连: 大连理工大学出版社, 2002: 1-223. [Ian Bentley. Resonant Design for the Built Environment[M]. Dalian: Dalian University of Technology Press, 2002: 1-223.]
|
[24] |
李研, 金慧贞, 李东进. 社交网络情境下消费者口碑生成的影响因素模型: 基于真实口碑文本的扎根研究[J]. 南开管理评论, 2018, 21(6): 83-94. [Li Yan, Jin Huizhen, Li Dongjin. The factor model of consumers' word-of-mouth generation in social networks: Based on grounded theory and analysis of true word-of-mouth texts[J]. Nankai Business Review, 2018, 21(6): 83-94.] |
[25] |
秦萧, 甄峰, 朱寿佳, 等. 基于网络口碑度的南京城区餐饮业空间分布格局研究——以大众点评网为例[J]. 地理科学, 2014, 34(7): 810-817. [Qin Xiao, Zhen Feng, Zhu Shoujia, et al. Spatial pattern of catering industry in nanjing urban area based on the degree of public praise from internet: A case study of dianping.com[J]. Scientia Geographica Sinica, 2014, 34(7): 810-817.] |
[26] |
李立. 红人经济中的消费者信任研究——基于KOL与KOC视角[J]. 商业经济研究, 2022(6): 95-98. [Li Li. A study of consumer trust in the redneck economy: Based on KOL and KOC perspectives[J]. Journal of Commercial Economics, 2022(6): 95-98.] |