多源数据视角下城市建成环境对城市活力空间分布的影响机制.pdf

投稿网址:2023 年 第23 卷 第26 期2023,23(26):11349-15科 学 技 术 与 工 程Science Technology and EngineeringISSN 16711815CN 114688/T收稿日期:2022-09-14修订日期:2023-06-13基金项目:国家自然科学基金(52008143);安徽省哲学社会科学研究项目(AHSKY2021D74);合肥工业大学哲学社培育智库研究专项(JS2021ZSPY0034)第一作者:宣蔚(1981),女,汉族,安徽合肥人,博士,副教授,硕士研究生导师。研究方向:城市规划。E-mail:569788031 。引用格式:宣蔚,姚宇超,赵力伟,等.多源数据视角下城市建成环境对城市活力空间分布的影响机制J.科学技术与工程,2023,23(26):11349-11363.Xuan Wei,Yao Yuchao,Zhao Liwei,et al.The influence mechanism of urban built environment on the spatial distribution of urban vitalityfrom the perspective of multi-source dataJ.Science Technology and Engineering,2023,23(26):11349-11363.多源数据视角下城市建成环境对城市活力空间分布的影响机制宣蔚1,姚宇超1,赵力伟1,王灿祥2,肖佳琦1(1.合肥工业大学建筑与艺术学院,合肥 230601;2.安徽农业大学林学与园林学院,合肥 230036)摘 要 城市活力一直是城市规划领域的热点话题。使用百度人口热力数据度量城市活力,使用电子地图兴趣点(point ofinterest,POI)数据、城市矢量数据、夜间遥感影像数据等度量合肥市区建成环境,利用普通最小二乘法线性回归模型(ordinaryleast squares regression models)与地理加权回归模型(geographically weighted regression models)探究合肥市城市活力与建成环境之间的影响机理。结果表明:合肥市区的城市活力总体呈现出由中心向四周逐级递减、局部高值集中的空间分异特征,空间分布极不均衡。建成环境对城市活力影响具有空间异质性。提升地区功能混合度、建筑平均层数以及基础设施完善度能够在全局范围内有效改善地区活力;而居住人口密度、街区 POI 密度、道路交叉口密度、建筑容积率、绿化水域覆盖率、共享单车密度、商业服务设施可达性、教育文化设施可达性等指标则因空间位置的不同而对城市活力产生促进或抑制的双重作用;与公交站最近距离、与地铁站最近距离指标则与城市活力具有负相关性。结合研究结果对城市规划与管理提出一定建议,有助于城市开展精细化与差异化街区建设,促进城市良性发展。关键词 多源数据;城市活力;建成环境;地理加权回归;空间异质性中图法分类号 TU984.2;文献标志码 AThe Influence Mechanism of Urban Built Environment on the SpatialDistribution of Urban Vitality from the Perspective of Multi-source DataXUAN Wei1,YAO Yu-chao1,ZHAO Li-wei1,WANG Can-xiang2,XIAO Jia-qi1(1.School of Architecture and Art,Hefei University of Technology,Hefei 230601,China;2.School of Forestry&Landscape Architecture,Anhui Agricultural University,Hefei 230036,China)Abstract Urban vitality has been a popular topic in urban planning.Urban vitality was measured using Baidu population vitalitydata and the constructed environment of the urban area of Hefei City using POI(point of interest)data,urban vector data,and night-time remote sensing image data.The influence mechanism between the urban vitality and the built environment of Hefei City was ana-lyzed using OLS linear regression and the GWR(geographical weighted regression)model.The research results show as follows.Theurban vitality of Hefei City demonstrated spatially differential features of degreasing gradually from the center to the periphery and beingpartially highly concentrated with an extremely imbalanced spatial distribution.The constructed environments impact on urban vitalityhad spatial heterogeneity.Regional vitality can be effectively enhanced on a global scale by improving regional function mixedness,theaverage number of building storeys,and infrastructural perfection.Due to their spatial position,indices such as population density,blockPOI density,road intersection density,volume fraction,green water coverage,bicycle sharing density,commercial service facility acces-sibility,and educational and cultural facility accessibility can either promote or inhibit the urban vitality.Moreover,the nearest distanceto a bus stop and a subway station was negatively correlated to urban vitality.The author gave recommendations for urban planning andmanagement combined with research results that can promote fine and differentiated block construction and benign growth of cities.Keywords multisource data;urban vitality;built environment;geographically weighted regression;spatial heterogeneity 随着城镇化正不断加速,人类的生活空间发生了巨大变化1。改革开放以来,中国的城市建设取得了巨大进步,但也产生了现阶段交通堵塞、公共空间匮乏等各类城市问题2,城市的公共功能不断投稿网址:衰弱,人居环境品质有待改善。为了应对突发的城市问题,激发城市活力,近年来以人为本、高质量发展等规划建设理念逐渐被提及,学术界对“城市活力”的研究也在不断深入3。中外尚没有关于城市活力的统一定义,其内涵与概念复杂且抽象。学者们都对城市活力存在不同见解,主要关注街道人群的活动与环境4-6。蒋涤非7则认为城市活力至少包括经济活力、社会活力和文化活力三个部分。随着人本主义的发展,人群活动逐渐被学者们认为是城市活力的显著外在表征,因此,现对城市活力的测度为在不同时间段下城市各区域活动人群的数量。城市是一个复杂的巨系统8,其活力的形成必定与城市内部的环境存在千丝万缕的联系,探究城市建成环境与城市活力之间的影响机制,有助于为城市未来的发展建设提供理论与实践支撑9。在早期的研究中,对城市活力与建成环境的测度多采用实地调研的方法10-12。随着智能手机的普及与网络技术的发展,大数据为研究提供了新的方法与视角13,街景照片、电子地图兴趣点(point of inte-rest,POI)、手机信令数据、出租车到达数据、大众点评等新兴的数据形式更加精细化度量了建成环境与城市活力14-17。学者们对建成环境测度集中在人口密度、建筑密度、路网密度、功能混合度、连通性、可达性、步行性等方面18-19。而城市活力与建成环境之间相关性的研究也采用了更加丰富与科学的定量方法20-23。总体上看,虽然有关城市活力的研究正不断增多,但所选取的研究对象多为北京、上海、广州、深圳等一线城市,这些城市基础设施完善、城镇化水平较高,其城市活力的研究具有前沿价值,但中国更多的二线乃至三线城市的基础条件与城镇化水平相对一线城市都存在较大差距,存在着功能空间布局混乱、基础配套参差不齐、空间活力差异巨大等问题,也面临不同程度的城市空间失活的困境。而针对这类城市的活力提升策略必然与一线城市不同,且该类研究目前相对较少,填补这一空缺有助于为二线城市提供激发活力与规划管理方面的借鉴与参考。此外,当前的研究多以社区或街道划分研究单元,而以小尺度的街区网格为单元展开的研究相对较少。因此,现选择近年来发展较为迅速的二线城市合肥作为研究对象,其作为安徽省会城市,具备二线城市的普遍特征,在全国范围也具有典型性与代表性24。采用百度人口热力图数据衡量城市活力分布状况25,并通过城市业态 POI 数据、城市矢量数据、以及城市夜间灯光影像数据等构建城市建成环境指标度量体系26,建立1 km 1 km 研究单元网格数据库,运用普通最小二乘法 OLS 线性回归模型(ordinaryleast squares regression models)、地理加权回归 GWR模型(geographically weighted regression models)探究合肥市区城市活力空间分布特征与建成环境之间的影响机制,从而为合肥市的城市发展提供理论支撑,并提出相关建设性的意见或建议。1 研究数据与方法1.1 研究区域概况合肥市位于安徽省中部,全市面积 11 445 km2,拥有 937.34 万常住人口,下辖 9 个行政区,2020 年地区生产总值为10 045.72 亿元(数据来源:2021 年安徽省统计局统计年鉴)。合肥市凭借省会城市的优势以及智能制造等新兴产业的加持迅速崛起,经济总量快速发展。以合肥市区为研究对象,并使用ArcGIS10.2 软件建立起 1 km 1 km 的网格研究单元,从而构建研究数据库(图 1)。图 1 研究区域概况Fig.1 General situation of the study area1.2 研究数据与指标测度1.2.1 城市活力测度对城市活力的测度为在不同时段下城市各区域所分布的人群数量。传统的人口统计以区县为单位,仅能反映静态特征27;手机信令数据虽然能够反映人口流动的动态特征,但其获取难度大且处理成本高。因此选择使用更加便于获取与处理的百度人口热力图数据对城市活力进行量化研究。考虑到工作日通勤交通会对城市活力造成影响,因此获取了 2022 年 3 月所有周末全天各时刻的热力值,经过对比发现,11:00 与 17:00 的城市人口热力均值达到峰值(图 2),因此选择上述两个时刻的城市热力分布作为城市活力表征。05311科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:图 2 合肥市休息日各时刻城市活力均值Fig.2 Mean value of urban vitality at differentmoments of rest days in Hefei City1.2.2 建成环境的测度基于 Cervero 等28提出的 3D 建成环境指标体系,以及 Ewing 等29提出的 5D 建成环境指标体系从混合度、密度、设计、交通可达性和设施可达性 5个层面构建合肥市城市建成环境指标体系(表 1)。混合度维度描述了城市功能的混合程度,结合数据获取的可行性,以及人群在更微观视角下对功能的感知而言,采用 POI 功能混合度指标。密度维度描述了城市中的业态分布、人口分布以及建筑分布等方面,同时结合多源数据的获取可行性,选择 POI 密度、居住人口密度和建筑物密度指标。设计维度描述了城市的建筑形态、交通网络与绿化布局等方面,并选择建筑平均层数、建筑容积率、道路交叉口密度、绿化水域覆盖率和基础设施完善度指标。交通可达性维度描述了城市人群的出行方式,具体包括公交、地铁、私家车以及共享交通,结合合肥市共享电单车使用率高的特点,选择公交站最近距离、地铁站最近距离、道路网密度和共享电单车停放点密度等指标。设施可达性维度描述了满足人群日常使用的各类设施的空间可达性,具体选择商业服务设施、教育文化设施和医疗卫生设施的可达性。通过划分合肥市区1 km 1 km 研究空间单元,统计各项指标,综合测度合肥市区建成环境。上述影响因子所使用的研究数据中,居住人口密度数据来源于 2020 年 Landscan 世界人口公开数据;POI 数据、建筑矢量数据与公交站点数据均来源于 2022 年高德地图在合肥市的网点分布数据;夜间灯光影像数据来源于 2022 年 3 月 NPP-VIIRS 夜间灯光遥感影像数据;城市路网数据来源于 OSM 网站开源路网数据;城市遥感影像数据来源于中国科学院遥感数据共享平台 2022 年 23 月份较好质量的遥感影像。1.3 研究方法1.3.1 OLS 最小二乘法线性回归模型为研究城市活力与建成环境的影响机制,首先采用最小二乘法(OLS)线性回归模型以筛选对城市活力具有显著性的影响因子,其表达式为y=X+(1)式(1)中:y 为因变量,表示城市活力;X 为自变量,表示各类环境特征指标;与 分别为城市建成环境影响因子的系数与随机项,系数绝对值越大,则说明该因子的影响程度越显著。表 1 基于 5D 指标体系的影响因子指标计算方法Table 1 Calculation method of impact factor index based on 5D index system指标维度指标因子计算方式混合度功能混合度单元网格内不同业态的混合状况,用熵值表示:H=ni=1PilnPi,其中,Pi为第 i 类业态所占单元网格内总业态的比重居住人口密度单元网格内人口的数量/单元网格面积密度建筑物密度单元网格内建筑的数量/单元网格面积POI 密度单元网格内 POI 的数量/单元网格面积建筑平均层数单元网格内建筑层数总和/单元网格建筑数量道路交叉口密度单元网格内道路交叉口数量/单元网格面积设计建筑容积率单元网格内建筑面积/单元网格面积绿化水域覆盖率(单元网格内绿化面积+水域面积)/单元网格面积基础设施完善度单元网格内城市夜间灯光的亮度值与公交站最近距离单元网格中心点与其最近的公交站距离交通可达性与地铁站最近距离单元网格中心点与其最近的地铁站距离道路网密度单元网格内道路长度/单元网格面积共享电单车停放点密度单元网格内共享电单车停放点数量/单元网格面积商业服务设施可达性统计泰森多边形内的商业服务设施点数量设施可达性教育文化设施可达性统计泰森多边形内的教育文化设施点数量医疗卫生设施可达性统计泰森多边形内的医疗卫生设施点数量153112023,23(26)宣蔚,等:多源数据视角下城市建成环境对城市活力空间分布的影响机制投稿网址:1.3.2 GWR 地理加权回归模型由于 OLS 线性回归模型无法揭示变量的空间异质性规律,且城市建成环境的各类影响因子在空间尺度并非一成不变,因此采用 GWR 地理加权回归模型进一步探究城市活力与建成环境的空间异质性关系,该模型在 OLS 线性回归模型的基础上将空间嵌入回归分析中,探索变量之间的空间关系,进而深入分析城市活力与建成环境之间的影响机制,其表达式为yi=kj=1bwj(ui,vi)xij+i(2)式(2)中:yi为在位置 i 处的因变量的值,即城市活力;xij为在位置 i 处的自变量的值,即城市建成环境的影响因素;(ui,vi)则为 i 处的空间坐标;bwj则为自变量的回归系数,即各影响因素的影响程度,其由局部回归所得,具备空间异质性特征;i为随机误差项。2 合肥市城市活力空间格局将获取的百度热力图矢量化,求取 11:00 与17:00 人群分布均值观察合肥市休息日各时段的城市活力分布情况(图 3 和图 4)。两个时段活力高值均集中于城市中心,但相比之下 17:00 活力最高值、平均值均高于 11:00 活力值(表 2),反映出下午时段的人群在城市中心更为集中。从休息日 11:00 的分析结果来看,高密度活力区集聚在城市中心区域,且活力的空间分布有明显的沿道路向外扩张的趋势。而休息日 17:00 深色区域虽仍集中在城市中心区域,但其高值斑块更大,表明在下午时段城市中心区的行人更为密集,也说明人们的出行行为更偏向于下午。通过热点分析验证(图 5),两个时段图 3 休息日合肥市区 11:00 城市活力Fig.3 Urban vitality of Hefei at 11:00 on rest day图 4 休息日合肥市区 17:00 城市活力Fig.4 Urban vitality of Hefei urban area on rest days图 5 休息日城市活力热点分析Fig.5 Analysis of hot spots of urban vitality on rest days25311科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:表 2 合肥市城市建成环境测度指标的描述性统计Table 2 Descriptive statistics of urban built-up environment measurement indicators in Hefei类别网格数量变量均值标准差取值范围最小值最大值1 840休息日 11:00 城市活力4 037.485 784.24025 674城市活力1 840休息日 17:00 城市活力4 040.946 161.13031 1431 840休息日综合城市活力4 057.215 676.82025 107混合度1 840功能混合度0.280.3701.021 840居住人口密度/(人 km-2)1 904.124 206.93034 746密度1 840建筑物密度/(栋 km-2)47.24105.2305921 840街区 POI 密度/(个 km-2)29.8579.6101 0991 840建筑平均层数2.023.94024.861 840道路交叉口密度/(个km-2)3.105.31071设计1 840建筑容积率0.240.4903.381 840绿化水域覆盖率0.460.26011 840基础设施完善度18.8821.590179.371 840与公交站最近距离/km2.833.520.0218.05交通可达性1 840与地铁站最近距离/km4.414.070.0120.401 840道路网密度/(km km-2)4.384.37025.721 840共享电单车停放点密度/(个 km-2)4.9411.820721 840商业服务设施可达性32.57115.5703135设施可达性1 840教育文化设施可达性4.6114.7803721 840医疗卫生设施可达性3.9312.480329的城市活力均具有显著的高值聚类分布特征,且均集聚于城市中心区域与城市西南部区域。其中城市中心的活力高值聚集区属于合肥市二环路内的区域,是商业设施与公共服务设施最集中的区域,同时淮河路步行街、之心城、天鹅湖万达等城市商业中心以及逍遥津公园、庐州公园等城市绿地的存在吸引了大量人流;城市西南侧的活力高值聚集区位于合肥市滨湖新区,该区域是合肥金融商务、行政办公及文化旅游中心,基础设施数量较多且覆盖范围广,业态丰富且齐全,从而吸引了大量人流,形成了较高的活力,城市外围的其他区域则无法形成活力的集聚。后续对城市活力与建成环境影响机制的研究中,综合考虑各时段的城市活力特征,对城市活力求取均值,以表示合肥市休息日综合城市活力(图6)。3 建成环境与城市活力的影响机制3.1 合肥市城市建成环境测度通过分析各维度的建成环境指标(表 2),在混合度维度(图 7),主要采用香农熵衡量单元网格内POI 的混合程度,发现功能混合度从城市中心逐渐向着城市外围区域不断降低。城市中心是合肥市的商业中心与文化中心,聚集大量业态,因此功能混合度较高;而城市西南部因大学城与滨湖新区的存在,各种功能的集聚同样形成了较高的功能混合度。其他城市边缘地段多为居住区或工业园区,功能较为单一。图 6 休息日合肥市区城市综合活力Fig.6 Comprehensive vitality of Hefei city on rest day图 7 混合度维度指标描述Fig.7 Description of dimension indicators of mixing degree353112023,23(26)宣蔚,等:多源数据视角下城市建成环境对城市活力空间分布的影响机制投稿网址: 在密度维度(图 8),各项指标的高值区域均集中于合肥市一环路以内的中心区域,符合合肥市由中心老城区向外扩张的发展脉络。但在其空间分布图 8 密度维度指标描述Fig.8 Description of density dimension indicators上,各指标仍存在不同的空间特征:从街区 POI 密度分布来看,其高密度区域更集中于蜀山区东部与包河区西北部,商务办公、休闲娱乐、生活服务等多类业态集聚,为市民创造了多元生活空间。从居住人口密度分布来看,虽然合肥市市区范围辽阔,但城市中的居民大多集中在城市中心,并向外持续蔓延,在城市东南部的滨湖新区也聚集了部分人口。从建筑物密度分布来看,城市中心仍然是建筑密度最高的区域,其次为蜀山区东南部以及包河区西北部的区域,这一现象也正揭示了当前合肥市由北向南的发展建设方向。在设计维度(图 9),街区的建筑平均层数指标表明,中心区域的城市建筑高度相对较低,而边缘区的建筑高度则相对较高,这与中心老城区建筑年代较久、用地紧张以及外围新城区扩张有关。总体上建筑平均层数呈现出由北向南不断增高的趋势,也进一步说明了合肥城市向外扩张的发展方向。从道路交叉口密度分布来看,最高值区域仍然位于城市中心,其内道路网络错综复杂;在周边的政务区、滨湖新区等地道路交叉口密度也保持较高水平。合肥市域内建筑容积率存在较大的空间差异,城市南部的滨湖新区、政务区及城市中部地区容积率较高,开发强度大,而其他区域则相对较低。从城市绿化来看,城市周边由于林地、农用地、水库河流等较多使指标较高,城市建成区内的环城公园、蜀山森林公园以及在建的骆岗中央公园等地指标较高,而其他区域则相对较低。相关研究表明,夜间灯光的亮度与基础设施的完善程度具有正向相关性30,故本文研究使用 NPP-VIIRS 夜间灯光卫星影像数据表征合肥市区基础设施完善度。结合分析结果,基础设施较完善的地区更多集中于城市中心,包括蜀山区东南部、包河区西北部、庐阳区南部以及瑶海区西南部等区域,且在空间分布上并不均匀。在交通可达性维度(图 10),与公交站和地铁站的最近距离反映了城市居民出行的便利程度,从分析结果来看,公交站的覆盖度要高于地铁站,这是公交线路较多、遍及城市各个区域以及公交站数量较多的缘故,但在城市边缘,仍然存在着公共交通未覆盖的情况。道路网密度较高的区域集中在城市中心的老城区、南部的政务区和滨湖新区等地,小街区密路网的道路布局为该区域带来了较高的可达性。合肥市共享电单车投放量大、使用率高,单车停放点位较为均匀地分布于建成区内的地区,而城市中心停放点密度略高于其他区域。在设施可达性维度(图 11),商业服务设施可达性较高的区域位于城市中心,之心城、万达商场、万45311科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:图 9 设计维度指标描述Fig.9 Description of design dimension indicators象城等商业购物中心较多,各类餐饮购物设施丰富。教育文化设施可达性较高的区域位于城市中心以及偏北的庐阳区等地,该地中小学、高校等数量较多且分布密集。医疗卫生设施可达性较高的区域位于城市中心,其次位于在南部大学城以及滨湖新区等地。553112023,23(26)宣蔚,等:多源数据视角下城市建成环境对城市活力空间分布的影响机制投稿网址:图 10 交通可达性维度指标描述Fig.10 Description of dimension indexes oftraffic accessibility图 11 设施可达性维度指标描述Fig.11 Description of dimension indicators offacility accessibility65311科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:3.2 城市活力与建成环境的影响机制为了减少数据冗余,提高分析结果的精度,本文研究进一步缩小范围至城市建成区。使用 OLS线性回归模型进行分析(表 3)。分析结果表明,各建成环境指标方差膨胀因子(variance inflation fac-tor)均小于 7.5,不存在多重共线性的问题,指标选取得当;回归分析诊断的决定系数 R2为 0.668,根据P 值显著特征发现,功能混合度、居住人口密度、街区 POI 密度、建筑平均层数、道路交叉口密度、绿化水域覆盖率、基础设施完善度、与公交站最近距离以及与地铁站最近距离、共享电单车停放点密度、商业服务设施可达性以及教育文化设施可达性等指标均与城市活力显著相关;此外,与地铁站最近距离以及与公交站最近距离两类指标与城市活力呈负向影响,表明与站点距离越近,其活力值相对越高。通过 OLS 线性回归分析结果发现,模型 K 值显著,证实了变量之间存在空间异质性。采用 GWR地理加权回归模型对显著的影响因子再次分析,其诊断结果显示(表 3),R2与调整 R2均有提高,且AICc 显著减小,表明 GWR 地理加权回归模型拟合度优于 OLS 线性回归模型。通过 GWR 地理加权回归分析(表4 和图7),从各指标的系数特征值来看,各指标因子对城市活力的影响差异巨大,其中功能混合度、绿化水域覆盖率、与公交站最近距离、建筑平均层数、与地铁站最近距离、建筑容积率等指标对城市活力具有强烈影响。在混合度维度(图 12),功能混合度对城市活力呈正相关影响,且表现出由中心向外围影响力逐级递减的趋势。总体而言,提升城市功能混合度能够有效改善地区活力,而在城市中心这种效用更为显著。合肥市区中心为经济文化中心和商业中心,包含了淮河路步行街、之心城等地标场所,具有多样的业态种类,丰富的功能业态会使当地居民的活动增多,从而提升地区活力。在密度维度(图 13),居住人口密度与街区 POI密度指标因不同区域而对城市活力造成促进或抑制的双重影响。一般而言,居住人口密度高的区域会形成高城市活力,而结合分析结果,居住人口密度较高的城市中心区域其与城市活力之间呈负相关影响,而建成区西南部的滨湖新区、大学城以及大蜀山森林公园附近,居住人口密度的提高则能够对城市活力形成促进作用。这一现象说明在人口密集、人流量巨大的城市中心区域其居住人口密度已接近饱和,而位于建成区西南部边缘的众多区域,是城市建设发展的新方向,在该地区增加居住人口密度,能够有效提升地区活力。街区 POI 密度表 3 OLS 线性回归与 GWR 地理加权回归模型诊断对比结果Table 3 Comparison results of OLS linear regression and GWR geographically weighted regression model diagnosis回归模型类型OLS 线性回归P方差膨胀因子(VIF)GWR 地理加权回归混合度功能混合度0.0003.087居住人口密度0.0492.735密度建筑物密度0.0574.183街区 POI 密度0.0332.841设计建筑平均层数0.0001.703道路交叉口密度0.0092.033建筑容积率0.0472.107绿化水域覆盖率0.0001.411基础设施完善度0.0002.585交通可达性与公交站最近距离0.0221.496与地铁站最近距离0.0421.903道路网密度0.1112.484共享电单车停放点密度0.0282.752设施可达性商业服务设施可达性0.0095.196教育文化设施可达性0.0464.320医疗卫生设施可达性0.1375.434模型诊断R20.6680.871调整 R20.6610.865AICc33 563.84933 395.619K(BP)-Prob0.000 注:表示在 0.05 显著水平下通过检验。753112023,23(26)宣蔚,等:多源数据视角下城市建成环境对城市活力空间分布的影响机制投稿网址:表 4 GWR 模型回归系数描述性统计Table 4 Descriptive statistics of regression coefficients of GWR model维度变量平均值最小值最大值中位数混合度功能混合度3 551.2231 978.8404 716.7223 549.803密度居住人口密度-0.019-0.0900.316-0.046街区 POI 密度0.437-14.5645.5682.072建筑平均层数315.347221.526392.001328.570道路交叉口密度40.813-12.437320.44423.525设计建筑容积率-208.543-1 089.646204.409-89.090绿化水域覆盖率-787.565-2 565.3571 139.951-829.101基础设施完善度42.13620.76578.69339.901与公交站最近距离-557.884-1 978.282369.389-442.127交通可达性与地铁站最近距离-224.137-550.975296.320-254.567共享电单车停放点密度8.447-59.71785.9748.979设施可达性商业服务设施可达性2.410-1.6928.6261.470教育文化设施可达性18.819-31.93468.055-0.076图 12 混合度维度影响因子空间异质性Fig.12 Spatial heterogeneity of factors affected bymixing degree dimension指标对城市活力总体上呈促进作用,且越靠近城市中心其对于城市活力的提升越显著,但位于建成区北部边缘的瑶海区其对活力产生了抑制作用,说明该地区存在 POI 业态冗余,资源使用不充分的问题。在设计维度(图 14),建筑平均层数指标对城市活力在全局上具有显著的提升作用,且在城市中心以及北部瑶海区等地作用最为显著。结合建筑容积率指标在东南部促进城市活力、西北部抑制城市活力的特点,说明在城市中心区域的城市更新中,应适当降低地块的开发强度与建筑密度,可通过适当增加楼层高度以容纳更多业态,从而提升中心区的活力,但在城市东南部边缘,则可提升地块的开发强度,使其满足新城建设的需要从而改善地区活力。道路交叉口密度的提升能够改善地区的路网通达程度,一定程度上可以促进城市活力的提升,这种作用在城市建成区北部的瑶海区一带较为明显,而图 13 密度维度影响因子空间异质性Fig.13 Spatial heterogeneity of factors affected bydensity dimension在正在开发的南部滨湖新区与西部蜀山等区域影响较弱。一般而言,街区绿化水域的覆盖率高的区85311科 学 技 术 与 工 程Science Technology and Engineering2023,23(26)投稿网址:域一般环境较好,能够吸引人群从而引发城市活力。但通过分析结果,在城市中心以及大蜀山森林公园等地该指标与城市活力成正相关,而在其他区域则抑制城市活力的增长。大蜀山森林公园与城市中心的各公园绿地周边具有密集且丰富的业态,景区开发完善,配套设施齐全,因此对城市活力的促图 14 设计维度影响因子空间异质性Fig.14 Spatial heterogeneity of design dimensions influencing factors953112023,23(26)宣蔚,等:多源数据视角下城市建成环境对城市活力空间分布的影响机制投稿网址:进作用显著,而其他城市边缘区域的公园开发条件较差,仅凭借公园自身的吸引力并不足以引起地区活力的提升,因此在注重城市公园的选址和建设的同时也应当完善地区周边的服务配套设施。基础设施完善度在全局能显著提升地区活力,且由于中心建设完善、周边建设不足的现状,其指标在城市周边对促进城市活力的显著性更强。在交通可达性维度(图 15),与公交站距离、与地铁站距离指标对城市活力总体上呈负相关作用,即单元网格中心与公交/地铁站距离越短,其越能够提升地区的活力,但二者在空间上存在差异:对于公交出行而言,在城市中北部影响更为显著,而对于地铁出行而言,只在城市中部影响强烈。主要原因在于城市公交站点在中北部地区分布较为广泛,但在南部新城区覆盖不完善;地铁站点则更多站点集中在城市中心区。通过对共享电单车停放点密度进行分析,该指标在城市建成区南部的滨湖新区、大学城、政务区以及大蜀山森林公园等地对城市活力具有较强的促进作用,而在城市中心及北部地区则相关性较弱,城市中心由于公交地铁覆盖率高且站点密度高,而使共享电单车的影响下降,而城市北部区域则因业态单一、缺乏吸引力,其活力难以形成,因此作为出行工具的共享电单车无法在本质上提升地区活力。在设施可达性维度(图 16),商业服务设施可达性指标对城市活力的总体呈现出正向相关性,且由东向西逐级递减。结合城市东部地区的商业设施可达性较差的现状,说明在城市东部提升商业设施的可达性,能够显著提升地区活力城市活力呈正相关影响。教育文化设施可达性指标则在不同空间位置对城市活力产生了不同的影响,其在建成区北部瑶海区等地,对城市活力具有显著促进作用,而在南部滨湖新区等地则呈抑制作用。结合现状,合肥市众多中小学校、高校等均集中于城市中北部,结合图书馆、博物馆等其他文化设施,一定程度上能够吸引人流而促进地区的活力提升,而南部滨湖新区等地则因基础设施与配套服务设施的不完善,难以对人群形成吸引力以提升地区活力。4 结论与讨论以合