基于多源数据的武汉市滨湖蓝空间价值潜力研究

武 静 李婧雯 马 悦

城市蓝空间(Urban Blue Space，UBS)作为城市中的特定空间地段, 是与河流、湖泊、海洋毗邻的城市空间；是促进城市空间与自然资源协调发展的复合空间；也是城市生态系统与城市空间发展的融合景观空间[1-3]。作为城市快速建设与发展中出现的特殊敏感带，它是具有城市开发与生态保护双重导向的重叠区域，因其具有特殊的经济价值与生态价值，在城市建设中日益受到关注[4-5]。

21世纪以来，欧美国家已对城市蓝空间开展了一系列研究，并取得了丰富的研究成果。英国埃克塞特大学的副研究员Bell教授分析了居民对城市蓝空间的到访率、区位、心理与自然资源之间的重要程度关系[6]。德国波恩大学地球科学研究中心的Völker教授选取2座典型城市蓝空间进行心理健康对比分析，结果表明，城市蓝空间可以显著促进使用者的身心健康[7]。西班牙巴塞罗那大学Gascon教授对城市蓝空间相关研究的91篇文章进行梳理后发现城市蓝空间对人类健康能够产生积极效用[8]。相较国外，国内针对城市蓝空间的研究起步较晚，直至2016年香港特别行政区规划署提出《蓝绿空间概念性框架》，以及2018年《河北雄安新区规划纲要》明确提出未来雄安新区“蓝绿空间占比稳定在70%”的“严格控制建设用地规模”。城市蓝空间才逐渐开始受到政界与学界的关注。孙阁等对雄安新区的蓝空间质量与规划方法进行介绍[9]，金云峰以蓝绿生态网络系统修复方法探讨景观设计方法及水文特征分析[10]。城市蓝空间作为中国空间发展转型与重构关键时期的新兴概念，国内现阶段对其的研究主要以方法引入与概念介绍为主，而国外研究则关注城市蓝空间对人的心理健康影响。

随着学者们对城市空间的研究推进，基于数字化、参数化、虚拟化等大数据方法开始广泛应用于城市空间问题的研究上。从科学领域看，城市空间研究正从关注土地利用模式逐渐转向关注人的行为需求[11]。人的行为研究已成为当前城市空间研究的主流方向之一。2015和2017年Mitchell教授在Nature和Science上分别发表文章，讨论了传感器采集的轨迹数据详细记录着个人行为，能挖掘出精细的空间行为特征[12-13]。人的行为数据为解决城市空间问题、提升空间质量、挖掘空间价值提供了新的途径。随着城市增量规划转向存量规划，城市空间品质提升与价值挖掘已成为当今城市建设关注的焦点问题之一[14-15]。目前，学者们通过针对人的行为数据来识别城市空间分布、空间热度、可达性等方面已经开展了一系列研究[16-19]，而从人的行为需求出发研究城市蓝空间价值潜力的研究则基本未见文献报道。因此，如何客观准确地从人们使用和体验空间的行为数据中，挖掘出人的行为空间特征，评价空间价值，探索人对城市空间的喜爱程度和期望值是未来城市建设保护利用的关键问题之一[20-21]。

本文将以设施兴趣点(POI数据)的聚集度反映蓝空间的实际价值潜力，以微博数据反映人对城市蓝空间的期望值，探讨城市蓝空间的实际潜力与期望值的关联性与拟合度。运用核密度估计法与加权平均法比较人的行为数据点和各POI设施点分布变量之间的相关性，揭示城市蓝空间的价值潜力，为未来城市蓝空间的规划提供建设依据与数据支持。

1 研究区域与数据来源

1.1 研究区域

本文的研究区域界定为武汉市(113°41'～115°05'E，29°58'～31°22'N)三环线内21个主要湖泊的滨湖蓝空间。武汉市素有“百湖之市”的雅称，市内水资源丰富，江河纵横，湖港交织[22-24]。武汉市域内的水域面积共2 217.6km2，超过全市面积的1/4，其中湖泊面积为803.17km2，湖泊水面率居中国各大城市的首位[25]。武汉现有大小湖泊166个，其中有43个在中心城区[26]。但由于本研究所选取的微博数据与POI数据有87.6%都集中在三环线以内，故本研究以武汉市三环线内滨湖蓝空间为研究区域(图1)。

图1 研究区域图图1-1 武汉市蓝空间分布图图1-2 武汉市三环线内蓝空间分布图

1.2 数据来源

1.2.1 数据来源

本文分别选取微博数据和POI数据为数据源。通过新浪微博官方开放API获取到POI签到数据883万条，总签到次数1.652亿次。获取数据包括签到点的名称、实际地址、空间坐标等信息数据，获取日期截止至2014年11月1日。POI数据源于中国POI数据网(http://www.poi86.com/)。按照行政地区和时间划分后，获得湖北省武汉市2014年的POI数据。

1.2.2 数据预处理

利用地理坐标将从新浪微博获取的位置数据截取到武汉市三环线内，剩余约12万条数据。将这些数据经过坐标校正等预处理后进行可视化，该数据反映访客对滨湖蓝空间的喜爱程度和期望值。与此同时，我们将三环线内的POI进行数据清洗和整理后分为娱乐、公共服务、餐饮、交通、教育、医疗、生活服务、住宿8类，用同样的方法进行处理。经过将微博用户签到点与8类POI分布点叠加后，发现2类数据分布情况基本重合。

2 基于多源数据的武汉市滨湖蓝空间分布特征

2.1 研究方法

本文采用核密度估计(Kernel Density Estimation，KDE)常用的四次多项式核函数[27]，其中S是待估计点的位置, 是落在以S为圆心，h为半径的圆形范围内的第i个设施POI或微博用户签到点的位置，S-Si为设施POI或微博用户签到点Si到设施POI或微博用户签到点S点的距离，h为步长。本文采用ArcGIS 10.5进行武汉市滨湖蓝空间设施POI和微博用户签到点的核密度分析及相关制图。

在此基础上，本文采用加权平均法计算8类设施POI的亲水性f。其中m是某一类设施POI在武汉市所有滨湖蓝空间内出现个数，n是此类设施POI在武汉市三环线内出现的个数。计算出该类设施POI在蓝空间中出现的个数在三环内总个数中的占比f，用此数值代表这类设施POI的亲水性，并以此作为加权平均法中的权数。

其中k是各类设施POI的权数和，x是计算得出某一滨湖蓝空间的潜力值。本文采用新浪微博用户签到数目表示的访客对滨湖蓝空间的喜爱值和此方法得到各蓝空间的潜力值，并做比较。

2.2 武汉市滨湖蓝空间的核密度分析

图3 武汉市滨湖蓝空间中各类POI分布图

通过ArcGIS 10.5进行多次试验后，确定湖边向外延伸半径为200、400、600m的同心圆为本研究蓝空间缓冲区，也是本文研究的滨湖蓝空间范围。确定滨湖蓝空间缓冲区范围后，利用ArcGIS 10.5将三环线内所有滨湖蓝空间内的微博数据点和8类POI的数据点进行分布可视化。可视化结果验证了微博数据分布和POI分布情况具有很强的耦合性。为了使可视化的结果更准确，我们将微博数据点和8类POI的分布点进行了核密度分析，使用核函数根据点要素计算每单位面积的量值以将各个点拟合为光滑锥状表面，根据单位面积的量值将点的聚集程度分为九级。由分析结果(图2)可见在武汉市滨湖蓝空间缓冲区中，汉口地区的几个小面积滨湖蓝空间是微博用户签到点核密度值最高的核心地区，对应位置的POI分布点也出现了最高程度的聚集。汉阳地区的微博用户签到点和POI分布点都集中在汉江南侧的蓝空间缓冲区。武昌地区的数据点整体比较分散，在南部沿湖岸连绵分布。

2.3 武汉市滨湖蓝空间中POI的分布特征

对武汉市三环线内滨湖蓝空间的8类POI(娱乐设施、餐饮设施、交通设施、公共服务设施、医疗设施、教育设施、生活服务设施、住宿服务设施)进行分类分析。首先利用ArcGIS软件将数据点的分布进行可视化(图3)。将200、400、600m，缓冲区内各类POI的个数进行统计，统计结果表明在8类设施中餐饮设施的POI点个数是最多的，达到了15 992个；公共服务设施相对最少，仅有1 139个。在三级缓冲区中我们发现200m缓冲区相较其他两级缓冲区内各类设施点的个数是最少的。随着距离水体的距离稍远了一些，在200～400m缓冲区和400～600m缓冲区内各类设施点的数目都有所增长，餐饮设施、医疗设施、生活服务设施和住宿服务设施的增长尤为明显。说明娱乐设施、交通设施、公共服务设施、教育设施的分布受水体距离的影响较小。也可能距离水体越近，会有更多与水相关的娱乐设施。

图2 武汉市滨湖蓝空间核密度分析图图2-1 微博数据点核密度分布图图2-2 8类POI核密度分布图

随着尺度向微观的推进，我们关注到8类设施(娱乐设施、餐饮设施、交通设施、公共服务设施、医疗设施、教育设施、生活服务设施、住宿设施)POI在武汉市三环线内21个滨湖蓝空间的分布情况。8类POI在21个湖泊600m缓冲区内的数量情况(图4)。从设施点总体数量来看，东湖附近的各类设施点数目明显是最多的，这和东湖水域面积大，湖岸线长，滨湖蓝空间面积大直接相关。鲩子湖、机器荡子、北湖、菱角湖、沙湖、南湖的滨湖蓝空间内的设施点数目也都处于较高水平，说明这些蓝空间的潜力较大。而塔子湖、龙阳湖、杨春湖的滨湖蓝空间内设施点数量却很少，说明这些滨湖蓝空间的价值潜力还有待挖掘。

3 武汉市滨湖蓝空间的价值潜力评价

3.1 各滨湖蓝空间潜力值

根据对8类设施POI的亲水性计算结果(表1)可见，教育设施点位于滨湖蓝空间内的个数占比最大。其次是交通设施，娱乐设施、餐饮设施、生活服务设施，其亲水性基本一致。另外，公共服务设施、医疗设施、住宿服务设施占比最小。以此计算结果的数值作为各类设施POI的权数，通过加权平均法得到了武汉市三环线内21个主要滨湖蓝空间的设施潜力值。

通过量算，可以发现东湖蓝空间潜力值得分远高于其他滨湖蓝空间(图5)。鲩子湖蓝空间(228.90)、机器荡子蓝空间(280.88)、北湖蓝空间(208.18)、菱角湖蓝空间(264.11)、沙湖蓝空间(248.66)和南湖蓝空间(213.67)的潜力值也较高，得分均在200分以上。但塔子湖蓝空间(5.33)和龙阳湖蓝空间(11.13)却出现了得分极低的情况，与其他滨湖蓝空间的差距非常大。从潜力值的差异分析中，能看到每个蓝空间都面临着自己的问题，也拥有自己的特色。其中，自然景观资源优、经济发达与人口密度高的滨湖蓝空间拥有较高的潜力值。根据上述分析，吸引访客实际值高于潜力值的蓝空间可能面临着现有的设施点数量与分布不能满足饱和的访客需求，需要再提高各类设施点的服务质量与效率。同时最重要的是提升其他蓝空间吸引访客的能力，将访客分流，避免过度集中造成发展失衡。而吸引访客实际值低于潜力值的滨湖蓝空间可以进一步从各类POI的角度切入挖掘原因，针对性的治理与整改，建设及完善滨湖蓝空间内表现薄弱的POI种类，提高蓝空间的活力。

3.2 各滨湖蓝空间潜力值与访客期望值的拟合分析

根据已得各滨湖蓝空间的潜力值，将武汉市三环线内21个主要滨湖蓝空间中的设施点总数根据权重赋值后与微博用户签到数据数进行比对，用微博签到点数代表访客对蓝空间的期望值。从比对结果(图6)可见，访客期望值和蓝空间潜力值是基本吻合的。鲩子湖、机器荡子、北湖、西湖、菱角湖、小南湖等滨湖蓝空间出现了访客的期望值远高于该地区实际潜力的情况。这些蓝空间周围应该增强各类POI的建设，以满足访客的期望值。但是沙湖、紫阳湖、晒湖、野芷湖、杨春湖、东湖的滨湖蓝空间却出现了访客对于蓝空间的期望值低于它们的实际潜力的情况，东湖尤为明显。说明这些蓝空间应该考虑适当的放慢设施建设的进程，或是在人文科教等领域进一步规划，找准定位凸显其特点，以此来吸引访客。

图4 武汉市滨湖蓝空间各类设施点数量统计图

图5 武汉市主要滨湖蓝空间潜力值分析图

图6 武汉市滨湖蓝空间潜力值与访客期望值拟合度分析图

从武汉市各滨湖蓝空间潜力值与访客期望值的拟合情况来看，有超过53%的蓝空间价值利用程度与访客期望值不匹配。总体来说，武汉市主要滨湖蓝空间的潜力值未能得到充分挖掘，需要进一步采取措施合理规划。

4 结论

基于本文分析结果，武汉市滨湖蓝空间存在如下问题。1)设施点聚集度等级高的集群与访客轨迹过度集中于汉口地区，而武昌区与汉阳区缺少各类设施点的高等级集群。因此，未来的武汉市蓝空间的规划中需要加大力度继续促进汉口蓝空间中的各类设施点向外疏解。同时，需增加武昌区与汉阳区的设施点的布局。2)通过比较各滨湖蓝空间潜力值和访客期望值的拟合度，发现武汉市滨湖蓝空间存在访客期望值和实际价值潜力不匹配的问题。在未来武汉市蓝空间的规划中，需要对汉阳地区需要充分利用汉阳地区优越的自然资源和深厚的历史底蕴，以汉南地区为中心，继续建设以月湖文化艺术区为代表的特色项目，以带动其蓝空间实际价值潜力的增长。武昌区则建议继续开展“南湖城市副中心”的规划项目，建立以环东湖为代表的郊野公园群，使之与城市绿地系统形成有机整体，依托山水脉络向外延伸。同时，更要强调东湖一带的文化艺术定位，承办更多的体育赛事、文艺活动，吸引更多的游客，提高市民对蓝空间的喜爱度。

表1 武汉市各类POI设施点亲水性统计表

由于数据样本来源于网络，使用大量的网络数据在一定程度上降低了部分虚假信息对总体样本的影响程度，大致能反映出武汉市三环线内人群及各类设施POI的分布情况。但是本文的研究还存在一定的局限，如社交媒体数据类型多样，如能结合其他类型的数据做比较和补充，研究结果将更有说服力；微博的使用者多为年轻人，这部分人群的轨迹特征有可能区别于中老年群体，限制了样本的涉及范围；为保证多源数据的匹配度，微博数据的选取年份为2014年，时效性存在一定局限；签到的微博用户中可能会有住在湖泊缓冲区内的居民，影响了对滨湖蓝空间游客数目统计的准确性。上述问题有待在未来的进一步相关研究中充实与完善。

本研究利用微博数据和POI数据分析了武汉市三环内滨湖蓝空间的价值潜力，量算了武汉市蓝空间价值潜力与访客期望值的拟合关系。通过微博数据探索最新的城市活动空间模式[15]，并验证了滨湖蓝空间POI设施潜力的有效性[12]。本研究结果表明，人的行为轨迹与设施兴趣点之间的空间关联信息可以评价滨湖蓝空间的价值潜力，并可以发现滨湖蓝空间中未能得到充分利用或合理保护的区域。该研究结果对未来城市蓝空间的保护利用具有重要意义，并有可能协助其确定优先规划领域，设计空间潜力挖掘措施，以确保城市蓝空间得到充分的且合理的保护利用，为改善城市蓝空间规划提供有用的信息。由于城市环境具有高度可塑性，因此未来武汉市平衡和提高蓝空间价值是一个可实现的目标。

注：文中图片均由作者绘制。