公民科学视角下的社区行人微移动性研究：基于GPS轨迹数据的邻里空间活力探索

本研究通过公民科学实验，在西班牙Granollers市"Primer de Maig"社区收集了72名参与者（19个小组）的3000余条GPS轨迹数据，结合6种节庆活动行为记录，构建了高分辨率行人微移动性数据集。研究创新性地将Wikiloc App应用于城市空间分析，通过Δc=10秒阈值算法识别停留行为，为社区公共空间改造提供了数据支撑，相关成果发表在《Scientific Data》期刊。

　　

在城市化进程加速的今天，如何打造更具活力和可持续性的社区公共空间成为全球性挑战。传统城市规划往往依赖专家视角，而忽视了居民实际的空间使用需求。特别是在低收入社区如西班牙Granollers市的"Primer de Maig"（面积仅3公顷，居民1356人），公共空间数量充足但质量低下，亟需基于实证数据的改造方案。这一社区作为20世纪中期工业化快速发展的产物，其重复性住宅楼设计和盲墙结构严重制约了空间活力。正是这样的背景下，巴塞罗那大学OpenSystems团队与ELISAVA设计学院合作，创新性地将公民科学方法引入城市研究领域。

研究团队设计了一个别开生面的"Fem la Nostra Festa"（让我们庆祝）实验，招募社区内学校师生、居民协会和老年活动中心成员共72人组成19个小组，通过配备GPS记录设备的平板电脑（Wikiloc App）和节庆活动工具包，在1.5小时内探索社区并完成6类特定活动（舞蹈、游戏、聊天、野餐、祝酒和彩花庆祝）。这种将严肃科研与节庆活动相结合的方法，不仅确保了数据采集的真实性，更激发了参与者对社区空间的重构想象。

关键技术方法包括：（1）采用Wikiloc App以4-5秒间隔采集GPS数据；（2）设计Δ_c=10秒的停留识别算法；（3）通过视频记录验证80个活动停留点的空间位置；（4）计算连续记录间的欧氏距离d(t)和瞬时速度v(t)；（5）采用隐私保护设计（租用设备、公共起点、组队参与）确保数据匿名性。实验最终获得2981条有效GPS记录，识别出339个停留点。

【背景与摘要】研究揭示了公民科学在微观尺度城市研究中的独特价值。传统数字轨迹（如公共交通数据）难以捕捉邻里尺度（<100米）的行人行为特征，而本研究通过高分辨率GPS（4-5秒采样）成功记录了居民在3公顷范围内的精细移动模式。这种"自下而上"的数据采集方式，为理解空间吸引力与社会行为的关系提供了新视角。

【方法】数据处理流程展现出严谨的科学性。团队首先剔除社区边界外的551条记录，随后通过时间阈值法识别停留行为（Δ(t)≥10秒），并计算瞬时速度v(t)=d(t)/Δ(t)来区分移动状态。特别值得注意的是，研究通过反向工程破解了Wikiloc App的自动暂停算法，确保停留检测的准确性。技术验证环节显示，该方法能有效区分移动（95% v(t)>0.65 m/s）与停留（95% v(t)<0.57 m/s）状态。

【数据记录】共享的数据集包含四个关键部分：（1）原始GPX格式轨迹；（2）添加△t、d、v参数的CSV文件；（3）80个活动停留点的位置与持续时间；（4）参与者社会人口统计表。这种多层次数据架构既保留了原始信息，又通过预处理降低了使用门槛。例如E6学生组的轨迹分析显示，他们在特定区域停留较长时间（最长681秒）进行野餐活动，这些热点区域成为后续空间改造的重点。

【技术验证】数据质量控制措施值得借鉴。研究通过现场测试确定了最优停留检测阈值（Δ_c=10秒），该值既能避免短时停顿的误报（Δ_c=6秒时出现），又不会漏检真实停留（Δ_c=50秒时失效）。虽然数据集存在少量GPS异常值（0.34% v(t)≥10 m/s），但这些不影响整体分析。视频验证环节则确保了活动停留点的空间准确性，如G7组在3130秒内完成了5项复合活动。

研究结论强调了三重创新价值：方法学上，证明了公民科学在获取高分辨率微移动性数据方面的可行性；应用层面，为社区中心化场所营造（community-centred placemaking）提供了实证依据；理论上，支持了基于热点吸引的随机游走模型在微观尺度（如重力模型或随机游走模型）的适用性。通过将GPS数据与节庆活动类型相关联，研究还发现居民倾向于在特定空间开展社交活动，这些发现已直接应用于该社区的"密集型城市化策略"，以传统方法1/10的成本实现公共空间活化。

这项研究的深远意义在于，它打破了专业规划与居民体验之间的鸿沟。Ferran Larroya和Josep Perelló团队展示的参与式地图制作（operative mapping）方法，不仅适用于经济欠发达社区改造，也为疫情后城市公共空间的重构提供了新思路。正如作者指出，这种"数据驱动的场所营造"（data-driven placemaking）能够激发社区内生动力，最终实现《可持续发展目标》倡导的包容性城市发展。未来研究可进一步结合街道宽度、绿化率等环境特征，深化对行人移动行为的多因素分析。