城市公园是城市居民的主要休闲和娱乐场所（Chiesura, 2004），在促进身体健康（McCormack et al., 2010）和心理健康（Jiang et al., 2021）方面发挥着关键作用。除了健康效益外，城市公园还充当自然冷却系统，有助于维持生物多样性（Biella et al., 2025），调节城市气候（Doick et al., 2014），并改善空气质量（Islam et al., 2024）。然而，随着城市化和人口的增长，公园的分布变得越来越不均衡，导致对这些宝贵绿地的竞争加剧（Chen, Li et al., 2024）。因此，确保公平的使用权，特别是在高需求区域，已成为环境正义和城市规划领域的重要问题（Wüstemann et al., 2017），这与联合国的可持续发展目标（SDGs）一致，特别是SDG 3（良好健康与福祉）和SDG 11（可持续城市和社区）（UN, 2015）。因此，准确评估公园的可及性——即到达和利用公园的便利程度——对于评估和促进绿地空间的空间公平性至关重要（Hamstead et al., 2018）。
早期研究主要集中在公园的空间分布和物理可及性上，以公园面积为核心指标来衡量供应量（Bertram & Rehdanz, 2015）。具体方法包括容器模型、缓冲区分析和网络分析，这些方法仅依赖基于大小的阈值来定义供应能力，例如Talen（1997）的质心计算、Nicholls（2001）的缓冲技术以及Comber et al.（2008）的网络距离方法。然而，仅依赖公园面积无法捕捉到质量和吸引力的变化，而这些因素对居民的公园使用行为有显著影响（Wu et al., 2017）。为了解决这一局限性，最近的研究开始整合额外的公园属性，如公园质量指数（Xing et al., 2020）、设施完整性（Huai et al., 2023）和美学特征（Biernacka et al., 2022）。此外，随着生活水平和公众意识的提高，游客的主观感知成为可及性的一个关键维度。这体现在利用多源大数据（如公园图像、社交媒体文本和街景图像）来量化感知吸引力（Fu et al., 2024）、情感吸引力（Chen et al., 2022）和整体体验（Chen, Li et al., 2024）。这些进展表明，公众感知从根本上塑造了与公园的互动。事实上，公园的吸引力和感知质量不仅是次要特征，而是其放松效益（Kaplan, 1995）和文化生态系统服务提供（Wang et al., 2022）的核心。一个被负面感知的公园可能会被低估使用，从而使物理可及性指标产生误导（Yong et al., 2023）。因此，通过社交媒体情感或公园人气数据捕捉公众感知是将可及性测量与社区体验和价值相一致的必要步骤。然而，一个系统地整合在线和线下吸引力的框架尚未充分发展，限制了公园可及性评估的准确性。
除了目的地本身的质量外，前往公园的出行体验质量也是可及性的另一个关键维度。“到达的便利程度”主要由沿途的微观环境特征决定，特别是视觉绿化程度，这直接影响出行体验和出行方式的选择（Wang et al., 2019）。关于可行性的成熟理论认为，出行体验是促进积极出行的关键因素（Ewing & Handy, 2009），实证证据表明高绿化指数（GVI）的路线提供了美学和心理上的好处（Ulrich et al., 1991），而视觉上单调或不安全的路线则会增加感知距离（Ye et al., 2019）。为了量化这些路线效应，传统的调查方法（如问卷调查或实地测量（Cain et al., 2017; Kim et al., 2014）为行人的满意度和环境对体力活动的影响提供了有价值的见解。然而，这些方法往往受到资源需求和时空覆盖范围的限制，不适合城市规模的分析（Liu et al., 2023）。最近在众包地理信息和人工智能方面的进展解决了一些这些限制，使得对街道环境的评估更加高效和可扩展（Huai and Van Voorde, 2022）。例如，后续研究利用了多种技术来评估步行可行性（Ble?i? et al., 2015）、将绿化程度与骑行频率联系起来的卷积神经网络（CNNs）（Wang et al., 2020），以及分析街道景观对步行选择影响的金字塔场景解析网络（PSPNet）（Koo et al., 2022），这些研究一致展示了街道景观数据的价值。尽管在建模和验证方面取得了进展，但许多现有研究仍局限于空间距离维度，依赖于静态道路网络（如OSM）来推断出行行为，常常忽略了实际交通状况和体验质量的作用。此外，虽然已经探讨了环境因素对积极出行的影响，但在一个综合的多模态框架内，比较体验质量如何不同地影响积极出行和机动出行仍较为有限。
为了解决这些建模出行行为的挑战，两步浮动集水区（2SFCA）方法因其捕捉复杂供需互动的能力而变得更为重要（Xing et al., 2020）。2SFCA最初由Radke和Mu（2000）提出作为一个计算框架，后来由Luo和Wang（2003）进一步完善并正式命名，以更好地考虑基于供需动态的空间可及性。随后，Luo和Qi（2009）通过在供需两侧引入高斯衰减函数，进一步发展了该方法，形成了增强型2SFCA（E2SFCA），并引发了广泛的方法论改进（Chen & Jia, 2019）。最近的改进主要体现在四个方向：一是优化距离衰减函数，例如高斯（GA2SFCA）（Dai, 2010）、核密度（KD2SFCA）（Dai & Wang, 2011）和经验高斯（EG2SFCA）（Kocatepe et al., 2017）方法；二是通过变量（V2SFCA）（Luo & Whippo, 2012）、动态（D2SFCA）（McGrail & Humphreys, 2014）和最近邻修改（NN2SFCA）（Jamtsho et al., 2015）方法扩展空间参数化，提高了搜索半径的灵活性；三是通过三步（3SFCA）（Wan et al., 2012）、修改型（M2SFCA）（Delamater, 2013）、Huff模型（H2SFCA）（Luo, 2014）和优化型（O2SFCA）（Ngui & Apparicio, 2011）等框架精确量化供需关系；四是整合多模态出行模式（包括步行、骑行和驾驶），以解决可及性评估中的行为多样性（Ni et al., 2023）。尽管这些发展显著提高了2SFCA方法在公园可及性研究中的适用性，但它们仍然局限于空间距离，未能将体验质量（包括公园的吸引力和出行的视觉绿化程度）纳入感知驱动的可及性测量中。
鉴于这些限制，本研究的贡献有两个方面。理论上，它提出了“绿化感知距离”的概念，将可及性理论扩展到空间距离之外，将体验质量作为基本维度。它还提供了关于视觉绿化程度在出行方式和城市环境中的空间异质性作用的实证证据，丰富了我们对环境公平性的理解。实际上，它为城市规划者提供了一个新颖且可复制的工具，用于识别和解决公园使用权的空间不平等问题，同时考虑了出行体验和目的地吸引力，并为有针对性的公园和路线改进提供了基于证据的指导。
为了实现这些贡献，本研究开发了一个多模态框架来评估公园的可及性和公平性，以武汉中心城区作为案例研究。首先，使用PCA-AHP-TOPSIS方法整合社交媒体和兴趣点（POI）数据，得出反映线上和线下吸引力的公园吸引力系数。其次，通过AMap应用程序编程接口（APIs）获取步行、骑行和驾驶的出行时间、距离和路线，同时使用PSPNet从视觉绿化指数（SVIs）量化路线级别的绿化感知距离。最后，通过整合移动信号数据和引力模型计算绿化感知距离函数，然后将其纳入2SFCA方法来评估可及性。最后，使用全局和局部Moran's I以及双变量局部Moran's I分析不同出行方式之间的空间不平等。
