《Journal of Transport Geography》:Choose your own adventure: How data source selection shapes urban accessibility analyses
编辑推荐:
摘要城市公园可达性影响心理健康、身体健康和社区凝聚力,因此衡量可达性是城市与景观规划的核心。尽管研究人员已就不同可达性指标对分析结果的影响展开讨论,但数据源选择带来的变异性却鲜受关注。可达性分析的结果是否会因定义公园位置与属性所使用的数据集不同而产生差异?我们对比了四种广泛使
摘要
城市公园可达性影响心理健康、身体健康和社区凝聚力,因此衡量可达性是城市与景观规划的核心。尽管研究人员已就不同可达性指标对分析结果的影响展开讨论,但数据源选择带来的变异性却鲜受关注。可达性分析的结果是否会因定义公园位置与属性所使用的数据集不同而产生差异?我们对比了四种广泛使用的地理空间数据源——OpenStreetMap、Esri、SafeGraph 和 The Trust for Public Land,通过对数据验证并在两个城市中测量公园可达性进行比较。这些数据集声称覆盖相同的空间特征,但我们的发现揭示了可达性结果之间的大幅差异,其驱动因素在于各数据源在完整性、覆盖范围和准确性方面的差异。我们为可达性分析中的数据采集选择与验证提供了指南,因为这些决策直接影响下游城市公园规划与决策的准确性和公平性。
引言
城市的存在源于人们对所需或所愿事物的可达性追求。衡量这种可达性有助于我们理解城市格局、过程与结果。例如,城市公园和绿地的可达性与心理健康、身体健康和社区凝聚力密切相关(Cohen 等,2007;Wood 等,2017)。在规划、交通地理学和公共卫生领域,研究者已从实证和方法论两个层面研究了公园可达性,以期改善城市公园可达性的概念化与测量,促进更公平的城市化进程和基于证据的规划(Sherer, 2006;Wolch 等,2014;WHO 欧洲区域办公室,2017)。
然而,尽管围绕公园可达性的实证文献丰富,但对其测量方法却缺乏共识(Wolch 等,2014)。许多方法论论文从理论或计算角度讨论了指标与分析方法,但鲜有文献考虑底层源数据本身所面临的挑战。这一空白造成了两个问题。第一,可达性分析依赖于对起点、终点以及它们之间阻抗的明确定义,但这些定义在不同研究之间并不一致。第二,用于测量这些值的地理空间数据在不同数据源之间存在差异,涉及公园的定义方式、表达方式和描述方式。一些数据源提供了城市公园的详细且全面的表示,而另一些则遗漏了关键特征、错误分类空间或未能捕捉非正式的公共绿地。此外,源数据本身很少与研究所依赖的"公园"这一精确理论构念(其本身就是一个模糊的现实世界对象)完全一一对应。因此,本研究提出以下问题:公园可达性分析的结果是否会因所选公园数据源的不同而有所变化?
我们比较了四个广泛使用的地理空间数据集——来自 OpenStreetMap(OSM)、Esri、SafeGraph 和 The Trust for Public Land(TPL)——的公园位置与属性数据,并在两个不同城市中进行研究。我们手动验证源数据,然后分别使用各数据源建模公园可达性并比较结果。我们的发现揭示了所测可达性存在显著差异,其驱动因素在于数据源完整性和覆盖范围的差异。基于此,我们为规划者选择与验证可达性分析数据制定了指南。没有数据集是完美的。分析师在测量城市公园时必须考虑到各数据源的局限性,跨数据源进行三角验证,并对数据进行实地核实,以实现更准确的城市可达性分析。
章节摘要
背景
城市居民重视公园的可达性,既出于休闲需求也出于健康考量(Sherer, 2006;Wolch 等,2014;WHO 欧洲区域办公室,2017)。公园提供多样化的设施,但本研究聚焦于那些提供用于改善长期健康结果并促进心理健康的绿地的公园(Cohen 等,2007;Wood 等,2017)。在文献中,此类公园通常要求面积 2 英亩,以确保其空间特征能够
方法
为解决这一问题,本研究提出以下问题:公园可达性分析的结果是否会因所用数据源的不同而有所变化?我们假设不同的空间数据源——尽管都声称提供等价的空间特征,但在覆盖范围、准确性和数字化标准方面可能存在未记录差异——会导致对城市中公园可达性的测量结果不同。为检验这一假设,我们使用多个数据源测量公园可达性。我们手动验证了
数据源之间的一致性
人工视觉验证未发现初始数据收集中缺失的假阴性情况。图 2 展示了各城市中不同数据集之间空间特征面积的重叠情况。由于韦恩图的特性,无法在单一二维图中显示四个数据集,因此每次以三个数据集为一组进行展示。例如,在波特兰,Esri 和 OSM 共有 48.0 平方公里的重叠区域,Esri 和 SafeGraph 共有 17.4 平方公里,OSM 和 SafeGraph 共有 28.9 平方公里
讨论
当研究者和实践者试图分析城市可达性时,必须确定能够表示起点、终点和阻抗的数据。起点通常以居民住宅表示,或抽象为普查区级别或网络节点。阻抗通常通过道路网络建模,以距离、旅行时间或类似指标衡量。但终点则需要一个设施位置数据集。在本研究中,我们考察了来自 OSM、TPL、Esri 和 SafeGraph 的数据——这些数据源普遍出现在
结论
本研究拓展了可达性文献中关于如何测量可达性缺乏共识的讨论,尤其是关于公园的讨论。我们认为,公园可达性分析中的偏差不仅源于所选测量方法,也源于数据源本身。即使保持阻抗(如网络距离)不变,不同数据源也会产生截然不同的分析结果。我们认为,分析师必须通过对精确的概念定义
CRediT 作者贡献声明
Geoff Boeing:撰写——审阅与编辑,撰写——初稿,监督,资源,项目管理,方法论,资金获取,概念化。Jiyoon Kim:撰写——审阅与编辑,撰写——初稿,可视化,验证,调查研究,形式化分析,数据管理。Daniele Simon-Thompson:撰写——审阅与编辑,撰写——初稿,验证,调查研究,形式化分析。Jaehyun Ha:数据管理,形式化分析,调查研究,
Geoff Boeing|Jiyoon Kim|Daniele Simon-Thompson|Jaehyun Ha|Ruoyu Chen