《Journal of Outdoor Recreation and Tourism》:Spatiotemporal disparities in park-use efficiency and tier-specific management implications: Evidence from Wuhan
编辑推荐:
摘要
城市公园是重要的公共空间,支持娱乐、社交互动和城市福祉。然而,许多关于城市公园使用情况的大数据分析仅依赖于访问量强度,这使得难以基于共同标准比较不同类型的公园,并可能将受欢迎程度与效率混为一谈。本研究将公园使用效率定义为观察到的使用强度与设计承载能力的比率,并考察了物理
摘要
城市公园是重要的公共空间,支持娱乐、社交互动和城市福祉。然而,许多关于城市公园使用情况的大数据分析仅依赖于访问量强度,这使得难以基于共同标准比较不同类型的公园,并可能将受欢迎程度与效率混为一谈。本研究将公园使用效率定义为观察到的使用强度与设计承载能力的比率,并考察了物理和运营因素如何随时间窗口和效率层次的变化而变化。通过使用多来源的地理空间和文本数据,我们以中国武汉的城市公园为例说明了这一框架,并估算了反映常规使用的四个时间窗口的公园使用效率。结果表明,公园使用效率存在明显的时空差异,且公园使用强度与公园使用效率之间经常不匹配,表明热门公园并不总是高效的,而一些非热门公园仍然保持高效率。普通最小二乘模型显示,道路密度、公交站密度、体育设施密度和组织活动频率与不同时间窗口的公园使用效率呈正相关。分位数回归进一步揭示了分布异质性:道路密度和体育设施密度在广泛的分位数范围内始终为正,公交站与公园使用效率的关联在中等到高分位数时趋于增强,组织活动频率在白天的较低尾部更为明显,而商业密度在夜间主要为负值,主要集中在较低到中等的分位数。总体而言,这些发现可以为类似的大型公园系统的空间优先级划分和时间适应性管理提供依据,同时也为城市规模的比较提供了监测工具。
引言
快速的城市化加剧了高密度居住与城市绿地稀缺之间的紧张关系(Haaland & van den Bosch, 2015)。作为重要的绿色基础设施,城市公园在支持人类福祉和社会公平方面发挥着关键作用(Rigolon, 2016; Wolch et al., 2014)。这一功能得到了联合国《新城市议程》的明确强调,该议程将提供包容性和高质量公共空间作为可持续城市的基础(United Nations, 2017)。然而,在土地有限的城市中,增加绿地供应并不一定能确保公园得到充分利用。实证证据表明,达到绿地覆盖率或人均供应目标并不能保证合理利用(Cao et al., 2024; Zhang & Zhou, 2018)。所谓的“白象”项目(Davis, 2020)与“过度拥挤”(Arnberger, 2012)的并存揭示了空间资源分配与实际使用之间的关键不匹配。这种不匹配要求从承载能力的角度来评估公园使用绩效,并更清晰地了解与其变化相关的因素。
基于位置的传感技术和地理空间数据的最新进展提高了城市规模公园使用的监测能力(Fan et al., 2021; Lyu & Zhang, 2019)。然而,许多基于大数据的研究仍然主要依赖观察到的访客数量、访客密度或公园使用强度来表示公园使用情况(Donahue et al., 2018; Hamstead et al., 2018; Zhang & Zhou, 2018)。这些指标有助于识别受欢迎的公园和访问热点,但它们可能会将受欢迎程度与效率混为一谈。一个大型或位于中心的公园可能因其规模、位置或周边需求而吸引大量访客,而一个较小或不太显眼的公园尽管使用频繁,但其效率可能较低。因此,仅通过原始使用强度来评估公园使用情况可能会掩盖观察到的使用量是高还是低,相对于公园预期容纳的容量而言。这促使我们提出了一个基于承载能力的公园使用效率(PUE)指标,以区分相对使用绩效与简单的人气或公园使用强度。
现有研究已经确定了与公园使用相关的多个条件,包括可达性、周边建筑环境和公园内部属性(Chen et al., 2018; Donahue et al., 2018; Jiang et al., 2025; Lyu & Zhang, 2019; Zhang & Zhou, 2018)。这些研究为解释公园使用差异提供了重要基础,但解释变量仍然更多地围绕静态的物理和情境属性,而不是运营条件。特别是,组织活动是公园运营的重要组成部分,但在实证模型中却较少被量化为持续的活动强度(Cohen et al., 2010)。方法选择也会影响这些关系的解释。线性模型、空间模型和机器学习模型已被广泛用于研究公园使用关系,但它们的结果通常强调平均关联、空间变化的效应或全局变量重要性(Fan et al., 2021; Jiang et al., 2025; Lyu & Zhang, 2019; Xiao et al., 2024)。这种总结可能会掩盖公园使用关系中的分布异质性,从而限制了对层次敏感的解释。因此,除了估计全局平均关联之外,还需要研究因素关联是否在结果分布中存在差异。
基于此背景,本研究考察了中国武汉较大公园在公园使用效率(PUE)方面的时空差异及其相关因素。通过整合多来源的基于位置的传感数据、地理空间数据和公共活动文本数据,我们开发了一个PUE评估框架。采用普通最小二乘(OLS)和分位数回归(QR)来评估平均关联并揭示不同层次之间的差异。具体而言,本研究旨在:(1)分析四个时间窗口(工作日白天、工作日夜晚、周末白天和周末夜晚)的PUE时空特征,并检查其与公园使用强度的不匹配;(2)使用OLS模型确定与PUE相关的关键物理和运营因素;(3)使用QR方法揭示不同效率分位数之间的分布异质性。总体而言,通过将基于承载能力的PUE评估框架与物理和运营因素分析相结合,本研究为城市规模的公园比较提供了可解释的实证基础,并可能为类似的大型公园系统的层次化、时间适应性管理提供参考。
章节片段
衡量公园使用情况
公园使用的量化指标已经逐渐丰富。传统的调查和观察研究衡量了访问频率、持续时间、活动类型、用户特征和体力活动强度,而SOPARC记录了公园环境中的活动模式和体力活动水平(Donahue et al., 2018; Evenson et al., 2016; McKenzie et al., 2006)。一些访客跟踪研究还使用GPS或基于智能手机的定位技术来捕捉移动路线、停留时间和公园内的活动。
材料与方法
如图1所示,研究设计分为四个步骤。(1)研究数据。我们整合了公园活力、土地利用、兴趣点、道路网络和公共活动文本数据,构建了一个统一的公园级数据库。(2)指标构建。我们计算了四个标准化时间窗口的公园使用效率(PUE),并将解释变量分为物理和运营两个维度。(3)统计分析。在数据转换和诊断检查之后,我们进行估计
时间模式
在四个时间窗口中,基于承载能力的PUE在原始尺度上始终呈右偏态,少数公园形成了明显的上尾。工作日和周末的白天效率系统性地高于夜晚效率,而周末和工作日之间的差异相对较小。总体而言,如图5所示,昼夜对比在分布总结中比工作日和周末之间的对比更为显著。
公园使用效率的时空模式及其与使用强度的不一致
在这个春季周末的观察窗口内,基于承载能力的公园使用效率(PUE)显示出明显的时空规律性——白天较高,夜晚较低——然而,昼夜对比并非在所有公园中均匀分布。相反,它更集中在城市核心和主要活动走廊周围的少数公园中。在几个大型公园中,工作日和周末的PUE从白天到夜晚大约下降了一半。这种模式可能反映了
结论
本研究开发了一个指标系统,使用公园使用效率(PUE)来评估公园间的相对使用情况,PUE定义为观察到的使用强度与设计承载能力的比率。基于多来源的基于位置的传感技术和地理空间数据,我们构建了一个统一的公园级数据库,并测量了四个时间窗口的PUE:工作日白天(PUE_wdd)、工作日夜晚(PUE_wdn)、周末白天(PUE_wed)和周末夜晚(PUE_wen)。描述性结果
CRediT作者贡献声明
熊书阳:撰写——初稿、可视化、验证、软件、方法论、调查、正式分析、数据整理、概念化。马园园:可视化、验证、软件、调查、数据整理。窦豆:撰写——审阅与编辑、软件、方法论。吴晓璐:撰写——审阅与编辑、资源协调、调查。吴静:撰写——审阅与编辑、监督、资源协调、项目管理和资金获取、概念化。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本研究得到了国家自然科学基金的支持,资助编号为42471124。
熊书阳|马园园|窦豆|吴晓璐|吴静