目的地-活动表征差距的建成环境印记：广州四个地方城市系统的多源大数据研究

《Buildings》：Destination–Activity Representation Gaps and Their Built-Environment Signatures: A Multisource Big Data Study of Four Local Urban Systems in Guangzhou

　　

平台列表目的地（platform-listed destinations）被广泛用于表征城市活动机会，但其与实现活动（realized activity）之间的对应关系可能因地方情境而异。本研究考察中国广州市四个有界地方活动系统中的目的地-活动表征差距（destination–activity representation gaps）。研究人员将移动定位活动、平台列表目的地、人口定位面、道路、土地覆盖和街景影像整合至25米网格尺度。采用空间外折叠岭回归模型（spatially out-of-fold ridge model），基于目的地情境估计活动量，并使用观测活动与目的地预测活动的区域内百分位数识别对比性表征差距类型。总体而言，目的地对应关系中等，且在四个案例中呈现空间不均。活动丰富/目的地稀疏单元（activity-rich/destination-light cells）在两个岛屿/边缘案例中更为普遍，而其日内特征与目的地支撑的高活动单元（destination-supported high-activity cells）相似。这些单元平均表现出较低的人口共现（population co-location），而连续斑块揭示了显著的局部异质性。道路与土地覆盖提供的可迁移判别能力有限，而选定的原始街景元素在中心样本中适度改善了年度活动预测。研究结果表明，平台列表目的地与实现活动是相关但非等价的表征，且二者分歧在不同地方活动系统之间存在差异。

城市活力研究通常借助平台列出的目的地（platform-listed destinations）表征活动机会，但这类数字表征与实际使用之间可能并不吻合。既有研究多将目的地数据作为预测或验证活动的工具，较少把二者之间的局部差异本身作为分析对象。广州市的四个有界地方活动系统为这一比较提供了典型场景。研究人员整合腾讯位置大数据平台（2025版）的移动定位活动、平台列表目的地、人口定位面，以及ESA WorldCover 2021土地覆盖、2023年广州市道路中心线和百度街景影像，在25米网格尺度上考察目的地-活动表征差距。研究发现，目的地对应总体中等且空间不均；活动丰富/目的地稀疏单元在岛屿/边缘案例中更普遍，但其日内模式与目的地支撑的高活动单元相似，且人口共现较低；道路和土地覆盖判别能力有限，而街景原始元素在中心样本中提供适度增量。这一工作的意义在于提出一个诊断框架，将数字表征之间的分歧保留为分析对象，而不是将其压缩为单一活力指数。

### 主要技术方法

研究采用比较案例设计，样本来源为广州市四个预先定义的案例区域：Haisi East（半径500米）、Haisi West（半径350米）、Zini Island（半径450米），以及Hai’ou Island（含两个分析子区）。核心方法包括：以固定原点25米网格统一空间支持；采用空间外折叠岭回归（spatially out-of-fold ridge model）估计目的地预测活动，利用观测与预测活动的区域内百分位数定义差距类型；以Moran’s I评估残差空间结构；使用人口定位面的方向与共现指标刻画人口构成；通过Queen邻接将同类栅格合并为连续斑块；对街景影像进行语义分割（Mask2Former基于ADE20K），压缩为网格级像素比例，并在嵌套设计中进行增量预测检验。所有预处理、变量筛选和惩罚参数选择均在空间训练折内完成，并采用200米空间块交叉验证。

### 研究结果

**3.1 四个对比鲜明的地方活动系统**
通过日均活动序列、节假日/工作日比、目的地数量、就业-居住比和土地覆盖等比较显示，四个案例并非同一活动模式的不同水平。Haisi East日均活动最高（165416），就业-居住比1.75，目的地813个；Haisi West工作日峰值在中午，重复访问比例最高；Hai’ou和Zini各仅59个目的地，但Hai’ou更少建成、更多未报告单元，Zini则建成度更高且活动面连续。

**3.2 表征差距类型及其空间分布**
基于区域内百分位数，目的地支撑高活动单元在Haisi East占15.4%、Haisi West 10.9%、Zini 10.9%、Hai’ou 7.8%；活动丰富/目的地稀疏单元分别占3.9%、6.4%、9.1%和11.7%，即非中心案例更高。四种实质性类型合计约占报告单元的36.5%–38.2%，其余为混合/中间类型。

**3.3 模型表现、残差空间结构与F70报告敏感性**
25米目的地模型的空间外折叠R²为0.129，案例内为0.157、0.014、-0.017和0.033；残差Moran’s I为0.311，表示未解释空间结构依然存在。F70报告覆盖率从Hai’ou的26.6%到Haisi West的85.6%不等；经逆概率加权后分类一致性达96.3%（κ=0.936）。

**3.4 差距类型的时间区分**
两个高活动类型的五时段日内节奏非常接近，活动丰富/目的地稀疏单元的中位白天比例为0.392，夜间加深夜比例为0.375，熵为0.871，与目的地支撑高活动单元差异很小；而目的地丰富/活动稀疏单元在深夜时段占比相对较高，表明其低总量活动更集中在晚间。

**3.5 目的地功能与人口定位特征**
目的地功能构成差别不大，主要区别在目的地数量与空间覆盖。人口定位显示，活动丰富/目的地稀疏单元相对于目的地支撑高活动单元的工作-居住和移动-居住共现更低，标准化对比分别为-0.84和-0.88，方向、其余公式和空间块自举均支持这一结果，提示该类型更少出现多个人口群体的同步聚集。

**3.6 连续斑块与局部异质性**
按四像元最小合并后，Haisi East有11个斑块、Haisi West 13个、Zini 16个、Hai’ou 93个，保留55.6%–70.9%的实质单元。选例显示，Haisi West为长条状、低共现且残差较大；Zini P001高残差、高建成度且高共现；Hai’ou某些斑块低建成但高共现。说明同一差距类型可能对应不同局部配置。

**3.7 外部背景与嵌套街景证据**
道路长度、交叉口密度和道路邻近度对比均包含零，增补道路变量未稳定改善分类，仅用于描述特定斑块。街景分析限于Haisi East和Haisi West，合成维度未改善预测（R²降低0.052），而12个选定原始语义元素使年度活动预测R²提高0.094、RMSE降低4.5%，且在50米匹配和2019年后影像敏感性下方向稳定。

**3.8 稳健性**
主要差距模式对阈值25/75总体一致率0.872、20/80为0.810；50米网格提高预测但类一致率降至60.8%；人口共现对比为最稳定结果，其余为次要或案例特异。

### 讨论总结与研究结论

讨论部分强调，目的地与活动数据的生成过程不同，二者对应关系依赖地方活动系统；两个高活动类型日内相似说明目的地表征不足不能简化为昼夜错位；人口定位和斑块分析揭示活动丰富/目的地稀疏存在多种形式；街景原始元素比综合维度更有信息。研究结论可翻译为：本研究考察了广州四个地方活动系统中平台列表目的地与观测活动的对应关系，通过区分目的地预测活动与实现定位活动，识别了目的地数据在何处较好表征地方活动以及何处存在显著表征差距。目的地对应关系中等且不均，目的地支撑高活动在中心案例更常见，活动丰富/目的地稀疏在非中心案例更普遍；这些差距主要不是异常时间安排所致，人口定位提示活动丰富/目的地稀疏单元共现较低，但斑块显示多种局部形态；道路和土地覆盖解释有限，而街景原始元素在中心样本中提供适度预测改进。研究的贡献在于提供了一个比较诊断框架，将目的地列表与观测活动视为相关但不等效的数据表征，保留分歧而非融合为单一活力指数，从而识别需要局部验证与详细规划评估的位置。