多模式交通网络与移动信令数据揭示城市公园服务区域差异：以中国南京为例

《Urban Forestry & Urban Greening》：Multimodal Transportation Networks and Mobile Signaling Data Reveal Disparities in Urban Park Service Areas: A Case Study of Nanjing, China

　　• 提出了一种多模态出行时间框架，用于识别公园服务区。• 大部分公园的服务范围可在14–25分钟内到达，周末时服务范围有所扩大。• 开发了四项公园服务指标，用于城市公园研究。• 揭示了塑造公园服务区的内部与外部驱动因素。• 基于服务人口识别了四类公园服务区。**引言**在循证治理与数据赋能的城市治理背景下，公共服务评估的焦点正从"是否提供了服务"转向"服务是否被真正、持续且公平地使用"（Kitchin, 2014, van Heerden et al., 2022）。因此，对城市公共服务的精准识别与评估对于解决这些不平等问题至关重要。作为重要的公共设施与服务载体类型，城市公园通过改善生态条件（Tzoulas et al., 2007）、缓解城市热岛效应以及提供休闲娱乐机会（Chiesura, 2004），持续影响着居民的健康与福祉（"urban-green-space-intervention."，无日期）。然而，城市公园的供给并不必然转化为已充分实现的公共服务（Fontán-Vela et al., 2021）。因此，了解公园供给是否被有效利用，对未来城市公园的规划与管理具有重要现实意义。公园服务区（PSA）是衡量城市公园供给与利用情况的重要指标，它反映了公园能够服务居民的空间范围（Dang et al., 2022）。公园服务区的识别与分析长期以来是PSA研究的核心，并已逐步向更加精细化的方向发展。现有的PSA研究主要基于固定的时间阈值，并采用道路网络指标和欧氏距离作为划分PSA的依据（Battiston and Schifanella, 2024, Winkler et al., 2024）。然而，这些方法存在一个明显的局限性：它们忽视了公园内外部的吸引与阻力因素如何塑造居民前往公园的意愿。在实际中，当公园提供更为丰富的设施与体验时，居民未必会选择最近的公园，反而可能愿意前往更远的距离（Tu et al., 2020）。相反，距离衰减效应（Tabatabaei, 2025）、较低的街道网络连通性（Kaczynski et al., 2014）、交通安全与公共安全风险（Rosenberg et al., 2013），以及高速公路等重大基础设施障碍（Yoon et al., 2025）都会抑制公园的到访。近期的研究试图通过引入手机信令数据来解决这些局限。这些数据由运营商基站记录，在用户通信过程中生成，具有人口覆盖面广、时空连续性强的特点。它们能够识别居民的惯常居住地，并在相对精细的空间尺度上推断公园访问者的来源地，从而有助于PSA的划定（Zhai et al., 2018, Li et al., 2021a）。然而，这些研究通常简单地将服务流表示为访问者居住地与公园之间的直线连接，对路径选择与出行时间成本的关注有限。在实际中，城市提供多种出行方式，不同方式下公园的可达性存在显著差异（Tan et al., 2022），这意味着公园到访的可能性与时间高度相关（Li et al., 2021a）。此外，随着城市交通网络日益复杂，在居民选择最优路径时，出行时间最小化并非唯一目标（Schakenbos et al., 2016），这意味着仅凭到访距离不足以反映实际可达性。为弥补这些研究空白，本研究从多模态交通网络视角提出了一个PSA识别与分析框架。该框架将PSA划定从基于潜在可达性的定义，扩展到出行时间可达性与实际到访行为的联合表征。与常规方法相比，将手机信令数据与多模态交通网络相结合，能够更准确地捕捉日常通勤与计划出行混合情境下的公园服务情况。本研究旨在回答三个问题：（1）如何利用手机信令数据表征公园到访模式，并在多模态交通网络中准确识别PSA？（2）哪些与公园相关的内部和外部因素导致了PSA所观察到的差异？（3）在服务于不同用户群体的公园中，PSA呈现出怎样的空间不平等模式？相应地，本研究提供了一种准确评估城市公园服务水平的途径，并为优化城市公园的空间布局与功能配置提供了科学依据。**章节摘要****PSA研究的演变**关于PSA的研究大致可分为两个视角：（1）基于预设范围划定的潜在服务区，以及（2）基于实际使用情况得出的实际服务区（Guagliardo, 2004）。预设的PSA是城市规划师使用的重要标准，且在不同国家和地区之间存在差异。在中国，早期的绿地分类标准根据公园规模规定服务范围，社区口袋公园和服务居住区公园的服务半径分别为300–500米和500–1,000米。**研究区域**南京（东经118°22′–119°14′，北纬31°14′–32°37′）是江苏省省会，国家历史文化名城，也是华东地区的重要枢纽城市，具有深厚的历史底蕴和强大的创新能力（图1）。根据《南京年鉴》（2024），截至2023年12月，该市常住人口为957.7万，行政区面积约6,587.04平方公里，在中国城市规模等级中属于超大城市。**研究框架**图2展示了本研究的流程。首先，本研究所用数据集来自多个平台采集。其次，使用Python构建多模态交通网络，并基于手机信令数据估算公园出行时间。第三，对公园到访曲线进行拟合，以识别PSA并计算四项PSA特征指标。第四，选取PSA表现的可能影响因素，并进行皮尔逊相关分析以及梯度提升树……**六种到访模式及其曲线**基于手机信令数据与多模态交通网络，我们估算了南京88个城市公园在工作日和周末的到访情况。对GTC模型的额外验证表明，偏好校准显著提高了模型预测出行分担率与调查观测分担率之间的一致性（表S2）。我们进一步开展了参数敏感性分析，以检验PSA指标是否过度依赖GTC参数假设。结果显示……**BGS的EEQ改善效应差异**出行距离对公园到访的影响是非线性的，且已有研究表明，不同类型公园在到访量与到访强度方面存在显著的异质性（Zhang and Zhou, 2018）。利用手机信令数据，本研究识别出南京城市公园的六种典型到访特征曲线。值得注意的是，所有公园的到访特征函数均获得了极高的拟合优度，显著优于传统的距离衰减函数。这表明……**结论**本研究证明了从出行时间视角识别与分析PSA的重要性，尤其在具有多模态交通系统的城市中。主要贡献在于将多模态交通网络与广义出行成本模型相结合，为南京88个城市公园推导出到访曲线，并基于这些曲线建立了PSA识别与分析框架，其中包括四个用于表征PSA表现的新型指标。此外……**伦理审查批准**本文不包含任何作者对参与者实施的研究。**资助与资助方角色**本研究受国家自然科学基金面上项目（31971721）、江苏省第七期"333高层次人才培养工程"第三层次培养对象项目（2024）以及江苏省高校优势学科建设工程资助项目（PAPD）资助。**作者贡献声明（CRediT）****钱昊辰（Haochen Qian）：** 写作—审阅与编辑，写作—原稿，验证，方法学，形式分析，数据整理，概念化。**王敏奇（Minqi Wang）：** 写作—审阅与编辑，写作—原稿，可视化，软件，方法学，调查研究，形式分析，数据整理，概念化。**邱冰（Bing Qiu）：** 写作—审阅与编辑，写作—原稿，验证，资源获取，项目管理，方法学，资金获取，形式分析，概念化。**Fan****利益冲突声明**作者声明，他们没有已知的可能影响本文所报告工作的竞争性经济利益或个人关系。**致谢**我们感谢南京市园林绿化局公开发布官方公园清单，以及《南京绿地系统规划》（2011–2020）提供的公园边界基准数据。道路网络数据来自OpenStreetMap（https://www.openstreetmap.org/），公共交通信息汇编自南京公共交通网站，POI数据则通过高德地图和百度地图的开放平台API获取。此外，我们……王敏奇｜钱昊辰｜毛晚晴｜张凡｜邱冰