共享单车带来的公园绿地慢行可达性变化及规划应对

共享单车带来的公园绿地慢行可达性变化及规划应对——以武汉市主城区为例

作者：

张秋圆，华中科技大学建筑与城市规划学院

郭亮，华中科技大学建筑与城市规划学院;湖北省城镇化工程技术研究中心

祝芸依，华中科技大学建筑与城市规划学院

关键词

共享单车出行；公园绿地；慢行可达性；武汉市主城区

引 言

公园绿地是城市居民日常生活中主要使用的生态和休憩场所，作为重要的城市公共物品，其可达性是影响城市居民使用的重要因素。可达性是指从空间中任意一点到达目的地的难易程度，反映了人们到达目的地过程中所克服的空间阻力大小，常用距离、时间和费用等指标来衡量[1]。近年来共享单车发展迅猛，迅速成为小汽车、地铁、公交外的第四大出行方式，对以休闲为目的的出行影响巨大[2]。针对以公园绿地为目的的出行，根据对公园游客的实地访谈，大部分城市居民愿意骑共享单车前往最近的公园，而根据2017年武汉市共享单车出行报告，共享单车骑行时间在20分钟以内的占比83%[3]。因此，共享单车的普及，对公园绿地的慢行可达性影响很大，也一定程度上改变了城市居民的出行习惯，使他们更愿意亲近自然、健康出行。

我国常用的城市绿地系统评价指标包括人均绿地面积、绿地率、绿化覆盖率等面积比率指标，这在一定程度上体现了城市绿化的整体水平，却不能具体反映城市绿地的空间分布格局，因此在学术研究中应用较少。常见的可达性研究方法包括统计分析法[4]、缓冲区法[5, 6]、邻近距离法[7]、行进成本法[1]、引力模型法[8]、网络分析法[9-13]、互联网地图法[14, 15]和高斯两步移动搜索法[16-18]，各种方法的基本原理和优缺点如表1所示。

表1 可达性分析各种方法的基本原理与优点、缺点

在这些研究方法中，网络分析法相对真实可靠且标准清晰易懂，对于基础数据掌握丰富的规划从业者来讲应用价值较高。以往的网络分析法往往针对步行进行建模分析和可达性研究[9, 12]，或者对步行、骑行、公交车、小汽车分别进行建模分析[10, 13]，很少进行两种出行方式的比较以及探求不同出行方式可达性分析结果存在差异的原因。本文研究侧重于以下三个方面：①共享单车的普及对公园绿地可达性带来了怎样的变化；②哪些地区可达性变化大，哪些变化很小；③可达性变化大小存在差异的原因是什么，并据此提出规划应对策略。

1 数据与方法

1.1研究区域

武汉市是湖北省省会，市内湖泊众多，水域面积越占全市面积1/4，有“百湖之市”的美誉，丘陵众多，龟山、蛇山、磨山等与众多湖泊形成武汉的独特山水格局，自然环境条件较好。本文选取武汉市主城区（包括三环线以内，以及武钢和武汉经济开发区的部分区域）作为研究区域，选取其中的公园绿地作为研究对象。

1.2数据来源及初步处理

1.2.1街道边界与人口数据

武汉主城区范围内有85个街道，总面积为654.66km2，其中水域面积112.12km2，并根据收集到的2016年武汉市主城区各个社区的人口数据（图1-a），在ArcMap10.3中将带有社区人口数据空间连接到各个街道上进行汇总，计算主城区每个街道的总人口，计算出主城区总人口6227995人，各街道的人口分布如图1-b所示。

图1-a 武汉市主城区各社区人口分布

图1-b 武汉市主城区各街道人口分布

1.2.2公园绿地数据

按依托遥感影像与用地现状图，对武汉市主城区的公园绿地进行数字化，其中包含磨山、东湖风景区等专类公园；解放公园、汉口江滩公园、沙湖公园和四美塘公园等综合公园以及面积相对较小的社区公园、游园。然后根据网络搜索结合实际调查，获取各个公园的出入口点数据，并汇总在ArcMap10.3中（图2）。

图2 武汉市主城区公园绿地分布

1.2.3道路网数据

利用从互联网爬取的城市道路网矢量数据，根据实际交叉口将道路打断，并删除禁止步行和骑行的高速公路、城市快速路数据。

1.3研究方法

1.3.1网络分析法

网络分析（Network Analysis）是基于图论和运筹学的理论基础，对地理网络、城市基础设施网络进行模型化和地理化，从而进行最短路径寻找和最佳资源分配方式获取[19]。一个基本的网络包括中心(centers)、连接(links)、节点(nodes)和阻力(impedance)，模型示意如图3。

在本研究中，中心代表各个公园绿地的真实出入口，到达公园出入口即可当作进入公园绿地（对于开敞公园绿地，若边界AB均可进入，为简化计算用A、B和边界AB的中点代表所有出入口），连接代表不同等级的每段城市道路，节点代表各个道路交叉口，阻力代表在每段道路上步行花费的时间。这样，每个公园绿地都是中心的集合，依托道路线构建拓扑并建立道路网络数据集，利用ArcMap网络分析模块（Network Analyst）的“新建服务区”功能计算各个中心的服务区并作为公园绿地的服务面积。

图3 网络分析法模型示意

具体来讲，在ArcGIS平台上，先利用武汉市主城区道路网数据建立城市道路数据库，进行拓扑并建立道路数据集，在步行道路数据集中，根据相关研究和调查[11]，在道路数据集中设置出行速度为83m/min；在共享单车骑行道路数据集中，根据2017年武汉市共享单车出行报告，武汉市摩拜单车平均骑行速度8.2km/h [3]，在道路数据集里设置出行速度136.67m/min，分别计算出从每个公园入口步行和骑行5、15、30分钟的服务范围。

将社区人口数据的质心点（保证不落在水中）与网络分析法计算出的服务范围相交，然后在街道尺度汇总数据，将服务范围与人口分布进行结合服务面积比和服务人口数量比两个指标评价可达性水平：

服务面积比=服务范围面积/每个街道面积×100%（公式1）

服务人口比=服务范围内社区人口总数/街道总人口×100%（公式2）

可达性分析的技术路线如图4所示：

图4 可达性分析技术路线

1.3.2分级分析方法

在对计算结果进行分级分类时，采用自然间断点法对各街道的公园绿地可达性行进行分级分析。自然分裂法基于数据内部的内在联系进行自然分组，以最大化组间差距的方式保证分级的客观性，并优化组内相似值。利用自然间断点法将武汉市主城区各街道的公园绿地可达性指标分为低、较低、一般、较高、高5个等级。

2 主城区尺度公园绿地慢行可达性变化

2.1服务面积比变化

分别在两个道路数据集中，以公园出入口为设施点进行服务区分析，在主城区尺度进行汇总,得到步行、骑行的等时圈范围，结果如图5-a、图5-b。

图5-a 主城区步行等时圈范围

图5-b 主城区骑行等时圈范围

分别将服务范围根据等时圈划分为三个等级，5分钟以内为可达性好，5-15分钟为可达性较好，15-30分钟为可达性一般，分别统计步行和骑行两种慢行方式的服务范围的面积和主城区总面积（不含水域）的占比，结果如表2。

表2 两种慢行方式服务面积比较

从表2可以看出，与步行相比，骑行5分钟的可达范围占主城区总面积的百分比增加了17.85%，5-15分钟可达范围增加了5.54%，15-30分钟可达范围减少了11.84%。因此，可以说共享单车的普及大大增加了公园绿地的服务范围，特别是针对15分钟以内慢行出行的服务范围，增加了23.39%。

2.2服务人口比变化

将社区面文件的质心点与等时圈覆盖范围相交，统计处在不同等时圈的社区及人口数，结果如图6-a、图6-b、表3。

图6-a 步行服务范围内的社区

图6-b 骑行服务范围内的社区

表3 两种慢行方式服务人口比较

从表3可以看出，与步行相比，骑行5分钟的可达范围的服务人口占主城区总人口的百分比增加了30%。因此可以说，共享单车的普及使武汉市主城区超过50%的人口能够在5分钟以内慢行到达最近的公园绿地，增加了30%；使超过90%的人口能够在15分钟以内慢行到达最近的公园绿地，增加了约17%。

3 街道尺度公园绿地慢行可达性变化大小、产生原因

3.1街道尺度公园绿地慢行可达性变化

分别将图5-a、图5-b的服务面积和图6-a、图6-b的服务人口数据在Arcmap10.3中通过相交、空间连接等方式汇总到街道尺度，结合当前普遍倡导的15分钟生活圈规划，以15min以内为慢行可达性较好的标准，统计各个街道的骑行15分钟与步行15分钟的服务面积比（图7-a）、服务人口比（图7-b）变化，结果用自然间断分级法将分为小、较小、一般、较大、大5个等级,颜色由浅到深。结果如表4所示。

图7-a 各街道的服务面积比变化

图7-b 各街道服务人口比变化

表4 街道尺度慢行可达性的变化

3.2可达性变化大小差异的产生原因

对比15分钟各街道的步行服务人口比（图8-a）和骑行服务人口比（图8-b），采用自然间断点分级法将结果分为低、较低、一般、较高、高5个等级，颜色由浅到深。

图8-a 各街道的步行服务人口比

图8-b 各街道的骑行服务人口比

结合图8-a、8-b、表3进行分析，对慢行可达性影响小和很小的街道分为两类：一类是街道自身及邻近地区公园多，服务面积大，步行15分钟服务人口比超过80%，骑行15分钟服务人口接近100%，这类街道主要分布在滨江核心区，包括白沙洲街道、宝丰街道、北湖街道、常青街道等；另一类是街道自身及邻近地区公园较少，服务面积小，道路网密度不高，且某些人口较多的社区，骑行、步行15分钟范围均覆盖不到，这类街道有东湖开发区关东街道、东湖风景区街道（洪山）、东湖风景区街道（武昌）、沌口街道、永丰街道。

对慢行可达性影响一般的街道也可分为两类：一类是街道自身及邻近地区公园较多，步行15分钟服务人口比在60-80%之间，骑行15分钟服务人口比超过90%，这类街道包括月湖街道、百步亭花园、南湖街道等；另一类是街道自身及邻近地区公园较少，服务面积小，步行15分钟服务人口比在20%左右，骑行15分钟服务人口比在50%左右，这类街道有易家墩街道和武东街道。

对慢行可达性影响大的街道，街道自身及邻近地区公园较少，但路网密度较高，步行15分钟服务人口比在20-50%之间，骑行15分钟服务人口比在75-90%之间，包括厂前街道、狮子山街道、关山街道。

对慢行可达性影响很大的街道，街道自身及邻近地区公园较少，但路网密度高，步行15分钟服务人口比不超过30%，骑行15分钟服务人口比超过90%。

4 对城市规划的影响及规划应对

4.1公园绿地等城市公共设施点服务范围的变化

从以上分析可知，共享单车的普及增强了公园绿地以及各类公共服务设施的可达性，扩展了它们的服务范围，在公共服务设施规划布局中可以适当扩大设施点的服务半径，以步行为主、骑行为辅（考虑到幼儿、老年人等不方便骑行的群体）综合考虑。

4.2公园绿地的布局与出入口位置选择

规划前期要充分考虑公园绿地布局的合理性，结合居住用地分布特征，使公园能够尽量服务更多的人口；在后期城市双修工作“增绿”、“补绿”时，更应结合各种大数据了解人口分布特征并合理布局。

在公园具体设计时要充分考虑公园出入口的可达性。公园出入口的位置选择，不仅对公园自身交通与空间结构存在明显影响，更决定了附近居民的实际可达性。通过结合道路交通系统合理设置公园出入口，以及建设更多开放式公园，改善与公园绿地接驳的慢行体系，将能有效提升公园的慢行可达性。

4.3减少不同地区的公共资源供给差距促进社会的公平与公正

通过对街道层面的公园绿地慢行可达性分析，可看出不同街道公园绿地可达性差异很大。对于慢行可达性较差的街道，包括蔡甸经济开发区沌口街道、东湖开发区关东街道、武东街道、东湖风景区街道（洪山）、东湖风景区街道（武昌）和张家湾街道，这类街道公园绿地本身较少或者分布不均、过于集中，对于它们，后期规划中要在其居民分布集中的地段适当增加公园绿地，比如社区公园和游园，以及增密路网、增强道路通达性，以减少不同街道的公共资源供给差距，从而促进社会的公平与公正。

5 结论与讨论

5.1结论

共享单车的普及不仅改变了武汉居民以休闲为目的的出行习惯，还大大增加了武汉各类公园绿地的慢行可达性。在主城区尺度上，共享单车增加了公园绿地的服务范围，特别是针对15分钟以内慢行出行的服务范围，扩大超过20%；使武汉市主城区超过50%的人口能够在5分钟以内慢行到达最近的公园绿地，增加了30%，超过90%的人口能够在15分钟以内慢行到达最近的公园绿地，增加了约17%。在街道尺度上，共享单车的普及对不同街道的影响差异很大，不同街道公园绿地资源、道路通达性等方一定程度上影响了差异的大小。

5.2讨论

本研究采用结合路网、公园绿地出入口等实际影响出行的因素的网络分析法（Network Analysis）分析公园绿地可达性，与现实契合度较高。目前国内通常采用按照公园等级确定服务半径的方法，即缓冲区法来分析其空间分布格局的合理性, 忽视了实际交通的影响。

由于笔者的能力有限，本研究还存在一些不足，比如网络分析法分析的可达性是一种理想化的客观可达性研究方法，对于公园绿地自身吸引力大小、距离带来的可达性衰减等因素无法量化，以及影响步行和骑行的道路自身因素和交通影响因素，比如交通拥挤等在研究中也没有考虑。另外，在计算人口服务比时，将每个社区抽象为点并与服务范围相交，尽管在抽象成点时保证其不落在水中，但社区颗粒精度仍旧在分析中存在一定误差，这些问题有待将来进一步深入研究。

参考文献

[1] 俞孔坚, 段铁武, 李迪华, 等. 景观可达性作为衡量城市绿地系统功能指标的评价方法与案例[J]. 城市规划, 1999(08):7-10.

[2] 蒋梦帆, 朱查松, 刘健枭. 共享单车影响下的居民出行行为研究——以厦门市思明区为例: 2017中国城市规划年会, 中国广东东莞, 2017[C].

[3] 武汉市交通发展战略研究院, 摩拜单车, 未来交通实验室武汉站. 2017武汉共享单车出行报告[R]. 武汉: 2017.

[4] 李博, 宋云, 俞孔坚. 城市公园绿地规划中的可达性指标评价方法[J]. 北京大学学报(自然科学版), 2008(04):618-624.

[5] OH K, JEONG S. Assessing the spatial distribution of urban parks using GIS[J]. LANDSCAPE AND URBAN PLANNING, 2007,82(1-2):25-32.

[6] 唐子来, 顾姝. 上海市中心城区公共绿地分布的社会绩效评价:从地域公平到社会公平[J]. 城市规划学刊, 2015(02):48-56.

[7] 尹海伟, 徐建刚. 上海公园空间可达性与公平性分析[J]. 城市发展研究, 2009(06):71-76.

[8] HILLSDON M, PANTER J, FOSTER C, et al. The relationship between access and quality of urban green space with population physical activity[J]. Public Health, 2006,120(12):1127-1132.

[9] 李小马, 刘常富. 基于网络分析的沈阳城市公园可达性和服务[J]. 生态学报, 2009(03):1554-1562.

[10] 陈书谦. 基于网络分析法的公园绿地可达性研究[D]. 哈尔滨工业大学, 2013.

[11] 方可, 哈思杰, 唐梅, 等. 城市绿地建设实施评估方法创新研究——以武汉市为例[J]. 城市规划学刊, 2015(06):84-89.

[12] 马雪梅, 陶冠华. 基于GIS的城市绿地景观可达性研究——以通化市中心城区公园绿地为例[J]. 华中建筑, 2017(5):74-77.

[13] 卢宁, 李俊英, 闫红伟, 等. 城市公园绿地可达性分析——以沈阳市铁西区为例[J]. 应用生态学报, 2014(10):2951-2958.

[14] ZHOU X, KIM J. Social disparities in tree canopy and park accessibility: A case study of six cities in Illinois using GIS and remote sensing[J]. URBAN FORESTRY & URBAN GREENING, 2013,12(1):88-97.

[15] 王烨, 戴斯琪, 牛强. 基于位置大数据的公园绿地空间分布绩效评价——以武汉市大型公园绿地为例: 2017中国城市规划年会, 中国广东东莞, 2017[C].

[16] 魏冶, 修春亮, 高瑞, 等. 基于高斯两步移动搜索法的沈阳市绿地可达性评价[J]. 地理科学进展, 2014(4):479-487.

[17] 李孟桐, 杨令宾, 魏冶. 高斯两步移动搜索法的模型研究——以上海市绿地可达性为例[J]. 地理科学进展, 2016(08):990-996.

[18] 许基伟, 方世明, 刘春燕. 基于G2SFCA的武汉市中心城区公园绿地空间公平性分析[J]. 资源科学, 2017(3):430-440.

[19] 李小马, 刘常富. 基于网络分析的沈阳城市公园可达性和服务[J]. 生态学报, 2009(03):1554-1562.