EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 2: 332 - 351

DOI: https://doi.org/10.12082/dqxxkx.2024.230136

空间格局测度与可利用性评价

社交媒体影响下城市休闲空间分布新特征:基于小红书打卡地与POI的对比分析

  • 顾晋源 ,
  • 杨东峰 , *
展开
  • 大连理工大学建筑与艺术学院，大连 116024
*杨东峰（1977— ），男,河南陕县人，教授，博士，主要研究方向为健康城市与区域可持续发展。 E-mail:

顾晋源（1998— ），男,云南曲靖人，硕士生，主要研究方向为空间数据挖掘与城市空间规划。E-mail:

Copy editor: 蒋树芳 黄光玉

收稿日期: 2023-03-21

  修回日期: 2023-05-15

  网络出版日期: 2024-03-27

基金资助

国家自然科学基金项目(52078095)

收起

New Features of Urban Leisure Space Distribution under the Influence of Social Media: A Comparison between Xiaohongshu Check-ins and POI

  • GU Jinyuan ,
  • YANG Dongfeng , *
Expand
  • School of Architecture and Fine Art, Dalian University of Technology, Dalian 116024, China
*YANG Dongfeng, E-mail:

Received date: 2023-03-21

  Revised date: 2023-05-15

  Online published: 2024-03-27

Supported by

National Natural Science Foundation of China(52078095)

Fold

摘要

移动信息通信技术与社交媒体对日常生活的嵌入日益加深，影响了居民休闲活动区位选择，但就其影响的空间规律性特征认识相对欠缺。研究基于对比的视角，选取大连市小红书休闲打卡点位数据与同类别休闲POI数据，从集中度与集群度2个维度、在主城区与行政街道两个尺度上，采用核密度估计、热点分析、DBSCAN等空间分析方法测度对比两类休闲空间的分布特征，并据此提出初步的机制解析。研究发现：① 休闲打卡地大多分布于城市核心区内，但分布范围更小、核心数量更少；② 在宏观尺度上，休闲打卡地呈现出更低的集中度（差值约3%）与集群度（平均差值约18%），分布具有明显的“均质化散布”特征，在街道尺度上分布趋势相同，但在不同街道2类指标的差值大小存在显著不同；③ 休闲打卡地的热点集聚区范围更小，就其分布位置而言，在宏观与街道尺度上分别有85%与77%的休闲打卡地热点集聚区位于全量休闲空间热点集聚区内，少量休闲打卡地特有的热点集聚区主要分布于历史街区以及滨海岸线等城市特色风貌区；④ 根据街道内指标高低，休闲打卡地的分布模式可以总结为“原中心集群型”、“原中心散布型”、“新中心散布型”以及“无中心散布型”4类，不同分布模式所在街道的功能、区位等特征存在差异。研究基于行动者网络理论解析了社交媒体影响下休闲打卡行为的行动过程，并在此基础上从场所空间与流空间的差异出发，结合时间地理学的基本理论，认为社交媒体在原有时空制约的基础上构建了一种以强目的性空间探索为特征的休闲活动新“地方秩序”，它体现了基于虚拟联系的流空间对基于实体在场的场所空间的影响：强化节点吸引力的作用，降低中微观尺度上的可达性约束，增加区位灵活性。

关键词： 休闲空间; 休闲打卡地; 社交媒体; 分布特征; 集中度; 集群度; 小红书; POI

本文引用格式

顾晋源 , 杨东峰 . 社交媒体影响下城市休闲空间分布新特征:基于小红书打卡地与POI的对比分析[J]. 地球信息科学学报, 2024 , 26(2) : 332 -351 . DOI: 10.12082/dqxxkx.2024.230136

Abstract

The mobile communication technology and social media has been deeply embedded into people's daily life, affecting people's choices of leisure activities. However, there is still limited understanding of the spatial regularity characteristics of its impact, particularly due to the lack of empirical analysis utilizing specific quantitative indicators. Given that the layout of leisure spaces is closely linked to social equity, it is essential to obtain a better understanding of the emerging spatial patterns in order to improve residents' well-being. To address this gap, leisure check-ins on Xiaohongshu (a Chinese social media platform) and leisure Points of Interest (POI) in Dalian are used to measure the characteristics of these two types of leisure spaces in two dimensions: concentration and clustering, and at two scales: the main urban area and subdistricts. Various spatial analysis methods, including kernel density estimation, head/tail breaks, hot spot analysis (Getis-Ord Gi*), and DBSCAN (Density-Based Clustering), are employed to analyze the data. The findings are that: (1) Leisure check-ins are mostly located in the urban central area, with a smaller distribution range and fewer hotspot cores; (2) At both the main urban area and subdistricts scales, the distribution of leisure check-ins exhibits lower concentration and clustering, with obvious "decentralized dispersion" characteristics. However, the degree of significance of these features varies across different subdistricts; (3) The majority hotspots of leisure check-ins are located in traditional hotspots, with a few emerging in expansion of urban central area or regions with unique features, such as historic urban landscape district and marina space; (4) The distribution patterns of leisure check-ins can be grouped into four types based on differences in subdistricts' concentration and clustering ratio: "original center cluster type", "original center scattered type", "new center scattered type", and "no center scattered type". The subdistricts with these different distribution patterns exhibit differences in functionality, location, and other characteristics. This study analyses the behavioral processes of leisure activities under the influence of social media through the lens of Actor-Network-Theory. Based on the fundamental principles of temporal geography and differences between "space of places" and "space of flows", it is argued that social media engenders a novel "local order" of leisure pursuits, marked by a desire for spatial exploration. This new order reflects the impact of "space of flows" based on virtual connections on "space of places" based on physical presence, which strengthens the role of node attractors, reduces the constraints of accessibility at micro scales, and increases the flexibility of location.

Key words： leisure space; leisure chick-ins; social media; distribution characteristics; concentration; clustering; Xiaohongshu; POI

1 引言

2008年中国手机网民规模约7千万，到2022年这一数字已经超过了10亿，移动设备的普及和信息通信技术的发展改变了人与人、人与空间的互动方式，深刻地影响了居民休闲行为与城市休闲空间。根据抖音发布的《2020年抖音旅行创作者生态白皮书》[1]，2020年抖音旅行打卡视频数达到7亿，播放量超过万亿次，数字的背后是包括“打卡”、“网红空间”等在内的各类新休闲行为与空间对传统空间理论边界的挑战与拓宽。在休闲行为层面，研究证实了以社交媒体为代表的移动信息技术对休闲出行前[2]、出行中[3]以及出行后[4]的全过程影响，同时对形成机制[5]与影响因素[6]等内容也进行了深入分析。在休闲空间层面，尽管学界已经有了空间视角的关注，研究从宏观空间分布[7-8]到微观空间特征[9-10]均有涉猎，但在研究视角上仍然以理论探讨与空间特征描述为主，缺乏规律性的分布特征与趋势分析。
对于信息通信技术的影响，城市空间结构“集中”或“分散”的变化趋势始终是学界的关注焦点，相关研究经历了从理论到实证，从整体到细分的演变。早期研究以针对宏观尺度空间结构变化的理论探讨为主，“距离已死（the death of distance）”[11]等技术乐观者的论述是其中典型代表，同时也有反对意见认为，由于基础设施等地理实体的限制，地理距离的影响并不会消减[12]。与早期讨论的争锋相对不同，研究逐渐开始强调影响的复杂性，米歇尔的言论是其中的代表：“与距离已死的论述相比，认识到由此（ICTs）产生的新联系为我们提供了生产和组织居住空间的根本性新手段，并通过使用它来满足人们的各种需求，更有意义与启发[13] 。”而后随着大数据的涌现，研究逐渐开始探索包括居住[14]、商业[15]和办公[16]等城市细分功能的形态结构演变。这些研究进一步证实了影响的复杂性，并形成了集中、分散、双重影响以及无影响四种观点[17]。在休闲空间方面，国内研究针对休闲范畴内的“隐形消费空间”[18]、“新消费空间”[7]以及“网红空间”[8]等“新休闲空间”的分布特征、选址机制等内容展开了探讨，但就集中与分散等趋势的讨论较少，尤其缺乏采用特定量化指标的分布规律分析。
研究普遍认为，总体上城市休闲空间分布遵循中心集聚的圈层式分布态势，不论是国内[19]还是国外[20]，不论城市规模大[21]或小[22]，不论是采用POI[23]等地图数据还是感知调查数据[24]。然而，尽管整体分布态势相对确定，但休闲空间的具体分布格局往往会随社会需求[25]、政策指引以及城市化进程[26]等外部因素的变化而变化。休闲空间的布局关乎社会公平与居民福祉[27]，一直以来都是规划调控的重点内容，近年来地方政府也开始将建设与运营“网红打卡地”等新休闲空间作为城市更新和城市经营的重要手段，如北京发布了“网红打卡地榜单”[28]，乌鲁木齐提出了“网红打卡地助推城市更新”[29]。因此，随着社交媒体等新兴技术对居民休闲活动影响的加深，无论是在理论还是实践层面，都有必要对新背景下休闲空间的变化展开探讨。
在相关研究中，常使用网红打卡地[30]、网红空间[8]等概念来代称社交媒体中用户参与形成的地理标记（geo-tagged）地点，但理论研究普遍认为“网红”是一个意涵复杂的文化概念，很难给出一个清晰而内涵完备的定义[31]，一个人、一杯饮品以及一个景点都有可能被冠以“网红”之名。在“网红”的诸多特点中，以社交媒体等为媒介，与用户形成强联结的参与式文化得到了研究的广泛认可[32]，除此之外用户自我呈现[33]、滤镜失真[34]等特点也备受关注。考虑到本文的关注重点在于社交媒体打卡地空间分布层面的特征，为了避免歧义，研究采用“休闲打卡地”来代称社交媒体平台中用户标记前往的休闲空间，尽管“打卡”一词在日常生活中使用已久，但在百度、微信公众号等内容搜索平台以“打卡地/点”为关键词进行检索时，百度中最早的内容出现在2015年，微信公众号则直到2017年下半年才出现第一篇内容，因此可以认为“打卡地”等新用法是伴随移动互联网的兴起才开始被广泛使用，能够有效代指研究对象。
综上，面对新技术背景下各类新空间现象地涌现，研究以休闲打卡地为研究对象，试图通过定量实证的方法揭示社交媒体影响下休闲空间分布的规律性与趋势性新特征，并结合相关理论提出初步的机制解析，以期为相关空间研究与城市治理实践提供参考。

2 研究视角、数据来源与研究方法

2.1 研究视角

相比于一般的特征描述，对比分析在揭示变化特征时说服力更强，常被用于趋势研判[35]，但有必要针对不同数据集采用可比较、说服力强的量化指标。在空间结构的量化指标方面，Anas等[36]提出的集中（centralized）/均质（decentralized）、集群（clustered）/散布（dispersed）两维度指标体系最具代表性，前一维度强调集中程度，后一维度重在空间或规模的邻近关系，被广泛应用于人口[37]、办公空间[16]以及创新空间[38]等的分布结构测度，同时在居住分异的研究中也有相似的分类方式[39]。该视角认为，在分析城市空间结构时，简单地将“集中”和“分散”对立起来，无法清楚体现特定尺度、特定类型的空间关系，一个低集中度的模式在局部层面可能形成“多中心集群”与“规则散布” 2种模式。借鉴以上思路，本文将休闲空间分布结构特征拆解为集中度与集群度2个方面（图1），其中：集中度用来衡量要素是集中分布在少数几个区域，还是均质的分布在大多数区域；集群度用来衡量要素是与周边要素地理邻近呈现集群分布，还是独立散布，不发生相邻关系。
图1 分布特征测度的2个维度

Fig. 1 Two dimensions for measuring distribution characteristics

具体而言，研究假设传统地图平台中的全量休闲空间分布特征能够反映居民总体休闲区位选择，进而以此为基准，量化对比社交媒体平台与传统地图平台中相同类型休闲设施点的空间分布情况，以揭示社交媒体影响下休闲空间分布的新特征，并进行初步的作用机制解析。尝试回答以下问题：
（1）社交媒体平台中用户打卡与分享的休闲打卡地如何分布?这个问题的目的在于，通过空间定量分析对社交媒体影响下休闲空间的分布特征进行整体性概览。
（2）与全量休闲空间相比，社交媒体影响下休闲打卡地分布结构的集中度与集群度是否呈现出规律性特征?有怎样的分布模式?这是文本的研究重点，其目的在于通过对比2类休闲空间在2个指标上的异同，探索社交媒体影响下休闲空间分布的新特征。
（3）这些特征在不同尺度上是否具有差异性?这个问题的目的在于应对地理空间尺度的不确定性，将行政街道尺度也纳入研究，探讨研究结果的尺度适应性。
（4）这些特征如何形成?这个问题是对于形成机制的初步探讨，通过类型化的特征总结并基于已有理论框架，尝试提出综合机制解析。

2.2 研究区域与数据来源

研究区域为大连市主城区，包括中山区、西岗区、沙河口区和甘井子区，共涵盖39个街道办事处（图2）。研究使用的两类休闲空间点位数据源分别为小红书平台（后文称“休闲打卡地”）与高德地图（后文称“全量休闲空间”）。
图2 大连市主城区概况

Fig. 2 Overview of the main urban area of Dalian city

相比其他社交媒体平台，用户分享的地点打卡攻略是小红书平台的重要内容，“网红打卡”这一行为与小红书平台高度关联[7]。根据千瓜数据2022年发布的报告[40]，小红书平台的月活跃用户超2亿，其中发布分享内容的用户超过4 300万，男女比例约为3:7。尽管受用户年龄与性别比例的限制，小红书数据无法涵盖所有群体，但其用户的休闲行为受社交媒体影响强，针对本研究具有一定的代表性，同时已有研究证实了小红书数据用于城市研究的可行性[7]。研究于2022年3月通过编写Python代码（模拟器+Mitmproxy抓包）采集小红书打卡点位信息，根据相关研究中休闲空间的分类方式[41,23]与小红书提供的点位类别，共采集得到研究区内景点、餐饮、购物与酒店4类休闲空间点位共3 757个。
电子地图POI被认为是人类活动在实体空间上的总体表现结果[42]，本研究中使用休闲类POI来表征日常休闲活动的总体分布情况。休闲类POI数据是通过高德地图API，于2022年10月，在采集得到研究范围内全类别POI的基础上，根据以下分类方式筛选得到：① 根据相关研究中休闲空间分类方式[41,23]，从POI点位的一级分类中筛选出与休闲空间类别相符的餐饮服务、风景名胜、购物服务、科教文化服务、体育休闲服务以及住宿服务6类POI； ② 由于并非POI一级分类下的所有子类别都属于休闲空间范畴，如“购物服务-家居建材市场-建材五金市场”，为了保证对比对象空间类别的一致性，对所有小红书打卡点位进行了人工分类，分类的标准为POI二级类别，在部分有争议的类别上细化至POI三级类别；③ 以小红书打卡点位的类别为标准，进一步筛选出与其相同类别的POI作为全量休闲空间。最终筛选的休闲空间类别与数据量见表1。
表1 2022年大连市2类休闲空间类型与数量

Tab. 1 Types and quantities of two types of leisure space in Dalian in 2022

一级分类 二级分类 全量休闲空间数量（个）/占比（%） 休闲打卡地数量（个）/占比（%）
餐饮服务 餐饮相关场所；茶艺馆；糕饼店；咖啡厅；快餐厅；冷饮店；甜品店；外国餐厅；休闲餐饮场所；中餐厅 24 459 / 56 2 369 / 63
风景名胜 风景名胜；风景名胜相关；公园广场 586 / 1 347 / 9
购物服务 超级市场；服装鞋帽皮具店；个人用品/化妆品店；花鸟鱼虫市场；家居建材市场；商场；特色商业街；专卖店（书店、礼品饰品店、珠宝首饰工艺品） 8 936 / 21 650 / 17
科教文化服务 博物馆；会展中心；科技馆；科教文化场所；美术馆；图书馆；文化宫；文艺团体；学校；展览馆 1 866 / 4 158 / 4
体育休闲服务 度假疗养场所；体育休闲服务场所；休闲场所；影剧院；娱乐场所；运动场馆 4 164 / 10 44 / 1
住宿服务 宾馆酒店；旅馆招待所；住宿服务相关 3 297 / 8 190 / 5
2类休闲空间为从属关系，即休闲打卡地为全量休闲空间中的特殊子集。尽管二者在数量上存在差距，但各类型比例基本保持一致，与研究“对比同类休闲空间相对分布特征差异”的目的相符，有助于探明休闲打卡地的分布特征。

2.3 研究方法

在比较2类休闲空间的分布特征时，首先通过整体测度与核心识别来对比两者的空间分布格局，随后分别在宏观（即主城区）与中观（即行政街道） 2个尺度下，从集中度与集群度2个维度展开定量对比（图3）。集中度与集群度测度是在识别集中与集群2种点位分布模式的基础上，以不同分布模式的点位数量占比为衡量标准，使特定空间范围内不同数量级的样本具有可比较性。研究涉及的空间分析在ArcGIS Pro 3.0.1平台中完成。
图3 技术路线

Fig. 3 Technology roadmap

2.3.1 整体分布格局对比：标准差椭圆、核密度估计、头尾打断法

在对比两类休闲设施的整体分布格局时，首先选用标准差椭圆（Standard Deviation Ellipse, SDE）分析两类休闲设施的整体分布方向与区位特征。该方法根据地理要素空间分布的平均中心与长短轴长度标准差，计算出一个包含大部分要素的椭圆，其中椭圆长短轴的方向与长度能够揭示出要素分布的方向与离散程度。其次，选用核密度估计（Kernel Density Estimation, KDE）反映2类休闲设施在集聚程度与核心分布等方面的分布特征。核密度估计是一种常用的空间插值方法[43]（式（1）），该方法通过平滑的曲线（核函数）来拟合数据点的分布，最终得到一个光滑连续的密度分布图。在实际应用中，搜索半径（带宽）是影响核密度估计结果的关键参数：不同的搜索半径会导致核密度分析结果的概化程度不同，搜索半径越大，结果越概化。相关研究常通过“多次尝试取效果最优”的办法确定搜索半径[44]，亦有学者根据城市常见的街区尺度建议采用100~300 m为取值参考范围[45]。本文综合相关研究结果，多次尝试后确定搜索半径为250 m。最后，选用头尾打断法（Head/tail Breaks）对核密度估计结果分级，对比2类休闲设施前三级核心的位置。头尾打断法是针对重尾分布（Long Tail Distribution）数据的分层方法[46]，它通过将数据依据算术平均数分为头部和尾部两个部分，尾部作为一个层级，头部继续进行算术平均数划分，循环多次后直至头部占比大于40%为止，最终得到针对该数据的层级划分。与传统方法相比，该方法的优点在于遵循城市自然分形结构，被广泛应用于城市中设施密度[47]与地块大小[48]等的层级划分中。核密度估计的结果会赋予每个分析单元插值后的数据值，通过头尾打断法对结果值进行分组，以此作为核心数量与分布位置对比的基础。
D x , y = 1 ( r ) 2 ∑ i = 1 n 3 π p i ( 1 - ( d i r ) 2           ( d i < r )
式中：D(x,y)为坐标是(x,y)的目标空间点位的密度估计值；r为搜索半径；n为搜索半径内休闲空间数量；pi为字段属性值（可选参数，此处未使用）；di为搜索半径内任一休闲空间i到坐标是(x,y)的目标空间点位距离。

2.3.2 集中度：热点分析(Getis-Ord G*)

在测度2类休闲空间的集中度（Concentration Ratio, CCR）时，首先识别统计学意义上设施集中分布的热点区域，其次采用指标度量对比集中程度。首先，选用热点分析识别2类休闲空间的集聚高值（热点）和低值（冷点）。热点分析通过考察每一个分析单元与其相邻单元的属性值总和来判断要素集聚与否（式（2）），当该局部属性值与通过全局估计的理论局部属性值具有统计学意义上的显著差异时，则根据实际属性值的高低判断该区域为热点（高）或冷点（低）[49]。需要注意的是，在针对点要素的实际使用中，热点分析需将点要素汇集到特定分析单元内，以单元内要素数量来衡量集聚程度。因此，分析单元的划定会对分析结果产生影响，同时地理空间分析的结果往往会受到可变面积单元问题的影响[50]（Modifiable Areal Unit Problem, MAUP）。本文最终选择对边直径150 m的六边形网格为基础分析单元（图4），是出于以下2点考虑： ① 规则格网对原始数据空间形态的反映更为真实，同时热点分析结果显著受邻域属性的影响，六边形网格更多的邻域要素会有助于优化分析结果[51]；② 街阔地块是街区尺度上各类城市空间活动的基本单元，研究一方面通过打断道路支路及以上相交道路，估算街阔地块的边长（中位数146 m），另一方面参考了对大连市街阔地块进行的相关研究[52]，最终采用150 m的分析单元来模拟街阔地块尺度，兼顾分析结果信息量与直观性，将休闲活动与实体空间联系起来。最后，使用热点集聚区内休闲空间数量与总休闲空间数量的比值作为判断集中程度的标准（式（3）），比值越高，说明休闲空间的集中度越高。
G i * = ∑ j = 1 n ω i , j x j - X - ∑ j = 1 n ω i , j S   n ∑ j = 1 n ω i , j 2 - ∑ j = 1   n ω i , j 2 n - 1
式中：i和j分别为不同六边形网格的序号；n为六边形网格数量；xj是序号为j的六边形网格内休闲空间数量； ωi,j是六边形网格i和j的空间权重系数； X -为所有六边形网格内休闲空间数量的平均值；S为所有六边形网格内休闲空间数量的标准差。
C C R =   x h x t o t a l
式中：xh是位于热点集聚区内的休闲空间数量；xtotal是总休闲空间数量。
图4 分析单元与2022年大连市2类休闲空间分布

Fig. 4 Analysis unit and two types of leisure space distribution in Dalian in 2022

2.3.3 集群度：基于密度的聚类算法(DBSCAN)

在测度2类休闲空间分布的集群度( Clustering Ratio, CLR)时，选用基于密度的聚类算法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN），依据不同参数下聚类结果的非噪声要素（Noise）占比来判断2类休闲空间的集群程度。DBSCAN能够基于以下标准识别任意形状的空间聚类（常被称为“簇”）：簇内存在一个或多个中心点，使得以其为中心，给定距离半径（Eps）内有不少于给定下限数量（MinPts）的其他点。相比于 k-means等传统聚类方法，DBSCAN在提取城市空间集群方面优势显著[53]。
与热点分析用于探索要素分布的全局相对集中度不同，DBSCAN基于绝对距离阈值和最小点数阈值，能够捕捉点要素周边一定距离范围内的相邻要素[54]，因此更适合用于量化地理邻近关系。使用此算法通常需要给定Eps和Minpts 2个关键参数，但本研究的目的并非精确刻画集群范围，而是参考相关研究中的用法[55]，通过DBSCAN标记离群的噪声点，以非噪声点的数量占比作为集群度的衡量标准。具体而言，是通过DBSCAN的邻域搜索功能，判断在要素周边某一距离阈值下是否总是会出现其他要素，若出现，则可视为集群分布。同时，为了检验结果是否具有规律性，研究采用了遍历多个参数的取值方法：对于Eps，综合考虑150 m的平均街阔边长与5 min步行可达范围，取300 m作为Eps取值上限，取值从10 m开始，每间隔10 m取值一次至300 m；对于Minpts，其常见最小值为2，也就是只要距离阈值内有1个要素则被识别为集群，一般而言当取值大于2后，集群要素的占比只会更小，但为了检验规律的稳定性，Minpts从2起取值至5。最终，根据集群要素的占比来衡量集群度（式（4）），集群要素占比越高，集群度越高。
C L R =   x c x t o t a l
式中：xc是被DBSCAN识别为聚类的休闲空间数量；xtotal是总休闲空间数量。

3 整体分布格局对比

整体分布特征的分析结果表明：当前大连市两类休闲空间均主要分布于中山区、西岗区、沙河口区，以及甘井子区东部、南部地区，但休闲打卡地分布范围相对更小，以城市核心区为主。具体而言：
① 标准差椭圆分析结果（图4）显示，2类休闲设施的分布方向与离散程度均存在差异。与全量休闲空间相比，休闲打卡地主要分布于中山区、西岗区大部以及沙河口区东部，分布离散程度更低，方向上形成了以西安路商圈为中心的东西向分布态势，而全量休闲空间的分布方向则与大连市北扩的总体发展方向基本一致，呈现出南北向的分布态势，分布范围更广。② 核密度估计与头尾打断法提取核心的结果显示（图5），2类休闲空间核心均集中于传统城市核心商圈，但休闲打卡地的核心区域面积更小、高等级核心数量更少。整体上，全量休闲空间形成了“西安路+青泥洼桥”双核心的集聚分布格局，符合大连市商业网点规划提出的2个都市级商业中心。同时，除中山区、西岗区与沙河口区的连片集聚区外，还在甘井子区北部与南部（高新园区）形成了2个次级核心（华南广场与高新万达），范围基本覆盖了主城区居民日常生活空间，形成了成熟的休闲空间等级体系。而休闲打卡地则呈现出了明显差异：① 休闲打卡地核心连片区面积较小，主要分布在中山区、西岗区与沙河口区等市中心核心区；② 休闲打卡地以“西安路”为单一主核心，“青泥洼桥+奥林匹克广场”为双次级核心，三级核心仅有高新区万达广场，核心数量明显少于全量休闲空间且并未形成新的市级休闲核心。
图5 2022年大连市2类休闲空间核密度估计与核心分布对比

Fig. 5 Comparison of the kernel density estimation and core distribution of two types of leisure space in Dalian in 2022

对于休闲空间分布整体特征的测度形成了以下初步结论：与一些研究推论不符，休闲空间并未在社交媒体以及移动互联网作用下出现“距离消失”的明显外扩现象，反而是更加集中地分布在传统城市核心区内，呈现出城市尺度上的“中心分布”特征。但需要注意的是，受2类休闲空间数量级差异的影响，核心分布范围的缩小仅表明2类休闲空间的核心区域在空间上存在从属关系且更多分布在城市核心区，并不一定意味着“集中分布”，为此需要进一步采用更具可比性的定量方法来测度二者的分布差异。

4 集中度与集群度对比

4.1 集中度：相对均质分布

热点分析的定量测度结果（图6）表明：两类休闲空间均为集中分布，但休闲打卡地的集中度更低，呈现出相对均质的分布态势；就分布位置而言，休闲打卡地的热点集聚区范围更小，位置上多位于全量休闲空间的热点集聚区内，少量休闲打卡地特有的热点集聚区主要分布于历史街区以及滨海岸线等城市特色风貌区。具体来说：
图6 2022年大连市2类休闲空间热点集聚区分布对比

Fig. 6 Comparison of the distribution of two types of leisure space hotspots in Dalian in 2022

在宏观尺度上，2类休闲空间结构集中度均高于70%（表2），呈现出明显的集中分布特征，但相对而言休闲打卡地的集中度略低，分布在热点集聚区外的空间数量占比更高。在街道层面，仅有5个街道的休闲打卡地集中度高于全量休闲空间，其余 34个街道均在不同程度上呈现出相对均质的分布特征，其中5个集中度更高的街道均以市级商业中心为核心（图7）。
表2 整体集中度

Tab. 2 Overall concentration ratio

指标 全量休闲空间 休闲打卡地
热点集聚区内数量/个 32 317 2 715
总数量/个 43 308 3 757
集中度/% 75 72
图7 2022年大连市休闲打卡地分街道相对集中度

Fig. 7 Relative concentration ratio of leisure check-ins at subdistricts level in Dalian in 2022

就热点集聚区位置而言，在宏观尺度上，有85%的休闲打卡地热点集聚区位于全量休闲空间热点集聚区内，进一步验证了整体分布格局对比得出二者分布的从属关系。除重叠部分以外，休闲打卡地特有的热点集聚区可以分为3类：① 全量休闲空间热点集聚区的外扩区域，如中山区南侧南山日式风情区等；② 城市特色街区，如冰山慧谷（旧工业厂房改造）、光风街（大连山地老街）等；③ 滨海休闲空间，如跨海大桥入口、老虎滩以及银沙滩等。在街道层面，有77%的休闲打卡地热点集聚区位于全量休闲空间热点集聚区内，重叠部分占比低于宏观尺度，即在更加微观的尺度上，有更多新休闲打卡地热点集聚区出现。就类型而言，街道尺度的非重叠热点集聚区类型与宏观尺度基本一致：一类是中山广场人民路沿线、和平广场西侧以及黑石礁商圈南侧等全量休闲空间热点集聚区的外扩区域；另一类是老虎滩、冰山慧谷以及星海新天地等城市特色风貌区。

4.2 集群度：低空间关联度散布

集群度分析的结果表明：无论是在宏观还是街道尺度，无论距离阈值高低，休闲打卡地与邻近要素的关联性均更弱、相互距离更远，呈明显散布特征。
在宏观尺度上，使用不同DBSCAN参数组合分析的结果都显示出休闲打卡地的集群度更低（图8）。具体而言，2类休闲空间的集群要素占比平均值分别为90.82%（全量）和73.08%（打卡地），最大值分别为99.95%（全量）与94.94%（打卡地）。随着距离阈值增加，全量休闲空间的集群要素占比迅速增加，在距离阈值达到90 m时，集群度达到稳定状态，超过90%的要素搜索到了相邻要素。相比而言，休闲打卡地则在各个距离阈值上均呈现出相对更低的集群度，独立分布的要素数量占比始终更高。在街道尺度上，与宏观尺度的分析结果一致，各个街道休闲打卡地的集群度仍然显著低于全量休闲空间（图9），呈现相对散布的分布特征。但不同街道之间的集群度差值大小存在差异，其中，泡崖街道集群度差距最大（-75%），兴工街道最小（-4%），以后者为代表的城市核心区集群度显著高于城市边缘区，这一方面是由于休闲空间密度会显著影响聚类效果，只要密度足够高，在较小的距离阈值上也会出现形成集群；另一方面也表明，在非城市核心区，休闲打卡地的分布更不遵循全量休闲空间的“引力圈”式布局模式[56]，而是呈现出相对随机的散布状态。2类设施集群要素占比的平均值与变异系数也揭示出了这一差异：不同街道间，全量休闲空间集群度的波动程度（变异系数：0.07）明显小于休闲打卡地（变异系数：0.54），前者的集群要素占比平均值（87%）也明显高于后者（51%）。
图8 2022年大连市2类休闲空间宏观集群度对比

Fig. 8 Overall clustering ratio of two types of leisure space in Dalian in 2022

图9 2022年大连市2类休闲空间分街道集群度对比

Fig. 9 Clustering ratio of two types of leisure space at subdistricts level in Dalian in 2022

5 分布模式总结与机制解析

5.1 分布模式总结

总体而言，休闲打卡地的集中度与集群度均呈现出规律性特征：集中度上，位于热点集聚区内的点位占比更小，分布更加均质；集群度上，邻近空间的关联度更小，呈现相对散布的特征。但在不同城市区域，2类休闲空间各指标的差值大小存在差异。基于集中度与集群度差值以及热点集聚区位置的差异，可以总结得到4种休闲打卡地的分布模式：原中心集群型、原中心散布型、新中心散布型以及无中心散布型（图10）。
图10 2022年大连市休闲打卡地分布模式与特征总结

Fig. 10 Distribution patterns and features of leisure check-ins in Dalian in 2022

原中心集群型街道共9个，这类街道分布在城市核心区，集中度与全量休闲空间接近，集群度略低，热点集聚区位置基本保持一致，如兴工街道（西安路商圈）、凌水街道（高新区万达广场）以及机场街道（甘井子万达广场）等。此类街道中普遍分布有城市或片区级别的核心商圈，这些商圈的强吸引力使其形成了与全量休闲空间类似的分布模式。由此可见，传统核心商圈高可达性、高密度以及高多样性的吸引力法则仍然在社交媒体平台中发挥作用。
原中心散布型街道共12个，这类街道分布在城市核心区外围，集中度与集群度低于全量休闲空间，热点集聚区规模较小，但位置基本保持一致，如黑石礁街道、南沙河口街道、马栏街道等。此类街道的功能以居住为主，其休闲热点集聚区主要服务于周边住区。无论是从可达性还是空间活动的丰富性上来说，其休闲热点集聚区对于社交媒体用户的吸引力均相对较弱，反而是一些分布于小街小巷中、可达性较低的特色店铺借助社交媒体得到了更多关注，商家也更有机会借助社交媒体的虚拟可见性降低租金成本，实现“酒香不怕巷子深”。
新中心散布型街道共7个，这类街道分布在滨海、历史街区以及城市近期更新区域，集中度与集群度低于全量休闲空间，存在小规模热点集聚区，且热点集聚区位置发生了扩散或迁移，如八一路街道（银沙滩）、葵英街道（风光街）、桂林街道（南山）、春柳街道（冰山慧谷）等新热点集聚区。此类街道功能上以居住或自然空间（山体等）为主，相比全量休闲空间分布于居住区附近的热点集聚区，休闲打卡地的热点集聚区转移至滨海等城市特色风貌区，体现了社交媒体用户对于特色空间的追求。
无中心扩散型街道共11个，这类街道分布在城市郊区，集中度与集群度低于全量休闲空间，且不存在显著的热点集聚区，如辛寨子街道、泡崖街道、营城子街道等。此类街道人口密度低，功能上以居住或未开发用地为主，距城市核心区较远、可达性差，出行成本对休闲出行产生了限制，因此区域特色挖掘较少、受关注度较低，休闲打卡地的分布为呈现出明显的集聚特征，但其中滨海、滨湖等是关注的重点。
尽管分布模式存在一定不同，但其背后的规律性特征已经初步显现：宏观尺度上，休闲打卡地仍然集中于传统城市核心区内；中观尺度上，核心规模减小，集聚效应弱化，休闲打卡地热点集聚区向“新”与“异”的地区转移；微观尺度上，休闲打卡地之间呈现出空间关联性减弱的相对散布特征。空间分布特征改变背后是居民休闲行为与区位选择模式的转变，社交媒体作为一种传播媒介，改变了用户与城市实体空间的关联模式，如此语境下，我们很难再将人类与社交媒体的相互作用关系进行简单的主客二分。因此，为了打破人类行动者与社交媒体的主客二元论预设，研究引入阿图尔所述“联结”的社会研究范式：提倡人与非人都可以成为行动者[57]，认为社交媒体已然成为了能够改变（transformation）、转译（translation）、扭曲（distort）和修改（modify）用户与空间属性的转译者，试图理解在社交媒体的建构下，用户行为与城市休闲空间发生改变的内在机制。

5.2 空间机制初步解析

5.2.1 休闲“打卡”的心理及行动过程解析

根据相关研究对参与社会互动的“物”的属性解析[58,59]，可以将社交媒体影响用户外出休闲行为的要素拆解为“图文内容”、“用户生成”、“基于位置”以及“算法推荐” 4个关键部分。从休闲打卡流程的前、中、后 3个阶段来看：在打卡前，用户在社交媒体平台中受到其他用户发布内容的刺激产生“打卡”冲动，由于内容是以图文形式通过视觉刺激用户，因此打卡地往往具有明显的视觉符号化与景观化特质[60]。此时空间区位信息是行为产生前的评价调节中介之一，若距离太远，则会仔细斟酌是否值得，若距离合理，则行为形成的可能性就大大增加，内容的拉力与成本的推力经过用户内在平衡形成最终决定。在打卡时，预先产生的“虚拟”空间体验会使用户带有强烈的目的预设，而位置信息的辅助作用会进一步降低过程的重要性，这二者的作用下休闲活动便成为一种点到点的“打卡”行动。打卡后，用户将打卡结果与经验继续以图文的形式发送至社交媒体，社交媒体的公共属性不可避免地使用户带有自我展示与认同寻求的期待，此时各种修图与滤镜会参与到打卡行为中，进一步符号化与奇观化打卡地使之成为“秀场”。最终，这篇打卡经验又会成为吸引其他用户打卡的诱因，达成循环，而这种循环还会促使从业者加入进来，通过视觉化刺激吸引顾客打卡。
在整个过程中，社交媒体平台起到了重要的助推作用。首先，在用户注册账号时，小红书会让用户在一些选项中选择感兴趣的领域，平台以此给用户账号打上标签，随后根据标签和算法，推荐与用户偏好“相同”的内容。标签的有限性使内容很难做到“一人一策”，取而代之的是以归类的方式给用户附上“用户画像”，以此选择性地推送内容，强化用户的群体性身份认同。其次，平台会根据用户所在地理位置推荐“附近”热门打卡地，这使人与空间产生了一种戏剧性的联结：用户不用如同在小区散步溜达一般与场地发生任何稳定联系，只需目的地足够奇特、有趣、适合拍照……此时一些私密、碎片的空间因与众不同而被公共化，打破了传统以空间可达性为核心的空间发现模式。最后，这种内容推荐显然无法做到面面俱到，有群体性的高热度内容则必然有与之对应的低热度内容，议题的失衡会导致信息时刻处于流动状态，形成一阵阵快速更替的流行热潮与热点空间，进一步冲击传统空间稳定的结构性特征。
在以上过程的作用下，用户体验开始转向群体化、符号化，空间则由稳定转向碎片化、流动化与景观化，传统以身体体验与空间可达性为基础，人与空间“实体在场”的交互模式被打破，一种以虚拟集聚与目的性打卡为特征的新模式开始兴起。

5.2.2 新时空组织与空间分布模式

在社交媒体的作用下，打卡这一新休闲行为模式出现，对于用户而言，此时体验一个新休闲空间由一段需要经过探索、闲逛与走弯路的过程，转为一个受到强烈引导的结果。换句话说，在打卡过程中，休闲活动由锚定一点探索的“面”转为了具有强烈导向性的“点与线”，也正对应着场所空间（space of places）与流空间（space of flows）[61] 2种不同的要素组织模式（表3）。基于此，研究尝试从场所空间与流空间的要素组织模式出发，借助时间地理学的时空棱柱，提出一个初步的空间机制解析（图11）。
表3 2022年大连市2类休闲空间的分布特征与机制对比

Tab. 3 Distribution characteristics and mechanisms of the two types of leisure space in Dalian in 2022

休闲打卡地 全量休闲空间
宏观分布特征 集中于核心区
中微观分布特征 集中度与集群度减弱的灵活散布，热点集聚区向“新”与“异”的地区转移 地理邻近的等级结构分布
机制共性 总体时空制约、核心区高可供性
机制差异 虚拟可见、节点吸引力主导 实体在场、空间可达性主导
理论基础 场所空间与流空间相互作用 场所空间
图11 基于场所空间与流空间互动关系的休闲打卡地分布机制解析

Fig. 11 Distribution mechanism of leisure check-ins based on the interaction relationship between 'space of places' and 'space of flows'

在Castells提出的网络社会中，空间组织模式从“中心-外围”结构的场所空间转为以“节点”与“流”构成的流空间[61]，但二者并非完全的替代关系，而总是共同出现、相互作用[62]。在流空间与场所空间的共同作用下，场所空间的可达性制约与集聚经济（agglomeration economies）使得休闲空间仍然大多分布在传统城市核心区，快速迭代、高可供性（affordance）的休闲活动类型能够满足多样化的休闲需求[20]。而以社交媒体为代表的流空间使低可达性空间有了“虚拟集聚”的可能，人与人、人与空间之间的互动得以超越空间邻近性的限制，空间本身“新”与“异”的拉力超过可达性限制的推力，增强了空间区位的灵活性。
从时间地理学“时间棱柱”的角度来看，时间与空间的能力制约对应场所空间，源自个体睡眠、用餐等的生理性和空间移动的物理性限制[63]，无论传播介质如何改变，个体均无法跨越这些总体制约，它们构成了休闲空间活动范围的外缘。在此外缘的限制下，休闲空间与活动仍需分布于传统城市核心区内[64]，这印证了时间地理学研究从家庭企划出发，得出“距离衰减规律在信息时代依然重要”的结论[65]。
但具体到外缘内的休闲区位选择，以社交媒体为代表的流空间形成了与传统场所空间不同的新“地方秩序”。时间地理学的研究视角认为，人类活动总是会遵循一些规律性结构（被称作地方秩序），这些结构会随自然规律、制度以及技术等的变化而发生改变[66]。在传统场所空间作用下，休闲活动的地方秩序是一种具有明显等级与秩序的“中心-外围”结构，活动往往以引力圈的形式分布在城市重要节点[20,56]。而社交媒体一方面弱化了可达性的制约，使小街巷中相对低可达性的空间也有被看到的可能[18]；另一方面使规模效应由实转虚，任何一家店铺都有可能借助社交媒体平台的巨大流量而形成虚拟集聚的规模效应[67]。二者综合形成了上述以“打卡”为典型代表的新地方秩序：居民在社交媒体平台中“种草”其他用户分享的实体空间体验，在地图标记与导航的辅助下，带有强烈的目的性前往“打卡”。此时，周边功能多样性等传统建成环境因素则变得相对无关紧要[68]，落到休闲空间上，最终使其呈现出在中小区位上相对散布的分布模式（图12）。
图12 社交媒体影响下的休闲空间-行为互动机制

Fig. 12 Leisure space-behavior interaction mechanism under the influence of social media

6 结论与讨论

6.1 结论

为了探索社交媒体是否以及如何影响休闲空间的区位分布，研究利用小红书休闲打卡地与POI数据，在宏观与街道2个尺度上分别测度了两类休闲空间分布结构的集中度与集群度，并依据测度结果归纳了休闲打卡地的分布模式与空间机制。研究发现：① 在城市尺度的大区位上，休闲打卡地大多分布在具有高可达性的传统城市核心区；② 相比于全量休闲空间，在分布集聚态势上，休闲打卡地更多分布在热点集聚区外，呈现相对均质的分布态势；在地理邻近关系上，休闲打卡地与相邻要素的关联性更低，独立性更强，呈现相对散布的分布模式；③ 通过比较不同街道各指标测度结果的差异，研究总结发现休闲打卡地存在“原中心集群型”、“原中心散布型”、“新中心散布型”以及“无中心散布型”4类分布模式。尽管具体的分布模式存在差异，但社交媒体对居民休闲活动与休闲空间分布的规律性作用机制已经初步显现，即通过改变人与人、人与空间的互动方式，引发形成了带有强目的性的打卡行为，进而在一定的时空约束下增加了休闲空间区位选择的灵活性。
与相关研究的结论一致[17]，本文认为以社交媒体为代表的信息通信技术对城市空间结构的影响很难简单用集聚与分散来描述，而关键在于新技术提高了居民活动选择的灵活性与碎片空间的可见性[69]，具体的空间效应则会在流空间与场所空间的共同作用下，随尺度、时间与活动类型等因素的改变而改变。正如研究中小红书休闲打卡地呈现出的“核心区内散布”特征，其背后是居民行为决策过程的改变。

6.2 讨论

技术进步对城市空间的演变产生了深刻影响，城市更新与治理也不可避免地要“向互联网学习”[70]。“打卡”并非移动互联网时代的全新行为，在过去的大众媒体时代，城市的热门景点一直都是吸引人们争相拍照留念的“打卡地”。但不同之处在于，社交媒体创造了一个“人人都是创作者”的环境，一些更加小众与隐秘的休闲空间得以被传播。因此，相比起规模化打造各类“争奇斗艳”的空间，政府在塑造城市网络形象时更应当注重城市特色与整体环境风貌的提升，发挥民众自发传播的优势，寻求更可持续的发展模式[71]。
本文从分布视角出发，初步揭示了在社交媒体影响下休闲空间的规律性新特征。然而，这些规律性特征在不同城市、不同区域间的有效性仍有待检验，尤其是网络风潮迭代迅速，截断面以及单一平台的研究可能受限于用户特征等因素，无法全面揭示变化特征。此外，城市是一个相互关联的复杂系统，尽管目前打卡这一行为更多与年轻人、社交媒体用户以及休闲活动绑定，但其背后技术对居民行为的影响可能渗透到生活的方方面面。空间变革往往不会独善其身，在流空间作用下，场所空间及其周边居民日常生活的潜在危机有待空间视角的进一步关注。正如鲍曼（Zygmunt Bauman）[72]所警示的那样：“建立联系需要花费的时间和精力更少，但断开联系所需的时间和精力也更少……虚拟亲近的结束除了按下一个按钮之外，什么都不需要。”

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
巨量算数. 2020年抖音旅行创作者生态白皮书[EB/OL]. https://trendinsight.oceanengine.com/arithmetic-report/detail/1552021-01-14.

[ Trendinsight. 2020 Douyin travel creator ecology white paper[EB/OL]. https://trendinsight.oceanengine.com/arithmetic-report/detail/1552021-01-14. ]

[2]
Law R, Leung R, Lo A, et al. Distribution channel in hospitality and tourism: Revisiting disintermediation from the perspectives of hotels and travel agencies[J]. International Journal of Contemporary Hospitality Management, 2015, 27(3):431-452. DOI:10.1108/IJCHM-11-2013-0498

[3]
Shi J Y, Fan A L, Cai L A. Leisure mobility of Chinese millennials[J]. Journal of China Tourism Research, 2020, 16(4):527-546. DOI:10.1080/19388160.2019.1687060

[4]
Fotis J, Buhalis D, Rossides N. Social media use and impact during the holiday travel planning process[C]// Information and Communication Technologies in Tourism 2012. Vienna: Springer, 2012:13-24. DOI:10.1007/978-3-7091-1142-0_2

[5]
尹罡, 甄峰, 汤放华, 等. 信息技术影响下的休闲行为:一个概念性分析框架[J]. 地理与地理信息科学, 2018, 34(1):53-58.

[ Yin G, Zhen F, Tang F H, et al. Leisure behavior under the influence of information technology: A conceptual analysis framework[J]. Geography and Geo-Information Science, 2018, 34(1):53-58. ] DOI:10.3969/j.issn.1672-0504.2018.01.009

[6]
尹罡, 甄峰, 席广亮. 信息技术影响下南京市民网络休闲的群体特征——基于时间花费、终端使用及功能应用的调查研究[J]. 重庆工商大学学报(社会科学版), 2014, 31(5):84-90.

[ Yin G, Zhen F, Xi G L. The group characteristics of the Nanjing residents online leisure under the influence of information technology: Survey research based on time spending, terminal use and functional application[J]. Journal of Chongqing Technology and Business University(Social Science Edition), 2014, 31(5):84-90. ] DOI:12.3969/j.issn.1672-0598.2014.05.012

[7]
周恺, 张海涛, 夏依宁, 等. 社交媒体影响下的城市消费空间新特征:以小红书长沙“网红打卡地”为例[J]. 现代城市研究, 2021(9):20-27.

[ Zhou K, Zhang H T, Xia Y N, et al. New urban consumption space shaped by social media: A case study of the geo-tagging places of Changsha on Xiaohongshu[J]. Modern Urban Research, 2021(9):20-27. ] DOI:10.3969/j.issn.1009-6000.2021.09.003

[8]
项婧怡, 罗震东, 张吉玉, 等. 移动互联网时代“网红空间”分布特征研究——以杭州市主城区为例[J]. 现代城市研究, 2021(9):11-19.

[ Xiang J Y, Luo Z D, Zhang J Y, et al. Research on the distribution characteristics of “net celebrity space” in the mobile internet era: A case study in main area of Hangzhou, China[J]. Modern Urban Research, 2021(9):11-19. ] DOI:10.3969/j.issn.1009-6000.2021.09.002

[9]
周佼, 林耿. 网络对实体店发展的影响——以广州市“网红咖啡店”为例[J]. 现代城市研究, 2021(2):114-120,125.

[ Zhou J, Lin G. The impact of the internet on physical stores: A case study of internet-sensation cafes in Guangzhou[J]. Modern Urban Research, 2021(2):114-120,125. ] DOI:10.3969/j.issn.1009-6000.2021.02.018

[10]
张琳, 朱文一. 抖音短视频空间意象初探——以三处重庆网红打卡地为例[J]. 城市设计, 2020(1):36-45.

[ Zhang L, Zhu W Y. A study on spatial images in Tik-Tok short videos: Three internet-famous sites in Chongqing City[J]. Urban Design, 2020(1):36-45. ] DOI:10.16513/j.urbandesign.2020.01.005

[11]
Cairncross F. The death of distance: How the communications revolution will change our lives[M]. Boston, Mass.: Harvard Business School Press, 1997.

[12]
Graham S. The end of geography or the explosion of place? Conceptualizing space, place and information technology[J]. Progress in Human Geography, 1998, 22(2):165-185. DOI:10.1191/030913298671334137

[13]
Mitchell W J. E-topia: “Urban life, Jim--but not as we know it”[M]. Cambridge, MA: MIT Press, 1999.

[14]
Qin X, Zhen F, Zhu S J. Centralisation or decentralisation? Impacts of information channels on residential mobility in the information era[J]. Habitat International, 2016, 53:360-368. DOI:10.1016/j.habitatint.2015.12.006

[15]
Rachmawati R, Rijanta R, Djunaedi A. Location decentralization due to the use of information and communication technology: Empirical evidence from Yogyakarta, Indonesia[J]. Human Geographies, 2015, 9:5-15. DOI:10.5719/hgeo.2015.91.1

[16]
Vallicelli M. Smart cities and digital workplace culture in the global European context: Amsterdam, London and Paris[J]. City, Culture and Society, 2018, 12:25-34. DOI:10.1016/j.ccs.2017.10.001

[17]
Dadashpoor H, Yousefi Z. Centralization or decentralization? A review on the effects of information and communication technology on urban spatial structure[J]. Cities, 2018, 78:194-205. DOI:10.1016/j.cities.2018.02.013

[18]
孙世界, 王锦忆. 隐形消费空间的分布特征及影响因素研究——以南京老城为例[J]. 城市规划学刊, 2021(1):97-103.

[ Sun S J, Wang J Y. Distributional characteristics and influencing factors of invisible consumption space: A case study of Nanjing old city[J]. Urban Planning Forum, 2021(1):97-103. ] DOI:10.16361/j.upf.202100012

[19]
张爱霞, 马斌斌, 卢家旺, 等. 基于POI数据挖掘的兰州市休闲旅游空间格局及其驱动机制研究[J]. 干旱区资源与环境, 2022, 36(11):200-208.

[ Zhang A X, Ma B B, Lu J W, et al. Spatial pattern and driving mechanism of leisure tourism in Lanzhou[J]. Journal of Arid Land Resources and Environment, 2022, 36(11):200-208. ] DOI:10.13448/j.cnki.jalre.2022.294

[20]
Todoric J, Yamashkin A, Vuksanovic-Macura Z. Spatial patterns of entertainment mobility in cities[J]. Journal of the Geographical Institute Jovan Cvijic, SASA, 2022, 72(2):207-220. DOI:10.2298/IJGI2202207T

[21]
林章林. 上海城市旅游休闲公共空间的时空演化模式[J]. 旅游科学, 2016, 30(2):79-94.

[ Lin Z L. Spatial-temporal evolution mode of Shanghai city tourism and leisure public space[J]. Tourism Science, 2016, 30(2):79-94. ] DOI:10.16323/j.cnki.lykx.2016.02.007

[22]
钱宏健, 方叶兵, 陆林, 等. 黄山市旅游休闲业态时空演化特征及其影响因素研究[J]. 资源开发与市场, 2021, 37(10):1271-1280.

[ Qian H J, Fang Y B, Lu L, et al. Research on the spatial-temporal distribution characteristics and influencing factors of tourism and leisure formats in Huangshan City[J]. Resource Development & Market, 2021, 37(10):1271-1280. ] DOI:10.3969/j.issn.1005-8141.2021.010.017

[23]
贾晓婷, 雷军, 武荣伟, 等. 基于POI的城市休闲空间格局分析——以乌鲁木齐市为例[J]. 干旱区地理, 2019, 42(4):943-952.

[ Jia X T, Lei J, Wu R W, et al. Urban recreation space pattern based on POI data: A case of Urumqi City[J]. Arid Land Geography, 2019, 42(4):943-952. ] DOI:10.12118/j.issn.1000-6060.2019.04.26

[24]
田逢军. 国民休闲背景下城市游憩空间意象特征分析——以南昌市为例[J]. 资源科学, 2013, 35(5):1095-1103.

[ Tian F J. City recreation space imagery features of Nanchang City[J]. Resources Science, 2013, 35(5):1095-1103. ] DOI:CNKI:SUN:ZRZY.0.2013-05-025

[25]
刘丽敏, 虞虎, 靳海涛. 基于公交刷卡数据的北京城市居民周末户外休闲行为特征研究[J]. 地域研究与开发, 2018, 37(6):52-57.

[ Liu L M, Yu H, Jin H T. Characteristics of outdoor recreation behaviors of Beijing residents on weekends based on public transportation data[J]. Areal Research and Development, 2018, 37(6):52-57. ] DOI:10.3969/j.issn.1003-2363.2018.06.010

[26]
李亚娟, 罗雯婷, 王靓, 等. 城市旅游休闲热点区演变特征及驱动机制研究——以武汉市为例[J]. 人文地理, 2021, 36(1):183-192.

[ Li Y J, Luo W T, Wang J, et al. Evolution characteristics and driving mechanism of the urban tourism and leisure hot spots: A case study of Wuhan[J]. Human Geography, 2021, 36(1):183-192. ] DOI:10.13959/j.issn.1003-2398.2021.01.021

[27]
李洪波, 夏日. 国外城市休闲空间研究进展[J]. 城市问题, 2016(7):69-74.

[ Li H B, Xia R. Review on the foreign researches on urban leisure space[J]. Urban Problems, 2016(7):69-74. ] DOI:10.13239/j.bjsshkxy.cswt.160710

[28]
文旅北京. 重磅!2021北京网红打卡地榜单正式揭晓[EB/OL]. https://mp.weixin.qq.com/s/G9Pg-SrytyqSolZLl MsCVQ2021-12-06.

[ Cultural and Tourism Beijing. Heavyweight! 2021 Beijing internet-famous check-ins ranking list has been officially released[EB/OL]. https://mp.weixin.qq.com/s/G9Pg-SrytyqSolZLlMsCVQ2021-12-06. ]

[29]
乌鲁木齐市文旅局. 乌鲁木齐:网红打卡地助推城市更新[EB/OL]. https://mp.weixin.qq.com/s/H8Zxf3jufJM YJQ5Wb2pIfA2022-02-21.

[ Urumqi Municipal Bureau of Culture and Tourism. Urumqi: Internet-fam ous check-ins, promote urban renewal[EB/OL]. https://mp.weixin.qq.com/s/H8Zxf3jufJMYJQ5Wb2pIfA2022-02-21. ]

[30]
汪劲柏, 穆艳霞, 王治元. 互联网时代城市空间运营热点地区的分布与发展特征研究——以上海“网红打卡地”为例[J]. 城市发展研究, 2022, 29(10):19-26.

[ Wang J B, Mu Y X, Wang Z Y. Distribution and development of urban hot spots in the internet era: A case study of Shanghai[J]. Urban Development Studies, 2022, 29(10):19-26. ] DOI:10.3969/j.issn.1006-3862.2022.10.010

[31]
敖鹏. 网红为什么这样红?——基于网红现象的解读和思考[J]. 当代传播, 2016(4):40-44.

[ AO P. Why are internet celebrities so popular? An interpretation and reflection on the phenomenon of internet celebrities[J]. Contemporary Communication, 2016(4):40-44. ] DOI:CNKI:SUN:DACB.0.2016-04-010

[32]
王昀, 徐睿. 打卡景点的网红化生成:基于短视频环境下用户日常实践之分析[J]. 中国青年研究, 2021(2):105-112.

[ Wang Y, Xu R. The generation of net red of punch card attractions: Analysis of users’ daily practice based on short video environment[J]. China Youth Study, 2021(2):105-112. ] DOI:10.19633/j.cnki.11-2579/d.2021.0046

[33]
孙玮. 我拍故我在我们打卡故城市在——短视频:赛博城市的大众影像实践[J]. 国际新闻界, 2020, 42(6):6-22.

[ Sun W. I photograph, therefore I am, we card-punch, therefore the city is short video: The mass image practices of cyber cities[J]. Chinese Journal of Journalism & Communication, 2020, 42(6):6-22. ] DOI:10.13495/j.cnki.cjjc.2020.06.001

[34]
郭妍廷, 闻娱. 涂层理论视域下网红打卡地从形象建构到形象崩塌的过程研究[J]. 新媒体研究, 2022, 8(2):45-49,68.

[ Guo Y T, Wen Y. Study on the process of image construction and image collapse of internet celebrity check-in places from the perspective of coating theory[J]. New Media Research, 2022, 8(2):45-49,68. ] DOI:10.16604/j.cnki.issn2096-0360.2022.02.015

[35]
Talamini G, Li W K, Li X. From brick-and-mortar to location-less restaurant: The spatial fixing of on-demand food delivery platformization[J]. Cities, 2022, 128:103820. DOI:10.1016/j.cities.2022.103820

[36]
Anas A, Arnott R, Small K A. Urban spatial structure[J]. Journal of Economic Literature, 1998, 36(3):1426-1464.

[37]
Meijers E J, Burger M J. Spatial structure and productivity in US metropolitan areas[J]. Environment and Planning A: Economy and Space, 2010, 42(6):1383-1402. DOI:10.1068/a42151

[38]
李迎成. 基于创新活动分布视角的城市创新空间结构测度与演变特征[J]. 城市规划学刊, 2022(1):74-80.

[ Li Y C. The measurement and evolution characteristics of spatial structure of urban innovation: The perspective of innovation activity distribution[J]. Urban Planning Forum, 2022(1):74-80. ] DOI:10.16361/j.upf.202201010

[39]
Massey D S, Denton N A. The dimensions of residential segregation[J]. Social Forces, 1988, 67(2):281-315. DOI:10.1093/sf/67.2.281

[40]
千瓜数据. 2022年千瓜活跃用户画像趋势报告(小红书平台)[EB/OL]. https://www.qian-gua.com/blog/detail/1594.html2022-03-29.

[ Qian-gua. The 2022 active user profile trend report(Xiaohongshu platform)[EB/OL]. https://www.qian-gua.com/blog/detail/1594.html2022-03-29. ]

[41]
Liu Y L, Jing Y, Cai E X, et al. How leisure venues are and why? A geospatial perspective in Wuhan, central China[J]. Sustainability, 2017, 9(10): 1865. DOI:10.3390/su9101865

[42]
薛冰, 李京忠, 肖骁, 等. 基于兴趣点(POI)大数据的人地关系研究综述:理论、方法与应用[J]. 地理与地理信息科学, 2019, 35(6):51-60.

[ Xue B, Li J Z, Xiao X, et al. Overview of man-land relationship research based on POI data: Theory, method and application[J]. Geography and Geo-information Science, 2019, 35(6):51-60. ] DOI:10.3969/j.issn.1672-0504.2019.06.009

[43]
Silverman B W. Density estimation for statistics and data analysis[M]. London: Chapman and Hall, 1986.

[44]
Okabe A, Satoh T, Sugihara K. A kernel density estimation method for networks, its computational method and a GIS‐based tool[J]. International Journal of Geographical Information Science, 2009, 23(1):7-32. DOI:10.1080/13658810802475491

[45]
Porta S, Strano E, Iacoviello V, et al. Street centrality and densities of retail and services in Bologna, Italy[J]. Environment and Planning B: Planning and Design, 2009, 36(3):450-465. DOI:10.1068/b34098

[46]
Jiang B. Head/tail breaks: A new classification scheme for data with a heavy-tailed distribution[J]. The Professional Geographer, 2013, 65(3):482-494. DOI:10.1080/00330124.2012.700499

[47]
陈洪星, 杨德刚, 李江月, 等. 大数据视角下的商业中心和热点区分布特征及其影响因素分析——以乌鲁木齐主城区为例[J]. 地理科学进展, 2020, 39(5):738-750.

DOI

[ Chen H X, Yang D G, Li J Y, et al. Distribution characteristics and influencing factors of commercial center and hotspots based on big data: A case of the main urban area of Urumqi City[J]. Progress in Geography, 2020, 39(5):738-750.] DOI:10.18306/dlkxjz.2020.05.004

[48]
Cao F J, Qiu Y, Wang Q X, et al. Urban form and function optimization for reducing carbon emissions based on crowd-sourced spatio-temporal data[J]. International Journal of Environmental Research and Public Health, 2022(17), 19:10805. DOI:10.3390/ijerph191710805

[49]
Getis A, Ord J K. The analysis of spatial association by use of distance statistics[J]. Geographical Analysis, 1992, 24(3):189-206. DOI:10.1111/j.1538-4632.1992.tb00261.x

[50]
Openshaw S. The modifiable areal unit problem[M]. Norwich: GeoBooks, 1984.

[51]
Boots B, Tiefelsdorf M. Global and local spatial autocorrelation in bounded regular tessellations[J]. Journal of Geographical Systems, 2000, 2(4):319-348. DOI:10.1007/PL00011461

[52]
刘强, 李世芬. 大连近代规划中产权地块划分的特征及启示[J]. 规划师, 2008, 24(6):75-78.

[ Liu Q, Li S F. Property division characteristics and its illumination in modern urban planning in Dalian[J]. Planners, 2008, 24(6):75-78. ] DOI:10.3969/j.issn.1006-0022.2008.06.018

[53]
Hu Y J, Gao S, Janowicz K, et al. Extracting and understanding urban areas of interest using geotagged photos[J]. Computers, Environment and Urban Systems, 2015, 54:240-254. DOI:10.1016/j.compenvurbsys.2015.09.001

[54]
李新延, 李德仁. DBSCAN空间聚类算法及其在城市规划中的应用[J]. 测绘科学, 2005(3):51-53,5.

[ Li X Y, Li D R. DBSCAN spatial clustering algorithm and its application in urban planning[J]. Science of Surveying and Mapping, 2005(3):51-53,5. ] DOI:10.3771/j.issn.1009-2307.2005.03.014

[55]
Liu K, Qiu P Y, Gao S, et al. Investigating urban metro stations as cognitive places in cities using points of interest[J]. Cities, 2020, 97:102561. DOI:10.1016/j.cities.2019.102561

[56]
王兴中, 刘永刚, 高鑫, 等. 中国大城市“项链状”现代商娱场所引力圈的结构——以西安为例[J]. 经济地理, 2008, 28(2):214-220,264.

[ Wang X Z, Liu Y G, Gao X, et al. Research on the structure of “necklace” gravitational circle of modern commercial and recreational places of big cities in China: A case study of Xi'an[J]. Economic Geography, 2008, 28(2):214-220,264. ] DOI:CNKI:SUN:JJDL.0.2008-02-010

[57]
吴莹, 卢雨霞, 陈家建, 等. 跟随行动者重组社会——读拉图尔的《重组社会:行动者网络理论》[J]. 社会学研究, 2008(2):218-234.

[ Wu Y, Lu Y X, Chen J J, et al. Reorganizing society following the actors: Reading Latour's “Reassembling the social: An introduction to Actor-Network-Theory”[J]. Sociological Studies, 2008(2):218-234. ] DOI:10.19934/j.cnki.shxyj.2008.02.011

[58]
戴宇辰. “物”也是城市中的行动者吗?——理解城市传播分析的物质性维度[J]. 新闻与传播研究, 2020, 27(3):54-67,127.

[ Dai Y C. Can artifacts be actors in city? Understanding the materiality in urban communication studies[J]. Journalism & Communication, 2020, 27(3):54-67,127. ] DOI:CNKI:SUN:YANJ.0.2020-03-004

[59]
丁依然. 交往在门口:平台之“物”与城市空间的(反)社会化生产[J]. 新闻记者, 2022(11):69-82.

[ Ding Y R. Communication at the door: The “artifacts” of the platform and the (anti-)socialized production of urban space[J]. Shanghai Journalism Review, 2022(11):69-82. ] DOI:10.16057/j.cnki.31-1171/g2.2022.11.009

[60]
刘涛, 杨有庆. 社会化媒体与空间的社会化生产——卡斯特“流动空间思想”的当代阐释[J]. 文艺理论与批评, 2014(2):73-78.

[ Liu T, Yang Y Q. Social media and social production of space: Contemporary interpretation of Castells’ “space of flows”[J]. Theory and Criticism of Literature and Art, 2014(2):73-78. ] DOI:10.16532/j.cnki.1002-9583.2014.02.036

[61]
Castells M. The rise of the network society[M]. Oxford: Blackwell, 1996.

[62]
晏龙旭. 流空间结构性影响的理论分析[J]. 城市规划学刊, 2021(5):32-39.

[ Yan L X. A theoretical analysis on the structural effects of space of flows[J]. Urban Planning Forum, 2021(5):32-39. ] DOI:10.16361/j.upf.202105005

[63]
Hägerstrand T. What about people in regional science?[J]. Papers of the Regional Science Association, 1970, 24(1):6-21. DOI:10.1007/BF01936872

[64]
Paul i Agustí D. The clustering of city images on Instagram: A comparison between projected and perceived images[J]. Journal of Destination Marketing & Management, 2021, 20:100608. DOI:10.1016/j.jdmm.2021.100608

[65]
Ellegård K, Vilhelmson B. Home as a pocket of local order: Everyday activities and the friction of distance[J]. Geografiska Annaler: Series B, Human Geography, 2004, 86(4):281-296. DOI:10.1111/j.0435-3684.2004.00168.x

[66]
Hagerstrand T. Diorama, path and project[J]. Tijdschrift Voor Economische En Sociale Geografie, 1982, 73(6):323-339. DOI:10.1111/j.1467-9663.1982.tb01647.x

[67]
罗震东. 新兴田园城市:移动互联网时代的城镇化理论重构[J]. 城市规划, 2020, 44(3):9-16,83.

[ Luo Z D. E-Garden City: Reconstruction of urbanization theory in the mobile internet era[J]. City Planning Review, 2020, 44(3):9-16,83. ] DOI:10.11819/cpr20200303a

[68]
Zhang Y Y, Li Y, Zhang E J, et al. Revealing virtual visiting preference: Differentiating virtual and physical space with massive TikTok records in Beijing[J]. Cities, 2022, 130:103983. DOI:10.1016/j.cities.2022.103983

[69]
Aguiléra A, Guillot C, Rallet A. Mobile ICTs and physical mobility: Review and research agenda[J]. Transportation Research Part A: Policy and Practice, 2012, 46(4):664-672. DOI:10.1016/j.tra.2012.01.005

[70]
周榕. 向互联网学习城市——“成都远洋太古里”设计底层逻辑探析[J]. 建筑学报, 2016(5):30-35.

[ Zhou R. Learning the city from internet: Exploring the fundamentals of the design of Sino-Ocean Taikoo Li, Chengdu[J]. Architectural Journal, 2016(5):30-35. ] DOI:10.3969/j.issn.0529-1399.2016.05.005

[71]
项婧怡, 罗震东. 移动互联网时代我国城市营销的变革与地方效应[J]. 上海城市规划, 2020(4):62-68.

[ Xiang J Y, Luo Z D. The change and local effects of city marketing in the era of mobile internet in China[J]. Shanghai Urban Planning Review, 2020(4):62-68. ] DOI:10.11982/j.supr.20200411

[72]
Bauman Z. Liquid love: On the frailty of human bonds[M]. Cambridge, UK: Polity Press, 2003.

Options
文章导航

/

〈 〉