EN中文

地球信息科学学报 >

2024 , Vol. 26 >Issue 10: 2243 - 2253

DOI: https://doi.org/10.12082/dqxxkx.2024.240096

专栏：“GIS 与未来城市交通”

结合游客评论情感分析的公园绿地可达性评估——基于改进的2SFCA方法

  • 常婉渲 , 1, 2, 3 ,
  • 张永琪 1, 2, 3 ,
  • 付晓 , 1, 2, 3, *
展开
  • 1.东南大学交通学院，南京 211189
  • 2.中华人民共和国交通运输部综合交通运输理论交通运输行业重点实验室（南京现代综合交通实验室），南京 210000
  • 3.江苏省城市智能交通重点实验室，南京 210000
* 付 晓（1988— ），女，安徽蚌埠人，博士，副教授，主要研究方向为居民活动与出行行为、多模式交通网络建模、交通大数据及交通地理信息。E-mail:

常婉渲（1999— ），女，江苏镇江人，硕士生，主要研究方向为交通大数据及交通地理信息。E-mail:

Copy editor: 蒋树芳 , 黄光玉

收稿日期: 2024-02-19

  修回日期: 2024-04-09

  网络出版日期: 2024-10-09

基金资助

国家自然科学基金项目(42261144745)

教育部人文社会科学研究项目(21YJC790030)

收起

Assessment of Green Space Accessibility Incorporating Sentiment Analysis: An Improved 2SFCA Method

  • CHANG Wanxuan , 1, 2, 3 ,
  • ZHANG Yongqi 1, 2, 3 ,
  • FU Xiao , 1, 2, 3, *
Expand
  • 1. School of Transportation, Southeast University, Nanjing 211189, China
  • 2. Key Laboratory of Transport Industry of Comprehensive Transportation Theory (Nanjing Modern Multimodal Transportation Laboratory), Ministry of Transport, Nanjing 210000, China;
  • 3. Jiangsu Key Laboratory of Urban ITS, Nanjing 210000, China
* FU Xiao, E-mail:

Received date: 2024-02-19

  Revised date: 2024-04-09

  Online published: 2024-10-09

Supported by

National Natural Science Foundation of China(42261144745)

Humanities and Social Science Fund of Ministry of Education of China(21YJC790030)

Fold

摘要

随着城市居民生活水平和对生活质量追求的提升，公园绿地已成为休闲娱乐的主要场所。在此背景下，如何公正地评价城市公园绿地布局合理性并提出改进意见对交通及土地利用规划至关重要。公园绿地的可达性则是评价其布局的关键指标。针对以往仅以公园绿地的面积评估吸引力所带来的可达性评估局限性，本文以苏州市区为例，在利用客观属性计算可达性的传统框架外，挖掘社交媒体数据，将居民对公园绿地质量指标的主观情感倾向纳入考量范畴。通过这一创新性的融合，本文改进了两步移动搜索法（Two-Step Floating Catchment Area, 2SFCA），深入分析城市居民对公园绿地的可达性，以及突发公共卫生事件前后可达性的动态变化。研究发现：在突发公共卫生事件期间，人们更趋向选择出行便利的公园绿地，如社区公园；而随着事件结束，人们更青睐配备良好设施的公园绿地，如专类公园。采用结合游客评论情感分析的2SFCA，能更准确评估城市公园绿地可达性，丰富公园绿地可达性研究视角。该方法不仅可应用于城市公园绿地规划，也为公共服务设施的可达性分析提供了新思路与计算框架。

关键词： 公园绿地; 可达性; 两步移动搜索法; 情感分析; 游客评论; 质量评价指标; 主客观结合

本文引用格式

常婉渲 , 张永琪 , 付晓 . 结合游客评论情感分析的公园绿地可达性评估——基于改进的2SFCA方法[J]. 地球信息科学学报, 2024 , 26(10) : 2243 -2253 . DOI: 10.12082/dqxxkx.2024.240096

Abstract

With the increasing improvement of the living standard of the residents in urban areas and their pursuit of quality of life, urban green spaces have become the main places of leisure and recreation for residents. Under this background, how to fairly evaluate the rationality of the layout of urban green spaces and put forward suggestions for improvement has become an important part of urban transportation and land use planning. Urban green space accessibility is a key indicator for evaluating the layout of urban green spaces. In response to the limitations of assessing attractiveness based solely on urban green space area in the past, this paper takes Suzhou urban area as an example. In addition to calculating accessibility using objective attributes in the traditional framework, the paper delves into social media data to incorporate urban residents' subjective sentiment towards urban green space quality indicators into the consideration scope of attractiveness. Through this innovative integration, the paper improves the Two-Step Floating Catchment Area (2SFCA) method, analyzing in-depth the accessibility of urban residents to urban green spaces and the dynamic changes in accessibility before and after public health emergencies. The improved 2SFCA method, combined with Sentiment Knowledge Enhanced Pre-training (SKEP) model, incorporates residents' emotional evaluations of urban green spaces to measure their subjective attractiveness. Meanwhile, considering the skewness characteristic of area indicators, the paper innovatively proposes the Scale Index (SI) as an objective attractiveness evaluation indicator for urban green spaces, providing more scientific and robust support for urban green space planning. The research findings reveal that during public health emergencies, individuals tend to prefer urban green spaces that offer convenient access, such as community parks. However, as daily life gradually resumes, there is a greater preference for urban green spaces equipped with high-quality facilities, such as specialized parks. Only considering objective area as the attractiveness of urban green space leads to overestimation of the accessibility of large-area and underestimation of small-area urban green space. Moreover, solely based on visitors' subjective quality perception of urban green space may underestimate the accessibility of communities around large urban green spaces. The improved 2SFCA method, considering both visitors' subjective perception and objective attributes of urban green space attractiveness, can more accurately assess urban green space accessibility, broadening the perspective of traditional urban green space accessibility assessment. This method can not only be applied to urban green space planning, but also provides a new idea and computational framework for the accessibility analysis of public service facilities.

Key words： urban green space; accessibility; 2SFCA; sentiment analysis; visitors' comments; quality assessment indicators; integration of subjectivity and objectivity

1 引言

公园绿地不仅是城市生态系统的重要组成部分，也是满足城市居民休闲游憩等需求的主要场所。随着社会经济发展和居民生活水平提升，人们对绿色生态空间的需求不断增加。传统公园绿地规划通常只关注客观平均指标，如绿地率和人均绿地面积，可能导致公园绿地布局与居民人口需求不匹配[1]。可达性作为衡量到达服务设施便捷程度的重要标准，已成为评价公园绿地布局合理性的关键指标[2]。
可达性最早被定义为各节点克服空间阻隔相互作用的难易程度[3]，通常以距离、时间或费用等指标来衡量这种阻隔效用。现存公园绿地可达性的度量方法众多，主要包括累计机会法[4]、缓冲区分析法[5]、重力模型[6]以及两步移动搜索法（2SFCA）等[10-11]。其中，累计机会法未综合考虑设施服务水平的距离衰减效应和居民需求因素，同时默认所有机会点具有相同的吸引力。缓冲区分析法使用欧氏距离表示可达性，且未考虑服务设施内部的差异。重力模型综合考虑了多方面影响因素，但模型复杂、参数定义主观、结果不易解释。2SFCA最早在2000年由Radke[7]等提出，并由Luo等[8]2003年进行改进，克服了其他方法仅从供给或仅从需求一方面研究的不足。后续研究中，学者们从设施规模等级、距离衰减函数以及多模式交通等多方面改进2SFCA，其扩展形式已被广泛应用于公共服务设施的可达性计算[9⇓-11]。
尽管如此，传统的2SFCA模型在计算公园绿地供给能力时，常常仅用公园绿地的面积代表其供给量。后续有学者认为公园绿地的吸引力取决于其规模和设施数量，将其纳入公园绿地供给量的计算[12]，但设施数量仍不能充分反映公园绿地的质量。因此，有学者依据Rigolon和Németh基于公开的地理空间数据开发的青少年公园质量指数[13]，在计算公园吸引力时引入与青年特征相关的公园质量指标，但仅针对青少年考虑了娱乐设施多样性和自然环境因素[14]，且没有考虑居民的主观感受[15]。对于这一问题，目前已有研究通过调查问卷的方式将公园绿地的感知质量纳入可达性评估中[16]，但调查问卷具有样本偏差和被调查者回忆偏差等局限性。相较之下，社交媒体的数据更能实时、广泛且真实地反映用户反馈。且社交媒体的用户评论中往往包含着对特定设施、商品、事件、政策的情感态度，常被用来研究群体或个人的出行偏好和情感变化[17-18]。深入剖析这些评论中蕴含的情感信息，可为政府部门对相关设施或事件的跟踪分析和调整提供决策支持。因此，本文结合游客评论中的情感、使用改进的高斯2SFCA方法对研究区域内的共享公园绿地可达性进行研究，提出主客观结合的可达性评估方法。

2 研究方法

本研究基于公园绿地评价指标体系，提出了一种融合居民主观情感倾向与公园绿地客观属性的综合吸引力指标；利用苏州市区的公园绿地数据与居民需求点数据，通过调用地图API数据，构建起讫点（Origin Destination, OD）成本矩阵；进一步结合手机信令数据估算的苏州市区人口数据，创新性地构建了一种改进的2SFCA模型框架，实现了主客观吸引力的深入分析及时空可达性的精准评估，技术路线如图1所示。
图1 公园绿地可达性评估技术路线

Fig. 1 Technical route of urban green space accessibility assessment

2.1 公园绿地质量评价指标构建

本研究着重探讨共享公园绿地的质量对居民或游客提供休闲活动服务能力和吸引力的影响。过去学者们常常仅采用公园绿地的客观属性表达公园绿地对城市居民或游客的吸引力，如公园绿地的面积。除此之外，公园绿地的质量同样影响着其对于居民的吸引力。在评估公园绿地质量时，基础设施是反映其质量和吸引力的最基本指标，包括标牌系统、照明和停车场[19]。配套设施是公园绿地影响游客休闲游览的其他关键属性。McCormack等[20]研究表明，游客对配备有休闲设施、成人健身设施和儿童娱乐设施的公园绿地更满意。与此同时，建筑雕像等人为景观的存在提高了公园绿地的吸引力[21]。另外，各类文娱活动的举办也能一定程度上吸引游客的出行访问。
根据以上公园绿地的吸引力特征，综合游客的情感倾向和公园绿地客观属性2个方面，本文确定了游客主观情感指标（公园景观、基础设施、配套设施、文娱活动）和客观属性指标（规模范围）。具体的公园绿地质量指标如表1所示。
表1 公园绿地质量评价指标

Tab. 1 Indicators of urban green space quality

类型 分类型 包含内容
景观 地形水文 湿地、湖、池、山
生物植被 花、树、木、杉、草坪、鸟、鱼
雕塑建筑 雕塑、人像、教堂、城楼、雕像
文化古迹 遗址、古迹、古城墙
配套设施 游乐设施 游乐园、滑滑梯、沙坑、船、秋千
休闲设施 公共座椅、凉亭、长廊、便利店、餐厅、
咖啡厅、贩卖机
运动设施 健身设施、健身步道、跑道、球场
文教设施 纪念馆、文化馆、图书馆
基础设施 标牌 标牌、指示牌
照明系统 路灯、地灯、射灯
停车场 停车位、停车场
公共厕所 公厕、卫生间
文娱活动 展览 文化展览、展品
活动 美食节、音乐节、灯会、节目、表演
规模范围 规模/面积 大、中等、小、广、占地

2.2 用户情感倾向分析

为了探究公园绿地质量对城市居民出行吸引力的影响，并深入分析公园绿地的可达性，本文采用情感分析方法，挖掘社交媒体数据中居民对公园绿地各质量指标的情感态度。情感倾向分析是文本情感分析的核心，旨在分析带有情感色彩的主观性文本，挖掘其中蕴含的情感态度[22]。
本文将采用基于情感知识增强的情感预训练 (Sentiment Knowledge Enhanced Pre-training, SKEP)模型[23]。受基于Transformer的模型BERT的启发，SKEP包含无监督情感知识挖掘、情感掩盖和情感预训练优化3部分。图2展示了SKEP的工作原理，具体步骤如下。
图2 SKEP模型示意图

Fig. 2 Schematic diagram of the SKEP model

（1）无监督情感知识挖掘：通过无监督的方式，即利用点互信息(PMI)来挖掘情感知识。PMI仅依赖少量的情感种子词，并确定每个种子词s的极性WP(s)。通过构建包含种子词的候选词对集合，可有效挖掘候选词的极性。PMI通常用来衡量2个词在文本中的共现情况，即一词对同时出现的概率是否高于它们各自单独出现的概率。一组词对x1和x2的PMI计算公式为：
P M I ( x 1 ,   x 2 ) = l o g P ( x 1 ,   x 2 ) P ( x 1 ) P ( x 2 )
式中： P ( x 1 ,   x 2 )表示词对x1和x2共现的概率； P ( x 1 )和 P ( x 2 )分别为x1、x2单独出现的概率。
并且，一个候选词x的极性是由其PMI得分与所有积极和消极种子词s之差决定的。
    W P ( x ) = ∑ W P ( s ) = + P M I ( x ,   s ) - ∑ W P ( s ) = - P M I ( x ,   s )
式中：WP(x)表示极性分数；WP(x)为正表示x是积极词，否则为消极词。
（2）情感掩盖：SKEP会掩盖(Mask)每个输入语句中的部分词语，即用特殊字符[MASK]代替。这种掩盖是以情感知识为导向的，即SKEP依据先前挖掘的情感知识，选择具有显著情感极性的词进行掩盖。例如，如果一个词具有很高的积极性得分，那么SKEP更有可能将其掩盖，以便模型能够学习到该词对情感的影响。
（3）情感预训练优化：在情感掩盖生成缺损序列的基础上，Transformer编码器有3个情感预训练目标：情感词预测、词极性预测以及方面-情感对预测。通过联合3个优化目标，帮助模型恢复被掩盖的情感信息。具体如图2所示，x10表示对屏蔽情感词的预测；x5和x10均表示对屏蔽情感词极性的预测；对于方面-情感对的预测x1则是利用包含整个序列信息的句子首位[CLS]进行多标签分类。

2.3 融合情感分析的2SFCA

本文在传统的基于客观偏态面积属性的高斯型2SFCA基础上，融合情感分析结果进行改进，具体步骤如下：
（1） 计算公园绿地j的供需比Rj。对于每个公园绿地供给点j，以人们前往公园绿地的极限时间t0为半径建立搜索域，汇总搜索域内所有的人口数量，利用高斯函数按照距离衰减规律赋以权重，并对这些加权后的人口进行加和汇总，计算供需 比Rj：
R j = S j ∑ i ∈ t i j ≤ t 0 G ( t i j , t 0 ) D i
式中：Sj是公园绿地的面积，用来表示公园绿地j的供给能力；tij表示居民需求点i与公园绿地供给点j之间的时间；Di是搜索范围内居民需求点i的人口数；G(tij, t0)是高斯衰减函数，其表达式为：
G ( t i j , t 0 ) = e - 1 2 × ( t i j t 0 ) 2 - e - 1 2 1 - e - 1 2 ( t i j < t 0 )
本文以公园绿地的大众点评评论数据来分析游客对所评论公园绿地的情感倾向，以此来获得游客对于其满意度。根据上述公园绿地评论中关键词的提取与分类，将可达性计算中公园绿地供给能力Qj进行改进，具体的计算公式如下所示。
Q j = Q N j ω 1 + Q E Q j ω 2 + Q F j ω 3 + Q E N j ω 4 + S I j ω 5
Q m j = 1 n ∑ k = 1 n P ( m k , j )
式中： Q m j表示游客对公园绿地j质量指标m的主观情感倾向平均值，质量指标m包含自然景观N、配套设施EQ、基础设施F、文娱活动EN；SIj表示优化过后的公园绿地j的客观属性面积；P(mk, j)为当前公园绿地j的质量指标m所在文本k积极或消极的概率。
同时考虑到各公园绿地面积Sj的数值分布较为离散且不同类型的公园绿地之间差异较大，数据呈显著地偏态分布，直接使用面积数值作为评价公园绿地吸引力的客观属性会极大影响评价的公平性和准确性。考虑到数据变换已被广泛应用于处理数据规范化问题，在转换偏态数据以符合正态性中，对数变换最受欢迎且应用最广[24]。因此，本研究在考虑公园绿地面积Sj时，为了减小其数值差异性的影响，使用具有偏移参数的自然对数变换来降低公园绿地面积数据的偏度[25]，进而引入规模范围指数SIj。
S I j l = l n ( S j + c )
式中： S I j l是对数变换后的公园绿地面积；c是偏移参数，常取为1。
为统一数据尺度，将规模范围指数进行归一化处理。
S I j = S I j l M a x ( S I l )
ω m = f m ∑ f m
式中：fm表示公园绿地质量指标m被游客提及的频次；ωm表示当前质量指标m被游客提及的频次fm在所有质量指标被提及总频次中的占比。
公园绿地供需比Rj被改进为：
R j = 1 n ∑ m ∑ k = 1 n P ( m k , j ) ω m + S I j ω S I ∑ i ∈ t i j ≤ t 0 G ( t i j , t 0 ) D i              
（2） 计算每个需求点的公园绿地可达性。对于任一居民需求点i，以人们前往公园绿地的极限时间t0为半径，建立搜索半径，然后查找所有搜索半径范围内的公园绿地j，利用高斯衰减函数对这些公园绿地的供需比Rj进行加权求和，得到居民点i的公园绿地可达性Ai。Ai值越大，表示可达性越高。
A i = ∑ j ∈ t i j ≤ t 0 G ( t i j , t 0 ) R j

3 研究区概况、数据来源与数据预处理

3.1 研究区概况

苏州市是国家历史文化名城之一，具备良好的绿化基础。本文选取姑苏区、虎丘区、相城区、吴中区5个区以及吴江区的江陵街道、松陵街道等苏州市区为研究范围（图3）。该范围是苏州人口高度集聚的核心区域，也是苏州市区共享公园绿地实施的重要区域。
图3 苏州市区公园绿地分布

Fig. 3 Distribution of urban green space in Suzhou urban area

3.2 数据来源与数据预处理

本文参考苏州市城市公园绿地开放共享首批试点清单整理出首批开放共享的公园绿地目录，并参照《城市绿地分类标准（CJJ/T85-2017）》[26]，确定本文研究区域一共包含共享公园绿地21个，剔除大众点评网获取不到的公园绿地，最终保留综合公园、社区公园、专类公园和游园4种类型的公园绿地，共计18个(https://www.suzhou.gov.cn)。其中，专类公园包括动物园、植物园、历史名园、遗址公园、游乐公园以及其他专类公园。通过高德API调用各公园绿地的POI数据，获得其位置、面积等数据。通过对2019年6月—2023年5月的大众点评评论数据进行文本预处理、提取关键词、剔除无用信息后，根据公园绿地质量指标的划分得出其占比。
居民人口数量是公园绿地需求的直接体现，其精细程度会直接影响居民享有公园绿地公平性结果。本文使用苏州市2021年10月11日中国电信手机信令数据，根据用户在22:00—次日6:00之间的位置停留数据，识别出该用户的居住地，并依据总人口按比例扩样，应用于需求量分析。本文调用了高德地图API接口，获取各居民点到各公园绿地的出行时间，相比于基于固定出行速度的方法，能够考虑真实交通状况，准确估计出行时间信息[27]。

4 结果及分析

本研究首先将从主观情感倾向和客观属性 2个角度综合考虑公园绿地对于城市居民的吸引力指标，进而基于改进的吸引力指标使用改进的2SFCA从时空2个维度对公园绿地的可达性分布情况进行分析与比较。在时间维度以新型冠状病毒传染病事件的不同发展阶段作为公共卫生事件的案例进行分析。

4.1 公园绿地吸引力分析

从基于主观情感公园绿地吸引力分析的角度来看，城市居民对于各类公园绿地整体上呈现积极态度，公园绿地情感倾向数值基本大于0.9，但不同类型的公园绿地之间存在一定的差异，如图4所示。在综合公园中，城市居民对白鹭园、诺贝尔湖公园的情感倾向更积极，因为大多数游客对其公园绿地质量指标的评价较高；相较之下，虎丘湿地公园等综合公园，由于其各类设施配置面向群体较为丰富，城市居民对其主观情感倾向区间分布较大。对于不同类型的公园绿地而言，城市居民对设施丰富的综合公园整体情感更积极。而相较于社区公园和游园，隶属专类公园的春申湖公园由于其经历过设施配置的全面升级，因此城市居民对其评价更高。
图4 各公园绿地的情感倾向分布

Fig. 4 Distribution of sentiment attitude to green spaces

从传染病事件的发展阶段看，城市居民对各类型公园的情感倾向值也存在显著的变化，如图5所示。观察并对比4个典型公园绿地在这一时期的情感倾向，可以发现城市居民情感倾向的波动趋势与传染病事件发展的周期性规律、防控措施等因素存在强关联性。
图5 分时期的各类型公园绿地主观情感倾向变化

Fig. 5 The changes in sentiment attitude to green spaces by period

为了更清楚地表述各类公园绿地在不同时期展现出来的不同变化规律，本研究根据传染病事件的波动时间线，将分析时间段分为了“事件前（2019.06—2019.08）、事件中1（2022.02—2022.04）、事件中2（2022.07—2022.09）、事件中3（2022.11—2023.01）、事件后（2023.03—2023.05）”5个时期，如图5所示。其中，“事件中1”为传染病大规模传播初期阶段，“事件中2”为传染病传播趋于平缓的阶段，“事件中3”为传染病大规模传播达到高峰的阶段。
相较于事件前，从不同质量评价指标来看，在“事件中1”与“事件中3”这2个阶段，居民更加关注基础设施和配套设施。而除此之外的其他时期，居民更侧重于关注公园绿地举办活动的质量和数量。值得注意的是，个别专类公园（如春申湖公园）在传染病初期对设施评价的提升，得益于其升级改造的有力推进。而综合公园由于设施较为完备，居民的整体情感变化较为平稳。
在主观总情感值方面，“事件中1”时期的积极评价多来自社区公园，如秋香园，因其成为了当时少数可供居民休闲活动的场所。而在“事件中2”时期，随着传染病趋稳，小型游园如苏苑公园的评价显著下降。随着传染病事件的结束，尽管公园绿地对城市居民的吸引力总体有所下降，但居民对强身健体的重视程度增强，因此他们更偏好配备优质健身设施的体育公园以及娱乐设施丰富的游乐园。
在客观吸引力评估方面，本研究提出的客观吸引力指标“规模范围指数SI”，克服了原有直接依据偏态面积大小计算吸引力、从而导致吸引力分布差异较大的问题。相对于直接选用面积，SI指数减小了公园绿地偏态数据带来的影响，并且能够更客观地评估各类型公园吸引力。这有助于防止因偏态面积数据错误低估苏苑公园等小面积公园绿地客观吸引力，同时高估虎丘湿地公园等综合公园客观吸引力的情况出现，如图6所示。通过提出SI指数，本研究能够更聚焦于对公园绿地客观吸引力的评价。
图6 基于客观属性的公园绿地吸引力

Fig. 6 The attractiveness of the green spaces based on objective attributes

结合社交媒体评价数据的情感倾向和SI指数，本文得到图7所示公园绿地总体吸引力。总体来看，各公园绿地存在明显差异，其中石湖景区在总吸引力方面表现尤为突出。面积大且设施齐全的公园，在客观属性吸引力方面表现出众，带来高总体吸引力。但需要强调的是，公园绿地吸引力并非仅由客观面积决定，也与居民主观感受的公园绿地景观和设施满意度有关。例如，综合公园中的白鹭园和芦荡湖湿地公园面积虽小，但其吸引力与石湖景区相近。这得益于它们拥有相对完备的基础设施和服务，具有较高的主观吸引力。同样，尽管石湖景区的面积不是最大的，但其情感倾向最高，故而其总体吸引力最大。
图7 公园绿地总体吸引力

Fig. 7 The overall attractiveness of the green spaces

4.2 公园绿地可达性分析：时间维度

从时间维度来看，苏州市的公园绿地可达性呈现明显的动态变化，且与公共卫生事件的不同阶段密切相关，如图8所示。该变化规律与4.1节中分析的城市居民对公园绿地的主观情感倾向随传染病发展的变化趋势基本一致。随着传染病的蔓延，室外的开放娱乐空间——公园绿地对城市居民的吸引力逐渐上升。这一趋势在公园绿地可达性的表现中得到体现，呈现出不同程度的上升。其中，相城区以及吴中区的变化较为显著，如法布尔公园和春申湖公园等公园绿地。在传染病期间，居民更倾向于选择居住区附近的社区公园以及专类公园。该可达性的上升趋势也证明与公园绿地类型有关，主要表现为社区公园和专类公园所在区域的可达性变化较为显著。而在传染病趋于平稳时，城市居民对公园绿地的可达性普遍出现了不同程度的下降。尤其是社区公园所在区域，其居民出行意愿降低较为显著，这主要与居民有更多户外活动方式可供选择有关。总体来看，传染病发生后的人们更加关注健康和户外锻炼，对公园绿地的可达性普遍高于传染病发生前。
图8 随时间变化的各公园绿地可达性变化

Fig. 8 The changes in accessibility of green spaces

4.3 公园绿地可达性分析：空间维度

从空间维度来看，本文对比分析了仅使用客观属性、仅使用主观情感倾向以及结合主客观要素分别作为吸引力评价指标的公园绿地可达性分布情况，如图9所示。研究发现，总体上苏州市公园绿地可达性呈现由中心城区的西南部向外围递减的特征。仅考虑主观情感作为吸引力来计算可达性时，虎丘区为公园绿地可达性最高的区域。其高可达性一方面可归因于该区域丰富的公园绿地资源；另一方面，城市居民对该区域内的公园绿地满意度较高。此外，相城区、吴江区均有部分地区出现高可达性分布，这也反映了周边两区在公园绿地质量评估方面表现突出。相比之下，仅从传统的公园绿地客观属性角度出发，相城区和吴江区的部分地区可达性数值出现下降。这是由于该区域中黄桥书香公园、春申湖公园和活力岛等公园绿地客观面积属性过低，且人口相对较高，直接导致可达性评价水平异常偏低。综合来看，尽管这些公园面积相对较小，但是它们提供了出色的景观感受和设施服务，对城市居民具有较大吸引力进而也为该区域居民提供了较好的公园绿地可达性。因此本研究提出的主客观结合的可达性计算方法将很大程度上弥补这一缺陷。
图9 基于主观情感、客观属性与主客观结合的公园绿地可达性对比

Fig. 9 Comparison of the green space accessibility based on subjective sentiment, objective attributes and combination of subjectivity and objectivity

5 结论与展望

本研究以苏州市共享公园绿地为例，结合游客评论情感分析，并使用改进的2SFCA从仅基于主观情感倾向、仅基于客观面积属性和主客观相结合 3个方面深入研究了城市居民对于公园绿地的可达性。此外，本研究在时空维度上动态比较了居民对公园绿地可达性的变化。研究结果表明：
（1）仅考虑客观面积的计算虽然减小了由于偏态面积数据造成的误差，但忽视了主观感受，难以全面评价公园绿地吸引力。同样，仅基于主观情感倾向的计算虽考虑了主观感受，但忽略了公园客观属性对吸引力的影响，低估了大面积公园周边社区的可达性。
（2）结合主观情感和客观属性的公园绿地吸引力研究拓宽了传统可达性评价的视角，不仅体现了城市居民对服务水平的主观感知，还考虑了公园绿地客观服务水平对居民出行选择的影响。通过改进的吸引力指标得到的综合可达性分析，既平衡了主客观因素，又能更精确地衡量城市居民享受公园绿地服务的质量量度。因此，在规划新公园绿地时，有关部门不应仅关注其规模，更应积极倡导公众参与，重视提升游客对公园绿地服务的体验质量，从而更全面地理解和评估可达性。
（3） 在突发公共卫生事件期间，人们更偏向选择社区公园和专类公园进行休闲活动；随着日常生活的恢复，公众对访问配备高质量健身设备和丰富娱乐设施的专类公园和游园的需求增加。鉴于人们对健康生活意识的不断深化，建议相关部门加强公园绿地的功能规划，增设更多的健身和娱乐设施，以广泛吸引公众参与公园绿地活动。
与此同时，本研究仍存在一些不足，有待未来进一步深入研究和完善。① 由于本文选用大众点评的公园绿地评论数据进行情感分析；未来可以考虑纳入多平台的评论数据相互补充，更精准地分析居民的情感倾向； ② 在探讨公园绿地的客观属性吸引力时，本文尚未全面考虑客观吸引力的影响因素；未来可收集更多样化的数据源，以更全面地分析公园绿地客观属性对可达性的影响； ③ 本文以共享公园绿地为研究对象，研究范围有限；将来研究应当扩大公园绿地样本范围，以验证本研究结论的实用性并探索更多的潜在发现。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[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, 23(8):7-10.

[Yu K J, Duan T W, Li D H, et al. Landscape accessibility as a measurement of the function of urban green system[J]. City Planning Review, 1999, 23(8):7-10.] DOI:10.3321/j.issn:1002-1329.1999.08.001

[2]
杨亚璪, 廖丁铃. 基于老年人出行选择概率的公园绿地可达性评价——以重庆市渝北区为例[J]. 科学技术与工程, 2023, 23(24):10487-10497.

[Yang Y Z, Liao D L. Evaluation of the accessibility of park green space based on the travel choice probability of the elderly: Taking Yubei district of Chongqing city as an example[J]. Science Technology and Engineering, 2023, 23(24):10487-10497.] DOI:10.3969/j.issn.1671-1815.2023.24.036.

[3]
Hansen W G. How accessibility shapes land use[J]. Journal of the American Institute of Planners, 1959, 25(2):73-76. DOI:10.1080/01944365908978307

[4]
湛东升, 谢春鑫, 张文忠, 等. 基于累计机会可达性的北京城市公共服务设施复合功能识别[J]. 地球信息科学学报, 2020, 22(6):1320-1329.

DOI

[Zhan D S, Xie C X, Zhang W Z, et al. Identifying mixed functions of urban public service facilities in Beijing by cumulative opportunity accessibility method[J]. Journal of Geo-information Science, 2020, 22(6):1320-1329.] DOI:10.12082/dqxxkx.2020.190717

[5]
Nicholls S. Measuring the accessibility and equity of public parks: A case study using GIS[J]. Managing Leisure, 2001, 6(4):201-219. DOI:10.1080/13606710126543

[6]
郑允豪, 刘晓慧. 面向就医地点推荐的个人时空可达性分析方法[J]. 地球信息科学学报, 2020, 22(2):175-186.

DOI

[Zheng Y H, Liu X H. Method of individual space-time accessibility analysis for medical site recommendation[J]. Journal of Geo-information Science, 2020, 22(2):175-186.] DOI:10.12082/dqxxkx.2020.190246

[7]
Radke J, Mu L. Spatial decompositions, modeling and mapping service regions to predict access to social programs[J]. Annals of GIS, 2000, 6(2):105-112. DOI:10.1080/10824000009480538

[8]
Luo W, Wang F H. Measures of spatial accessibility to healthcare in a GIS environment: Synthesis and a case study in Chicago region[J]. Environment and Planning B, Planning & Design, 2003, 30(6):865-884. DOI:10.1068/b29120

[9]
Dai D J. Racial/ethnic and socioeconomic disparities in urban green space accessibility: Where to intervene?[J]. Landscape and Urban Planning, 2011, 102(4):234-244. DOI:10.1016/j.landurbplan.2011.05.002

[10]
傅俐, 王勇, 曾彪, 等. 基于改进两步移动搜索法的北碚区医疗设施空间可达性分析[J]. 地球信息科学学报, 2019, 21(10):1565-1575.

DOI

[Fu L, Wang Y, Zeng B, et al. Spatial accessibility of medical facilities in Beibei District based on modified two-step floating catchment area method[J]. Journal of Geo-information Science, 2019, 21(10):1565-1575.] DOI:10.12082/dqxxkx.2019.190188

[11]
Zhang Y Q, Fu X, Yu Z Y, et al. How does multi-modal travel enhance tourist attraction accessibility? A refined two-step floating catchment area method using multi-source data[J]. Transactions in GIS, 2024, 10:1-25. DOI: 10.1111/tgis.13136

[12]
Dony C C, Delmelle E M, Delmelle E C. Re-conceptualizing accessibility to parks in multi-modal cities: A Variable-width Floating Catchment Area (VFCA) method[J]. Landscape and Urban Planning, 2015, 143:90-99. DOI: 10.1016/j.landurbplan.2015.06.011

[13]
Rigolon A, Németh J. A QUality INdex of Parks for Youth (QUINPY): Evaluating urban parks through geographic information systems[J]. Environment and Planning B: Urban Analytics and City Science, 2018, 45(2):275-294. DOI:10.1177/0265813516672212

[14]
Xing L J, Liu Y F, Wang B S, et al. An environmental justice study on spatial access to parks for youth by using an improved 2SFCA method in Wuhan, China[J]. Cities, 2020,96:102405. DOI:10.1016/j.cities.2019

[15]
Stessens P, Canters F, Huysmans M, et al. Urban green space qualities: an integrated approach towards GIS-based assessment reflecting user perception[J]. Land Use Policy, 2020,91:104319. DOI:10.1016/j.landusepol.2019

[16]
Phillips A, Plastara D, Khan A Z, et al. Integrating public perceptions of proximity and quality in the modelling of urban green space access[J]. Landscape and Urban Planning, 2023,240:104875. DOI:10.1016/j.landurbplan.2023

[17]
付晓, 陈梓丹, 黄洁. 基于手机信令数据的城市居民非通勤出行群体画像——以苏州市为例[J]. 地理科学, 2022, 42(10):1727-1734.

DOI

[Fu X, Chen Z D, Huang J. Non-work travel group profiles of urban residents based on mobile phone signaling data: A case of Suzhou[J]. Scientia Geographica Sinica, 2022, 42(10):1727-1734.] DOI:10.13249/j.cnki.sgs.2022.10.005

[18]
张琛, 马祥元, 周扬, 等. 基于用户情感变化的新冠疫情舆情演变分析[J]. 地球信息科学学报, 2021, 23(2):341-350.

DOI

[Zhang C, Ma X Y, Zhou Y, et al. Analysis of public opinion evolution in COVID-19 pandemic from a perspective of sentiment variation[J]. Journal of Geo-information Science, 2021, 23(2):341-350.] DOI:10.12082/dqxxkx.2021.200248

[19]
Gong L, Mao B, Qi Y D, et al. A satisfaction analysis of the infrastructure of country parks in Beijing[J]. Urban Forestry & Urban Greening, 2015, 14(3):480-489. DOI:10.1016/j.ufug.2015.04.013

[20]
McCormack G R, Rock M, Toohey A M, et al. Characteristics of urban parks associated with park use and physical activity: A review of qualitative research[J]. Health & Place, 2010, 16(4):712-726. DOI:10.1016/j.healthplace.2010.03.003

[21]
马薛骑, 裘鸿菲. 基于网络照片数据与Auto ML模型的湖泊公园景观意象特征及感知偏好研究[J]. 中国园林, 2022, 38(10):86-91.

[Ma X Q, Qiu H F. A study on landscape image and public perception and preferences of lake parks based on Internet photo data and Auto ML model[J]. Chinese Landscape Architecture, 2022, 38(10):86-91.] DOI:10.19775/j.cla.2022.10.0086

[22]
汤凌燕, 熊聪聪, 王嫄, 等. 基于深度学习的短文本情感倾向分析综述[J]. 计算机科学与探索, 2021, 15(5):794-811.

DOI

[Tang L Y, Xiong C C, Wang Y, et al. Review of deep learning for short text sentiment tendency analysis[J]. Journal of Frontiers of Computer Science and Technology, 2021, 15(5):794-811.] DOI:10.3778/j.issn.1673-9418.2010002

[23]
Tian H, Gao C, Xiao X, et al. SKEP: sentiment knowledge enhanced pre-training for sentiment analysis[C]. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL), 2020. DOI:10.18653/v1/2020.acl-main.374

[24]
McGuinness D, Bennett S, Riley E. Statistical analysis of highly skewed immune response data[J]. Journal of immunological methods, 1997,201(1): 99-114. DOI:10.1016/s0022-1759(96)00216-5

[25]
Lopez P. Direct 4D-Var assimilation of NCEP stage IV radar and gauge precipitation data at ECMWF[J]. Monthly Weather Review, 2011, 139(7):2098-2116. DOI:10.1175/2010mwr3565.1

[26]
中华人民共和国住房和城乡建设部. 城市绿地分类标准:CJJ/T 85-2017[S]. 北京: 中国建筑工业出版社, 2017.

[Ministry of Housing and Urban-Rural Development of the People’s Republic of China. Standard for classification of urban green space: CJJ/T 85-2017[S]. Beijing: China Architecture & Building Press, 2017.]

[27]
黄应淮, 刘小平, 刘艳平, 等. 基于高德地图API的多种交通方式下城市公园时空可达性分析——以广州市海珠区为例[J]. 地理与地理信息科学, 2018, 34(6):50-57.

[Huang Y H, Liu X P, Liu Y P, et al. Spatial and temporal accessibility analysis of urban parks based on amap API by means of multiple transportation: A case study of Haizhu district in Guangzhou[J]. Geography and Geo-information Science, 2018, 34(6):50-57.] DOI:10.3969/j.issn.1672-0504.2018.06.008

Options
文章导航

/

〈 〉