沈培宇 胡昕宇

南京林業(yè)大學(xué)風(fēng)景園林學(xué)院 南京 210037

近年來, 中國(guó)快速的城市化進(jìn)程使城市綠地資源稀缺, 設(shè)計(jì)與規(guī)劃滿足人群偏好的游憩場(chǎng)地與設(shè)施成為近年學(xué)界關(guān)注的重點(diǎn)[1-2]。 時(shí)間、空間和活動(dòng)被認(rèn)為是游客體驗(yàn)的3 個(gè)重要領(lǐng)域。雖然人類的軌跡有許多不同的可能性, 但它們表現(xiàn)出高度的時(shí)間和空間規(guī)律性[3]。 了解使用哪些游樂設(shè)施、 參加哪些表演, 以及哪些商店和廣場(chǎng)吸引游客, 可能會(huì)幫助改善景點(diǎn)管理[4-6], 因此, 獲取人群時(shí)空定位數(shù)據(jù)是研究綠色開放空間的重要組成部分。 與物理空間數(shù)據(jù)相比, 人群定位數(shù)據(jù)較難獲取, 以往研究大多采用問卷調(diào)查和訪談等傳統(tǒng)方法量化研究綠地使用情況, 由此獲得的數(shù)據(jù)往往是主觀的, 而且成本高、 獲取費(fèi)力。 隨著信息和數(shù)字時(shí)代的到來, LBS 定位數(shù)據(jù)、 百度熱力數(shù)據(jù)、 社交媒體數(shù)據(jù)等時(shí)空大數(shù)據(jù)被應(yīng)用在各領(lǐng)域的城市研究中[7-9]。 但是, 目前城市研究中使用的時(shí)空定位數(shù)據(jù)因其粗粒度的特性, 主要應(yīng)用于大尺度城市人群時(shí)空行為研究, 其精度不能滿足小尺度公園綠地空間定位的高精度需求。

2011 年, ROEDING CYRIAC 等[10]在美國(guó)申請(qǐng)了一項(xiàng)使用WiFi 網(wǎng)絡(luò)探測(cè)設(shè)備存在的專利。 該專利中首次采用了WiFi 探針技術(shù), 通過捕獲連接時(shí)建立的數(shù)據(jù)包探測(cè)設(shè)備是否存在。 WiFi 探針技術(shù)具有高空間分辨率和時(shí)間頻率的特點(diǎn), 能在開放空間實(shí)現(xiàn)精準(zhǔn)定位。 此后許多學(xué)者利用WiFi 探針技術(shù)研究并解決城市公共空間領(lǐng)域的問題[11-12], 也有學(xué)者在沒有公共WiFi 覆蓋的小型公園中, 通過自行設(shè)計(jì)搭建局域網(wǎng)環(huán)境獲取精確的公園用戶時(shí)空行為數(shù)據(jù), 并詳細(xì)介紹了該方法[13]。 通過這種方法, 我們可以精準(zhǔn)分析公園用戶的數(shù)量, 并了解使用公園人群的時(shí)空分布特征,以幫助綠色空間設(shè)計(jì)者了解人群的需求和偏好、提升公園管理員服務(wù)質(zhì)量。

1 研究設(shè)計(jì)

本研究基于WiFi 探針技術(shù), 在沒有公共WiFi 覆蓋的城市公園自行搭建局域網(wǎng)和布置探針設(shè)備, 獲取研究案例——上海市淮海公園到訪游客時(shí)空定位數(shù)據(jù), 分析其分布特征, 進(jìn)而提出公園優(yōu)化建議。

1.1 研究地概況

淮海公園位于上海市淮海中路17 號(hào), 于1958年7 月1 日建成并對(duì)外開放, 現(xiàn)有總面積25 641 m2。 公園周邊交通便利, 可達(dá)性高。 鄰近地段屬于上海市行政、 文化、 商業(yè)中心區(qū), 公園使用者類型多樣, 對(duì)于研究游客在城市公園的游憩行為有一定的代表性。 公園由北部的開放式廣場(chǎng)、 中部的密林休息交談區(qū)、 南部的林下休閑健身區(qū)和環(huán)形的密林布道區(qū)4 個(gè)部分組成。

1.2 數(shù)據(jù)采集與處理

無線局域網(wǎng)(WLAN) 技術(shù)的逐漸成熟和日益廣泛的覆蓋, 使越來越多的人使用無線網(wǎng)絡(luò)。在IEEE 802.11 系列協(xié)議中, 開啟了WiFi 功能的移動(dòng)終端定期發(fā)送含有終端唯一的媒體訪問控制(media access control, MAC) 地 址 的 Probe Request 幀, 而WiFi 探針可以捕獲到探測(cè)區(qū)域內(nèi)開啟了WiFi 功能的智能設(shè)備的MAC 地址信息,并能以此反映當(dāng)前區(qū)域內(nèi)的人流情況[14]。 將WiFi探針架設(shè)在人流經(jīng)過的區(qū)域就能獲取到經(jīng)過該區(qū)域的行人所攜帶的智能終端的信息, 以及設(shè)備進(jìn)入?yún)^(qū)域和離開區(qū)域的時(shí)間。 對(duì)進(jìn)入?yún)^(qū)域的設(shè)備的數(shù)量和時(shí)間進(jìn)行分析和計(jì)算, 即可推斷出行人位置以及在此區(qū)域的停留時(shí)間[15-16]。

根據(jù)WiFi 探針的有效探測(cè)半徑在淮海公園布置了12 個(gè)WiFi 探針設(shè)備, 同時(shí)將WiFi 基站放置在場(chǎng)地中心的空地上使WiFi 信號(hào)分布均勻且全覆蓋。 數(shù)據(jù)收集于2019 年10 月20 日(休息日) 和10 月21 日(工作日) 8 ∶00—18 ∶00 時(shí)： 調(diào)研日期避免了法定假日, 同時(shí)確保了類似的天氣條件。上海10 月平均氣溫為18 ℃～24 ℃, 數(shù)據(jù)采集日天氣條件良好, 溫度舒適, 因此人的活動(dòng)相對(duì)不受氣候因素的影響。

WiFi 探針數(shù)據(jù)處理包括數(shù)據(jù)清洗、 數(shù)據(jù)計(jì)算和數(shù)據(jù)可視化3 部分。 數(shù)據(jù)清洗是指按照一定的原則, 對(duì)數(shù)據(jù)庫中錯(cuò)誤或重復(fù)的數(shù)據(jù)進(jìn)行整理或改正, 消除誤導(dǎo)信息, 從而保證結(jié)果的準(zhǔn)確性和科學(xué)性。 數(shù)據(jù)計(jì)算是指基于三邊定位法借助Python 軟件編寫計(jì)算小程序, 將清洗完的數(shù)據(jù)(包括移動(dòng)設(shè)備的MAC 地址、 時(shí)間戳、 移動(dòng)設(shè)備與WiFi 探針的距離等關(guān)鍵數(shù)據(jù)) 導(dǎo)入小程序中計(jì)算, 輸出移動(dòng)設(shè)備的經(jīng)緯度信息和時(shí)間信息, 即獲得移動(dòng)設(shè)備的時(shí)空定位。 數(shù)據(jù)可視化是指基于ArcGIS 平臺(tái), 通過篩選屬性表獲取不同時(shí)段人流量信息, 同時(shí)使用核密度分析工具對(duì)人群分布密度進(jìn)行可視化表達(dá)。

2 公園人群游憩偏好分析

通過獲取的人群定位數(shù)據(jù), 從時(shí)間和空間兩個(gè)維度分析人群游憩特征, 即人群在公園停留、游憩和休閑娛樂的空間場(chǎng)所偏好。

2.1 人群游憩時(shí)空分布

公園內(nèi)的人流量表示在某一時(shí)間段內(nèi)所有檢測(cè)到的用戶數(shù)的總和。 在Arcgis 平臺(tái)篩選移動(dòng)設(shè)備MAC 地址, 以此識(shí)別和統(tǒng)計(jì)人流量。 將工作日和休息日時(shí)段劃分為8 ∶00—10 ∶00、 10 ∶00—12 ∶00、 12 ∶ 00—14 ∶ 00、 14 ∶ 00—16 ∶ 00、16 ∶00—18 ∶00 時(shí)5 個(gè)時(shí)段, 分析工作日和休息日不同時(shí)段人流量變化特征。 結(jié)果(圖1) 顯示:1) 休息日人流量明顯高于工作日。 2) 人流量的變化具有規(guī)律性和周期性。 工作日、 休息日人流量在上、 下午各有一個(gè)高峰, 12 ∶00 前后的午休時(shí)段活動(dòng)相對(duì)較少。 工作日人流量在8 ∶00—10 ∶00時(shí)段達(dá)到頂峰, 呈現(xiàn)出明顯的早高峰特征,且上午的人流量明顯高于下午時(shí)段： 而休息日人流量呈現(xiàn)雙高峰特征。

圖1 工作日和休息日人流量變化圖

人群游憩空間分布能直觀反映公園內(nèi)各部分空間對(duì)人群的吸引力, 在Arcgis 中計(jì)算工作日和休息日的人群分布密度, 并將密度層級(jí)設(shè)置為12個(gè)層級(jí), 紫色越深表示人群分布密度越高(圖2)。從圖2 可知: 1) 公園人群活躍度最高的空間為中部的密林休息區(qū), 活躍度最低的為北部的開放式廣場(chǎng)。 通過現(xiàn)場(chǎng)觀察, 老年男性群體每天固定在密林休息區(qū)觀鳥遛鳥和交談, 北部廣場(chǎng)兩側(cè)緊鄰市區(qū)主要道路和繁華的商業(yè)街區(qū), 人群在此快速穿行和短暫休息停留, 所以該空間活動(dòng)人群較少。 2) 工作日人群呈現(xiàn)聚集分布特征, 休息日人群呈現(xiàn)分散分布特征。 工作日活動(dòng)人群偏好聚集于林下休閑健身區(qū)活動(dòng), 主要活動(dòng)類型為遛鳥觀鳥、 休息交談、 散步, 而休息日人群活動(dòng)范圍增加, 除了工作日活動(dòng)類型外, 健身和休閑活動(dòng)有所增加。

圖2 工作日、 休息日全天人群密度圖

對(duì)工作日和休息日每2 h 的人群分布密度進(jìn)行分析, 結(jié)果顯示, 工作日、 休息日各時(shí)段人群均偏好在中部密林休息區(qū)集聚。 在8 ∶00—10 ∶00晨間時(shí)段, 工作日和休息日人群偏好于散步、 遛鳥觀鳥活動(dòng), 休息日較工作日吸引更多人群使用健身器械活動(dòng)： 在10 ∶00—12 ∶00 時(shí)段, 工作日人群主要為老年群體, 偏好休息交談、 遛鳥觀鳥和小部分群體性活動(dòng), 而休息日人群在該時(shí)段空間分布廣泛, 在工作日不活躍的中、 青年人群在該時(shí)段開始健身活動(dòng)： 在12 ∶00—14 ∶00 時(shí)段,工作日人群聚集在中部密林休息區(qū), 并吸引周邊工作人群進(jìn)入綠地散步和休息, 休息日該時(shí)段人群主要活動(dòng)為遛鳥觀鳥和休閑： 在14 ∶00—16 ∶00時(shí)段, 工作日人群集中在中部密林休息區(qū),而休息日人群分布分散, 吸引更多休閑、 散步人群： 在16 ∶00—18 ∶00 時(shí)段, 工作日出現(xiàn)進(jìn)行休閑活動(dòng)的人群, 而休息日人們偏好休息交談、 休閑、 散步、 健身。

2.2 人群游憩偏好特征

游客在公園中的游憩特征具有顯著性差異,游憩行為和需求上的差異影響了游客游覽時(shí)間和停留空間的最終選擇。

老年群體在工作日、 休息日游憩行為十分固定, 尤其是老年男性群體全天偏好集聚在中部的密林休息區(qū), 主要活動(dòng)為遛鳥觀鳥、 交談、 休息, 下午時(shí)段部分老年男性在南部林下休閑健身區(qū)聚集,主要活動(dòng)為打牌、 下象棋、 觀看及健身。 老年女性群體主要在南部的林下休閑健身區(qū)和北部開放式廣場(chǎng)活動(dòng), 主要活動(dòng)分別為健身、 廣場(chǎng)舞, 且都為團(tuán)體性活動(dòng)。 中、 青年群體主要在休息日10 ∶00 時(shí)之后活動(dòng), 偏好在南部林下休閑健身區(qū)和公園主環(huán)路停留, 主要活動(dòng)類型為器械健身、 慢跑、 散步、羽毛球等運(yùn)動(dòng)類活動(dòng)。 少年群體主要在休息日跟隨家長(zhǎng)在主環(huán)路散步或是在園路進(jìn)行小型球類活動(dòng)。

3 優(yōu)化建議

本研究基于WiFi 探針技術(shù)獲取了淮海公園高精度的人群時(shí)空分布數(shù)據(jù), 同時(shí)結(jié)合活動(dòng)時(shí)間、停留空間以及游憩行為與需求分析了游客的游憩偏好。 針對(duì)公園空間設(shè)計(jì)與部分人群游憩需求和偏好存在的不匹配問題, 提出如下建議: 1) 由于公園的穿越型空間過多, 停留型活動(dòng)空間很少,中、 青年人只能在主園路活動(dòng), 缺少健身活動(dòng)空間, 因此建議減少公園南部園路, 增加可停留空間, 解決目前中、 青、 少年群體活動(dòng)空間少的問題。 2) 由于公園中部圍墻造成南北空間的分隔,人群過度集中在南部活動(dòng), 北側(cè)卻出現(xiàn)空間浪費(fèi),建議拆除公園內(nèi)部的圍墻, 合理劃分北部穿越空間和活動(dòng)空間, 增加健身步道長(zhǎng)度, 提高公園空間利用率。 3) 公園常綠樹占比過高, 公園南部區(qū)域內(nèi)部視線遮擋過多, 容易給女性和兒童帶來不安全感, 導(dǎo)致場(chǎng)地女性和兒童群體少, 應(yīng)適當(dāng)減少公園中部、 南部中層常綠喬灌木, 減少園內(nèi)視線遮擋, 給女性和兒童提供安全游憩空間。

4 討論

本文是一次運(yùn)用WiFi 探針技術(shù)進(jìn)行綠色開放空間分析的嘗試, 其獲取時(shí)空定位的方法也有一定的局限性: 1) 該方法的精度在很大程度上依賴于網(wǎng)絡(luò)AP (無線接入點(diǎn)) 的強(qiáng)度。 2) 結(jié)果取決于收集數(shù)據(jù)的準(zhǔn)確性。 淮海公園整體種植密度高, 常綠樹種占比大, 葉片的重疊阻礙信號(hào)發(fā)射和收集。3) WiFi 探測(cè)設(shè)備的位置也會(huì)影響數(shù)據(jù)的準(zhǔn)確性。如果WiFi 探測(cè)設(shè)備不在同一水平面上, 采集到的探測(cè)之間的距離不等于探測(cè)投影之間的距離, 會(huì)產(chǎn)生距離誤差。 4) 數(shù)據(jù)代表性是影響結(jié)論準(zhǔn)確性的關(guān)鍵因素, 如無法獲得沒有移動(dòng)設(shè)備或沒有打開手機(jī)的WiFi 搜索功能的人群數(shù)據(jù)。 隨著移動(dòng)設(shè)備的普及和WiFi 信號(hào)的城市全覆蓋, 相信本方法能適用于更多城市研究場(chǎng)景。 未來城市公園可以基于人群的海量游憩數(shù)據(jù), 從多種角度綜合進(jìn)行影響分析疊加, 把握游客的游憩規(guī)律和潛在需求, 及時(shí)調(diào)整和提升公園的游憩空間, 為公園帶來良好的社會(huì)效益和生態(tài)效益[17-18]。