基于ArcGIS网络分析的公园绿地可达性研究，以长沙市岳麓区为例

2020-09-10 7505 admin

关注城市数据人微信公众号

数据资讯、数据分享、数据技能

添加微信“wwwcaup”，注明城市数据人

加入读者交流微信群

小编：今日为大家推荐来自微信公众号“ 地理信息世界GeomaticsWorld”的文章：以长沙市岳麓区为例，借助ArcGIS软件的网络分析模块，采用基于最小出行距离的方法，研究步行、非机动车和机动车3种交通出行方式，定量分析了不同等级公园绿地的可达性，文中详细介绍了分析步骤，思考讨论了方法适用性，并对长沙市岳麓区的城市公园可达性分析得出结论。全文如下：

基于GIS的公园绿地可达性与服务水平研究——以长沙市岳麓区为例

作者信息：李　蒙1,2

（ 1. 北京大学　景观设计学研究院，北京　100871；2. 北京土人城市规划设计股份有限公司　研发部，北京　100871）

【摘要】

可达性作为城市绿地评价的重要指标愈加受到重视。在计算方法上，GIS网络分析法以实际交通网络为基础，相比于其他直线距离测算方法，从一定程度上真实反映了公园绿地的可达性，因此得到越来越多的应用。以长沙市岳麓区为例，运用GIS软件的网络分析法，基于步行、非机动车和机动车3种交通出行方式，定量分析了不同等级公园绿地的可达性。研究结果表明：长沙市岳麓区公园绿地整体步行可达性较差，15 min有效服务范围仅覆盖了研究区域的22.4%；社区级公园的步行可达性较差，仅有14.5%研究区域内的居民可以在15 min内到达最近的社区级公园，而基于非机动车的可达性较好，大部分居住区域的居民（占比76.2%）可以在15 min内到达最近的社区级公园；风景名胜级公园的非机动车的可达性较差，15 min可达的有效服务面积占比为30%，而机动车的可达性较好，20 min可达的服务面积覆盖了大部分研究区域（占比82.2%）。

【关键词】城市公园绿地；可达性；GIS网络分析；长沙市岳麓区

【中图分类号】TU984 【文献标识码】A 【文章编号】1672-1586（2020）03-0100-07

引文格式：李　蒙. 基于GIS的公园绿地可达性与服务水平研究——以长沙市岳麓区为例[J].地理信息世界,2020,27(3):100-106,113.

0 引　言

城市绿地系统作为城市生态系统的重要组成部分，具有重要的生态服务功能，也是城市建设的重要内容。尤其是城市公园绿地，其布局、面积及设计等直接关系到居民日常游憩活动的展开。以往公园绿地的研究多集中在绿地规划与设计、景观格局研究、生态效益及美学评价等方面。随着经济的发展和城市居民生活水平的迅速提高，城市绿地对提高人民福祉的作用逐渐受到了重视。公园绿地的可达性被认为是影响公园使用的主要因素之一，在很大程度上影响了居民福祉和城市的可持续发展建设。近年来，公园绿地可达性相关研究受到了学术研究和规划设计实践的极大关注。

Hansen在1959年首先提出了可达性的概念，他将其定义为交通网络中的各节点之间相互作用机会的大小。可达性表征的是城市中基础设施提供服务消费的可能性，它是规划和决策者用于评价现有服务以及谋求服务改进的重要依据，被广泛应用于土地规划、交通网络规划、公共服务设施、景观规划等领域。绿地可达性指的是从空间任意一点克服空间阻力到达绿地的相对或绝对难易程度，评价指标有距离、时间、费用等。从20世纪60年代以来，在距离、时间等基础上，各国学者不仅从用地属性、宗教分布、人群收入高低、人群年龄等不同方面深入了解可达性的细化研究，还从公园绿地和城市居民之间的相互关系出发，将公平性评价和服务面积评价等纳入可达性的分析中，丰富了可达性的内容。至今，基于GIS的分析方法在城市公园绿地的空间可达性方面得到了多角度的细化应用。但是，基于多种交通方式的绿地可达性研究还比较少，值得更加深入的探讨。

关于绿地可达性的测量方法主要有缓冲分析法、邻近距离法、统计指标法、行进成本法、两步移动搜索法、引力模型法、网络分析法等。其中，网络分析法（Network Analyst）以实际道路网络为基础，对各等级的道路根据多种交通模式赋予不同的交通能力，优势在于能够更接近真实地反映城市绿地的可达性，分析结果也更加精确。本文以长沙市岳麓区内公园绿地为例，运用GIS软件的网络分析法，基于步行、非机动车和机动车3种交通方式，定量探讨公园绿地的可达性及服务水平，以期为城市绿地系统研究提供新思路，同时为长沙市绿地开放空间的空间格局优化提供科学参考。

1 研究对象及数据来源

1.1 研究区概况

长沙市现辖6个区、1个县，总面积为11 819 km²。本文的研究区域为主城区之一岳麓区，研究范围为岳麓区的中心城区，如图1所示，即湘江以西，长沙绕城高速以内的区域，北至谷山森林公园，南抵洋湖湿地，面积约为155km²。岳麓区内高校云集，拥有湖南大学、中南大学、湖南第一师范等高校，并因国家风景名胜区岳麓山而得名，具有独特的生态优势，全区森林覆盖率达52%。

图1　研究范围区位图

Fig.1 Location of the study area

2017年，长沙市成功入选第三批生态修复城市修补试点城市，城市绿地系统作为重要的绿色基础设施，是近期规划及整治的主要对象之一。在长沙市现辖的6个区中，岳麓区森林覆盖率最高，且具有较高的居住密度，研究岳麓区的绿地可达性有利于更加针对性地改善长沙市的绿地服务效率，进而改善居住环境，为将来绿地系统规划提供一定的示范和建议。

1.2 数据来源

本文的数据来源主要包括1∶10 000长沙市土地利用现状图（2018年），以Google Earth最新地图补充校正，以此获取居民点分布图、道路网络图和绿地分布图。公园绿地的分类和数量参考《长沙市城市绿地系统规划》与《2004—2020年长沙市中心片区公园绿地规划分类表》，结合实地勘探数据选取目标研究对象。

1.3 城市公园绿地研究范围

本研究主要考虑城市公园绿地的社会服务功能，需要对具有重要社会功能的公园绿地、区域绿地等根据开放性程度、服务范围、规模尺度、景观吸引力等方面综合考虑重新分类。本文主要以《长沙市城市绿地系统规划》对城市公园绿地的划分和要求为参照，结合《2004—2020年长沙市中心片区公园绿地规划分类表》中关于公园的面积、现状用地性质等特征描述来进行分类。

长沙城市绿地的等级及规模大小不一、居民可接受的出行距离不同，因此针对不同类型的公园采用不同的研究方法。为了便于区分，本文将研究对象分为两级，即风景名胜公园级绿地与社区级公园绿地。风景名胜级公园绿地包括全市性公园、风景名胜公园、森林公园、区级公园、历史名园、儿童公园、游乐公园等专类公园，这些一般具有较为集中的绿地区域和一定景观吸引力的公园，人们愿意付出更多的时间或精力到达这类公园；社区级公园绿地包括居住区公园、小区游园、街旁绿地等沿道路两边设置的公园，这类公园以方便服务社区居民为主，景观吸引力较弱，服务范围较小。

2 研究方法

ArcGIS软件的网络分析模块是对地理网络、城市基础设施网络进行地理化和模型化，主要用于资源的优化配置，网络结构的完善等。网络分析法的处理需要一个基本的网络，主要包括中心（centers）、连接（links）、节点（ nodes）和阻力（impedance），如图2所示。中心代表的是公园绿地的空间位置，在实际计算中一般使用公园的出入口作为中心点；连接即用来模拟不同等级道路的网络结构，是建立可达路径的基本要素；节点是道路的交会点；阻力指的是道路的通行能力（速度），采用不同交通方式在不同等级道路的通行能力具有一定的差异性。

图2　网络分析法示意图

Fig.2 Diagram of network analysis

本文采用的是基于出行范围的可达性分析方法，该方法用特定的出行距离为指标来进行可达性评价。要进行可达性计算，首先需要将基础数据进行矢量化处理，构建网络数据集，然后生成不同交通方式下的各个时间段的服务区分析图层，最终进行数据的统计和分析。

2.1 建立数据库

首先，通过ArcGIS软件，提取研究区路网结构信息，建立网络数据，如图3所示，并通过运算提取路网交点获得节点，如图4所示。将矢量化的道路系统分为4级：快速通道、主干道、次干路、支路，赋予不同的速度和行进成本值。居民的出行方式为3种：步行、非机动车（主要为自行车）和机动车。依据《(JTGB—2003)中华人民共和国公路工程技术标准》的规定，将步行平均速度设定为5 km/h；非机动车在任何等级的道路上均为12 km/h；机动车速度为快速通道80 km/h，主干道60 km/h，次干路40 km/h，支路20 km/h，具体行进成本见表1。

表1　不同交通模式下的行进成本

Tab.1 The travel cost of difffferent modes of transportation

其次，将公园绿地转化为点状数据文件。基于《长沙市总体规划》和《长沙市主要公园绿地资源目录》，依据其规划级别、面积大小及实际建成状况，选取了岳麓区及附近的33个公园，包含岳麓山风景区、天马山风景区等。需要注意的是，大型公园的规模较大，若有多个出入口，则该公园应具有多个点状数据。利用实际踏勘结合网络查询的方法，查询大型公园的入口坐标，最终共获得了39个目的地点，建立点要素图层，如图5所示。

图5　中心点数据图

Fig.5 Centers

根据《岳麓区总体规划》，提取居住街区，通过ArcGIS进行矢量化，如图6所示。本研究假设居民均匀分布在住区范围内。

图6　居住用地分布图

Fig.6 Residential area

2.2 构建网络数据集

将矢量化的道路和公园入口等基础数据导入数据库中，对数据的连通性进行检查修复，对路网数据增加速度属性字段，建立网络数据集。然后对网络数据集的转弯、网络连通性、阻抗（即车行时间）和默认中断等属性进行设置。最后根据表1对交通网络的行进成本进行赋值。

2.3 服务区分析

利用ArcGIS的网络分析模块，建立服务区分析图层。对服务区分析设置时间、阻抗、修剪和路线等属性之后进行求解，随即生成源点沿着道路网行进的相应服务时间所形成的范围，即一定时间成本的可达性服务范围。本文以此生成了以公园绿地为源点，基于不同交通方式的可达性范围分层分析。

2.4 可达性评价统计分析

绿地可达性评价标准的设定与城市规模、绿地资源以及社会经济背景有密切关系。欧洲环境局将15 min内可达作为绿地服务评价的标准之一，美国的绿地建设项目10-minute Walk以10 min内有公园可达为标准。我国大多城市将人均绿地面积、绿地率和绿化覆盖率为绿地建设目标，并未从通行时间维度制定评价标准。本文通过调查长沙市居民对不同交通方式的不同感官体验，对各个等级公园绿地的有效服务范围进行了划分。根据时间成本将可达性分为6个等级：5 min，10 min，15 min，20 min，25 min，30 min。其中步行可达性有效服务范围取15 min，非机动车可达性取有效服务范围为15 min，机动车可达性有效服务范围取20 min，公园绿地可达性等级分布图如图7所示。

图7　公园绿地可达性等级分布图（单位：min）

Fig.7 The ranking distribution of accessibility of park green space（Unit:min）

根据得到的服务区范围分布图，剔除不属于服务范围的水体和山体面积。将可达性的计算结果与长沙市岳麓区的居住区面积叠加，可以获得研究区域公园绿地的居民不同时间段的有效服务面积比。

3 结果与分析

我国已有很多学者采用问卷调查和访谈的方法，研究并总结了城市居民利用公园绿地的行为特征。大量的研究表明，人们去到不同级别的公园所采取的交通方式体现出较大的差异。到达小区游园、街边绿地等社区级公园主要以步行为主，其次为自行车，公交车和机动车比较少。到达风景名胜区、全市性公园等风景名胜级公园则主要以公交系统和机动车为主，其次为自行车，步行所占比例则较小。因此，本文对同级别公园选取不同的交通模式进行分析。对社区级公园进行步行和非机动车可达性分析；对风景名胜级公园进行机动车和非机动车可达性分析，以5 min为时间段划分可达性，分析结果见表2。

表2 3种交通方式下公园绿地的服务面积比（单位：%）

Tab.2 The service area ratio of park green space under multiple modes of transportation（Unit:%）

3.1 整体步行可达性分析

步行交通是最基本的交通方式，具有经济方便、低碳环保、自由灵活等特性，是城市居民选择前往公园绿地的首要选择。根据图7a和表2的结果，整体来看岳麓区公园绿地步行可达性较差，15 min内可达的有效服务面积仅占研究区域面积的22.4%，甚至30 min可达的服务面积比仅有37.6%。从空间分布来看，15 min不可达的居住用地主要集中为西北方向的梅溪湖区域和东南方向的观沙岭区域，这些区域由于开发程度较低，公园绿地分布较少。

3.2 社区级公园可达性分析

社区级公园主要服务于周边居民日常活动，且居民主要采取步行和自行车的交通方式到达。由图7b和表2的分析数据可知，社区级公园步行可达性一般，15 min可达的有效服务面积仅占研究区总面积的14.5%，30 min难以到达公园绿地的区域占总面积的70%左右。社区级公园是服务于居民步行出行的主力军，然而可达性整体水平很不理想，还有很大的提升空间。从图8可以看出，15 min不可达的区域分布较为分散，其中梅溪湖区域分布较多。

图8　社区级公园15 min步行可达区域分布图

Fig.8 Distribution of accessibility to the community-level parks by walking in 15 minutes

由图7c和表2可知，非机动车的可达性整体来说是比较好，5 min可达的服务面积占总面积的27.9%，15 min可达的有效服务面积比为76.2%。显然，如果城市能够提供一个舒适且便捷的慢行交通环境，将会增加人们骑自行车前往公园的意愿，从而大大提高公园绿地的可达性和公园利用率，因为30 min内非机动车可达到公园绿地的服务范围几乎覆盖全区。从图9可以看出，若有效服务范围为15 min可达，则社区级公园附近的区域都可达，不可达区域主要分布在风景名胜级公园附近。

图9　社区级公园15 min非机动车可达区域分布图

Fig.9 Distribution of accessibility to the community-level parks by nonmotor vehicles in 15 minutes

3.3 风景名胜级公园可达性分析

风景名胜级公园主要服务于整个区域，有一定的景观吸引力，因此居民通常采取自行车或者小汽车的交通方式。从图7d和表2的计算结果可知，非机动车交通方式的可达性较差，15 min有效服务面积仅占了研究区域的24.4%。如图10所示，只有位于风景名胜级公园入口附近的居民可以在15 min内到达。

图10　风景名胜级公园15 min非机动车可达区域分布图

Fig.10 Distribution of accessibility to the scenic-level parks by nonmotor vehicles in 15 minutes

从图7e和表2的分析结果来看，风景名胜级公园的机动车可达性较好，所有的区域内的居民都可以在25 min内到达任意风景名胜级公园，20 min内可达的有效服务面积比高达85.6%。从图11可以看出，20 min不可达区域主要集中于研究区边缘处。机动车的可达性和路网最相关，从空间可以看出临近岳麓山风景区和排山的区域道路网比较密集，可达性强。西北部的可达性相对弱一些，稀疏的路网系统是重要影响因素之一。

图11　风景名胜级公园20 min机动车可达区域分布图

Fig.11 Distribution of accessibility to the scenic-level parks by motor vehicles in 20 minutes

4　结束语

本文从城市绿地基础设施服务的视角出发，基于ArcGIS中网络分析模块的运算结果，分析了研究区所有公园绿地的步行可达性和各等级公园基于不同交通方式的可达性与服务水平，扩充了城市绿地空间结构的研究内容，也为城市绿地系统的完善提供了新的依据。通过对研究区公园绿地可达性的分析，得出以下结论：

1）长沙市岳麓区公园绿地整体步行可达性较差，15 min有效服务面积仅占研究区域面积的22.4%。

2）社区级公园的步行可达性较差，15 min可达的服务范围仅覆盖了14.5%的研究区域，而基于非机动车的可达性较好，大部分居住区域（76.2%）可以在15 min内到达最近的社区级公园。

3）风景名胜级公园的非机动车的可达性较弱，15 min可达的有效服务面积占比为30%，而机动车的可达性很强，20 min可达的服务面积覆盖了约82.2%的研究区域。

城市公园绿地的可达性对评价城市环境质量、衡量生态系统服务功能具有重要的价值，可为城市的绿色建设和可持续发展提供科学依据。良好的绿地景观可达性可以使绿地对居民福祉产生更加积极的影响，有利于建设更加宜居的城市。根据研究结果，从居民与绿地之间的供需角度来看，长沙市岳麓区公园绿地的供需关系略显失衡，绿地空间分布不均，总体布局不理想。尤其是步行交通模式下的绿地可达性亟待加强，步行15 min可达公园绿地的有效服务面积只占研究区域的22.4%，5 min可达公园绿地的有效服务面积只占2.7%。绿色发展是当代社会发展的主旋律，尤其在绿色城市建设及可持续发展理念的引领下，慢行交通的出行方式受到了极大的重视。

近几年来，为了响应绿色城市建设的号召，各省市纷纷提出了“绿地5 min可达”“公园一刻钟可达”等一系列发展口号。有研究表明，在步行可及的范围内能到达绿地有利于城市居民的身心健康。因此，在长沙市的城市双修和绿地建设的工作中应加强步行可达绿地网络的建设与完善。

本文借助ArcGIS平台中的网络分析模块，采用基于最小出行距离的方法，通过建立城市公园绿地可达性模型，在强调绿地空间分布格局重要性的同时，又测算了城市公园绿地为居民提供服务的有效性。从理论上看，网络分析法通过模拟真实的道路情况，因而计算精确，能更好地反映道路通行能力的实际情况，在计算上具有很大的优势。但该方法的应用仍需进一步讨论：

①该方法假设的可达性忽略了红绿灯数量、交通拥挤等问题，模拟的是一种无障碍的可达性，计算结果与实际情况会有一定的偏差。

②该方法未考虑出行目的、景观吸引力等多方面因素的影响，在之后的研究中可综合选择几种因素专门做可达性分析。

③文中的可达性计算仅仅是理论计算，对于城市规划和设计，需要理论与实际相结合，在今后的规划与评价中，最好选择有代表性的街道和公园绿地，通过实地调研的方式对理论计算结果进行准确性检验，才会对规划有更大的指导意义。

作者简介：李蒙（1993-），女，河南商丘人，研究助理，硕士，主要从事生态规划、环境管理、土地利用规划等工作。

E-mail:limeng76@Foxmail.com

城市数据人

http://udu.org.cn

城市数据人 - 城市数据领域知识社群

城市数据学社
长按二维码加入VIP知识星球
数据领域，一起探索

数据分享 | 数据教程 | 数据工具 | 数据社群