EN中文

风景园林 >

2024 , Vol. 31 >Issue 2: 56 - 63

DOI: https://doi.org/10.3724/j.fjyl.202311030497

专题：城市绿地空间的开放共享

城市绿地游憩服务网络特征及不同出行模式的响应差异

  • 宋子亮 ,
  • 刘宇航 ,
  • 黄子秋 ,
  • 刘文平 , *
展开
  • 华中农业大学

宋子亮/男/华中农业大学园艺林学学院在读博士研究生/研究方向为风景园林规划与设计

刘宇航/女/华中农业大学园艺林学学院在读硕士研究生/研究方向为风景园林规划与设计

黄子秋/男/华中农业大学硕士/长江勘测规划设计研究有限责任公司助理工程师/研究方向为风景园林规划与设计

刘文平/男/博士/华中农业大学园艺林学学院教授、博士研究生导师/本刊青年编委/研究方向为景观服务与地景规划

Copy editor: 项曦

收稿日期: 2023-11-03

  修回日期: 2024-01-04

  网络出版日期: 2025-12-11

基金资助

国家自然科学基金项目“城乡统筹背景下绿色空间多层级游憩流网络协同机制及布局优化”(32171858)

版权

版权所有 © 2024 风景园林编辑部
收起

Characteristics of Urban Green Space Recreation Services Networks and Response Disparities Across Different Travel Modes

  • Ziliang SONG ,
  • Yuhang LIU ,
  • Ziqiu HUANG ,
  • Wenping LIU , *
Expand
  • Huazhong Agricultural University

SONG Ziliang is a Ph.D. candidate in the College of Horticulture & Forestry Sciences, Huazhong Agricultural University. His research focuses on landscape planning and design

LIU Yuhang is a master student in the College of Horticulture & Forestry Sciences, Huazhong Agricultural University. Her research focuses on landscape planning and design

HUANG Ziqiu gained his master degree from Huazhong Agricultural University, is an assistant engineer in Changjiang Institute of Survey, Planning, Design and Research Co., Ltd. His research focuses on landscape planning and design

LIU Wenping, Ph.D., is a professor and doctoral supervisor in the College of Horticulture & Forestry Sciences, Huazhong Agricultural University, and a young editorial board member of this journal. His research focuses on landscape service and landscape planning

Received date: 2023-11-03

  Revised date: 2024-01-04

  Online published: 2025-12-11

Copyright

Copyright © 2024 Landscape Architecture. All rights reserved.
Fold

摘要

【目的】随着经济社会的快速发展，城市居民亲近自然的游憩需求显著增长。在城市尺度提升绿地的蓝色和绿色游憩服务效率成为当前亟须解决的问题。【方法】以武汉市为研究区域，通过提取居民游憩出行的最短路径，利用社会网络分析软件Ucinet 6.0分别构建步行、骑行和驾车3种出行模式下的5 min、10 min和15 min城市绿地的游憩服务网络，并分析网络的整体特征、节点功能和节点类型，进而探究这些特征在不同出行模式下的响应差异。【结果】当出行时长为5 min时，骑行和驾车模式能够组织超过85%的城市绿地节点协同联系形成游憩服务网络，而步行模式下游憩服务则呈零星局部组团分布。随着出行时长的增加，3种出行模式下游憩服务网络的核心集聚功能节点占比呈上升趋势，且节点类型主要以绿色游憩服务为主。骑行和驾车模式下的边缘汇聚功能节点占比则随出行时长增加而逐渐下降，但其蓝色游憩服务型核心集聚节点的占比则逐渐上升。【结论】城市绿地游憩服务网络效率的整体提升须系统考虑不同出行模式下居民的游憩需求，并协同整合蓝色和绿色游憩空间。这些发现可以为城市绿地游憩体系的构建和完善，以及游憩资源的系统整合提供直接支持。

关键词： 风景园林; 游憩服务; 社会网络分析; 城市绿地; 出行模式

本文引用格式

宋子亮 , 刘宇航 , 黄子秋 , 刘文平 . 城市绿地游憩服务网络特征及不同出行模式的响应差异[J]. 风景园林, 2024 , 31(2) : 56 -63 . DOI: 10.3724/j.fjyl.202311030497

Abstract

[Objective] Following the outbreak of the COVID-19 pandemic, residents are urgently seeking urban sanctuaries that provide both physical and mental solace. Urban green spaces not only offer an opportunity to escape from the urban clamor for stress relief, but also provide various recreation services, fostering the enhancement of residents’ physical and mental well-being and overall happiness. Consequently, enhancing the capacity of urban green spaces for recreation services has become a pivotal concern. It is common to see diverse types of urban green space recreation services woven into a network. However, the current research fails to clarify the characteristics of such networks and how they response to different travel modes. Understanding these gaps is essential for creating urban environments that cater to the evolving needs of residents in the post-pandemic era, thus ensuring a holistic approach to well-being and happiness. [Methods] Taking the central urban area of Wuhan as the research area, this research focuses on identifying and extracting urban green spaces that provide blue and green recreation services based on the coverage characteristics of vegetation and water resources. By virtue of the real-time travel path navigation from Amap (AutoNavi), the research extracts the shortest travel paths and durations from residential areas to urban green spaces for three travel modes: walking, cycling, and driving. Using the social network analysis software Ucinet 6.0, the research constructs three types of recreation service networks for each travel mode by taking into account travel durations of 5 minutes, 10 minutes, and 15 minutes. Moreover, the research analyzes the overall characteristics of the aforesaid networks in combination with global efficiency and the proportion of isolated nodes.Additionally, a “core – periphery” analysis and a “bi-components” analysis are conducted to investigate the functional types of nodes within these networks based on travel paths and durations. [Results] When the travel duration is 5 minutes, more than 85% of urban green space nodes can be efficiently incorporated into recreation service networks under cycling and driving modes, while the recreation services under walking mode exhibit scattered local clustering. As the duration of travel increases, the overall efficiency of the recreation service networks formed under the three modes of walking, cycling and driving shows a trend of rapid growth, with the growth rate under the driving mode being the highest, followed in succession by that under the cycling mode and that under the walking mode. The proportion of nodes featuring core agglomeration functionality in the recreation service networks under the three travel modes is on the rise with extended travel duration. In the 15-minute driving mode, the proportion of nodes with core agglomeration functionality reaches the peak value of 40.97%. Although core agglomeration nodes are predominantly occupied by green recreation services, both the cycling and driving modes witness a gradual rise in the proportion of core agglomeration nodes associated with blue recreation services as travel duration lengthens. In the walking mode, the proportion of nodes with crucial connectivity functionality in the recreation service network within urban green spaces demonstrates an upward trend with increasing travel duration. Conversely, the driving mode exhibits a gradual decline in the proportion of nodes with crucial connectivity functionality. Green recreation services persist as the primary type of crucial and weak connectivity nodes. However, as travel duration increases, the proportion of blue recreation services within weak connectivity nodes experiences an upward shift. Notably, in the recreation service network formed under the walking mode, the proportion of blue recreation services serving as crucial connectivity nodes reaches 2%–3%. Furthermore, in the walking, cycling, and driving modes, the proportion of edge nodes in the urban green space recreation service network is the highest, particularly at a 5-minute travel duration, where it surpasses 85%. Regarding spatial distribution, whether in the walking, cycling, or driving mode, bridge nodes tend to disperse, while hub nodes exhibit a tendency to cluster. [Conclusions] Achieving an overall improvement in the efficiency of urban green space recreation service networks necessitate a nuanced consideration of residents’ diverse recreational needs under different travel modes. Simultaneously, it underscores the importance of integrating blue and green recreation spaces. These findings offer substantial insights for the development and refinement of urban green space recreation systems and the systematic amalgamation of recreation resources, laying the groundwork for sustainable urban development. Notably, this research focuses exclusively on the estimated conditions formed by the travel duration from residential areas to urban green spaces, which are taken as a basis for calculating recreation services. It does not take into consideration the actual travel behaviors of residents heading to urban green spaces and associated influencing factors. In the future, a more comprehensive investigation is needed to unveil the authentic network relationships of urban green space recreation services and the complex mechanisms that underlie them.

Key words： landscape architecture; recreation service; social network analysis; urban green space; travel mode

新冠病毒疫情暴发后，健康和安全已成为城市居民日常需求中更加突出的考虑因素。居民迫切需要在城市中找到让身心舒缓的疗愈场所[1]。城市绿地不仅为城市居民提供了逃离城市喧嚣和缓解压力的空间[2]，还提供多种类型的游憩服务，已被广泛证明有助于促进居民的身心健康[3]和幸福感的提升[4]。因此，研究城市绿地的游憩服务有助于城市规划和管理者更好地提高城市的整体健康水平。城市绿地的游憩服务通常在空间上呈现不均匀分布，且具有距离衰减特征[5-7]。刘文平等 [8-9]研究发现，当距离超过7.5 km时，居民访问公园的频率明显下降；与此类似，Elliott等[10]发现河流和湖泊的游憩服务距离在分别超过2.5 km和5 km时空间衰减趋于稳定。因此，了解不同类型城市绿地游憩服务的空间特征，对于整合城市绿地资源和建设城市游憩体系至关重要。在城市绿地中，水体主导的蓝色游憩服务和植被主导的绿色游憩服务相互补充，共同为城市居民提供服务[11]。Dai等[12]研究发现，武汉市居民更倾向于选择湖泊型公园进行自然互动，而选择植被主导的公园则更多是为了体育锻炼。一个规划良好的游憩服务网络可以促进城市绿地中蓝绿游憩服务的互补和协同合作[13]，为城市居民提供多样化的休闲体验。然而，现有研究更多关注城市绿地的降温服务[14]、固碳服务[15]、生物多样性维持[16]与游憩服务之间的协同关系[17]，而对城市绿地不同类型游憩服务的整体网络关系的探究较少。刻画城市绿地游憩服务蓝绿整体网络对于提升城市绿地游憩体系的服务能力至关重要。
社会网络分析法作为一种网络研究方法，可以有效地揭示游憩空间整体的网络服务能力[18]，以及不同游憩空间在整体网络中的功能和角色[19]。例如，Mou等[20]利用社会网络分析方法对青岛市旅游流的网络特征及节点角色进行了研究，定量刻画了游客流动的空间格局。然而，当前社会网络分析研究更多聚焦于城市间的旅游流网络刻画。囿于精细化游憩行为数据获取的困难，城市内部不同类型游憩服务的整体网络特征和关系尚不明晰。
城市绿地的游憩流是因游憩出行而形成的[21]。近年来，随着城市交通基础设施的完善和居民收入水平的提高，城市居民的游憩出行模式日益多元化[22]。研究表明，居民在步行、骑行、公交和自驾等交通方式上表现出不同偏好[23]，而不同的出行方式导致的游憩服务网络效率和公平性也存在明显差异。Tan等[24]观察到，相较于私家车和公共交通，步行和骑行出行方式下公园的可达性分布更不均衡。这种差异同样表现在不同的出行时间上。Xing等[25]发现15 min和20 min出行时长下城市绿地游憩服务未覆盖到的区域远大于25 min和30 min。然而，城市绿地不同类型游憩服务形成的整体网络如何响应不同的出行方式和出行时间，目前仍不清晰。
基于此，本研究以湖北省武汉市为例，运用社会网络分析方法揭示城市绿地游憩服务的整体网络特征，并深入探究这些特征在不同出行模式下的响应差异，以期为城市绿地游憩体系构建和管理决策提供参考。

1 游憩服务网络构建及分析方法

1.1 研究区域概况

本研究选择武汉市中心城区作为研究区域（图1），该区域总面积约为863 km2，涵盖约40个湖泊，具有丰富的水体和绿地资源[26]。截至2021年底，武汉市中心城区常住人口为697.50万人，占武汉市总人口的51.10%。根据《2022年武汉市绿化状况公报》[27]，该区域拥有91个城市公园。
图1 研究区域

Fig. 1 Research area

1.2 方法框架

刻画游憩服务网络的前提是确定不同城市绿地之间的交互关系。如果两个不同城市绿地的游憩服务范围可以覆盖到同一个居住区，那么意味着它们可以共同为该居民区提供游憩服务，而覆盖的相同居住区数量则可以反映游憩服务协同关系的强弱。可达性是评估城市绿地游憩服务范围的一项常用指标，已有较多研究利用可达性分析对城市绿地的游憩服务范围进行了刻画[28-29]。本研究基于步行、骑行和驾车3种不同的出行方式，并以出行时长5、10、15 min为条件，分析了不同出行模式下武汉市中心城区城市绿地中水体主导的蓝色游憩服务和植被主导的绿色游憩服务的空间范围，并利用社会网络分析软件Ucinet 6.0构建不同出行模式下二者共同形成的整体服务网络（图2）。为了揭示不同出行模式下游憩服务网络的整体特征差异，本研究定量计算了全局效率和孤立点占比这2个指标，来刻画网络整体服务效率[30]和网络中未协同的边缘群体[31]。为了更深入地了解不同游憩空间节点在游憩服务网络中的作用，本研究分别运用“核心—边缘”（core – periphery）分析和“双连通分量”（bi-components）分析揭示节点在网络中的集聚[32]（包括核心集聚和边缘汇聚）和连通[33]（包括关键连通和弱接连通）作用，并依据二者交互关系进一步划分出4个节点类型。
图2 研究框架

Fig. 2 Research framework

1.3 数据收集及处理

1.3.1 城市绿地数据

本研究以具有游憩功能的城市绿地为研究对象，并依据植被和水体游憩资源特征将城市绿地提供的游憩服务进一步划分为蓝色游憩服务和绿色游憩服务。其中，蓝色游憩服务指以水体为主要游憩资源的城市绿地所提供的游憩服务，包括湖泊公园、湿地公园、滨水空间绿地等；而绿色游憩服务是指以植被为主要游憩资源的城市绿地所提供的游憩服务，包括公园绿地（湖泊公园和湿地公园绿地除外）、广场、风景游憩绿地等。本研究首先从武汉市园林和林业局获取了城市公园名录（2021年），并从武汉市文化和旅游局获取了旅游景区名录（2021年）；其次，基于获取的城市公园和旅游景区名录，使用Python程序爬取百度地图中的AOI（area of interest）数据（2021年3月），获得各类城市绿地的矢量边界；最终，笔者团队成功获得了337个完整的城市绿地边界数据，其中包括25个以蓝色游憩服务为主的绿地和312个以绿色游憩服务为主的绿地（图1）。

1.3.2 游憩出行路径数据

为了获得从居住小区到城市绿地的出行路径轨迹和出行时长，本研究使用高德地图路径规划API接口（lbs.amap.com）对步行、骑行和驾车3种方式的居民最短出行路径轨迹进行了模拟。以居住区中心点为起点，将最近的游憩型城市绿地入口设为终点，模拟获得不同出行方式下从居住区到城市绿地的最短出行轨迹以及出行时长。其中，居住小区数据来源于百度地图的AOI数据，截至2022年3月，共获取研究区范围内3 551个居住小区边界。出行路径模拟的时间为2022年3月7—22日。根据出行15 min所覆盖的范围统计，最终共获得6 911条步行轨迹、56 202条骑行轨迹和141 034条车行轨迹。

1.4 游憩服务网络构建

不同类型城市绿地具有不同的游憩服务范围。依据《城市绿地分类标准》（CJJ/T 85—2017），本研究将提取的城市绿地进一步划分为综合公园、社区公园、专类公园、游园和风景游憩绿地（表1），并依据其服务半径大小设置了对应的出行时长阈值。具体来说，所有城市绿地均参与5 min出行时长的游憩服务网络构建，而游园则不参与10 min和15 min出行时长的网络构建，社区公园不参与15 min出行时长的网络构建。基于不同的出行时长阈值，本研究分析了所提取的不同类型城市绿地在步行、骑行和驾车3种出行方式下的游憩服务空间范围；随后，利用社会网络分析软件Ucinet 6.0构建了城市绿地游憩服务网络，其中以提取的城市绿地作为网络节点，以不同城市绿地可共同服务到的居住小区的数量来度量网络节点之间联系强度。
表1 不同类型城市绿地游憩服务及出行时长阈值

Tab. 1 Urban green space recreation services of various types and travel duration thresholds

类型 蓝色游憩服务主导 绿色游憩服务主导 出行时长阈值/min
个数 总面积/hm2 个数 总面积/hm2
综合公园 15 814.60 31 1 247.74 ≤15
社区公园 2 10.90 69 240.92 ≤10
专类公园 4 171.22 19 475.67 ≤15
游园 0 0 183 176.26 ≤5
风景游憩绿地 4 168.65 10 1 229.96 ≤15

1.5 游憩服务网络特征量化关键指标

本研究选取了全局效率和孤立点占比2个指标来揭示城市绿地游憩服务网络的整体特征。其中，全局效率是基于网络中任意2个节点间最短路径的边权倒数之和的平均值[30]。全局效率越高，网络节点间传输速度就越快，意味着游憩服务的整体效率越高。计算式为
$ E=\frac{{\displaystyle\sum }_{i\ne j\in N}\dfrac{1}{{d}_{ij}}}{N\left(N-1\right)} \text{。} $
式中：$ E $代表网络全局效率；$ {d}_{ij} $代表从点$ i $到点$ j $的最短加权路径；$ N $代表网络中所有节点的数量。
网络中的孤立点即网络中与其他节点没有直接连接的节点，有助于识别未参与游憩服务网络的边缘个体[31]。孤立点占比越高，表明网络节点之间的协同性越低。计算式为
$ {R}_{\mathrm{i}\mathrm{p}}=\frac{S}{N+S} \text{。} $
式中：$ {R}_{\mathrm{i}\mathrm{p}} $是孤立点占比；$ N $是网络中所有节点的数量；$ S $是所有孤立点的数量。
网络节点的功能类型是揭示游憩服务网络结构的关键。Ucinet软件中的核心—边缘 分析和双连通分量分析被分别用来揭示节点在全局和局部游憩服务网络中的功能。其中，核心—边缘分析考虑了节点在网络中的连接数量和连接权重，对节点的核心度进行计算，反映了节点在网络中的影响力和重要性[31]，可以识别出具备核心集聚和边缘汇聚2种功能的节点[32]。核心集聚功能节点在网络中与其他节点联系较多，反映节点的核心影响力；反之，边缘汇聚功能节点则与其他节点联系较少。双连通分量分析通常用于识别网络中的强连通部分，即任意两个节点之间至少存在两条互不相交的路径，有助于探寻维持网络稳定性的关键节点，可以识别出节点的关键连通和弱接连通功能[33]。
为了更深入了解城市绿地在网络中的角色和作用，本研究根据节点在全局网络和局部网络中的功能类型的交互关系进一步识别出了4种节点类型：核心节点既具备核心集聚功能又是维持网络稳定性的关键节点；集线节点是具备核心集聚功能但对网络稳定性影响较小的节点；桥梁节点是与其他节点联系相对较少但对网络稳定性维持具有关键作用的节点；边缘节点是指网络中与其他节点联系较少且对网络稳定性影响较小的节点（图2）。

2 游憩服务网络特征解析

2.1 整体特征

当出行时长为5 min时，步行模式下仅有34.72%的武汉城市绿地产生协同联系，很难在中心城区尺度形成游憩服务网络（图3）；而骑行和驾车模式下则分别能够组织86.05%和89.32%的城市绿地协同联系形成游憩服务网络，其全局效率分别为0.09和0.18（图4、5）。随着出行时长的增加，步行、骑行和驾车3种模式下形成的游憩服务网络全局效率均呈现出快速增长的趋势，且增长速率为步行<骑行<驾车；同时，游憩服务网络孤立点占比呈现快速下降趋势。值得注意的是，当步行时长增加至15 min时，尽管中心城区尺度的游憩服务网络仍未形成，但局部区域城市绿地之间的联系开始增强。
图3 不同步行时长下城市绿地游憩服务网络的空间分布（3-1）、全局效率（3-2）、孤立点占比（3-3）

Fig. 3 Spatial distribution (3-1), overall efficiency (3-2) and proportion of isolated nodes (3-3) of recreation service networks of urban green space under different walking durations

图4 不同骑行时长下城市绿地游憩服务网络的空间分布（4-1）、全局效率（4-2）、孤立点占比（4-3）

Fig. 4 Spatial distribution (4-1), overall efficiency (4-2) and proportion of isolated nodes (4-3) of recreation service networks of urban green space under different cycling durations

图5 不同驾车时长下城市绿地游憩服务网络的空间分布（5-1）、全局效率（5-2）、孤立点占比（5-3）

Fig. 5 Spatial distribution (5-1), overall efficiency (5-2) and proportion of isolated nodes (5-3) of recreation service networks of urban green space under different driving durations

从网络结构上看，3种出行模式下的游憩服务网络均是从沿江两岸开始组织，且随着出行时长的增加逐渐扩展到整个研究区域。值得注意的是，在步行模式下，城市绿地的游憩服务一直以局部组团为主；而在骑行模式下，游憩服务网络则是从出行时长超过10 min开始，以长江北岸小南湖公园、喷泉公园等城市绿地为核心逐步向外扩展；在出行时长为15 min的驾车模式下，城市绿地游憩服务网络呈现出以长江和汉江交汇处划分的3个核心组团为主的结构特征。

2.2 节点功能

随着出行时长的增加，3种出行模式下游憩服务网络具备核心集聚功能的节点占比均呈上升趋势，而骑行和驾车模式下的边缘汇聚功能节点占比则逐渐下降（表2、3）。从节点数量上看，无论何种出行模式，具备边缘汇聚功能的节点数量明显多于核心聚集功能，且边缘汇聚功能节点占比基本上都超过了50%；在驾车15 min模式下，核心集聚功能节点的占比最高，但仅为40.97%；就服务类型而言，绿色游憩服务型核心集聚功能节点占主要地位，但在骑行和驾车模式下，随着出行时长的增加，蓝色游憩服务型核心集聚功能节点的比例逐渐上升。值得注意的是，在步行10 min模式下，蓝色和绿色游憩服务型绿地在核心集聚功能节点中的比例相同；而在骑行10 min模式下，蓝色游憩服务型绿地则成为主要的核心集聚功能节点类型。至于边缘汇聚功能节点，绿色游憩服务型绿地的数量远超蓝色游憩服务型绿地（图6）。
表2 核心集聚功能节点类型占比

Tab. 2 Proportion of core agglomeration function nodes 单位：%

出行模式 5 min 10 min 15 min
蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比
步行 0 3.57 2.99 2.99 1.27 5.06
骑行 0 2.60 2.63 1.32 7.23 9.64
驾车 0.32 4.46 2.60 10.39 14.46 26.51
表3 边缘汇聚功能节点类型占比

Tab. 3 Proportion of edge convergence function nodes 单位：%

出行模式 5 min 10 min 15 min
蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比
步行 4.91 43.75 7.46 52.99 21.52 50.63
骑行 6.49 85.06 13.16 80.92 19.28 61.45
驾车 6.37 84.71 13.64 73.38 13.25 45.78
图6 不同出行模式下城市绿地游憩服务网络集聚功能节点分布

Fig. 6 Distribution of agglomeration function nodes in urban green space recreation service networks under different travel modes

随着出行时长的增加，步行模式下武汉城市绿地形成的游憩服务网络中具备关键连通功能的节点占比呈上升趋势；而驾车模式下游憩服务网络的关键连通功能节点占比则呈逐渐下降趋势，甚至在15 min出行模式下完全消失。骑行5 min模式下，城市绿地形成的游憩服务网络中关键连通功能节点占比明显高于10 min和15 min。就服务类型而言，绿色游憩服务仍是关键连通功能节点和弱接连通功能节点的主要类型，但随着出行时长的增加，蓝色游憩服务在弱接连通功能节点中的比例上升。值得关注的是，在步行模式下形成的游憩服务网络中，蓝色游憩服务型关键连通功能节点占比达到2%~3%，不容忽视（图7，表4、5）。
表4 关键连通功能节点类型占比

Tab. 4 Proportion of key connection function nodes 单位：%

出行模式 5 min 10 min 15 min
蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比
步行 2.23 4.91 2.99 9.70 2.53 10.13
骑行 0.32 5.52 0 1.97 0 2.41
驾车 0.64 3.50 0.65 1.95 0 0
表5 弱接连通功能节点类型占比

Tab. 5 Proportion of weak connection function nodes 单位：%

出行模式 5 min 10 min 15 min
蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比		 蓝色服务
节点占比		 绿色服务
节点占比
步行 2.68 42.41 7.46 46.27 20.25 45.57
骑行 6.17 82.14 15.79 80.26 26.51 68.67
驾车 6.05 85.67 15.58 81.82 27.71 72.29
图7 不同出行模式下城市绿地游憩服务网络连通功能节点分布

Fig. 7 Distribution of connection function nodes in urban green space recreation service networks under different travel modes

2.3 节点类型

在步行、骑行和驾车3种出行模式下，城市绿地游憩服务网络中边缘节点的数量占比均最高，特别是在5 min出行时长下，占比均超过85%。在游憩服务网络的非边缘节点中，驾车模式下的集线节点、步行模式下的桥梁节点和核心节点是数量最多的节点类型；在骑行模式下，桥梁节点是出行5 min模式下游憩服务网络中最多的节点类型；而集线节点则在出行15 min时最为突出。从空间分布来看，无论是步行、骑行还是驾车模式下的游憩服务网络，桥梁节点主要呈离散分布，而集线节点则多聚集分布（图8、9）。
图8 不同出行模式下城市绿地游憩服务网络不同类型节点分布

Fig. 8 Distribution of various types of nodes in urban green space recreation service networks under different travel modes

图9 不同出行模式下城市绿地游憩服务网络节点类型及数量

Fig. 9 Types and quantity of nodes in urban green space recreation service networks under different travel modes

3 讨论

本研究通过社会网络分析法探究了城市绿地游憩服务网络的特征，以及网络节点功能和角色在不同出行模式下的响应差异。发现在骑行和驾车出行模式下，武汉城市绿地游憩服务在中心城区尺度呈现出明显的网络协同特征，表明骑行和驾车的居民更容易享受到连贯的蓝绿游憩服务，这与Li等[34]的研究发现一致。可见，在中心城区加强城市绿地布局与交通网络的协同规划，有助于提升城市游憩资源的协同服务效率。而步行模式下城市绿地的游憩服务则以零星分布的局部组团为主，很难在中心城区形成网络，这与有限的步行可达范围有关[35]。在未来的城市绿地规划布局中，可以考虑增设更多零星分布的小型绿地，以减少步行距离限制，从而提高步行模式下的游憩服务连贯性。
本研究发现随着出行时长的增加，城市绿地游憩服务网络中的核心集聚功能节点中的蓝色游憩服务型绿地的比例呈上升趋势，特别是在步行10 min模式下，蓝色和绿色游憩服务节点数量的比例达到了相近水平。这表明在社区公园层级，居民对拥有水体景观的城市绿地有更高的访问兴趣，表明他们对更为多样化和丰富的蓝色游憩体验的追求。已有研究证实，在居民出行能力提升的情况下，他们愿意投入更多的时间享受更具吸引力的水体主导型城市绿地[36]。因此，增加社区尺度的蓝色游憩型绿地将有助于更好地满足居民的多样化需求，这不仅能够促进蓝色和绿色游憩空间的协同互补，提高城市游憩服务网络的整体效率，同时也能够显著提升城市居民的游憩体验丰富性。
从网络节点类型来看，无论是步行、骑行还是驾车出行模式，在短时的5 min出行模式下，游憩服务网络中的边缘节点占比较高，表明短时间出行城市绿地很难形成协同服务网络。对于较为破碎的网络，Metzger等[37]研究发现，局部组团的边缘处往往会有明显的边缘效应。本研究在步行5 min和10 min模式下的游憩服务网络中也发现，集线节点周边分布有部分桥梁节点。随着出行时长的增加，骑行和驾车模式下游憩服务网络中的集线节点逐渐增多，这意味着不同类型城市绿地之间的交互联系增多，游憩服务的网络协同能力增强，整体服务效率明显提升。
在城市绿地游憩服务网络效率整体偏低的情况下，如何进一步优化并建设城市绿地游憩体系已成为当地政府亟须解决的问题：首先，在5 min出行尺度上，应在孤立点和桥梁节点周边增设小型游憩型绿地，形成游憩型绿地组团，以提升局部区域的游憩服务效率；其次，在10 min出行尺度上增加蓝色游憩服务型绿地，以提升蓝绿游憩空间的协同服务能力，为居民提供更多样的游憩体验；此外，在15 min出行尺度上，应积极利用城市更新和新城建设时机，重点补充研究区东部和北部区域具有核心集聚节点和集线节点功能的绿地，从而促进城市尺度游憩服务网络整体效率的提升。

4 结论

本研究通过构建步行、骑行和驾车3种出行模式下的城市绿地游憩服务网络，发现当出行时长较短时，骑行和驾车模式能够组织超过90%的城市绿地形成游憩服务网络，而步行模式下的游憩服务则以局部组团形式呈现。随着出行时长的增加，3种出行模式下游憩服务网络的核心集聚功能节点占比上升，且主要提供绿色游憩服务。骑行和驾车模式下的蓝色游憩服务型核心集聚节点的占比则随出行时长的增加逐渐上升。总体而言，城市绿地游憩服务网络效率的整体提升需差异化考虑不同出行模式下居民的游憩需求，并协同整合蓝色和绿色游憩空间。这些发现可以为城市绿地游憩体系的构建和完善，以及游憩资源的系统整合提供直接支持。
尽管笔者从城市绿地游憩服务网络的整体特征和节点功能2个角度进行了研究，但未深入探讨不同类型城市绿地游憩服务之间复杂的协同机制。另外，本研究仅以从居住区到达城市绿地的时长作为游憩服务形成的测算条件，未考虑居民前往城市绿地的真实出行行为及影响因素。未来应深入揭示城市绿地游憩服务的实际网络关系及其背后的复杂影响机制。

图表来源(Sources of Figures and Tables)：

文中图表均由作者绘制，其中图1、3~5、6~8底图审图号为鄂S（2023）009号。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
POORTINGA W, BIRD N, HALLINGBERG B, et al. The Role of Perceived Public and Private Green Space in Subjective Health and Wellbeing During and After the First Peak of the COVID-19 Outbreak[J]. Landscape and Urban Planning, 2021, 211: 104092

DOI

[2]
KIM H, SHOJI Y, TSUGE T, et al. Understanding Recreation Demands and Visitor Characteristics of Urban Green Spaces: A Use of the Zero-Inflated Negative Binomial Model[J]. Urban Forestry & Urban Greening, 2021, 65: 127332

[3]
兰强, 黄瓴. 高密度城区公共绿地游憩服务能力评价: 以成都市中心城区为例[J]. 风景园林, 2023, 30(11): 105-112.

LAN Q, HUANG L. Evaluation of Recreation Service Capacity of Public Green Space in High-Density Urban Areas: A Case Study of Downtown Chengdu[J]. Landscape Architecture, 2023, 30(11): 105-112.

[4]
BERTRAM C, REHDANZ K. The Role of Urban Green Space for Human Well-Being[J]. Ecological Economics, 2015, 120: 139-152.

DOI

[5]
ŁASZKIEWICZ E, HEYMAN A, CHEN X, et al. Valuing Access to Urban Greenspace Using Non-Linear Distance Decay in Hedonic Property Pricing[J]. Ecosystem Services, 2022, 53: 101394

DOI

[6]
NĂSTASE I I, PĂTRU-STUPARIU I, KIENAST F. Landscape Preferences and Distance Decay Analysis for Mapping the Recreational Potential of an Urban Area[J]. Sustainability, 2019, 11(13): 3620

DOI

[7]
LIU D, KWAN M P, KAN Z H. Analysis of Urban Green Space Accessibility and Distribution Inequity in the City of Chicago[J]. Urban Forestry & Urban Greening, 2021, 59: 127029

[8]
LIU W P, CHEN W J, DONG C L. Spatial Decay of Recreational Services of Urban Parks: Characteristics and Influencing Factors[J]. Urban Forestry & Urban Greening, 2017, 25: 130-138.

[9]
刘文平, 袁雄钢, 陈伟娟. 城市综合公园游憩服务多时空粒度辐射特征研究: 以武汉为例[J]. 中国园林, 2019, 35(1): 29-34.

LIU W P, YUAN X G, CHEN W J. Multi-Spatiotemporal Decay of Recreational Services of Urban Comprehensive Parks in Wuhan[J]. Chinese Landscape Architecture, 2019, 35(1): 29-34.

[10]
ELLIOTT L R, WHITE M P, GRELLIER J, et al. Research Note: Residential Distance and Recreational Visits to Coastal and Inland Blue Spaces in Eighteen Countries[J]. Landscape and Urban Planning, 2020, 198: 103800

DOI

[11]
LI Z Q, LIU Q, ZHANG Y X, et al. Characteristics of Urban Parks in Chengdu and Their Relation to Public Behaviour and Preferences[J]. Sustainability, 2022, 14(11): 6761

DOI

[12]
DAI X, WANG L C, TAO M H, et al. Assessing the Ecological Balance Between Supply and Demand of Blue-Green Infrastructure[J]. Journal of Environmental Management, 2021, 288: 112454

DOI

[13]
RAMIREZ ARANDA N, DE WAEGEMAEKER J, VAN DE WEGHE N. Cultural Ecosystem Services Along the Woluwe River: Mapping the Potential for a Cross-Regional Green-Blue Network During the COVID-19 Pandemic[J]. Journal of Environmental Planning and Management, 2023: 1-27.

[14]
葛韵宇, 刘子晴, 端木珅, 等. 社区公园小气候调节与游憩服务协同性评价[J]. 风景园林, 2022, 29(12): 92-99.

GE Y Y, LIU Z Q, DUANMU S, et al. Evaluation on Synergy Between Microclimate Regulation and Recreation Services Provided by Community Parks[J]. Landscape Architecture, 2022, 29(12): 92-99.

[15]
YUAN Y Y, TANG S Q, ZHANG J Q, et al. Quantifying the Relationship Between Urban Blue-Green Landscape Spatial Pattern and Carbon Sequestration: A Case Study of Nanjing’s Central City[J]. Ecological Indicators, 2023, 154: 110483

DOI

[16]
DONATI G F A, BOLLIGER J, Psomas A, et al. Reconciling Cities with Nature: Identifying Local Blue-Green Infrastructure Interventions for Regional Biodiversity Enhancement[J]. Journal of Environmental Management, 2022, 316: 115254

DOI

[17]
BLAZY R, HREHOROWICZ-GABER H, HREHOROWICZ-MNOWAK A, et al. The Synergy of Ecosystems of Blue and Green Infrastructure and Its Services in the Metropolitan Area: Chances and Dangers[J]. Sustainability, 2021, 13(4): 2103

[18]
杨莹, 刘颂. 基于社会网络分析的上海市城市公园体系网络结构评价与优化路径[J]. 风景园林, 2023, 30(11): 51-58.

YANG Y, LIU S. Network Structure Evaluation and Optimization Path for Urban Park System of Shanghai City Based on Social Network Analysis[J]. Landscape Architecture, 2023, 30(11): 51-58.

[19]
方大春, 孙明月, 高铁时代下长三角城市群空间结构重构: 基于社会网络分析[J].经济地理, 2015, 35（10）: 50-56.

FANG D C, SUN M Y, The Reconstruction of the Spatial Structure of the Yangtze River Delta City Group in the High-Speed Rail Era: Based on the Social Network Analysis[J]. Economic Geography, 2015, 35(10): 50-56.

[20]
MOU N X, ZHENG Y H, MAKKONEN T, et al. Tourists’ Digital Footprint: The Spatial Patterns of Tourist Flows in Qingdao, China[J]. Tourism Management, 2020, 81: 104151

DOI

[21]
LIU W P, CHEN Q, LI Y, et al. Application of GPS Tracking for Understanding Recreational Flows Within Urban Park[J]. Urban Forestry & Urban Greening, 2021, 63: 127211

[22]
FENG J X, DIJST M, WISSINK B, et al. Changing Travel Behaviour in Urban China: Evidence from Nanjing 2008−2011[J]. Transport Policy, 2017, 53: 1-10.

DOI

[23]
WENG C, WANG J Y, LI C M, et al. Recreational Green Space Service in the Guangdong − Hong Kong − Macau Greater Bay Area: A Multiple Travel Modes Perspective[J]. Land, 2022, 11(11): 2072

DOI

[24]
TAN R H, WANG R Q, WANG Y, et al. The Park City Perspective Study: Revealing the Park Accessibility Influenced by Experiences of Visitors Under Different Travel Modes[J]. Frontiers in Environmental Science, 2022, 10: 924996

DOI

[25]
XING L J, LIU Y F, LIU X J. Measuring Spatial Disparity in Accessibility with a Multi-Mode Method Based on Park Green Spaces Classification in Wuhan, China[J]. Applied Geography, 2018, 94: 251-261.

DOI

[26]
武汉市自然资源和规划局.武汉首次给40个湖泊做B超[EB/OL].（2018-08-30）[2023-12-31]. https://zrzyhgh.wuhan.gov.cn/zwdt/gzdt/202001/t20200107_609445.shtml.

Wuhan Municipal Bureau of Natural Resources and Planning. Wuhan for the First Time to 40 Lakes “Ultrasound” [EB/OL]. (2018-08-30) [2023-12-31]. https://zrzyhgh.wuhan.gov.cn/zwdt/gzdt/202001/t20200107_609445.shtml.

[27]
武汉市园林和林业局. 2022年武汉市绿化状况公报[EB/OL].（2023-03-14）[2023-12-31]. https://ylj.wuhan.gov.cn/zwgk/zwxxgkzl_12298/tjxx/lhgb_12361/202303/t20230314_2169414.shtml.

Wuhan Municipal Landscape Gardens and Forestry Bureau. Wuhan Greening Status Bulletin 2022[EB/OL]. (2023-03-14) [2023-12-31]. https://ylj.wuhan.gov.cn/zwgk/zwxxgkzl_12298/tjxx/lhgb_12361/202303/t20230314_2169414.shtml.

[28]
EKKEL E D, DE VRIES S. Nearby Green Space and Human Health: Evaluating Accessibility Metrics[J]. Landscape and Urban Planning, 2017, 157: 214-220.

DOI

[29]
LU W W, JIANG W Y, QIAO D, et al. Embracing Green Spaces: Exploring Spatiotemporal Changes in Urban Green Space Accessibility and its Equity in Guangzhou, China for Sustainable Urban Greening[J]. Environmental and Sustainability Indicators, 2023, 19: 100290

DOI

[30]
任婕. 上海五大新城的道路网络特征解析与韧性测度[J]. 城市规划, 2022, 46(9): 82-92.

REN J. Research on Road Network Characteristics and Resilience Measurement of Five New Towns in Shanghai[J]. City Planning Review, 2022, 46(9): 82-92.

[31]
刘军. 整体网分析: UCINET软件实用指南（第三版）[M]. 上海: 格致出版社, 2019.

LIU J. Lectures on Whole Network Approach: A Practical Guide to UCINET (3rd ed) [M]. Shanghai: Gezhi Publishing House, 2019.

[32]
赵梓渝, 魏冶, 王士君, 等. 有向加权城市网络的转变中心性与控制力测度: 以中国春运人口流动网络为例[J]. 地理研究, 2017, 36(4): 647-660.

ZHAO Z Y, WEI Y, WANG S J, et al. Measurement of Directed Alternative Centricity and Power of Directed Weighted Urban Network: A Case of Population flow Network of China During “Chunyun” Period[J]. Geographical Research, 2017, 36(4): 647-660.

[33]
NEWMAN M E J, GHOSHAL G. Bicomponents and The Robustness of Networks to Failure[J]. Physical Review Letters, 2008, 100(13): 138701

DOI

[34]
LI Z M, FAN Z X, SONG Y, et al. Assessing Equity in Park Accessibility Using a Travel Behavior-Based G2SFCA Method in Nanjing, China[J]. Journal of Transport Geography, 2021, 96: 103179

DOI

[35]
WILLIAMS T G, LOGAN T M, ZUO C T, et al. Parks and Safety: A Comparative Study of Green Space Access and Inequity in Five US Cities[J]. Landscape and Urban Planning, 2020, 201: 103841

DOI

[36]
SCHIPPERIJN J, EKHOLM O, STIGSDOTTER U K, et al. Factors Influencing the Use of Green Space: Results from a Danish National Representative Survey[J]. Landscape and Urban Planning, 2010, 95(3): 130-137.

DOI

[37]
METZGER J P, VILLARREAL-ROSAS J, SUÁREZ-CASTRO A F, et al. Considering Landscape-Level Processes in Ecosystem Service Assessments[J]. Science of the Total Environment, 2021, 796: 149028

DOI

Options
文章导航

/

〈 〉