EN中文

风景园林 >

2025 , Vol. 32 >Issue 12: 35 - 44

DOI: https://doi.org/10.3724/j.fjyl.LA20250501

专题：人工智能在风景园林中的应用

基于人群数字画像的滨海空间活力解析与优化设计——以山东威海九龙湾为例

  • 邵典 ,
  • 杨俊宴 , * ,
  • 史宜 ,
  • 张芷晗 ,
  • 代鑫
展开
  • 东南大学建筑学院

邵典/男/博士/东南大学建筑学院博士后、助理研究员/研究方向为数字化城市设计

杨俊宴/男/博士/东南大学建筑学院教授/研究方向为智能城市设计

史宜/男/博士/东南大学建筑学院副教授/研究方向为大数据与城市设计

张芷晗/女/东南大学建筑学院在读博士研究生/研究方向为景观城市设计

代鑫/男/硕士/成都市规划设计研究院注册城乡规划师/研究方向为城市设计

Copy editor: 王一兰

收稿日期: 2025-08-15

  修回日期: 2025-10-19

  网络出版日期: 2025-12-26

基金资助

中国博士后面上基金“基于时空知识图谱的高密度城区空间演替模拟与数字推演研究”(2024M750429)

版权

版权所有 © 2025 风景园林编辑部
收起

Analysis and Optimization Design of the Vitality of Coastal Space Based on Crowd Digital Portrait: A Case Study of Kowloon Bay in Weihai, Shandong Province

  • SHAO Dian ,
  • YANG Junyan , * ,
  • SHI Yi ,
  • ZHANG Zhihan ,
  • DAI Xin
Expand
  • School of Architecture, Southeast University

SHAO Dian, Ph.D., is an assistant research fellow and postdoctoral researcher in the School of Architecture, Southeast University. His research focuses on digital urban design

YANG Junyan, Ph.D., is a professor in the School of Architecture, Southeast University. His research focuses on intelligent urban design

SHI Yi, Ph.D., is an associate professor in the School of Architecture, Southeast University. His research focuses on big data and urban design

ZHANG Zhihan is a Ph.D. candidate in the School of Architecture, Southeast University. Her research focuses on landscape urban design

DAI Xin, Master, is a registered urban planner at Chengdu Institute of Urban Planning and Design. His research focuses on urban design

Received date: 2025-08-15

  Revised date: 2025-10-19

  Online published: 2025-12-26

Copyright

Copyright © 2025 Landscape Architecture. All rights reserved.
Fold

摘要

【目的】滨海岸线赋予了城市滨海空间独特的生态景观条件，在城市的发展中扮演着越来越重要的角色。然而，受区位、形态与景观等多重影响，在城市化进程中滨海空间的“见物不见人”现象、两季性差异显著、辐射范围小等活力问题也逐渐显现出来。【方法】针对这些问题，在滨海空间活力评价维度解析的基础上建构滨海空间人群数字画像，并从吸引力、空间容量、交通可达性、形态布局等方面解析问题并提出优化策略。【结果】进而，以威海九龙湾滨海空间为实践案例，通过人群数字画像刻画滨海空间的18类典型人群，探寻滨海空间活力问题症结，提出针对不同人群的空间引导策略和优化设计方法【结论】以科学量化的方式，深度洞察滨海空间各类人群的活力特征及时空模式，为城市活力不均等现实难题的破解提供新方法。

关键词： 人群数字画像; 滨海空间活力; 空间引导与优化设计; 威海九龙湾

本文引用格式

邵典 , 杨俊宴 , 史宜 , 张芷晗 , 代鑫 . 基于人群数字画像的滨海空间活力解析与优化设计——以山东威海九龙湾为例[J]. 风景园林, 2025 , 32(12) : 35 -44 . DOI: 10.3724/j.fjyl.LA20250501

Abstract

[Objective] As one of the most scarce landscape resources in cities, the coastal shoreline endows urban coastal spaces with unique ecological and landscape conditions. Meanwhile, with the development of the social economy, the expansion of urban fringes, and the improvement of living standards, coastal spaces are playing an increasingly important role in urban development. However, due to the influence of location, form, and landscape, problems such as insufficient human presence, seasonal differences, and limited radiation range in the vitality of coastal spaces have gradually emerged during the urbanization process. How to improve the quality of coastal spaces and enhance their vitality has become a widely concerned issue in both academic and industrial circles.
[Methods] To address this issue, this research constructs a digital portrait of different crowds in coastal spaces based on the analysis of the evaluation dimensions of the vitality of coastal spaces. The digital portrait is created through four dimensions: basic attributes, socio-economic status, travel purposes, and lifestyle. By analyzing the spatial distribution of stay points and the spatio-temporal patterns of travel trajectories of each typical crowd at different times, the vitality of coastal spaces for each crowd is further analyzed, including the attractiveness of coastal spaces to various crowds, as well as the capacity and transportation accessibility of coastal spaces. Then, through field research, questionnaire interviews, and spatial simulation analysis, the root causes of relevant problems are identified. Finally, based on the behavioral trajectories and spatio-temporal vitality differences of different crowds, optimization strategies for the spatial layout of coastal spaces are proposed. In contrast to traditional approaches, the analysis of coastal space vitality grounded in the digital profiling of crowds enables the screening of key subjects from a vast and intricate crowd. It can also pinpoint the core issues in a targeted manner, thereby effectively enhancing the vitality and quality of coastal spaces. Ultimately, by taking into account the behavioral trajectories of each crowd and their vitality variances across different time intervals, optimization strategies for traffic guidance and spatial layout within coastal spaces are put forward. Additionally, integrating the spatial distribution of crowd stop points and crowd categories, the morphological structure and spatial nodes are optimized and upgraded.
[Results] Taking the coastal space of Jiulong Bay in Weihai as an example, this research selects 18 typical crowds with the largest proportion to construct a crowd digital portrait. The research finds that the crux of the vitality issue of coastal spaces lies in three aspects: First, the closed layout and spatial fragmentation prevent people from traveling to coastal spaces; second, the lagging infrastructure construction makes it difficult for people to stay in coastal spaces; third, the long and narrow transportation system makes it difficult to disperse people in coastal spaces. In response to these three problems, this research proposes design strategies such as attracting recreation, inhibiting pass-through, promoting the integration and sharing of diverse crowds, and optimizing the form of green space nodes.
[Conclusion] The crowd digital portrait proposed in this research as a digital means of analyzing crowd activities, has the characteristic of deeply depicting and classifying the age and gender composition, behavioral purposes, activity methods, and trajectory patterns of the crowds in coastal spaces based on their geographical location, transportation environment, and landscape characteristics. It can help understand the vitality characteristics and spatio-temporal patterns of coastal spaces, and then, in combination with the form of coastal spaces, identify the crux of problems such as insufficient human presence and uneven vitality, and propose corresponding strategies.

Key words： crowd digital portrait; coastal space vitality; space guidance and optimization design; Kowloon Bay in Weihai

0 引言

凯文·林奇曾说过：“海对所有人都有不可抗拒的吸引力，在一定程度上，我们似乎与祖先有着相同的本能——急不可待地、不自觉地趋向海边。”[1]滨海岸线作为城市中最稀缺、最珍贵的景观资源之一，赋予了城市滨海空间独特的生态景观条件[2]。同时，伴随着社会经济的发展、城市边缘的外拓以及生活品质的提高，滨海空间在城市的发展中扮演着越来越重要的角色[3]。从区域地理[4]、城市空间到建筑群落[5]，不同尺度对滨海空间有着不同的认知，本研究从城市和街区的视角，将滨海空间界定为距离滨海岸线步行可达并以街区边界划定的区域。
然而，伴随着中国快速城镇化的进程，滨海空间的活力问题也逐渐暴露出来：1）大量滨海空间被地产项目所取代，基础设施和业态的不足[6]导致诸多优质地段常年见物不见人，尤其是北方城市，其活力的两季性现象更为突出；2）在城市的快速扩张下，滨海空间尽端式、线性延展的区位空间条件弊端逐渐显现[7]，受边缘特性和交通可达性的影响，滨海空间对城市腹地的纵深辐射范围不足；3）城市建设忽略了滨海空间景观结构的复杂构成[8]，空间建设的品质不均导致不同滨海空间活力存在明显差异。如何改善滨海空间品质、提升滨海活力，成为学界、业界广泛关注的问题。
基于此，笔者在解析滨海空间活力的评价维度的基础上，通过建构滨海空间人群数字画像，深度洞察各类人群的空间分布、出行模式与活力特征，探寻滨海空间活力问题症结，进而提出针对不同人群的空间引导策略和空间形态布局优化设计方法。

1 基于人群数字画像的滨海空间活力评价方法

1.1 滨海空间活力评价既有方法及局限

城市活力是城市自我完善机能和人类生存活动的衡量指数，围绕物质环境、人的活动和人文社会3个基本要素，具有多样性特征[9]，同时，密度、空间特征、可达性和信息流均在不同程度上影响着空间活力[10]，基础设施和景观绿化等空间要素影响人们的出行意愿[11]和心理健康[12]。因此，对于不同的城市空间，往往采用与之相适应的评价标准来衡量其空间活力。例如，对于城市公共空间而言，其空间活力评价通常包含了物质环境、精神需求、人群活动3个维度[13]；对于街道空间而言，街道业态职能、人流密度等是衡量街道活力高度的重要评价指标[14]；对于滨水空间而言，多用人群空间密度[15]、停留时间[16]等指标来评价空间活力。可以发现，不管是何种城市空间，“人”始终是衡量其空间活力的关键评价标准。因此，本研究聚焦滨海空间内的“人”，将研究维度拓展至时间和空间，以人群数量、人群类型、人停留的时间以及人的时空分布作为评价标准，以此来解析滨海空间的活力情况。
目前，对于滨海或滨水空间活力解析的技术方法有很多，最常见的是通过传统问卷及实地调研，结合空间活力评价指标体系，对滨海空间活力进行评价分析并找出导致人群活力的影响因素[17]；类似的，也可以利用行为地图记录滨水街区市民的活动数据，采用空间句法分析空间关系并建立节点空间与滨水街区的互动，进而提出传统滨水街区活力激发策略[18]。
随着数字技术的发展，大数据的应用帮助我们更好地认知空间活力。例如，可以通过百度热力图，分析滨海公共空间在不同时间段内人群的潮汐波动现象等时空间行为，进而从时空连续性、活动多样性等角度提出优化策略[6]；也可以通过基于位置服务 （location-based services, LBS）数据、手机信令数据等，从时间维度和空间维度、整体层面和重点区段层面，评价滨海公共空间活力，并从空间、设施层面提出解决方案[19]。
受到技术、数据等客观因素的限制，滨海空间的活力测度过程会将人群视为一个整体，从整体视角来研究人群时空间分布和行为特征。然而在实际日常生活中，不同人群对于滨海空间的资源需求各不相同，例如居住在此的市民来到滨海空间，是为了满足日常的散步与休闲娱乐的需求，而游客则更看重滨海空间提供的优质沙滩和景点资源，因此滨海空间的人群行为模式、停留时间、空间分布也会因人而异。如何通过挖掘滨海空间的人群类型与行为差异来解读滨海空间的活力特征，进而提出更具针对性的优化策略，值得我们进一步探索。

1.2 人群数字画像建构

人群画像是对城市人群的一种侧写，人群数字画像则是通过数字化方法来对人群类型进行量化分类的一种刻画方式。人群数字画像并没有固定的划定依据，不同地区、环境、研究目的决定了人群数字画像的分类方式，例如现有研究一般聚焦南京、武汉等超特大城市[20]，关注街道、绿地等公共空间[21-22]或社区、中心区和高铁新城等城市中的特定空间类型[23-24]；画像维度涵盖不同年龄人群[25]或老年人群[26]等单一年龄段人群的活动特征。
结合滨海空间特色与实地调研，本研究从基础属性、社会经济[27]、出行目的[28]及生活方式[29]4个维度对人群进行数字画像（图1）。其中，基础属性包括性别、年龄、婚姻等情况，能够反映滨海空间对不同年龄和性别人群的吸引力，此类信息通常可以通过人口普查、问卷、手机信令数据等方式直接或间接获取；社会经济则反映了前往滨海空间的人员构成，例如学生族、职场白领、当地渔民、退休工人等，可以通过社区入户调查、房价、用地等多源数据来综合判断人群的职业、收入水平和职业类型；出行目的则是描述人群前往滨海空间的动因及活动类型，例如赶海、健身、购物、社交等，部分信息可以通过社区访谈获取，其他则需要通过业态兴趣点（point of interest, POI）数据与LBS数据的集成处理来综合判断；生活方式能够描述人群的生活规律和出行特征，例如足不出户类、昼伏夜出类、朝九晚五类等，可以运用社交应用App、GPS定位、公交刷卡等数据进行数字刻画（图1）。
图1 人群数字画像建构

Fig. 1 Construction of crowd digital portrait

上述人群数字画像的刻画方法呈现出多样化的特征，部分画像可以通过社区入户调查、问卷访谈等方式直接获取，而部分类型则需要多源数据的综合判断。受篇幅限制，仅以LBS数据为例阐述人群出行目的的判定方式。首先，通过源自中国最大手机信息推送服务商的用户匿名地理位置数据，获取连续性的用户地理时空轨迹基础数据，包含用户的脱敏编码、性别、年龄区间、移动轨迹及每一轨迹点的日期、时间以及地理位置信息（经纬度）等属性，并进行有效轨迹的清洗筛选[30]。然后通过ST-DBSCAN聚类算法生成有效使用停留点，对数据中的所有轨迹点进行停留点和经过点区分，并以时间和空间作为控制因素来生成新的有效使用停留点[31]，将首末轨迹点之间的时段界定为有效停留行为的发生时间[32]。进而结合停留点周边POI数据，运用隐性马尔科夫模型（hidden Markov model, HMM）判定该类人群的出行目的[33]，若用户高频率停留于购物餐饮、文体设施等用地，则可以判定其正进行购物、健身锻炼等活动，若为绿地与广场等用地，则判定其为赶海、社交等活动，最后通过社区访谈、问卷等形式进行抽样验证，若验证结果与数据分析结果存在差异，则加入建筑形态数据，并重复HMM训练，同时对出行目的进行进一步细分，直至达到精准刻画人群画像的目的。

1.3 基于人群数字画像的滨海空间活力解析方法

滨海空间活力解析能更加精细化地针对作为城市边缘线性空间的滨海空间进行分析，定位存在活力不足等问题的时空，为以人为本地解决滨海空间的精细化营建、复杂滨海景观的塑造提供研究指导（图2）。首先，为了对设计地块及其周边人群有深刻了解，需要将研究范围划定在更大的尺度上，通常包含设计地块及与之相邻的10 min步行生活圈范围。其次，对研究范围内的人群建构数字画像，须兼顾基础属性、社会经济、出行目的及生活方式4个维度，在实际运用过程中会生成成百上千种画像类型，因此需要结合各类型数量占比从中选择最为典型的人群画像进行深度分析，避免研究对象过于分散，导致找不出核心问题症结。在解析人群活力总体特征的基础上，从每一类典型人群的各时段停留点空间分布以及出行轨迹时空模式进一步分析该类人群在滨海空间的活力情况，包括滨海空间对于各类人群的吸引力、滨海空间的容量、交通可达性等，进而通过实地调研、问卷访谈、空间模拟分析等方式找出问题根源。相比于传统方法，基于人群数字画像的滨海空间活力解析可以从海量的复杂人群中筛查重点对象，并针对性地找出核心症结，有效提升滨海空间的活力与品质。最后，根据人群的行为轨迹和时间段活力差异，对滨海空间的交通引导和空间布局提出优化策略；结合人群停留点空间分布及人群类型，对形态结构及空间节点进行优化升级。
图2 基于人群数字画像的滨海空间活力解析方法流程

Fig. 2 Flow chart of coastal space vitality analysis method based on crowd digital portrait

2 九龙湾滨海空间人群活力现状特征

2.1 九龙湾滨海空间特征

威海是地处山东半岛东端的海滨城市，拥有长985.9 km的海岸线。其得天独厚的地理位置带来了绵长广阔的滨海空间，九龙湾区域正是威海典型的滨海空间区域。
九龙湾位于威海核心片区之一的皇冠经济技术开发区（简称皇冠片区），笔者研究的九龙湾滨海空间毗邻黄海，包含九龙湾公园、海上公园、悦海公园，西至海滨南路、南达大庆路，面积约4.15 km2。为精细化地研究滨海空间人群活动特征，将活力解析的研究范围扩大至皇冠片区的31.45 km2范围（图3）。
图3 九龙湾滨海空间设计范围与研究范围

Fig. 3 Design scope and research scope of the coastal space of Kowloon Bay

九龙湾区域位于城市片区功能轴线尽端，是从城市中心空间导向海滨空间的重要连接区域。然而，九龙湾滨海空间的人群活力不佳，是由现状道路系统、街区尺度、服务设施、建筑布局等多方面问题所致。诸如，环形道路和丁字路口过多，导致区域整体联通性不足；街区尺度较大，导致步行空间体验较差；海岸线被行列式居住区环绕，导致城市与海滨景观无法呼应。因此，亟待通过精细化的滨海空间活力解析来定位活力不佳问题的时空所在。结合滨海空间活动人群的不同需求，基于人群数字画像的滨海空间活力解析是挖掘九龙湾区域空间问题症结、探索滨海空间优化策略的关键方法。

2.2 人群活力现状特征

基于人群数字画像的滨海空间活力解析方法，本研究对威海2022年8月—2023年6月的LBS数据进行清洗与识别，取样率达到83%。从皇冠片区研究范围来看，人群活动集中于依托威海火车站节点形成的片区级商业中心，于青岛中路、齐鲁大道路形成明显的活力廊道（图4）。然而，城市中心的人群向九龙湾滨海空间的辐射则明显不足。其中，居住在该区域内的市民呈现板块集聚的空间分布特征，且除了居家以外，出行偏好前往市区，鲜少前往滨海空间（图5-1）。来九龙湾滨海空间上班的工作人群分布相对均匀，并在滨海南路的科创大厦等办公地点形成集聚，但是该类人群除了在固定地点工作外，却极少前往滨海空间游玩（图5-2）。来滨海空间游玩的游憩人群空间分布比其他人群更为集聚，通过数字解析可以发现该类人群主要集中在滨海空间的部分地区，呈现出明显的散点状分布，并且数量相比于其他行为的人群要少得多，尤其是到了夜间几乎无人来此地游玩（图5-3）。此外，还有一部分在通勤时穿越九龙湾滨海空间的人群，在海滨南路和滨海大道等地段的旅游景点处出现了明显的拥堵行为，导致人流阻塞停滞（图5-4）。
图4 九龙湾研究范围人群空间分布

Fig. 4 Spatial distribution of crowds in the research area of Kowloon Bay

图5 九龙湾滨海空间人群活力分布

Fig. 5 Distribution of crowd vitality in the coastal space of Kowloon Bay

综上可以发现，九龙湾滨海空间虽然有着优质的滨海空间资源，但却明显呈现出人群活力不足的问题。分析其原因，一方面是本地居民不愿来到滨海空间，另一方面是前往皇冠片区的上班族都被商业街区等繁华地区吸引而都不愿去滨海空间，到了夜间更是景观无人欣赏。为解决上述活力问题，需要进一步对人群进行分类，通过解析不同人群的活力特征来找出滨海空间活力不足问题的症结所在，进而提出针对性的优化设计策略。

3 基于人群数字画像的九龙湾滨海空间活力解析

3.1 基于多源数据的人群数字画像建构

针对威海九龙湾滨海空间区域，从人群基础属性特征、社会经济特征、出行目的特征及生活方式特征的四大维度进行数字画像的构建。理论上可以划分出超过600 类的人群，但是由于多数人群的数量极为有限，因此本研究选择了最为典型、数量占比最多的18 类人群，以重点分析人群的多维度属性，并进一步揭示其滨海空间活力特征（表1）
表1 九龙湾滨海空间人群数字画像及其活力特征

Tab. 1 Digital portraits and vitality characteristics of crowds in the coastal space of Kowloon Bay

数字画像 活力特征
滨海小区的深居老人活动范围高度局限于小区内部及周边菜场，因身体原因极少利用滨海空间
社区娱乐的持家主妇日常活动集中于居住社区内部，对社区内部设施依赖度高，滨海空间到访率低
日常锻炼的滨海居民锻炼时间集中于早晨、午间或夜晚，锻炼地点集中在九龙湾公园西南及东南两侧及大庆路北侧室外运动场所
规律出行的中小学生极少前往滨海空间，节假日除居家外，选择去韩乐坊等大型游乐设施
文艺打卡的青年学生到访目的单一，几乎仅为特定景点打卡拍照，停留时间短，消费意愿低
捞鲜寻乐的赶海居民仅在周末、节假日偶尔去滨海空间，往往活动于特色农家乐设施附近，对其余滨海空间少有利用
跨区休闲的游湾市民相比于九龙湾公园，他们更倾向于北侧的海上公园，且游湾时间通常选择春夏两季
长距通勤的经湾市民需穿越滨海大道，常于07：00和19：00左右在部分路段形成拥堵，滨海空间到访率低
短距通勤的经湾市民通勤时间主要集中在08：00及18：00，通勤目的地多集中于东部港口
海滨社交的职场白领业余社交集中在午间或下班后；对运动场所、沿街商业设施的利用率较高，较少前往滨海的公园
周末偷闲的技术蓝领平日很少前往滨海区域，周末休息时会来到附近商业店铺稍作停留
捕鲜卖货的当地渔民居住集中在附近小区，其长期停留于滨海空间的目的是售卖海鲜
海味寻鲜的吃货博主作为跨区或外地游客，其滨海活动高度集中于特色餐饮设施，目的性极强
海滨特色的购物游客出行目的地集中于滨海南路两侧，较少到九龙湾滨海公园、沙滩等内部场所进行消费
海上游乐的体验玩家以外地游客为主，热衷于娱乐设施更齐全的悦海公园，九龙湾公园的到访率极低
海趣拾贝的漫游旅客倾向于前往海上公园活动，偶有出现在九龙湾公园，通常停留时间较长，但集中在春夏两季
温泉疗养的保健中年主要停留于邻近城市中心的洗浴健身设施，除餐饮和休息以外极少到访滨海空间
海景观光的团游老人 更倾向于在九龙湾公园停留，但是夜间住宿普遍不在九龙湾区域内，交通距离相对较长

3.2 基于人群数字画像的滨海空间活力问题症结

综合九龙湾人群活力的总体与分类特征分析，可确定其活力不足是空间形态、慢行路径、基础设施、景观通廊及交通引流等多方面因素共同作用的结果。具体表现为：滨海空间对人群吸引力弱、滞留能力差、疏导效率低三大问题。
封闭式的布局形态与空间割裂导致滨海空间吸引力弱。一方面，封闭式的居住小区导致了滨海小区的深居老人、社区娱乐的持家主妇和规律出行的中小学生等人群与滨海空间的割裂。尽管区位紧邻，但小区的围栏限制增加了他们前往滨海空间的实际步行距离，在一定程度上减少了上述人群前往滨海空间的频率（图6）。另一方面，居住小区与滨海空间的连通性差且缺乏引导，细支路网两侧的围栏加剧了空间的沉闷感，且缺乏必要商业设施及步行引导，从而导致在附近就职的职场白领和技术蓝领更倾向于前往其他游憩空间。除此以外，滨海一侧大量的高层联排小区像一堵墙遮挡了由滨海望城的景观视廊，所形成的狭长带状空间给人一种心理上的压抑感，这也是造成滨海空间缺乏吸引力的重要因素。
图6 滨海小区的深居老人（6-1）、社区娱乐的持家主妇（6-2）和规律出行的中小学生（6-3）的活力轨迹线

Fig. 6 Vitality trajectory lines of the elderly living in the coastal residential area (6-1), housewives participating in community entertainment activities (6-2), and primary and secondary school students with regular travel patterns (6-3)

滞后的基础设施建设导致滨海空间滞留能力差。娱乐场所、露天广场、市民游客活动中心等基础设施是公共空间能否留住人群的关键因素，而九龙湾地区的设施规模和等级明显滞后于相邻的韩乐坊商业中心，这导致众多海滨社交的职场白领和周末偷闲的技术蓝领在午休或下班后都更倾向于去韩乐坊等商业繁华的地段进行就餐、购物或社交（图7）。此外，九龙湾地区也缺乏与夜间活动相配套的基础设施，例如大型露天广场、水幕电影、会所酒吧、酒店宾馆等，导致一到傍晚时分文艺打卡的青年学生和海味寻鲜的吃货博主等进行娱乐休闲活动的人群就会离开九龙湾，出现夜间低活力现象。
图7 海滨社交的职场白领（7-1）和周末偷闲的技术蓝领（7-2）的活力轨迹线

Fig. 7 Vitality trajectory lines of white-collar workers socializing in a coastal space (7-1) and blue-collar technicians taking a break on weekends in a coastal space (7-2)

带状狭长的交通体系导致滨海空间疏导效率低。贯穿九龙湾滨海空间的滨海大道是威海东部新城进入城市的主要道路，长距通勤的经湾市民流量大（图8）。然而九龙湾公园、塔山龙湾等旅游景点的集散出入口也在滨海大道上，这就导致了上下班高峰期市内长距离通勤人群与来景点游玩的游憩人群在仅有双向四车道的滨海大道上集结，进而造成了拥堵。无法疏导过境人群的问题亟待解决。
图8 长距通勤的经湾市民的活力轨迹线

Fig. 8 Vitality trajectory lines of urban long-distance commuters passing through Kowloon Bay

4 九龙湾滨海空间活力优化设计

4.1 吸引游憩、抑制过境的空间引导策略

滨海空间活力的优化需要针对不同人群进行空间引导。从九龙湾滨海空间活力的解析结果来看，其活力提升的关键是如何吸引和留住人群，并实现对人群的疏导。基于此，首先需要从宏观层面制定针对不同人群的空间引导策略。
1）吸引居家、工作人群来到滨海空间进行游憩活动。此类人群包括滨海小区的深居老人、社区娱乐的持家主妇、海滨社交的职场白领、周末偷闲的技术蓝领等。针对他们在空余时间不愿意到滨海空间而倾向于前往市区的大型综合娱乐场所的现状，需要以居住地与就业地形成的锚点为核心，在市民通勤活动半径内增加更多游憩场所、商业设施，形成富有活力的游憩圈、消费圈，活化片区，并提供充足的民众休闲交往场所，满足滨海居民、游湾市民、职场白领、技术蓝领等市民看海、亲海的需求。滨海地区通过优化建筑布局与部分建筑的建筑朝向，在不阻挡视线的情况下，尽量使建筑能够获得观海视角。这能从城市形象风貌的层面提升原住民与附近就业者的生态文化认同感，潜移默化地提升居民前往滨海空间游玩的主观意愿。
2）提高滨海游憩空间的活动品质与交通便捷性，留住游憩人群。针对海上游乐的体验玩家、海味寻鲜的吃货博主、捞鲜寻乐的赶海居民、海趣拾贝的漫游旅客、海滨特色的购物游客、海景观光的团游老人等特定人群的需求，通过游憩空间之间与空间内部的流线组织，形成紧密衔接各类人群活动的活力廊道，防止游憩板块的割裂，提高游憩空间的可玩性与连续性。可以通过建立连续的公共开放空间系统来实现上述策略，包括绿地、亲水空间、游憩空间等多层次、多样化的开放空间，强调安全性、舒适性和连续性。同时，滨海开放空间应与城市其他开放空间相连接，城市开放空间中的绿廊、公园步道、自行车道等都可构成城市内部与滨海联系的通道，使得滨海空间向城市内部渗透扩散。同时在滨海地区规划设计中，可以利用高差对城市空间要素进行分层布置，将步行系统布置在较低平面，以利于市民能更快捷地亲近海面。
3）需要疏导过境类人群以分散过境交通干扰，实现对人群的疏导。考虑长距通勤的经湾市民与短距通勤的经湾市民的不同过境需求，滨海地区的城市道路应该鼓励多种出行方式以缓解交通压力，做到车行交通和慢行交通的有机联系和相互补充，包括安全的公共交通空间、地下通道、地面景观步行道、花园平台以及建筑物的通道等，配备完善醒目的引导标识系统。

4.2 多元人群融合共享的空间形态布局与优化设计

为了落实上述人群引导策略，就需要在市民通勤活动半径内增加更多游憩场所、商业设施与休闲交往场所，打通城市与山海空间的视觉廊道，营造紧密衔接各功能区的活力廊道，并对快、慢行交通进行分流引导。基于此，在九龙湾滨海空间的设计中，针对滨海空间各类人群的多元需求，从城市形态、公共空间布局、滨海慢行3个方面对滨海空间布局做出优化调整，其中城市形态呈鱼骨状布局，串联滨海空间与城市中心区的人群流动，在局部增设大型公建、公共空间及相应休闲游憩设施以集聚人气，同时增设多条慢行线路引导人群走向滨海空间（图9~11）。
图9 城市形态（9-1）、公共空间布局（9-2）和滨海慢行（9-3）的优化策略

Fig. 9 Optimization strategies for urban form (9-1), public space layout (9-2), and coastal slow-mobility system (9-3)

图10 九龙湾空间结构规划

Fig. 10 Spatial structure plan of Kowloon Bay

图11 九龙湾设计总平面

Fig. 11 Master plan of Kowloon Bay design

进而规划“一带、两片、三廊、四轴”的空间结构（图12），其中“一带”指滨海生态廊道；“两片”包括滨海商业组团、滨海综合服务组团；“三廊”为海峰路生态廊道、华夏路生态廊道、滨海大道生态廊道；“四轴”则指平度路轴线、上海路轴线、大庆路轴线、东海路轴线。在土地利用的调整上，滨海空间以居住用地和公园用地为主，强化了平度路和大庆路轴线，形成多条生态型廊道，打造多元人群融合共享的活力滨海空间（图13）。
12 九龙湾空间结构规划

Fig. 12 Spatial structure plan of Kowloon Bay

图13 九龙湾设计总平面

Fig. 13 Master plan of Kowloon Bay design

4.3 九龙湾滨海绿地节点的深化设计

在形态布局优化调整的基础上，针对不同人群的多元化需求，对九龙湾滨海绿地重点地段进行三维形态的详细设计（图14）。
图14 九龙湾重点地段设计效果图

Fig. 14 Design perspective of key sections in Kowloon Bay

原先的九龙湾滨海公园以绿地为主，缺乏必要的休闲娱乐场所，导致居住在附近的深居老人、持家主妇、青年学生等人群不愿来此游玩，以及在附近上班的职场白领、技术蓝领和当地渔民在闲暇之余也不愿在滨海空间停留。因此，在原码头片区打造滨海旅游服务区，作为整个山海通廊的滨海节点，通过商业设施与海域紧邻、海洋文化与商业文化紧密相融，营造特色海洋文化商业区。同时，打造滨海景观公园，其中主体部分以慢行步道为主，辅以相关景观设施，并根据步行者的最佳慢行距离设置休憩空间，在部分节点塑造主题特色空间。
针对滨海空间可达性弱的问题，打造连通市内大型公建与滨海空间的慢行通廊，并在两侧种植威海当地的花卉植被，打造观花大道。同时，沿慢行道路两侧布置商业消费空间，并与青岛中路、齐鲁大道相连，将海景观光的团游老人、吃货博主、购物游客等人群活力从城市中心引入滨海空间。
此外，滨海片区作为重要的城市开放空间，需考虑沿海的景观眺望，打造滨海特色风貌区以进一步留住游憩人群，因此以随坡就势的形态设计形成丰富视觉层次，并通过海草房、灯塔等海洋文化意象展现滨海空间风貌。

5 结语

简·雅各布斯在《美国大城市的死与生》中提出，正是人与人的活动及生活场所相互交织的过程，使城市获得了活力。城市滨海空间作为人与生态环境交互作用的空间载体，其空间的活力程度在一定意义上为整个城市的活力奠定了基调。本研究提出的人群数字画像作为分析人群活动的一种数字化手段，适用于海岸线与城市空间紧密结合的滨海城市。其特点在于根据滨海空间在地理区位、交通环境、景观风貌等方面的特殊性，对滨海空间人群的年龄性别构成、行为目的、活动方式和流线轨迹进行深度刻画和归类，洞察滨海空间的活力特征及时空模式，
互联网时代发展迅速，还有更多的新技术方法值得学习和尝试。未来，我们会进一步深入探索人群数字画像与城市大模型、知识图谱等人工智能技术的结合，实现从数字化向智能化的转变，深度揭示滨海、枢纽、中央商务区等复杂人群交织空间的活力构成与行为规律，推动城市的高品质精细化发展。

图表来源(Sources of Figures and Tables)：

文中图表均由作者绘制，其中图3底图来自高德卫星影像（2024年）。

文章亮点

1、从基础属性、社会经济、出行目的及生活方式4个维度建构滨海空间人群数字画像，分析各类人群在滨海空间的活力情况，并根据人群的行为轨迹、时空活力差异，对滨海空间的空间布局形态提出优化策略。

2、以威海九龙湾滨海空间为例，选择最为典型、数量占比最多的18类人群建构了人群数字画像，揭示滨海空间活力的问题症结，并提出吸引游憩、抑制过境、多元人群融合共享、绿地节点形态优化等设计策略。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
林奇.城市意象[M].方益萍, 何晓军, 译.北京: 华夏出版社, 2001.

LYNCH K. The Image of the City[M]. FANG Y P, HE X J, translated. Beijing: Huaxia Publishing House, 2001.

[2]
铁婧.基于地域性的城市滨海游憩空间景观优化设计研究: 以青岛市南部沿海为例[D].青岛: 青岛理工大学, 2010.

TIE J. Regional Study on Urban Coastal Landscape Optimization Recreation Space: An Exampleof Qingdao City in The Southerncoastal Areas[D]. Qingdao: Qingdao University of Technology, 2010.

[3]
许文婷.城市滨海空间界面的控制与引导研究[D].广州: 华南理工大学, 2010.

XU W T. Control and Guidance Research of Urban Coastal Space Interface[D]. Guangzhou: South China University of Technology, 2010.

[4]
周长林, 邢卓 区域视角下滨海新区的空间重构[J]. 城市, 2009 (4): 24.-28.

ZHOU C L, XING Z Spatial Reconstruction of Binhai New Area from the Regional Perspective[J]. City, 2009 (4): 24.-28.

[5]
岳欢 以旅游开发为导向的滨海地区空间发展模式研究[J]. 中外建筑, 2015 (3): 78.-80.

YUE H Study on the Space Development Mode of Coastal Region Under the Guidance of Tourism Development[J]. Chinese & Overseas Architecture, 2015 (3): 78.-80.

[6]
葛曼.基于活动行为研究的滨海公共空间活力塑造[C]//中国城市规划学会.活力城乡 美好人居: 2019中国城市规划年会论文集（07城市设计）.北京: 中国建筑工业出版社, 2019: 1709-1717.

GE M. Vitality Building of Coastal Public Space Based on Activity Behavior Research[C]//The Urban Planning Society of China. Proceedings of China Urban Planning Annual Conference 2019. Beijing: China Architecture & Building Press, 2019: 1709-1717.

[7]
耿雪川, 边坤, 刘阳, 等.青岛城市东岸城区滨海公共空间形态类型解析[C]//中国城市科学研究会.2020国际绿色建筑与建筑节能大会论文集.北京: 中国城市出版社, 2020: 187-190.

GEN X C, BIAN K, LIU Y, et al. Analysis on the Morphological Types of the Coastal Public Space in the East Coast of Qingdao[C]//Chinese Society for Urban Studies. Proceedings 2020 Paper Collection of International Conference on Green and Energy-Efficient Building. Beijing: China City Press, 2020: 187-190.

[8]
陈琛, 杜慧敏, 郄书恒, 等 基于数据分析下的滨海景观空间人群行为模型探究: 以八大峡广场为例[J]. 现代园艺, 2019 20 16.-17.

CHEN C, DU H M, QIE S H, et al Research on Crowd Behavior Model of Coastal Landscape Space Based on Data Analysis: A Case Study of Badaxia Square[J]. Xiandai Horticulture, 2019 20 16.-17.

[9]
李文丽, 李宏伟 城市公共空间活力的营造研究[J]. 中外建筑, 2022 (3): 83.-86.

LI W L, LI H W Research on the Construction of Urban Public Space Vitality[J]. Chinese & Overseas Architecture, 2022 (3): 83.-86.

[10]
魏迪, 陆毅, 汪原, 等 信息流介入公共空间活力营造: 基于城市公园的大数据循证分析[J]. 风景园林, 2023, 30 (7): 86.-93.

WEI D, LU Y, WANG Y, et al Intervention of Information Flow in the Creation of Public Space Vitality: An Evidence-Based Analysis of Big Data Based on Urban Parks[J]. Landscape Architecture, 2023, 30 (7): 86.-93.

[11]
GUO S H, YANG G G, PEI T, et al Analysis of Factors Affecting Urban Park Service Area in Beijing: Perspectives from Multi-source Geographic Data[J]. Landscape and Urban Planning, 2019, 181: 103.-117.

DOI

[12]
BATTY M. The New Science of Cities[M]. Cambridge: The MIT Press, 2013.

[13]
程元泽.基于大数据分析的苏州高铁新城公共空间活力评价研究[D].苏州: 苏州科技大学, 2019.

CHENG Y Z. Research on the Evaluation of Public Space Vitality of Suzhou High-Speed Railway New Town Based on Big Data Analysis[D]. Suzhou: Suzhou University of Science and Technology, 2019.

[14]
王振报, 张瑞方, 祝霜霜 邯郸市主城区街道空间活力评价与分析[J]. 建筑与文化, 2020 (8): 187.-188.

WANG Z B, ZHANG R F, ZHU S S Evaluation and Analysis of Street Spatial Vitality in Handan Core Area[J]. Architecture & Culture, 2020 (8): 187.-188.

[15]
王伟强, 马晓娇 基于多源数据的滨水公共空间活力评价研究: 以黄浦江滨水区为例[J]. 城市规划学刊, 2020 (1): 48.-56.

WANG W Q, MA X J Vitality Assessment of Waterfront Public Space Based on Multi-source Data: A Case Study of the Huangpu River Waterfront[J]. Urban Planning Forum, 2020 (1): 48.-56.

[16]
渠水静.滨海旅游公园景观活力评价研究及应用: 以胶东半岛城市为例[D].青岛: 青岛理工大学, 2020.

QU S J. Research and Application of Landscape Vitality of Coastal Tourism Park[D]. Qingdao: Qingdao University of Technology, 2020.

[17]
张悦, 郭海 健康城市理念下的城市滨水空间活力评价研究[J]. 城市住宅, 2019, 26 12 79.-84.

ZHANG Y, GUO H Study on the Evaluation for the Vitality of Space in Urban Waterfront Based on the Concept of Healthy City[J]. City & House, 2019, 26 12 79.-84.

[18]
张芳, 叶天爽, 刘奇 “空间-行为” 视野下传统滨水街区的活力营造: 以苏州古城区传统滨水街区为例[J]. 中国名城, 2020, 34 (8): 45.-51.

ZHANG F, YE T S, LIU Q Vitality Construction of Traditional Waterfront Blocks from the Perspective of “Space-Behavior”: Taking the Traditional Waterfront Blocks in the Ancient City of Suzhou as an Example[J]. China Ancient City, 2020, 34 (8): 45.-51.

[19]
翟青, 李淼, 蒋文鑫 基于多源数据的城市空间活力时空特征分析: 以南京市河西、仙林新城为例[J]. 资源开发与市场, 2021, 37 (2): 153.-160.

ZHAI Q, LI M, JIANG W X Spatial and Temporal Characteristics of Urban Spatial Vitality Based on Multi-source Data: Taking Hexi and Xianlin New Town in Nanjing City as Examples[J]. Resource Development & Market, 2021, 37 (2): 153.-160.

[20]
陈伟, 丁兰, 郑金 基于“人群画像”的武汉市江汉区核心商圈提升规划研究[J]. 中国土地, 2024 (4): 27.-29.

CHEN W, DING L, ZHENG J Research on the Improvement Planning of the Core Business District in Jianghan District, Wuhan City Based on "Crowd Portrait"[J]. China Land, 2024 (4): 27.-29.

[21]
史宜, 戴运来, 张珣, 等 基于精细时空行为测度的街道空间人群数字画像构建与分异[J]. 风景园林, 2024, 31 (9): 24.-33.

DOI

SHI Y, DAI Y L, ZHANG X, et al Research on the Construction and Differentiation Mechanism of Digital Portraits of Crowds in Street Space Based on Fine Spatiotemporal Behavior Measurement[J]. Landscape Architecture, 2024, 31 (9): 24.-33.

DOI

[22]
张洪剑, 姚月.基于特征识别与服务人群画像的绿地景观风貌规划研究: 以佛山市为例[C]//中国城市规划学会.人民城市, 规划赋能: 2022中国城市规划年会论文集（12 风景环境规划）.北京: 中国建筑工业出版社, 2023: 168-174.

ZHANG H J, YAO Y. Research on Green Space Landscape Planning Based on Feature Recognition and Service Crowd Portrait: A Case Study of Foshan City[C]//China Urban Planning Society. People’s City, Planning Empowerment: Proceedings of the 2022 China Urban Planning Annual Conference (12 Landscape and Environmental Planning), 2023: 168-174.

[23]
赵一帆, 张训一, 张源铭, 等 基于人群时空行为画像的社区精准规划策略: 以南京阅江楼社区为例[J]. 规划师, 2022, 38 (9): 108.-116.

ZHAO Y F, ZHANG X Y, ZHANG Y M, et al Accurate Planning Strategies in Central District Communities Based on Residents’ Spatio-Temporal Characters[J]. Planners, 2022, 38 (9): 108.-116.

[24]
杨俊宴, 何国枫, 陈代俊, 等 城市交通拥堵地区人群数字画像解析与空间规划应对[J]. 规划师, 2021, 37 19 26.-34.

YANG J Y, HE G F, CHEN D J, et al Digital Analysis of Population Profile and Spatial Planning Response in Traffic Jammed Areas[J]. Planners, 2021, 37 19 26.-34.

[25]
杨俊宴, 张珣, 史宜 基于人本视角的城市人群数字画像建构: 理论与方法[J]. 城市规划, 2025, 49 (1): 36.-47.

YANG J Y, ZHANG X, SHI Y Constructing Digital Profiles of Urban Population from a Human-Centered Perspective: Theory and Method[J]. City Planning Review, 2025, 49 (1): 36.-47.

[26]
杨俊宴, 印舜尧, 章飙 基于多源数据耦合的老年人群数字画像及空间适老化更新策略研究: 以南京阅江楼街区为例[J]. 城市学报, 2024 (4): 33.-41.

YANG J Y, YIN S Y, ZHANG B Digital Portrait of the Elderly Population and Spatial Ageing Update Strategy Based on Multi-source Data Coupling: A Case Study on Nanjing Yuejianglou Community[J]. Journal of Urban Sciences, 2024 (4): 33.-41.

[27]
巴九灵 2018新中产人群画像[J]. 记者观察, 2018 28 22.-24.

BA J L Portrait of the New Middle Class in 2018[J]. Reporters’ Notes, 2018 28 22.-24.

[28]
张宇, 阮雪灵 大数据环境下移动用户画像的构建方法研究[J]. 中国信息化, 2020 (4): 65.-68.

ZHANG Y, RUAN X L Research on the Construction Method of Mobile User Portrait in Big Data Environment[J]. Zhongguo Xinxihua, 2020 (4): 65.-68.

[29]
张慧敏.基于生活方式转型的动态用户画像研究[D].无锡: 江南大学, 2018.

ZHANG H M. Academic Research of Trends Persona Based on Lifestyle Transformation[D]. Wuxi: Jiangnan University, 2018.

[30]
金探花.基于LBS数据的城市人群画像研究: 时空行为分异的视角[D].南京: 东南大学, 2019.

JIN T H. Portrait of Urban Population Based on Lbs Data: A Perspective of Spatial Temporal Behavioraldifferentiation[D]. Nanjing: Southeast University, 2019.

[31]
权宇澄, 吴健平 基于改进DBSCAN方法的移动对象轨迹停留分析[J]. 测绘与空间地理信息, 2016, 39 10 140.-143,146.

QUAN Y C, WU J P Moving Objects Trajectory Analysis Based on the Improved DBSCAN Method[J]. Geomatics & Spatial Information Technology, 2016, 39 10 140.-143,146.

[32]
苗壮.基于手机信令数据的数据清洗挖掘与居民职住空间分析[D].成都: 西南交通大学, 2017.

MIAO Z. Research on Data Cleaning Mining Jobs and Residential Locations Based on Mobile Phone Signaling Data[D]. Chengdu: Southwest Jiaotong University, 2017.

[33]
柳姣姣, 禹素萍, 吴波, 等 基于隐马尔科夫模型的时空序列预测方法[J]. 微型机与应用, 2016, 35 (1): 74.-76,80.

LIU J J, YU S P, WU B, et al A Method of Spatio-Temporal Sequence Prediction Based on Hidden Markov Model[J]. Microcomputer & Its Applications, 2016, 35 (1): 74.-76,80.

Options
文章导航

/

〈 〉