供需平衡视角下公园绿地布局优化
——以苏州市工业园区为例

文／王 崴 苏州科技大学建筑与城市规划学院 硕士研究生

引言

公园绿地作为城市绿色空间的组成部分，既要提供城市景观，还要满足游客的游憩需求，对城市居民生活空间品质有重要影响。传统的绿地规划采用人均指标，忽略了市民的使用需求，对供需的空间匹配考虑不足。伴随大数据的出现，人群需求和服务压力有了量化分析的工具，将大数据引入公园绿地的可达性分析，可弥补传统方法量化分析不足的缺陷。

国内学者主要从生态[1,2]、社会[3,4]、文化[5]等角度对公园绿地布局进行研究。传统研究方法主要根据经验和场地要素进行综合考量，并依据人均指标进行规划调控[6]，缺乏量化分析，缺乏考虑公园的实际可达性。近年来较多学者通过网络分析，并结合人口数据研究了公园绿地的可达性和公平性[7,8]，一定程度上为合理配置了公园绿地资源，但只考虑空间上的均匀分布，未考虑到人群需求分布不均。因此本文关注人群使用需求，在研究中引入POI 数据，对公园服务水平进行量化评价，旨在从供需平衡视角评价其布局合理性，评价结果可为苏州公园绿地布局优化提供参考。

1 研究区概况

苏州工业园区位于太湖平原之东，总面积约278km2。自2011 年以来，工业园区不断加大对生态保护和城市美化的投入，截至去年底，园区累计投入70 多亿元，共建成公共绿地3200多公顷，今年将新增绿地面积150 万m2，计划投资超5 亿元。在此背景下，营造高品质城市绿色空间，合理规划城市公园成为重要课题。

2 研究方法

2.1 基于GIS 的可达性研究

可达性指到达目标地点的难易程度[9]。文章基于距离成本考虑公园绿地的可达性，应用网络分析研究公园绿地可达性。网络分析是根据数据网络中的中心、链、节点和阻力等数据信息计算出沿已有道路数据在面对不同阻力值的状况下，出行时所得到的不同结果。本文采用ArcGIS 10.6中的网络分析工具进行网络分析。

研究采用的工业园区道路交通数据由OSM开源地图获取，经过分层、筛选、拓扑处理后结合高清影像图进行修正，得到工业园区四级道路网。

2.2 基于POI 数据的公园服务水平评价

本研究从公园服务压力与人群需求两方面定量评价公园绿地服务水平。公园服务压力由其服务的人群活动产生，以服务区人群活动强度与该公园面积的比值作为公园服务压力，计算公式如下：

公园服务压力=服务范围内POI 点数量/公园面积

其中POI 点数量用以量化描述人群活动强度，选取反映人群活动强度的POI 数据，类型包括居住区、休闲娱乐、餐饮购物以及办公等。

研究采用的POI 数据由笔者通过Python 语言编程，调用高德地图API，按照类型检索并经过数据清洗获得。公园绿地矢量数据于谷歌遥感影像（2021）提取，主要包括综合公园、社区公园、专类公园以及小游园等。

3 公园绿地可达性评价

为满足苏州“城市公园绿地十分钟服务圈”建设要求，研究其可达性时，将10 分钟设为最大出行时间。本文主要考虑市民步行前往附近公园，因此服务半径分为300m、500m、1000m三个等级。公园可达性的判断依据是公园服务范围对居民的有效覆盖率，体现居住区与公园绿地的空间分布对应关系（图1）。本文采用居住单元数表示相对人数，计算公式如下：

图1 公园绿地服务范围（图片来源：作者自绘）

有效服务覆盖率=服务范围内居住单元数/总居住单元数

计算结果显示（表1），工业园区公园绿地的总体有效覆盖率较低，其中1000m 内覆盖率约为70%，覆盖率较高但尚未达到建设要求，有一定提升空间；而300m 和500m 内有效覆盖率很低，不足1/3，有较大提升空间。

表1 公园绿地服务覆盖率（表格来源：作者自绘）

4 城市公园服务水平评价

4.1 公园服务压力评价

研究假定居民选择距离最近的城市公园进行游憩活动，以泰森多边形划分各公园服务范围，并计算公园服务压力。根据不同压力值将服务压力分为5 级，级别越高表示服务压力越大（图2）。

图2 城市公园服务压力评价（图片来源：作者自绘）

园区内城市公园服务压力等级大多为一、二级。压力等级最高的区域为苏州国际博览中心与苏州园区高铁站周边（红色区域），两处皆为人群集散密集的场所。其余服务压力等级高的区域（蓝色区域）主要分布在扬东路、泾园新村与西交利物浦大学附近，该区域城市公园面积较小，周边靠近商业区、科技园，有较高的人群需求。这反映出公园布局在供需平衡上还存在一定的问题。

4.2 人群需求性评价

公园绿地的使用需求由市民的游憩活动产生，在阅读相关文献后[10]，选取人群游憩活动的影响因子。影响市民游憩活动的影响因素主要包括3 类：可达性[6]，人口分布和人群社会经济地位[7、8,10-12]。进一步选取公交车站点，文化娱乐设施，办公设施，公共设施居住区以及房价数据作为二级影响因子。已知人群社会经济地位与居住的房价呈正相关[13]，因此采用房价来反映人群收入分异情况①。

获取相应的POI 以及房价数据后，在ArcGIS中对数据进行计算得到评价结果。首先要确定各指标权重，本研究采用层次分析法计算指标权重，使用yaahp 软件构建层次结构模型，并通过判断矩阵计算各因子权重（表2）。

表2 影响因子评分表（表格来源：作者自绘）

然后将工业园区划分为400m×400m 的空间网格单元，将POI 与网格空间连接，再对其栅格化、重分类得到各项因子评分，并进行栅格叠加计算，最终得到人群需求性评价结果。需求评价结果分为九级，等级越高则人群需求性越高（图3）。

图3 人群需求性评价（图片来源：作者自绘）

人群需求高值区域主要集中在金鸡湖与独墅湖周边区域。该区域社区数量多，周边多为居住用地，商业用地沿东西向发展轴两侧分布，吸引大量的人群聚集，是该区域市民游憩活动的直接来源；其次该区域为城市主核心。金鸡湖周边为城市发展主轴与副轴交汇处，位于园区中心区域，人群活动密集，对公园绿地也产生较高需求。因此在公园布局优化时，要着重考虑此类区域，并结合实际情况，合理安排优化方式，以新增小型公园和扩大公园面积结合的方式缓解服务压力。

4.3 公园绿地布局优化建议

将公园服务压力与人群需求评价结果进行叠加，得到工业园区城市公园服务水平评价结果，以此为依据进行布局优化。对于城市公园的布局优化，有扩建空间的公园可采取增大面积以减轻服务压力的优化方式。空间受限无法扩建的需求点，新建公园以减轻服务压力，选址原则要尽量在服务压力大并且人群需求高的地块新建公园。为提高公园利用效率，选址尽量在靠近泰森多边形边界的位置以及人群需求高的地块，同时满足周边区域的游憩需求，减少新增公园数量，从而降低建设成本。

对于中小型公园布局的优化，主要在居民点密集处以及人群需求性高的地块新增公园，以提升公园绿地可达性选址，因此将人群需求评价图与居住区分布图叠合，在居住区密集处周边新增小型公园，可同时满足人群需求并提高公园的可达性与服务效率（图4）。

图4 公园绿地优化选址（图片来源：作者自绘）

结语

POI 数据的应用给公园与人群之间的供需关系提供了量化研究方法，采用大数据分析作为评价、优化的依据，可为城市公共服务设施布局规划提供更科学合理、更精确具体的优化建议。研究存在的不足主要在于难以准确地获取人群分布情况，只能以其他数据替代；研究仅限于公园绿地空间上的布局研究，没有涉及更深层次的内涵提升。后续可结合更多数据做进一步探索。

注释：

①本文使用的房价数据获取于链家二手房网站(https://su.lianjia.com/)。