上纽大城市重点实验室在Applied Geography期刊发表“基于手机大数据游览行为的东京城市公园分类”研究成果

上海市城市设计与城市科学重点实验室（以下简称“重点实验室”）在期刊Applied Geography《应用地理学》发表了题为《基于手机大数据游览行为的东京城市公园分类》” Visitation-based classification of urban parks through mobile phone big data in Tokyo” 的论文。

图：以游览行为为基础的公园群聚类结果和空间分布

城市公园在促进体育活动、心理健康和环境保护方面发挥着重要作用，是绿色基础设施规划核心组成部分。尽管地理坐标参考数据推进了公园绿地研究，但现有的公园分类往往忽略了实际的游览行为模式。本研究利用东京300个公园中约33万名游客的590多万条记录，对城市公园进行了重新分类，并与基于规模的公园分类进行了比较。我们使用了一系列分析方法，包括principal component analysis (PCA)、Isolation Forest、clustering algorithms和Gini coefficient。研究结果首先揭示了四个关键的访问指标：活动强度、利用效率、时间占用和重访量。这些指标揭示了在每个规模类别中具有非典型游客模式的公园，从而产生了三种新的公园分类：日常休闲公园、社会目的地公园和季节性活动公园。此外，我们还发现，前往公园的距离存在显著差异，尤其是在夜间、周末和节假日，在季节性活动公园和小型公园中存在明显的不平等。研究结果建议制定细化的公园管理策略，根据观察到的游客模式，优先考虑维护和便利设施的开发，以提高娱乐潜力，从而为城市公园研究提供见解，支持旨在改善公园利用率和享受度的绿色基础设施规划和政策的发展。

文章作者周意淳博士指出城市公园在促进居民身心健康中扮演着关键角色。现有的公园分类体系往往忽略了实际的访问模式，从而无法充分反映公园的实际使用情况和潜在需求。通过分析游客行为模式对公园进行分类，不仅能够揭示不同类型公园的实际使用情况，还可以帮助城市规划者和公园管理者更有效地分配资源，优化公园设施，提高公园的娱乐和社会功能。他计划在后续研究中，通过整合社会感知与人工智能技术，拓展研究区域与数据来源，更全面地理解公园的实际使用情况，并为制定更加科学和有效的管理策略提供支持。

文章作者李颖教授强调，本研究不仅在理论上为城市公园和绿地的规划和管理提供了新的依据，还通过实证分析揭示了公园使用模式的多样性和复杂性。该研究是实验室课题“城市感知AI技术支持下的蓝绿基础设施规划设计”的重要组成部分，也是实验室在城市公园数字化实践中的一次重要探索。期望通过此研究，吸引更多国内外学者和专家，共同参与未来城市蓝绿基础设施的研究和设计，为应对气候变化和提升城市宜居性提供新的视角和方法。

文章合作者北京大学吴龙峰教授指出，深入了解居民如何使用城市公园与绿地是促进其健康效益的重要途径之一，也是提升城市环境质量的关键。本研究以国际发达国家城市为案例，利用多元大数据，提炼了居民如何使用公园的普适性规律，并将其与公园绿地规划设计以及城市管理政策紧密结合，具有一定理论与实践意义。吴教授表示：“本研究是北京大学城市与环境学院规划系我所在的课题组与上海市城市设计与城市科学重点实验室合作研究成果之一，双方优势互补，结合了我们课题组在‘城市蓝绿空间规划设计和公共健康’方面的研究视角，发挥了实验室课题组在‘城市感知和人工智能’领域的多种技术积累，也为双方进一步合作研究打下良好基础。”

文章合作者韩国明知大学宋智勳教授表示，经过五年多的长期合作，来自不同国家和不同机构的研究者们发现，合作是创造力和生产力的关键。来自三个不同亚洲国家的学者们刚刚在核心期刊上共同发表了第三篇论文，并计划发表更多的论文。关于城市公园的利用，本研究依靠“大数据”提出了新的分析框架，并揭示了现实与传统规划实践之间的重要差异。“我希望这次合作研究可以最终证实亚洲城市规划的科学基础，同时也为其他地区提供经验教训。”宋教授说。

文章合作者东京都市大学秋山祐樹教授指出：“重点实验室和我们实验室在利用手机大数据的联合研究上继续进行了合作。我们的实验室主要对东京的人流大数据进行基础处理，并提供技术将数据清洗，以满足学术合作研究的需要。通过与重点实验室的合作，我们的目标是探索人流大数据的新可能性，并为城市和交通规划提供有用的信息。由于两个实验室在研究领域和社会实践目标方面彼此接近，我们希望在各种其他研究项目上进行合作。”

文章引用：

Zhou, Y., Guan, C., Wu, L., Li, Y., Nie, X., Song, J., Kim, S. K., & Akiyama, Y. (2024). Visitation-based classification of urban parks through mobile phone big data in Tokyo. Applied Geography, 167, 103300. https://doi.org/10.1016/j.apgeog.2024.103300