Decoding vibrant neighborhoods: Disparities between formal neighborhoods and urban villages in eye-level perceptions and physical environment
解码充满活力的社区:正式社区与城中村在视线水平感知和物理环境上的差异
文章速览
研究目的
研究方法
使用百度热力图和微博签到数据来衡量社区的实体活力和虚拟活力。 采用5D框架(密度、多样性、设计、到达交通的距离、目的地可达性)来量化物理环境,并结合眼层感知作为新的解释变量。 利用极值梯度提升(XGBoost)和地理和时间加权回归(GTWR)模型来探索变量与社区活力之间的复杂关系。 通过蒙特卡洛方法来估计部分依赖图(PDP),揭示特定因素对机器学习模型预测结果的影响。
实体活力在周末的早晚有适度的高峰,而虚拟活力则在夜间达到高峰。 改善公共交通选项,减少对机动旅行的依赖,可以促进正规社区的活力。 对于城中村,清晰的权利通道可以提高通勤效率、空间可达性和道路安全,而提供充足的公共设施和公共空间有助于创建“15分钟生活圈”。 研究还发现,不同的社区类型(正规社区与城中村)在活力表现上存在空间和时间上的差异。
研究区域:深圳市
数据收集与处理
百度热力图:使用百度热力图来表示社区的实体活力,该数据基于智能手机用户在使用百度产品时提供的实时地理定位数据,反映了不同城市区域的行人活动。
微博签到数据:收集微博签到数据来衡量虚拟活力,这些数据反映了用户在网络平台上的活动和城市地点的吸引力。
活力值计算
利用熵值法来计算实体和虚拟活力的综合活力值。熵值法是一种基于数据本身确定权重的方法,避免了主观判断可能带来的误差。
物理环境量化
采用5D框架来量化物理环境,包括密度(Density)、多样性(Diversity)、设计(Design)、到达交通的距离(Distance to transit)和目的地可达性(Destination accessibility)。
眼层感知测量
客观测量:使用街景图像(Street-View Images, SVIs)和语义分割来量化眼层空间特征,如开放度、绿色度、封闭性、步行性和形象性。
主观测量:通过问卷调查收集参与者对SVIs的主观评价,使用K-means聚类算法对样本观察进行分类,并用XGBoost模型预测主观感知得分。
模型构建与分析
步进回归(Stepwise Regression, SWR):自动选择变量进行线性回归,以增强模型清晰度。
空间自相关分析:使用Moran's I指数来检测空间自相关模式。
地理和时间加权回归(Geographically and Temporally Weighted Regression, GTWR):一种考虑空间和时间异质性的地理加权技术,用于探索变量与活力值之间的时空关系。
XGBoost:一种基于决策树的优化机器学习算法,用于训练和预测独立和依赖变量。
结果验证与解释
使用**部分依赖图(Partial Dependence Plots, PDP)**技术来可视化特征的边际效应,帮助研究者理解变量之间的关系。
规划建议
根据研究结果,提出差异化的规划建议,以支持城市转型和社区活力的提升。
研究结果
活力的时空模式
研究将一天从早上6点到午夜分为五个时间段,分析了不同时间段内社区活力的变化。发现从早到晚,社区活力呈现普遍上升趋势。
空间模式显示,核心区域的活力值较高,且在龙华和宝安的中心和南部地区有零星的高活力集群。
实体与虚拟活力的比较
实体活力(基于百度热力图)在一天中的某些时段(如上午11点到12点和下午5点到6点)出现高峰,而虚拟活力(基于微博签到数据)则在一天中持续增长,并在午夜达到峰值。
社区活力的数值范围
正规社区(FNs)的活力值范围从0到1741.992,城中村(UVs)的活力值范围从0.310到464.305,表明正规社区的活力普遍高于城中村。
模型结果
步进回归(SWR)模型在正规社区和城中村中的R²值分别为19.2%和51.2%,表明所选变量对城中村活力的解释力度更强。
空间自相关分析显示,社区活力存在正向空间依赖和空间聚集效应。
GTWR模型结果
GTWR模型揭示了不同空间位置和时间点的变量之间关系的异质性,并且相较于SWR模型,GTWR模型具有更高的R²值和更低的AIC和AICc值,表明其对数据的解释能力更强。
XGBoost模型结果
XGBoost模型在所有机器学习模型中表现最佳,正规社区和城中村的R²值分别为0.618和0.760,显示了较高的预测准确性。
变量重要性排名
在所有社区中,“市中心的位置”是影响活力的最重要变量。在正规社区中,步行性、美观性和400米内街道可达性(BtA400)是第二、第三和第四个最具影响力的变量。在城中村中,容积率(FAR)、商业密度和居住密度排名第二、第三和第四。
联合分析
联合分析探讨了物理环境对社区活力的影响,包括街道长度、建筑连续性、开放度、绿色度等因素与活力之间的关系,并发现这些因素对正规社区和城中村活力的影响存在差异。
眼层感知对活力的影响
研究还分析了主观眼层感知(如美观、无聊、压抑等)对社区活力的影响,发现这些感知在不同时间段和不同类型社区中与活力的关系复杂多变。
讨论
讨论部分分析了研究结果对于塑造活力社区的意义,提出了针对不同社区类型的规划建议。例如,对于正规社区,建议增加公共空间和绿色植被,而对于城中村,则建议改善交通效率和公共设施的可达性。
结论
本研究通过综合实体和虚拟活力的视角,重新定义了社区活力的概念,并提出了基于物理环境和眼层感知的多维分析框架。研究发现了正规社区和城中村在活力上的差异,并提出了差异化的规划建议以促进宜居社区的建设,最终有助于提升人类的福祉。研究结果强调了公共交通系统的重要性,并指出了在不同社区类型中实施特定规划策略的必要性。