基于供需视角的社区公园选址评估及优化———以浙江省杭州市上城区为例
李昂扬，吴晓华*，赵若茜，李林柯（浙江农林大学风景园林与建筑学院，浙江临安311300）
摘要：在存量规划背景下，社区公园作为能够充分利用和灵活嵌入居民生活的游憩空间，其提升用地布局的供需均衡度是改善城市居民居住环境品质的重要依托。然而，当前高密度城市建设环境使居民游憩空间受挤压和被侵占，社区公园建设受土地经济价值的制约具有很强的随机性，由此造成居民居住环境中游憩空间配置供需相错位的问题。基于此，以杭州市上城区为例，从供需视角出发，从供给属性因子、连接属性因子、需求属性因子3个维度进行适宜性评价，并结合相关规范的配建要求和土地利用规划，在适宜性评价较高的区域范围内划定候选公园位置，采用免疫算法求解选址优化方案。
结果表明，优化前社区公园集中分布在上城区西部和南部，北部和东部虽人口众多但社区公园数目相对较少，整体分布存在部分服务盲区和供需错位问题。通过免疫算法，根据提高服务效率和盲点精准补缺2个方面，最终在上城区新增36个社区公园选址点。以定量数据辅助定性分析的选址方法，使社区公园选址得更具有科学性，并为城市社区公园布局提供依据和参考。
随着中国城市化进程的加速，城市人口规模不断扩大，根据最新的统计数据，中国城镇人口已经达到8.64亿人。城市绿地为人民服务的性质决定了绿地与居民之间存在着密切的供需关联，然而过去5年，常住人口城镇化率从60.2%提高到65.2%，城市人口的急剧增加导致了城市绿地不断缩减与居民对绿地需求不断增长的矛盾。受土地经济价值的制约，供需双方的土地博弈日渐显著[1]。
目前，城市绿化建设正面临着土地资源的严重限制[2-3]，传统的新建大型公园绿地已经无法适应现代城市发展需求。在城市化的快速推进下，人们的物质文化需求不断攀升，精神层面的追求也愈发强烈，越来越多的人向往与自然亲近，渴望改善生活环境，对接触自然的渴望日益高涨。在此背景下，为了有效满足城市居民的需求，充分利用居民区附近的绿地资源，打造便捷可达的绿地空间———即社区公园，成为最优的解决策略。
社区公园是指用地独立，具有基本的游憩和服务设施，主要为一定社区范围内居民就近开展日常休闲活动服务的绿地[4]。在当前的城市公园体系构建中，社区公园以其占地面积小、数量众多、服务便捷的特点，成为美国、日本等国家公园建设发展的主要力量。它们在城市公园布局和服务体系中扮演着举足轻重的角色，为市民提供了近距离接触自然、放松身心的场所。
2021年，中国住房和城乡建设部办公厅提出增加口袋公园、社区公园，建设分布均衡的公园体系，实现居民出行“300米见绿、500米见园”的目标。2022年杭州市政府年度十件民生实事之一是“新建成社区级公园60个”。2023年上海市提出：围绕15分钟社区生活圈，加强社区公园和口袋公园建设，导入更多文旅体优质资源，为市民提供更多无界融合、渗透贯通、优美宜人、便捷可达的绿色开放空间。目前北京、武汉、成都、杭州，广州、南京等城市都加大了社区公园建设的力度[5]。社区公园的蓬勃建设对其布局调控也提出了新要求，作为一种最贴近市民生活的游憩空间，应让具有不同社会背景的人群尽可能快捷方便地进入，尽可能公平地享有公共服务资源。
公园选址是一项复杂且涉及多方面目标的科学议题，仅仅从单一的视角出发，对某一层面的单因子要素进行优化是远远不够的。现阶段国内外对社区公园的选址进行了一定的研究，黎海波等[6]通过分析海量出租车的OD（上下车）记录数据，提出提高人口分布密度这一重要选址影响因素的精度，进而改进小山小湖社区公园的选址情况。俞祎晨等[7]基于镇区居民休闲行为对社区公园布局模式进行研究，针对不同类型社区公园的功能设置和设计布局提出思考和关注要点。
王冰倩等[8]以公园绿地覆盖居民最多和居民总出行成本最小分别作为公平性与便捷性目标，对社区公园和游园进行布局优化。杜伊[9]通过社区公共绿地空间绩效研究，评判已有的社区公共绿地布局在城市空间结构中的合理性，最终从地域、规划对象和规划指标3个方面讨论社区公共绿地的布局优化。根据以往的研究可以发现，社区公园被视为游憩服务提供者，城市居民则被视为游憩服务需求者，社区公园选址依据为人所提供的游憩服务而进行多目标优化。因此本研究从供需关系视角出发，对社区公园进行多目标选址优化。
目前，学界关于供需视角下公园绿地的选址研究主要聚焦于供给和需求2个方面[10-14]，如吴健生等[10]选择绿地服务半径表征公园绿地供给、选择居住区人口数据表征居民需求。时珍等[11]以公园绿地供给质量、供给效率与居民人口间的供需平衡及协同发展为目标导向，其中对公园绿地供给主要从质量、面积、数量、可达性等方面考虑[15-18]。牛爽等[19]在关注供给和需求的同时，将连接因素引入公园绿地配置公平性测度中。上述研究对供需视角下的公园空间选址作出了一定贡献，已建立了较完善的评价框架。社区公园具有面积小、功能多、分布散的特点[20]，布局及服务受到服务对象位置、规模、偏好及周边环境既有要素的共同影响，要素众多且作用方式各异[21-22]。Park[23]注意到公园绿地的多样性、其周边的环境状况以及居民对于前往公园的心理接受程度，是影响他们选择前往公园绿地的三大核心要素。
此外，根据其他相关研究显示，公园绿地作为城市重要的公共服务场所，其到访率与周边服务功能的丰富程度呈现出积极的正相关关系[24]。因此，在社区公园的选址优化中，借鉴上述研究，分两步对社区公园选址进行研究。一是从供给、连接、需求3个维度出发，进行适宜性评价，并结合相关规范的配建要求和土地利用规划，在适宜性评价较高的区域范围内划定候选公园位置；二是根据以上3个维度进行多目标优化模型构建，选取免疫算法进一步求解选址优化方案。
1材料
1.1研究区概况
本研究选取的上城区是浙江省杭州市的辖区，地处杭州城区中部偏南，是杭州市政治文化和经济中心，人口密度约13434人/km2。在2021年，原上城区与江干区合并，行政区域重划后，新的上城区不仅包含了中心城区，还涵盖了积极推进城市更新和产业升级的开发区，区域内土地利用复杂。近年来上城区通过有机更新，修建了多个社区公园，为周边居民提供休闲游憩的场所。本研究选取上城区行政街道作为研究空间单元，以便数据获取与分析。
1.2数据获取与处理
数据获取来源主要包括：①各行政街道区域面积来自《上城年鉴（2022）》[25]，上城区边界和行政街道划分的矢量数据利用GIS进行处理。②通过QGIS软件爬取OSM开放街道地图数据。③遥感影像数据来源于地理空间数据云网站。④社区公园矢量数据采集于百度API，栅格数据采集于googleearth并使用AI解译工具，基于影像提取绿地栅格范围。通过以上2个数据源并根据电子地图及百度AOI等数据，以目视解译法进一步优化该数据，得到研究范围内较为精准的公园矢量数据。⑤人口数据通过政府部门网站获得精确到各街道人口数据，并将人口数据投影至与居住用地和设施点统一的坐标系。通过Python编程语言抓取高德地图建筑数据，并对数据处理后分类统计居住区的建筑面积，然后根据居住建筑的面积分布，将人口按比例分配到各个居住栅格中，得到各个栅格的人口数量[26]。⑥通过百度地图上兴趣点（POI）数据抓取获得邻近服务设施数据。
2研究方法
2.1适宜性评价
社区公园绿地作为游憩服务的供给侧，其公园内部的生态环境是适宜性评价的主要影响要素。公园用地适宜性评价应考虑净化空气、改善小气候等公园的生态效益，因此选取空气污染等级、城市热岛效应、地表湿润度、污染源距离以及NDVI5个要素作为供给侧影响因素。居民作为社区公园游憩服务的核心需求方，其数量的多寡直接影响了对公园潜在需求的强弱，因此在空间布局中，深度剖析人口数量的合理分布是公园用地适宜性评价不可或缺的一环。
社区公园面积小的特点导致了其易受周边环境影响，因此在社区公园的用地适宜性评价上，除了考虑供需双方，还应该考虑连接供需双方的因子。据研究表明，在公园周边配备完善的服务设施，能提升其游憩服务品质，因此获取了零售、餐饮娱乐、公厕和停车场四类POI数据作点密度分析。公园绿地吸引力会影响人们到访公园的主观选择，相关研究表明周边公园之间存在着一定的邻地竞争[27]。社区公园就近服务的特点使得可达性也成为影响社区公园选址的一大影响要素。综上，研究选取邻近服务设施，邻近公园和公园可达性作为连接属性因子。
利用熵权法[28]对上述9个因子进行权重计算，采用极差标准化法处理原始数据，消除指标间不同量纲的影响。在ArcGIS平台下，按照熵权法计算的权重进行加权叠加得到公园选址适宜性评价图，公式如下：式中，IPLS为公园选址适宜性，i表示指标类型，pi为第i个指标的权重，Ui为第i个评价指标赋值。
2.2多目标优化模型构建
2.2.1免疫算法。免疫算法（immunealgorithm）是模拟生物免疫系统抗原抗体启发的一种新型计算方法[29]。处理具体算力时展现出快速的收敛速度和强大的全局优化能力，因此常被应用于解决空间选址与布局优化等相关问题。免疫优化算法具体实现步骤如下。
确定适应度函数：将多个目标函数综合起来形成一个适应度函数，然后根据适应度对所有方案进行排序。
初始化免疫种群：根据实际情况设定免疫种群的初始大小和初始参数。
克隆操作：根据适应度函数值，对当前免疫种群中的个体进行克隆操作，生成克隆数与适应度呈正比。
变异操作：对克隆产生的个体进行变异操作，增加个体的多样性。
选择操作：根据适应度函数值对克隆后的个体进行选择，保留最优个体作为下一代种群。
终止条件：根据实际情况，确定免疫算法的停止条件，如达到最大迭代次数或者最优解满足一定精度要求等。
2.2.2多目标优化模型。从适宜性评价结果来看，社区公园的选址涉及多种影响因素，需要全面考虑各要素之间的关联性。以供需平衡为视角，社区公园选址优化的核心在于为更多人提供优质的游憩服务，满足其日常的休闲需求，同时，居民步行可达性以及服务人口规模等因素，也在选址优化方案的选择中扮演重要角色。因此本模型从公园绿地服务效率最高、可达性最好2个目标出发。①最大化服务效率：即社区公园需尽可能最大限度满足每个人需求，要求根据现有公园的分布和人口对公园的需要情况来进行选址，避免不必要的过多的重复辐射区域而造成公园空置等情况的出现。②最大化可达性：包含了需求点最大化、可达性和邻近服务设施最大化2个方面，其中覆盖区域内的居民最大限度地接近社区公园，也就是人口前往社区公园的交通成本最小化和时间最小化。而随着相对距离的增加，人口会受交通成本和时间成本的影响而放弃该公园去寻求其他更近的公园。建立基于提升整体服务能力的布局优化模型，利用Matlab的免疫算法求解，得出社区公园绿地布局优化选址方案。
同时，满足以下约束条件：①服务范围不重叠（新选址设施两者之间距离≥1000m；新旧设施两者之间距离≥1000m）。②社区公园500m服务范围内，需求点由设施点提供服务，否则为0。
3结果与分析
3.1适宜性评价结果
通过便携式PM2.5测试仪，选取上城区内的20个样本点，实地检测各点的PM2.5含量（μg/m3），并取7d的平均值作为插值基础数据。利用GIS中的克里金空间插值技术，分析后使用不同的颜色或符号来表示不同浓度的PM2.5，从而直观地展示其空间分布情况，通过Jenks分级法分为5个等级[30]，并进行栅格数据的重分类（图1a）。城市热岛效应、地表湿润度和NDVI3个要素通过下载的Landsat8遥感影像数据，并进行辐射定标、大气校正等预处理后得到分析结果（图1b、图1c、图1d）。污染源数据来源于上城区环境监测名单，通过高德地图平台获取的POI位置数据经过清洗、坐标转换和整理，得到重点污染源18个（图1e）。通过ArcGIS和python处理得到人口密度，作为需求属性因子（图1f）。利用ArcGIS对连接属性因子中的邻近服务设施和邻近公园分布进行点密度计算（图1g、h），对上城区进行道路可达性计算（图1i）。
通过熵权法对9个因子进行权重赋予（表1），结果得到人口密度权重为0.227，是影响适宜性评价的主要因素，社区公园就近服务周边居民的特性也进一步论证了人口密度对社区公园适宜性评价的影响。其次，邻近服务设施分布权重为0.166，是影响适宜性评价的次要因素，说明连接属性因子对社区公园的建设具有重要影响。对9个因子中的正向因子和负向因子进行极差标准化处理，并进行加权叠加，最后得到社区公园适宜性评价（图2）。按照自然断点法对研究区进行适宜性划分，发现适宜性建设区域主要分布在东北部和西南部，适宜性呈现“四周高，中部低”的特征。大部分区域都与人口稠密地区毗邻，这类地区能够为居民增加更多的休憩空间，同时也为人们提供了更多交流的绿色空间环境。其中丁兰街道东北部、九堡街道的东南部、笕桥街道的西南部、四季青街道的西南部分以及采荷街道为主要适宜建设的区域。
通过目视解译以及实地走访，获取上城区内社区公园39个（图3）。由于口袋公园具备修补城市社区中公共绿地服务覆盖范围空缺的潜力，部分口袋公园在社区中也起到为居民提供游憩服务的作用，因此获取上城区内187个口袋公园（图4）一同做供需分析。对现状社区公园和口袋公园做缓冲区分析可得（图5），目前上城区社区公园虽服务了大部分居民点，但仍然存在部分服务盲区。东北部的丁兰街道和九堡街道中无论是社区公园绿地的数量还是口袋公园的数量都要略少于西南部的采荷街道和四季青街道，而丁兰街道和九堡街道的人口数量却远高于采荷和四季青街道，存在着供需错位的问题。
在此基础上，需要增加社区公园，利用ArcGIS的叠加分析功能，对区域内现状社区公园服务盲区与未开发的空置地块叠加，删除现状水系用地，并删除部分交通、商业、仓储、基本农田等用地，同时利用目视解译法对相关未开发闲置地块进一步筛选，得出初步候选公园可选区域。依据各街道居民点对社区公园的需求度，着重对无服务居民点以及需求度较高的居民点周边增加候选待建公园，最终对适宜建设的区域选取出68个社区公园待建候选地块（图6）。
在此基础上，需要增加社区公园，利用ArcGIS的叠加分析功能，对区域内现状社区公园服务盲区与未开发的空置地块叠加，删除现状水系用地，并删除部分交通、商业、仓储、基本农田等用地，同时利用目视解译法对相关未开发闲置地块进一步筛选，得出初步候选公园可选区域。依据各街道居民点对社区公园的需求度，着重对无服务居民点以及需求度较高的居民点周边增加候选待建公园，最终对适宜建设的区域选取出68个社区公园待建候选地块（图6）。
3.2多目标优化模型求解结果
本模型将公园服务效率最高、可达性最好设为目标，以服务范围不重叠为约束条件，建立基于免疫算法的布局优化模型在matlab中运行。在实验区内筛选出68个候选地块，这些地块构成了候选地块集合N，具体编号为1~68。同时识别576个需求居民点，它们组成了需求居民点集合，编号同样是从1~576。为了更加精准地优化选址，设定了算法的多个关键参数：种群规模sizepop设为50，记忆库种群规模overbest确定为10，最大迭代次数MAXGEN限制在100次。此外，交叉概率PCROSS设定为0.5，变异概率pmutation则设置为0.4，而多样性评价参数ps则被定为0.95。经免疫算法计算后共选出36个最优区位点（图7），其最优亲和度在第51代收敛（图8），表明免疫选址模型有较好的收敛速度。
为了体现本方法在均衡社区公园空间布局的优势，研究从以下2个方面展开讨论。①社区公园原有39个，通过免疫算法优化后新增36个，现共有75个社区公园，优化后社区公园结合现有口袋公园，服务范围覆盖度达到91%，基本覆盖居民点。优化前社区公园集中分布在研究区的左下部，其中九堡街道和丁兰街道内的社区公园数量远低于其他街道，与其人口数量不匹配。湖滨街道周边虽社区公园数量不多，但由于邻近西湖，在一定程度上为区域内居民提供了游憩服务。
公园选址点位增加在研究区域内东北部和西南部，其中九堡街道、丁兰街道和南星街道为重点增加的区域，与ArcGIS适宜建设的结果相符。②通过优化后的75个社区公园，使街道内居民点可达性基本均衡分布。在优化后，街道内部居民点的可达性表现出较高的均衡性，其中可达性等级处于一般和良好水平的占比总和约为89%。同时，经过调整，14个街道的平均可达性标准差显著下降，由原先的0.48降低至0.17，降幅高达64.58%，这一数据的变化清晰地反映了街道间可达性差异的大幅缩小，使得社区公园资源配置在原本薄弱的街道中得到了更为均衡的倾斜与平衡。
4结论与讨论
社区公园是城市居民进行户外休闲活动的关键场所，其在解决各类城市问题上具有无可替代的地位。本研究从供给、连接、需求3个维度出发，通过多目标优化选址模型，对研究区域内社区公园候选点的定量评价进行精细化处理，旨在提升选址方案的合理性，使最终优化结果更加符合实际需求，贴近实际状况。结果表明，免疫模型中通过匹配居民点和社区公园而进行选址和服务区划分，能够有效地解决社区公园布局与居民需求之间的错位问题，保证了人均指标反映的是实际的服务水平，最终布局使得一定步行范围内社区公园的服务人口在90%以上，居民到达最近社区的时间明显缩短，提升了规划布局的合理性。
在当前土地紧张、游憩需求日益增长的背景下，结合GIS空间分析与数据量化分析功能，以及基于智能算法的多目标优化选址模型，将成为应对复杂多变城市环境、优化公共绿地布局的关键手段。相较于传统的GIS空间分析法，基于免疫算法的多目标选址优化模型具备更为强大的功能，它不仅能够进行客观分析，更能通过智能算法筛选出更为合适的优化方案，从而有效弥补GIS软件在择优选择方面的不足。
