基于微博的城市公園游客來源時空分布研究

陳宏飛,張　玥,劉　廣,項　陽,孫九林，3

(1.陜西師范大學(xué) 旅游與環(huán)境學(xué)院，陜西 西安　710062;2.陜西師范大學(xué) 網(wǎng)絡(luò)信息中心，陜西 西安　710062;3.中國科學(xué)院 地理科學(xué)與資源研究所,北京　100101)

?

·環(huán)境科學(xué)·

基于微博的城市公園游客來源時空分布研究

陳宏飛1,張玥1,劉廣2,項陽1,孫九林1，3

(1.陜西師范大學(xué) 旅游與環(huán)境學(xué)院，陜西 西安710062;2.陜西師范大學(xué) 網(wǎng)絡(luò)信息中心，陜西 西安710062;3.中國科學(xué)院 地理科學(xué)與資源研究所,北京100101)

城市公園的服務(wù)范圍是有關(guān)城市公園研究的重要方面，以往主要從可達(dá)性方面進(jìn)行研究。文中以新浪微博數(shù)據(jù)作為樣本數(shù)據(jù),探討了不同距離游客到達(dá)公園游覽的時空分布規(guī)律。結(jié)果表明:在[0～10]km范圍內(nèi),絕大部分公園到訪游客隨居住地與公園的距離增加,人數(shù)呈指數(shù)遞減規(guī)律,總體上公園周邊[0～4) km范圍內(nèi)居民到達(dá)公園的比例最高,為65.84%,但個別公園因知名度、交通便利性等方面的影響并不完全符合以上規(guī)律。同時不同距離的游客在不同時段到達(dá)公園游覽的比例也有所差異。另外,文中利用新浪微博對城市公園服務(wù)范圍的問題進(jìn)行了探討,為城市公共設(shè)施對居民服務(wù)范圍問題的研究提供了新的研究視角。

微博;城市公園;游客;時空分布

目前我國處于城鎮(zhèn)化發(fā)展的高速時期,全國城鎮(zhèn)化水平在2012年達(dá)到了52.6%,已達(dá)發(fā)展中國家中等以上水平[1]。城市是以人為中心的“社會—經(jīng)濟(jì)—自然”復(fù)合生態(tài)系統(tǒng)[2-3]。城市公園綠色空間是城市自然系統(tǒng)的重要組成部分[4-5]。城市公園作為城市居民出行游憩的主要場所之一,它不僅具有為城市居民提供休閑娛樂場所的功能,同時又以其自然景觀元素承擔(dān)著凈化空氣,降低噪音,減少環(huán)境污染的生態(tài)功能,對促進(jìn)城市居民身心健康,建設(shè)可持續(xù)發(fā)展的和諧社會具有重要意義[6]。

近年來隨著城市空間規(guī)模的迅速擴(kuò)大,城市公共交通及私家車的大力發(fā)展,居民人均出行距離延長[7]。在此背景下,通過對城市公園游客來源時空分布進(jìn)行研究,可以合理地從時間和空間尺度了解城市公園綠色空間的游憩者流動規(guī)律和影響范圍。從而正確評價現(xiàn)有公園的空間分布是否合理,是否能滿足市民的需要和提供平等的休閑游憩機(jī)會。同時對未來城市公園選址、城市規(guī)劃和交通規(guī)劃具有重要的指導(dǎo)意義[6,8]。

早期的城市公園研究多關(guān)注單個公園或幾個典型公園,主要研究市民對公園的感知利用、結(jié)構(gòu)特征及其生態(tài)、經(jīng)濟(jì)和社會效益等方面[9-10]。目前學(xué)者除關(guān)注公園的數(shù)量和質(zhì)量外，往往更加關(guān)注能否方便快捷地進(jìn)入公園活動[11-13],從而研究公園可達(dá)性、服務(wù)半徑等有關(guān)公園服務(wù)范圍的問題。

可達(dá)性作為衡量包括城市公園綠地在內(nèi)的城市服務(wù)設(shè)施空間布局合理性的一個重要標(biāo)準(zhǔn)[14],在以往研究中學(xué)者多以公園作為研究主體,利用GIS相關(guān)技術(shù),通過緩沖區(qū)分析法(buffer zone)、最小臨近距離法(minimum distance)、出行成本法(travel cost)和引力指數(shù)法(gravity index)等[15]對公園輻射的城市區(qū)域進(jìn)行分析,進(jìn)而對公園的空間分布和服務(wù)狀況進(jìn)行評價。對于城市公園服務(wù)范圍的研究,主要是通過不同方法進(jìn)行可達(dá)性研究,每種方法各有優(yōu)缺點,但不同的方法基于不同的理論,對數(shù)據(jù)要求不同,反映了可達(dá)性的不同方面[6]。另外,在研究公園可達(dá)性問題過程中使用到的服務(wù)半徑大多來自城市公園規(guī)劃者,較少考慮到公園使用者的需求。收集公園使用者對城市公園服務(wù)半徑的感知信息對可達(dá)性計算中選擇合理最大服務(wù)半徑具有指導(dǎo)意義[16]。同時,雖然市民對公園的訪問頻率隨距離增加而降低現(xiàn)象已成為普遍接受的規(guī)律,但由于數(shù)據(jù)獲取相對困難等原因,很少有基于公園游憩者空間分布的真實距離衰減曲線的報道[17]。

社交媒體大數(shù)據(jù)的出現(xiàn),為這一問題的研究提供了可能。微博是近年來在國內(nèi)迅速發(fā)展起來的社交媒體之一,與國外的Twitter屬于同類型的社交媒體,在互聯(lián)網(wǎng)用戶中有較高的覆蓋人群,截止2014年12月,微博用戶規(guī)模為2.49億,網(wǎng)民使用率為38.4%[18]。微博不僅是一個公開的輿論平臺[19],同時由于用戶在微博中主要分享個人的日常生活、情感等并記錄了個人活動的時間、空間等有關(guān)信息,又被稱為生活日志(lifelogs)[20]。國外已有相關(guān)學(xué)者通過社交媒體大數(shù)據(jù)的手段對居民出行與城市設(shè)施之間的關(guān)系進(jìn)行了探討。Ryong Lee等通過對推特數(shù)據(jù)研究了城市人群的活動行為模式與所在區(qū)域和當(dāng)?shù)卦O(shè)施之間的關(guān)系[20]。Fujisaka T等利用微博數(shù)據(jù)對比研究了不同區(qū)域的不同用戶出行行為模式[21]。Ghosh D等利用Twitter數(shù)據(jù),研究發(fā)現(xiàn)討論肥胖的用戶分布與快餐店分布有較高的相關(guān)性[22]。因此,利用微博等社交媒體數(shù)據(jù)來挖掘反映居民的出行活動信息可能會成為居民行為相關(guān)研究的重要方向[23]。

本文借助社交媒體大數(shù)據(jù)手段,將微博信息作為樣本數(shù)據(jù),從中確定微博用戶的居住地,并以用戶在研究范圍公園內(nèi)發(fā)布微博視為用戶到達(dá)公園。通過用戶居住地與所到達(dá)公園的位置關(guān)系分析公園對游客的吸引力輻射范圍。將游客首次在公園內(nèi)發(fā)布微博視為到達(dá)公園的時間,結(jié)合居住地信息分析不同距離游客到達(dá)公園游憩的時空差異。

1　數(shù)據(jù)來源與研究方法

1.1數(shù)據(jù)來源

本研究將西安市長樂公園、兒童公園、曲江池遺址公園、革命公園、勞動公園、城市運動公園、豐慶公園、興慶公園、蓮湖公園、植物園、大唐芙蓉園、大明宮遺址公園12個公園作為研究對象。以國內(nèi)最大的社交媒體平臺——新浪微博作為數(shù)據(jù)來源,采用筆者所在研究團(tuán)隊開發(fā)的微博抓取系統(tǒng),通過API接口獲取了包括微博發(fā)布時間、微博內(nèi)容、用戶注冊地、經(jīng)緯度等屬性在內(nèi)的微博數(shù)據(jù),共獲取西安市2013年7月至2015年3月份的西安市新浪微博數(shù)據(jù)8 147 559條。本研究主要針對當(dāng)?shù)鼐用竦竭_(dá)公園游憩情況,因此通過用戶注冊地屬性僅篩選出注冊地為西安市的本地居民作為潛在公園游客。

1.2研究方法

1.2.1用戶篩選按照居民活動夜間一般主要集中在居住地附近的基本思路,通過設(shè)置篩選條件:用戶夜間23點至次日早上6點在1 km2范圍內(nèi)有5天以上發(fā)布微博的記錄,初步篩選出具有相對明確住所位置的用戶78 630人,對應(yīng)微博數(shù)1 048 576條,按照微博發(fā)布經(jīng)緯度對這些微博數(shù)據(jù)可視化處理,選擇出在研究區(qū)域12個公園發(fā)布過微博的用戶5 926人。進(jìn)一步對這些用戶在夜間(23點至次日早上6點)發(fā)布的微博進(jìn)行人工判讀,剔除所有微博內(nèi)容均沒有表達(dá)在家活動的用戶,如微博表達(dá)內(nèi)容為加班、夜間外出娛樂等用戶,剩余符合要求的用戶5 121人。

由于以用戶在公園范圍內(nèi)發(fā)布微博來確定用戶到達(dá)過某個公園,考慮到同一游客可能在一個公園發(fā)布多條微博,因此使用ArcGIS中的Dissolve分析工具按照用戶ID對同一用戶的微博進(jìn)行要素合并處理,并以最早的時間標(biāo)簽作為該用戶到達(dá)當(dāng)前公園的時間。

1.2.2用戶居住地確定用戶居住地確定利用夜間用戶發(fā)布微博的平均中心,平均中心是研究區(qū)域中所有要素的平均x坐標(biāo)和y坐標(biāo)。平均中心對于分析追蹤分布的變化,以及比較不同類型要素的分布非常有用[24]。

平均中心表示為:

(1)

其中xi和yi是要素i的坐標(biāo),n為要素總數(shù)。

1.2.3緩沖區(qū)分析緩沖區(qū)分析(Buffer)是對選中的一組或一類要素(點、線或面)按設(shè)定的距離條件,圍繞其要素而形成一定緩沖區(qū)多邊形實體,從而實現(xiàn)數(shù)據(jù)在二維空間得以擴(kuò)展的信息分析方法。

本文對研究區(qū)域的12個公園沿矢量多邊形以1 000 m為單位建立10級外緩沖區(qū),將到達(dá)過公園的游客居住地與建立的緩沖區(qū)進(jìn)行疊置分析,分別統(tǒng)計出每個公園每一級緩沖區(qū)內(nèi)用戶數(shù),從而探討游客來源在距離上的規(guī)律。

2　結(jié)果與分析

2.1到達(dá)公園不同距離游客來源總體分布

對到達(dá)所有公園不同距離的游客按1 km進(jìn)行統(tǒng)計(見表1)。結(jié)果表明，到達(dá)公園的游客比例隨距離增大而減少,城市公園對附近居民的吸引力明顯(圖1)。通過Origin8對游客比例與距離進(jìn)行非線性擬合,指數(shù)函數(shù)(式2)能較好地描述游客比例與距離的關(guān)系,R2為0.998 85,其他擬合參數(shù)見表2,說明游客比例隨距離呈指數(shù)遞減規(guī)律。

表1　不同距離游客到達(dá)公園比例

圖1　到達(dá)公園游客比例按距離變化趨勢圖Fig.1　Trends of proportion of tourists arrive at the park according to different distances

y=y0+A1e-x/t1+A2e-x/t2。

(2)

2.2每個公園游客來源空間分析

為探討每個具體城市公園對居民服務(wù)范圍的影響,將到達(dá)過研究區(qū)域12個公園的游客按照居住地距離公園直線距離的遠(yuǎn)近分為:[0～4)km近程游客、[4～7)km的中程游客和大于7km的遠(yuǎn)程游客,統(tǒng)計結(jié)果顯示,整體結(jié)果上65.84%的游客來自4km范圍內(nèi),25.4%的游客來自[4～7)km范圍內(nèi),8.76%游客來自7km以外。不同距離游客基本符合距離衰減原理。將每個公園的數(shù)據(jù)分別統(tǒng)計(圖2)。

表2　指數(shù)函數(shù)參數(shù)擬合結(jié)果

圖2　單個公園不同距離范圍游客所占比例Fig.2　Proportion of different distance range tourists of park

由圖2 可知,不同距離的游客到達(dá)公園的比例有所差異。具體分為3種情況:①長樂公園、兒童公園、革命公園、勞動公園、豐慶公園、興慶公園、蓮湖公園、植物園、大明宮遺址公園游客分布情況符合[0～4)km>[4～7)km>7 km以上的規(guī)律。長樂公園[0～4)km 游客所占比例最高,為96%,革命公園[0～4)km 游客所占比例最低,為50%。②曲江池遺址公園、大唐芙蓉園符合[4～7)km>[0～4)km>7 km以上的規(guī)律。其中曲江池遺址公園[4～7)km的游客比例高達(dá)45%,而[0～4)km 游客比例僅為37.5%;大唐芙蓉園[0～4)km和[4～7)km的游客比例分別為39.70%和40.20%,基本相當(dāng)。③城市運動公園符合[0～4)km>7 km以上>[4～7)km的規(guī)律。7 km以上游客比例高達(dá)34.6%,為12個研究對象在此范圍內(nèi)的最高值,[4～7)km范圍內(nèi)游客比例僅為8.1%,明顯低于7 km以上游客比例。

為了對城市運動公園的中程、遠(yuǎn)程游客來源情況進(jìn)行進(jìn)一步研究,將城市運動公園4 km以上游客居住地進(jìn)行可視化處理,通過核密度分析,結(jié)果如圖3。由圖可知,城市運動公園中程、遠(yuǎn)程游客主要集中在南北方向的長安路沿線及南二環(huán)沿線,以長安路方向為主要分布。

圖3　城市運動公園4km以上游客空間分布Fig.3　The space distribution of tourists distance from the Xi′an city sports park 4-kilometer

究其原因,大唐芙蓉園和曲江遺址公園為近年來西安市在曲江新區(qū)投資建設(shè)的兩個文化主題公園,緊鄰大雁塔景區(qū),在西安市享有極高的知名度,公園內(nèi)除仿唐皇家建筑群、水域外，還有豐富的文化展演、餐飲娛樂服務(wù),極高的知名度和多元化的娛樂服務(wù)使其對游客范圍的影響主要體現(xiàn)在[4～7)km內(nèi)。城市運動公園是亞洲首屈一指的以球類運動為主兼具休閑、游憩功能的生態(tài)型運動主題公園,在西安市具有較高的知名度。西安市地鐵二號線為西安市2011年開通的首條地鐵線路,橫貫西安市南北主干道——長安路,在城市運動公園設(shè)有一站,交通極為便利,因此,使得城市運動公園對于7km以上范圍游客到園比例在12個公園中最高。

綜上,絕大部分公園4km范圍以內(nèi)的近程游客到園比例最高,且[4～7)km的中程游客、7 km以上的遠(yuǎn)程游客隨距離呈遞減趨勢。但個別公園因受知名度、服務(wù)能力、交通便利性等方面因素影響并不完全符合以上規(guī)律。

2.3不同時段游客到達(dá)公園比例分布

按照游客游覽公園的基本規(guī)律,將研究時段按照上午、中午、下午和晚上4個時段。分別為第一時段7至10點;第二時段11至14點;第三時段15至18點及第四時段19至22點。對研究區(qū)域的12個公園按照4個時段進(jìn)行統(tǒng)計(表3)。由表3可知，總體上,4個時段游客比例最低，為第一時段17.5%;第三時段和第四時段比例基本相當(dāng),都為29%左右；第二時段為24.43%。從時段上符合早上游客人數(shù)最少、中午時段人數(shù)有所上升,下午和晚上人數(shù)較多的基本規(guī)律。58.07%的游客集中在第三和第四時段。但個別公園人數(shù)變化又有差異:曲江池遺址公園、植物園、大唐芙蓉園在第一時段游客人數(shù)比例遠(yuǎn)低于12個公園平均水平;大唐芙蓉園在第三時段游客人數(shù)比例遠(yuǎn)高于12個公園平均水平;勞動公園、城市運動公園在第三時段游客人數(shù)比例遠(yuǎn)低于12個公園平均水平;曲江池遺址公園在第四時段游客人數(shù)比例遠(yuǎn)高于12個公園平均水平。

表3　各個公園游客時間分布

2.4不同時段對不同距離游客影響分析

圖4　不同距離游客比例隨時段變化情況Fig.4　The changes of proportion of tourists from different distances with time period

將不同時段對應(yīng)不同距離的游客按比例統(tǒng)計(圖4),結(jié)果表明:[0～4)km的游客在第一、四時段比例較高、在第三時段比例較低,其中第四時段占當(dāng)前時段游客比例最高,尤其從第三時段到第四時段游客比例變化較為劇烈;[4～7)km游客在第三時段比例較高,在第一、四時段比例較低,第四時段比例最低;7 km以上的游客在第二時段比例最高,在第四時段比例最低,游客人數(shù)占當(dāng)前時段所有游客人數(shù)比例隨時段變化較平緩。

說明在公園附近的居民在早上和晚上較多到達(dá)公園,城市公園為附近居民提供了早上晨練和晚上消遣的服務(wù)功能。中程游客在下午時段較多的到達(dá)公園,為居民的短時游園提供了場所。而遠(yuǎn)程游客在上午時段較多的達(dá)到公園,時段變化平緩,說明遠(yuǎn)程游客較早到達(dá)公園游覽,由于居住地距公園較遠(yuǎn),在晚上時段以離園返回為主。

3　結(jié)果與討論

本文通過將微博數(shù)據(jù)作為樣本數(shù)據(jù)的方法,在確定用戶居住地的基礎(chǔ)上,利用用戶在公園內(nèi)的微博簽到數(shù)據(jù)研究了西安市12個城市公園本地居民游客到園率的時空分布,結(jié)果表明:① 整體上,在[0～10]km的范圍內(nèi),本地游客到達(dá)公園比例隨居住地與公園的距離呈指數(shù)遞減規(guī)律,距離公園[0～4)km范圍內(nèi)的近程游客到達(dá)公園比例最高,為65.84%。雖然大部分公園符合以上規(guī)律,但個別公園因知名度、交通便利性等因素不完全滿足以上規(guī)律。在本文研究的12個公園中,曲江池遺址公園和大唐芙蓉園游客到達(dá)公園的比例符合[4～7)km>[0～4)km>7 km以上的規(guī)律;城市運動公園游客到達(dá)公園的比例符合[0～4)km>7 km以上>[4～7)km的規(guī)律。② 不同時間段內(nèi),游客到達(dá)公園的比例也有不同。其中15點至18點的下午時段和19點至22點的晚上時段游客到達(dá)比例明顯高于早上時段和中午時段。③ 距離公園不同范圍內(nèi)的游客在不同時段到達(dá)公園的比例也有所變化。[0～4)km范圍內(nèi)的近程游客在早上時段和晚上時段到達(dá)公園的比例高于中午時段和下午時段;[4～7)km范圍內(nèi)的中程游客在下午時段到達(dá)公園的比例高于其他3個時段;7 km以上范圍內(nèi)的遠(yuǎn)程游客在中午時段到達(dá)公園的比例高于其他3個時段。

本文從社交媒體大數(shù)據(jù)的角度,以新浪微博作為樣本數(shù)據(jù)來源,為在較大范圍內(nèi)研究多個公園對城市居民的服務(wù)范圍影響提供了可能,相對傳統(tǒng)問卷調(diào)查的手段,在數(shù)據(jù)調(diào)查的方便性和準(zhǔn)確性上有了一定的改善。但由于大數(shù)據(jù)本身具有的稀疏性特點,在數(shù)據(jù)篩選過程中較為困難,同時由于微博數(shù)據(jù)中缺少年齡、職業(yè)等個人信息,無法進(jìn)一步研究不同人群到達(dá)公園的差異。以上問題在后續(xù)研究中可通過相關(guān)大數(shù)據(jù)處理方法進(jìn)一步完善。

[1]姚士謀, 陸大道, 王成新. 我國新型城鎮(zhèn)化的若干策略問題探討[J]. 現(xiàn)代城市, 2014, 19(4):5-10.

[2]同麗嘎, 寧小莉, 張靖. 基于RS與GIS的包頭市城市公園綠地休閑游憩服務(wù)半徑研究[J]. 干旱區(qū)資源與環(huán)境, 2013, 27(3):202-208.

[3]李雪銘, 常靜, 劉敬華，等. 城市綠地系統(tǒng)對經(jīng)濟(jì)發(fā)展提升作用的機(jī)制——與大連市實證研究[J]. 干旱區(qū)資源與環(huán)境, 2002, 16(3):17-23.

[4]王如松.轉(zhuǎn)型期城市生態(tài)學(xué)前沿研究進(jìn)展[J].生態(tài)學(xué)報,2000,20(5):830-840.

[5]尹海偉, 孔繁花. 濟(jì)南市城市綠地時空梯度分析[J]. 生態(tài)學(xué)報, 2005, 25(11):3010-3018.

[6]劉常富, 李小馬, 韓東. 城市公園可達(dá)性研究——方法與關(guān)鍵問題[J]. 生態(tài)學(xué)報, 2010, 30(19):5381-5390.

[7]邢蘭芹, 曹明明. 西安城市綠色交通問題研究[J]. 西北大學(xué)學(xué)報(自然科學(xué)版), 2012, 42(2):313-317.

[8]鄭柳青. 成都市城市居民的游憩活動空間研究[J]. 特區(qū)經(jīng)濟(jì), 2011(8):140-142.

[9]Arnberger A. Recreation use of urban forests: An inter-area comparison[J]. Urban Forestry & Urban Greening, 2006, 4(3): 135-144.

[10] JIM C Y, CHEN W Y. Perception and attitude of residents toward urban green spaces in Guangzhou (China)[J]. Environmental Management, 2006, 38(3): 338-349.

[11] NEUVONEN M, SIEVNEN T, T?NNES S, et al. Access to green areas and the frequency of visits-A case study in Helsinki[J].Urban forestry & Urban Greening, 2007, 6(4): 235-247.

[12] ERKIP F B. The distribution of urban public services: the case of parks and recreational services in Ankara[J]. Cities, 1997, 14(6): 353-361.

[13] LO S M, YIU C Y, LO A. An analysis of attributes affecting urban open space design and their environmental implications[J]. Management of Environmental Quality: An International Journal, 2003, 14(5): 604-614.

[14] 尹海偉, 孔繁花, 宗躍光. 城市綠地可達(dá)性與公平性評價[J]. 生態(tài)學(xué)報, 2008, 28(7):3375-3383.

[15] 陳秋曉, 萬麗, 楊威. 基于出行距離評價城市公園綠地的可達(dá)性——以樂清市為例[J]. 浙江大學(xué)學(xué)報(理學(xué)版), 2014,41(3):348-352.

[16] NEUVONEN M, SIEVNEN T, T?NNES S, et al. Access to green areas and the frequency of visits-a case study in helsinki[J]. Urban Forestry & Urban Greening, 2007, 6(4): 235-247.

[17] ODE ?, FRY G. A model for quantifying and predicting urban pressure on woodland[J]. Landscape and Urban Planning, 2006, 77(1): 17-27.

[18] CNNIC.第35次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告 [R]. 2015.2.

[19] 張羽, 侯逸君. 微博中農(nóng)民話語權(quán)缺失現(xiàn)象分析——以關(guān)中農(nóng)村地區(qū)微博新聞使用情況調(diào)查為例[J]. 西北大學(xué)學(xué)報(哲學(xué)社會科學(xué)版)，2013, 43(1):147-151.

[20] LEE R, WAKAMIYA S, SUMIYA K. Urban area characterization based on crowd behavioral lifelogs over Twitter [J]. Personal and Ubiquitous Computing, 2013, 17(4): 605-620.

[21] FUJISAKA T, LEE R, SUMIYA K. Discovery of user behavior patterns from geo-tagged micro-blogs[C]//Proceedings of the 4th International Conference on Uniquitous Information Management and Communication. New York:ACM, 2010: 36.

[22] GHOSH D, GUHAB R. What are w′tweeting′ about obesity? Mapping tweets with topic modeling and Geographic Information [J]. Cartography and Geographic Information Science, 2013, 40(2):90-102.

[23] 秦蕭，甄峰，熊麗芳，等. 大數(shù)據(jù)時代城市時空行為研究方法 [J]. 地理科學(xué)進(jìn)展, 2013, 32(9): 1352-1361.

[24] ANDY M. ESRI GIS分析手冊[M].2卷.Californria：ESRI出版社,2005.

(編輯徐象平)

The temporal and spatial distribution of urban park tourists sources based on microblog

CHEN Hong-fei1, ZHANG Yue1, LIU Guang2, XIANG Yang1, SUN Jiu-lin1,3

(1.Tourism and Environment college, Shaanxi Normal University, Xi′an 710119, China;2.Network Information Center, Shaanxi Normal University, Xi′an 710119, China;3 Institute of Geographical Science and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101， China)

The scope of city park services is an important aspect of the study on urban park. Mainly researched on the aspects of accessibility in the past. In this paper, Sina microblog data as sample data and in the basis of determining users residence, time-space distribution rule of tourists from different distance to visit park was discussed. It turned out that the vast majority of park visitors shows exponential declining rule with the increasing distance between residence and park in the context of [0～10]km, and on the whole, residents that are[0～4)km from park have the highest proportion(65.84%) which get to the park. But because of the impact of visibility, convenient transportation and other aspects, individual park does not fully comply with the above law. At the same time, the proportion of tourists arrive at different times in different distance is also different. In addition, in this paper, using Sina Microblog, the issues of urban park service range were discussed, which provides a new perspective to the research on scope of residents services.

Micro-blog; urban park; tourists; temporal and spatial distribution

2015-03-13

國家自然科學(xué)基金資助項目(41001077);陜西師范大學(xué)院士創(chuàng)新基金資助項目(999521)

陳宏飛，男，陜西岐山人，博士生，從事社交媒體大數(shù)據(jù)研究。

孫九林，男，江蘇鹽城人，研究員，中國工程院院士，從事資源信息研究。

TU986

A

10.16152/j.cnki.xdxbzr.2016-02-024