社區(qū)綠地空間績效測度方法優(yōu)化研究*
——基于供需雙向關系的空間模擬分析

劉 澤，邱寧寧

引言

城市綠地不僅是城市景觀與生態(tài)系統(tǒng)服務的重要組成，也是承載居民公共生活功能的空間資源。如何公平和效率地供給空間資源、最大限度地發(fā)揮城市綠地的服務效能一直是綠地規(guī)劃探索的重要目標之一。其中“空間績效”作為描述用地或設施的服務能力與服務對象在空間層面匹配關系的測度概念，自20 世紀末引入到我國規(guī)劃領域以來便被學界廣泛探討，并應用于城市綠地布局規(guī)劃研究。根據(jù)我國《城市綠地分類標準(CJJ/T85-2017)》 中關于公園綠地功能的定義1），面向公眾的游憩功能是城市綠地的主要服務屬性，即為綠地空間績效中用地服務能力的核心測度內容。由此綠地空間績效可定義為是對城市中公園綠地空間布局與其游憩服務功能效應間合理程度的描述與衡量。

伴隨著城市不同發(fā)展時期，圍繞綠地空間績效內涵的分析也經(jīng)歷了從地域平等到社會公平再到社會正義等不同發(fā)展階段。如今隨著我國城市規(guī)劃向著以存量為主的集約高效方式轉變，城市治理重心逐漸向社區(qū)下沉。規(guī)劃尺度的收縮也為綠地空間績效測度研究提供了新的視角[1]。因此，探索構建面向社區(qū)尺度的空間績效評測方法，使其能有效展現(xiàn)適應該尺度的評測效果與技術特點，是實現(xiàn)以人為本理念下城市綠地布局優(yōu)化的重要手段，也是推進城市精細化管理的重要途徑。

1 空間績效測度研究的現(xiàn)狀及問題

從綠地空間績效測度研究的發(fā)展來看，針對城市宏觀尺度開展公園綠地布局合理性分析的研究已較為成熟。早先高峻[2]等學者采用綠地面積指標對上海市各區(qū)域間綠地景觀格局差異化問題展開研究；之后伴隨地理空間分析技術的發(fā)展，測度方法與指標類型也逐漸豐富。如肖華斌[3]采用空間可達性等評價指標對廣州市四個城區(qū)的綠地空間進行實證研究；唐子來[4]等用公園綠地有效服務面積表征其服務水平，提出基于基尼系數(shù)和洛倫茲曲線的測度方法，并對上海市公共綠地的社會公平績效展開評測；尹海偉[5]等通過采用空間重疊的分析方法，實現(xiàn)綠地可達性與居民需求指數(shù)等復合條件下對公園布局的空間公平性測度。其中周聰惠[6]學者對空間績效的內涵與方法的綜述中提出系統(tǒng)績效的概念，用以衡量特定系統(tǒng)層級（國家、地區(qū)、城市等）下公園綠地作為功能整體的績效水平。由此可見對于宏觀尺度下空間績效的研究突出了綠地布局對城市整體結構均衡性的影響作用。

另一方面，隨著數(shù)據(jù)采集技術與大數(shù)據(jù)應用的成熟，數(shù)據(jù)粒度更為精細，以城市街區(qū)等更小尺度為對象的績效測度研究逐步得到發(fā)展。如江海燕[7]采用可達性與居民社會經(jīng)濟地位指標相結合的方法，探討了公園綠地服務水平在街道尺度的空間差異特征及其社會公平性問題。在此基礎上，2010 年前后，以社區(qū)為統(tǒng)計單元，圍繞綠地服務功能與不同社會群體分布匹配關系的績效測度研究開始起步。如楊碩冰[8]采用問卷調查獲取居民的公園游憩偏好，揭示出社區(qū)居民對公園游憩需求及偏好在職業(yè)層面的分異特征；邱明[9]提出以公園綠地服務消費頻次作為衡量服務供給與需求水平的指標，提出面向不同年齡社區(qū)生活圈特征的綠地服務供需關系評估方法；杜伊[10]基于熵值法分析發(fā)現(xiàn)上海社區(qū)公園綠地存在局部地區(qū)供給不足與供需錯位等問題。由此可見，相較于宏觀尺度的績效測度重點，測度尺度的收縮體現(xiàn)了學界對于綠地服務對象特征差異化的關注，以及綠地規(guī)劃對于“以人為本”的價值訴求。

綜合上述不同尺度下綠地空間績效測度研究可以發(fā)現(xiàn)，目前測度方法的構建邏輯多是通過整合分析綠地服務空間范圍內用地布局、道路結構、人口分布等信息，對其潛在的綠地功能運行狀態(tài)（如覆蓋率、可達性）進行推導和預測，即涵蓋綠地服務的供給與需求兩個方面。根據(jù)綠地供需兩端的評測內容，可將目前典型的績效測度方法分為關注“容量”[11，12]與關注“機會”[13-17]的兩種類型（表1）。

表1 綠地空間績效測度方法比較

通過對兩類方法的測度信息進行比較可以發(fā)現(xiàn)，雖然不同方法的評測視角相互區(qū)別，但不同尺度下的測度內容卻存在一定共性。如以服務人口或面積為評測核心關注綠地服務“容量”的測度方法中，空間覆蓋率、人口覆蓋率等城市微觀尺度下的測度指標及其算法，可以看作是城市宏觀尺度下測度思路與評測要素（如地區(qū)人口）向微觀尺度（如社區(qū)人口）的轉化，而未能體現(xiàn)該尺度自身差異化的特征。另一方面，兩類方法涵蓋了供給端（綠地）與需求端（居住地）兩種評測對象，本是耦合關系但在評測過程中兩種對象的測度因素往往相互獨立。如以可達性指標評測需求端空間績效時，常會忽略供給端（綠地）服務能力的差異性；反之以供給端（綠地）為對象測度其服務規(guī)模時，則缺少對居住地可達能力的考慮。由此，不同尺度下綠地空間績效測度內容的無差別及供需兩端測度標準上的不統(tǒng)一導致了空間績效測度方法在面向社區(qū)尺度應用的過程中出現(xiàn)了概念泛化、標準混淆、指向不清等問題。特別是伴隨空間尺度收縮與空間服務對象的聚焦，社區(qū)空間績效的優(yōu)劣更易受綠地個體層面績效的影響，直接轉化或應用城市其他尺度的測度思路則弱化了綠地服務水平與居民行為需求間的相互影響作用，致使評測結果與現(xiàn)實狀況差距較大，難以適用于微觀尺度下綠地規(guī)劃對空間精細化布局要求。

因此，本文圍繞社區(qū)尺度下綠地空間績效的測度內涵，以綠地供需間的雙向關系及其要素特征為核心，重點探討面向微觀尺度的測度方法優(yōu)化思路與評測效果，以期真實、準確地反映社區(qū)尺度下綠地服務效率的分布狀況，為社區(qū)規(guī)劃與治理工作提供可靠的決策依據(jù)。

2 測度方法的優(yōu)化

2.1 優(yōu)化思路

社區(qū)作為城市微觀尺度下最小的社會空間單元，綠地供需兩端個體層面的特征較宏觀尺度將更加顯著，因此在這個尺度下空間績效的測度內涵本質上是探討綠地服務能力與居民利用能力間的雙向關系，即體現(xiàn)差異化供需間的平衡。這個過程可以轉化為多目標決策問題?；谠擃悊栴}的求解思路與下述幾點考慮，本研究提出以空間網(wǎng)絡為原型，融入多智能體模擬2）的測度優(yōu)化方法。該方法在考慮需求端中居民出行能力與選擇偏好因素，供給端中綠地規(guī)模與吸引力因素等條件下，可實現(xiàn)對居民綠地利用行為的空間模擬。最終通過輸出供給端（社區(qū)綠地）潛在的活動發(fā)生概率與需求端（居住點）滯留概率等指標，構建綠地空間績效的測度體系。

（1）從空間績效的評測對象來看，本文所研究的社區(qū)綠地指城市建設用地范圍內面積規(guī)模較小，有一定休憩功能，主要為居民就近開展日常休閑活動服務的綠地，即《城市綠地分類標準（CJJ/T85-2017）》中社區(qū)公園（G12）、游園（G14）與居住用地附屬綠地（RG）。該類綠地作為與居民日常生活最密切、使用頻率最高的綠地類型，通過建立統(tǒng)一的模型體系融合供需兩端的測度內容，可更好地反饋城市微觀尺度下空間績效評測中供需兩端的相互影響機制，如綠地的服務范圍不僅受限于空間距離，也與居民的需求特征和行為能力相關。

（2）從現(xiàn)有評測方法的適用特點來看，傳統(tǒng)空間網(wǎng)絡模型的應用多基于距離，拓撲關系等空間數(shù)據(jù)進行可達性、服務范圍等分析，適用于精細化評測場景。在此基礎上，通過采用多智能體模擬引入人本行為特征數(shù)據(jù)，可進一步實現(xiàn)對微觀層面居民行為決策復雜性因素的有效反饋。

（3）從方法構建的技術需求來看，空間網(wǎng)絡模型與多智能體模擬分析具有較好的系統(tǒng)層兼容性，利于多源數(shù)據(jù)的轉化與疊合分析。

2.2 優(yōu)化內容

2.2.1 基于供給端的優(yōu)化

杉山武美[18]、侯韞婧[19]等學者的研究指出，綠地內的活動設施、場地條件等空間構成要素能夠綜合影響居民到訪綠地的主觀選擇。這也導致同一社區(qū)內，不同綠地在可達距離相近的情況下利用狀況卻形成了內在差別。針對這一特征，優(yōu)化方法中引入了綠地空間吸引力的概念，通過計算不同空間吸引力的大小可有效辨析綠地空間要素對居民利用選擇的影響作用。社區(qū)綠地吸引力公式為：

其中，a 為某一綠地的吸引力；x 為居民對綠地環(huán)境要素的需求滿足度，由實地調研與問卷調查獲取；k 為各要素對居民需求影響的權重，可通過AHP 法等計算得出；n 為綠地環(huán)境要素的個數(shù)。

另一方面，綠地的空間規(guī)模在一定程度上可以反映其供給能力的上限。根據(jù)本研究預調研結果顯示，超過60%的居民在發(fā)現(xiàn)所選綠地中利用人數(shù)過多（綠地空間供給臨近上限）后，會做出二次決策行為，即選擇到鄰近的其他綠地進行活動。這個現(xiàn)象也解釋了小區(qū)中場地條件較好的綠地對居民利用所產(chǎn)生的集聚效應，以及對周邊綠地帶來的溢出效應[20]。因此，本研究將空間規(guī)模作為體現(xiàn)綠地吸引力因素的同時，也考慮到其對居民活動的限制作用，并在模型中設定了各綠地的“規(guī)模閾值”以表示其空間可容納人數(shù)的上限。當居民活動人數(shù)達到規(guī)模閾值后，后續(xù)到達該綠地的居民將概率性做出二次決策行為。

2.2.2 基于需求端的優(yōu)化

為了在模擬過程中反映居民對社區(qū)綠地的選擇偏好特征，優(yōu)化方法采用Huff 模型對居民主觀選擇概率進行計算。Huff 模型是由美國David Huff 教授提出，用于計算某服務設施的吸引力與研究區(qū)域內同類所有設施吸引力之和的比值。其公式為：

公式中Pf為居民到綠地f 的出行選擇概率，af為綠地f 對居民行為選擇的吸引力，根據(jù)公式（1）計算得出；dif為起始點i 與綠地f 之間的最短路徑距離；β 為距離衰減系數(shù)，通常取值1-2[21]，本研究根據(jù)研究尺度取值為1；k 為出行距離閾值范圍內的綠地個數(shù)。

此外，供需兩點間的距離既是影響居民對綠地選擇概率的重要因素，也反映了居民的出行能力，是綠地可達性測度的重要根據(jù)[22]。尤其是社區(qū)尺度下居民個體差異必然導致其可達距離具有一定不確定性。因此優(yōu)化方法中引入了距離閾值的概念表示居民至目標綠地一次性移動的最大距離，并采用概率分布的方式進行量化表達。多智能體模擬過程中可根據(jù)實地調研采集到的居民移動距離和行為特征數(shù)據(jù)，對不同距離閾值的發(fā)生概率與行動規(guī)則進行設置，從而更精細化地體現(xiàn)居民出行能力對綠地空間績效的影響機制。

2.3 評測流程

應用優(yōu)化方法進行綠地空間績效評測的流程如圖1所示，可分為網(wǎng)絡模型構建、多智能體模擬與測度指標輸出三個步驟：

圖1 綠地空間績效優(yōu)化方法評測流程圖

2.3.1 網(wǎng)絡模型構建

如圖2 所示，優(yōu)化方法首先根據(jù)社區(qū)尺度下綠地供需兩端的空間結構建立網(wǎng)絡模型。其中，道路被轉化為網(wǎng)絡邊線，道路交匯點、社區(qū)綠地、住宅樓被轉化為網(wǎng)絡節(jié)點，根據(jù)點、線的連接關系建立矩陣。網(wǎng)絡模型中設定住宅樓為綠地服務的需求端，即起始點，包含出行概率、人口數(shù)量等信息；設定社區(qū)綠地為供給端，即目的點，包含空間承載能力等信息。邊線為供需兩端間的連接路徑，包含長度等信息。

圖2 空間網(wǎng)絡模型及要素信息

2.3.2 多智能體模擬

評測模型根據(jù)空間網(wǎng)絡結構與供需兩端的特征數(shù)據(jù)，依次模擬居民由起始點（住宅樓）至目的點（社區(qū)綠地）的行為過程。以起始點i 為例，模型根據(jù)概率數(shù)值判斷本次模擬的出行距離閾值及其范圍內是否存在目的地點。如圖3 所示，模擬過程包含兩種情景。

圖3 多智能體模擬流程圖

智能體模擬將遍歷網(wǎng)絡模型中全部起始點，直至所有起始點的“出行人數(shù)”為0，則本輪模擬結束，模型對各起始點累計的“滯留人數(shù)”與各目的點累計的“活動發(fā)生量”進行統(tǒng)計?？紤]到每輪多智能體模擬的結果是基于單次概率判斷的集合，因此本研究根據(jù)大數(shù)定理，最終的輸出結果將匯總10 萬輪以上的模擬情況，對各起始點“滯留人數(shù)”、目的點“活動發(fā)生量”求取平均值，公式如下：

式3 中，pta為各目的點活動范圍內的活動發(fā)生量（本研究以500m 作為服務范圍），pa為每輪模擬各目的點到達人數(shù)，m 為模擬輪數(shù)。式4 中，pts為各出發(fā)點的滯留人數(shù)，ps為每輪模擬各出發(fā)點滯留人數(shù)。

2.3.3 測度指標輸出

基于現(xiàn)有綠地空間績效評測中“容量”與“機會”兩個測度視角，本優(yōu)化方法著眼于績效中供需兩類評測對象，根據(jù)多智能體模擬中起始點“滯留人數(shù)”及目的點“活動發(fā)生量”，分別構建適宜社區(qū)等城市微觀尺度的空間績效指標。

（1）以綠地服務“容量”為測度視角的優(yōu)化指標：

C 為社區(qū)整體層面的綠地服務人口覆蓋率，p 為社區(qū)總人口。

（2）以綠地服務“機會”為測度視角的優(yōu)化指標：

Ai為單體層面各出發(fā)點住宅樓的可達性，pi為各出發(fā)點總人口數(shù)，Cv為社區(qū)整體層面的出發(fā)點可達性分布狀況，N 為出發(fā)點個數(shù)。

3 實證分析

北京市是我國典型的人口聚集型中心城市之一。自2021 年北京市朝陽區(qū)入選我國首批30 個城市一刻鐘便民生活圈試點地區(qū)以來，社區(qū)尺度下的生活設施配置與功能服務水平提升已成為該地區(qū)城市更新的關鍵內容。因此本研究以北京市朝陽區(qū)為例，在研究綠地空間績效評測方面具有一定現(xiàn)實與典型意義。目前朝陽區(qū)有110個社區(qū)，多以居住區(qū)為管理單元進行劃設。本研究綜合社區(qū)規(guī)模、人口數(shù)量、空間布局形態(tài)等影響社區(qū)綠地空間配置的類型因素，通過分層隨機抽樣的方式選取3 個具有代表性的社區(qū)為實證對象，社區(qū)信息如表2 所示。

表2 實證對象社區(qū)信息

3.1 數(shù)據(jù)來源

3.1.1 空間參數(shù)的采集與設定

研究首先基于1 ∶500 的數(shù)字地圖對社區(qū)住宅樓、道路等空間信息進行識別，并以住宅樓為起點根據(jù)居民日常出行距離劃定其15min 的基本活動圈域；其次，結合《城市綠地分類標準（CJJ/T85-2017）》、《城市居住區(qū)規(guī)劃設計標準(GB50180-2018)》等文件中關于社區(qū)公園、游園、居住用地附屬綠地的規(guī)模、配置條件等要求，對居民日常活動圈域內的社區(qū)綠地進行初步識別；在此基礎上，研究團隊于2022 年6 月實施現(xiàn)場校核工作，根據(jù)綠地所具備的可進入性、休憩及活動功能對初步識別的社區(qū)綠地進行二次篩查，從而確定本研究的測度對象（圖4）；同時結合現(xiàn)場校核對社區(qū)住宅樓居民數(shù)量、綠地空間要素、居民步行距離等數(shù)據(jù)進行采集，用于多智能體模擬的參數(shù)設置。

圖4 研究對象識別示意圖

其中步行距離閾值是基于GPS 路徑追蹤技術，根據(jù)居民至綠地出行距離的記錄結果所設定。如圖5 所示，步行距離在500～800m 范圍的居民占34.05%，處于占比峰值，由此可推定多數(shù)居民可接受的步行距離集中在10min 左右，并呈現(xiàn)一定正態(tài)分布特征。此外關于綠地規(guī)模閾值的參數(shù)設置，本研究參考郭微[23，24]等學者的研究論述以人均綠地面積作為推定標準，根據(jù)《城市居住區(qū)規(guī)劃設計標準(GB50180-2018)》中公共綠地控制指標3），按照人均綠地面積1.0m2/人對各綠地可容納人數(shù)的上限進行計算4）。

圖5 居民出行距離閾值概率分布

3.1.2 綠地吸引力數(shù)據(jù)

研究采用問卷調查的方式獲取居民對綠地要素的需求數(shù)據(jù)，以此計算各綠地的吸引力及居民的選擇概率。問卷于2022 年6 月發(fā)放，包含受訪者基本信息、綠地空間要素需求排序表與滿意度量表3 個部分。研究根據(jù)已有文獻對居民社區(qū)活動需求的梳理[25，26]，從場地條件、景觀品質、設施支持水平等3 個層面，提取綠地空間要素22 個變量。需求排序表由受訪居民根據(jù)對各變量的需求程度進行評分，吸引力越高對應排序越靠前。滿意度量表用于測度居民對社區(qū)目前已有綠地空間要素的滿意程度，評價方式采用李克特7 級量表形式，根據(jù)居民滿意度等級進行打分，滿意度越高對應分值越高。

表3 社區(qū)綠地空間要素及權重

問卷共回收1038 份，清除無效數(shù)據(jù)，共獲有效樣本981 份，有效率為94.5%，滿足抽樣的必要樣本容量。為有效把握哪類綠地空間要素對居民利用意愿發(fā)揮主導影響作用，研究采用AHP 層次分析法5）對各類要素進行賦權和排序。計算結果（表3）作為吸引力公式（公式1）中各要素對居民需求的影響權重（k）進行賦值。此外，研究根據(jù)滿意度量結果，求取居民對綠地中各類要素滿意度評價的平均值，標準化處理后作為吸引力公式中居民對綠地環(huán)境要素的滿足度數(shù)據(jù)（x），由此算出網(wǎng)絡模型中各綠地節(jié)點對居民的吸引力，及居民主觀選擇概率。

3.2 測度結果

應用優(yōu)化后的方法對三個社區(qū)綠地空間績效進行評測，結果如圖6所示。首先基于空間績效中綠地服務“容量”的視角，從社區(qū)綠地500m服務范圍的服務覆蓋人口來看，受綠地個體規(guī)模容量的限制，超過75%的綠地可服務人口占社區(qū)總人口的比率低于10%。從社區(qū)整體的空間績效結果來看，結果如表4 所示，實證研究中3 個社區(qū)的綠地服務能力均無法覆蓋全部社區(qū)人口，其中C 社區(qū)的綠地服務人口占比最大，社區(qū)綠地可滿足85.2%的居民利用。

圖6 社區(qū)綠地空間績效評測結果

表4 基于綠地服務“容量”視角的空間績效評測結果

其次，從空間績效中綠地服務“機會”的視角來看（表5），起始點個體的可達性結果最大值為1 說明該住宅樓到綠地的可達性最好，100%的居民能夠獲取符合需求的綠地資源。而整體層面的變異系數(shù)指標代表了社區(qū)所有住宅樓可達性的分布狀態(tài)，由此可判斷社區(qū)綠地服務的均衡性水平。其中B 社區(qū)的數(shù)值最大（58.5%），由此說明B 社區(qū)內住宅樓之間存在較為明顯的可達性分異現(xiàn)象，綠地空間布局與居民獲取社區(qū)綠地服務的“機會”并不匹配。

3.3 測度方法比較

為進一步辨析社區(qū)尺度下供需間雙向關系及其特征要素對綠地空間績效的影響作用，本研究分別選取綠地服務“容量”和“機會”兩類視角下的傳統(tǒng)測度方法與優(yōu)化方法的結果進行比較分析。

基于綠地服務“容量”的測度視角，研究采用緩沖區(qū)法對綠地服務人口進行測算。結果如表4 所示，因緩沖區(qū)法不考慮居民對綠地的選擇概率，即綠地500m 緩沖區(qū)所覆蓋的人口均視作該綠地的服務人口，所以綠地個體績效的測度結果平均高達72.1%；三個社區(qū)的整體指標均達到100%，即滿足全部社區(qū)人口的使用需求。而優(yōu)化方法在與緩沖區(qū)法保持相同測度內容的同時，考慮了綠地的空間容納人數(shù)、綠地吸引力與居民選擇概率等相互影響因素后，模擬結果顯示綠地的個體績效較緩沖區(qū)法平均下降64.7%。其中單個綠地500m 服務范圍內，最多只有31.5%的人口（B 社區(qū)G5）可以滿足利用需求，與緩沖區(qū)法中100%的測度結果相差較大。而根據(jù)社區(qū)整體的測度結果，優(yōu)化方法較傳統(tǒng)的緩沖區(qū)法，空間績效數(shù)值最多下降32.1%，且社區(qū)綠地服務能力僅能滿足社區(qū)三分之二人口的利用需求，并非完全覆蓋，這與緩沖區(qū)法得出的結論截然相反。由此可以證明，社區(qū)尺度下供需間的雙向關系對綠地服務容量的績效評測發(fā)揮著顯著的影響作用。

在綠地服務“機會”的均衡性視角下，研究采用兩步位移法（2SFCA）對各住宅樓的可達性進行評測。兩步位移法考慮了供給端的規(guī)模以及需求端的人口數(shù)量、可達距離等因素，評測結果如表5 所示，數(shù)值越高說明該住宅樓的可達性越好，能有更多的機會享受綠地服務資源。從社區(qū)整體的可達性變異系數(shù)來看，數(shù)值分別為71.7%、62.0%、92.5%，由此可見社區(qū)內各居民點到綠地的可達性處于分散狀態(tài)，不同居民點間享有綠地服務的機會差別較為明顯。而優(yōu)化方法的測度結果顯示，相較兩步位移法社區(qū)整體可達性的變異系數(shù)有明顯下降，最大降幅達到69.8%。特別是根據(jù)居住點個體可達性的變化特征可見，如A 社區(qū)的30、32 號住宅、C 社區(qū)的24、28 號住宅周邊均緊鄰綠地，按照兩步位移法測算在只考慮距離因素條件下，其可達性結果排序位于社區(qū)前列；而優(yōu)化方法綜合居民選擇偏好、步行閾值等因素的影響后，測度結果排序出現(xiàn)大幅下降。由此可以證明在社區(qū)尺度下空間可達性評測中距離并非絕對影響因素，供需個體特征對微觀尺度的空間績效更具影響作用。

結論與討論

社區(qū)生活圈中綠地空間規(guī)劃效果的精準評估與布局優(yōu)化在合理構建城市公共開放空間體系、提升居民生活品質的過程中具有重要作用。本文聚焦社區(qū)尺度下綠地空間績效評測的內涵特征與方法構建，通過對社區(qū)綠地服務供給與居民利用需求間雙向關系的計量與分析，提出了結合多智能體模擬的測度優(yōu)化思路，以適應城市微觀尺度精細化的評測需求。同時研究結合實證分析，通過比較傳統(tǒng)方法的測度結果，進一步論證了城市微觀尺度下供需雙向關系對整體空間績效的影響作用；由此也體現(xiàn)出優(yōu)化后的社區(qū)綠地空間績效測度方法具有以下兩點創(chuàng)新：（1）優(yōu)化方法融入了對供需兩端個體特征的考慮與反饋。其特點既體現(xiàn)在模型從居民主觀決策行為與客觀移動行為兩個方面引入特征參數(shù)（選擇概率、距離閾值及二次移動規(guī)則等），構建了多智能體模擬環(huán)境；也體現(xiàn)在結果輸出階段，可針對各類綠地空間利用人數(shù)占比進行精細化測度。相較傳統(tǒng)評測方法，優(yōu)化模型能更敏銳地反饋城市微觀尺度下供需個體特征變化對整體績效的影響作用，方法評測的精細度與靈敏度更高。（2）優(yōu)化方法統(tǒng)一了綠地服務供需兩端的測度環(huán)境。相較傳統(tǒng)方法多將居住地與綠地分開評測的模型構建邏輯，優(yōu)化模型更強調微觀尺度下兩者相互影響的耦合關系，并將“容量”與“機會”兩類評測視角統(tǒng)一在同一測度體系，實現(xiàn)對居住地與綠地兩者績效水平的同時測度，可更好體現(xiàn)社區(qū)尺度的空間績效內涵，也為績效評測研究提供了新的思路。

另一方面，為有效對接社區(qū)治理與規(guī)劃工作，提升社區(qū)整體的空間績效水平，本研究對社區(qū)綠地規(guī)劃的管理與優(yōu)化具有以下幾點啟示：

（1）社區(qū)綠地改造與品質提升應注重空間整體性與系統(tǒng)性。“以點帶面”，以綠地個體為實施單元推進環(huán)境品質提升工程是目前社區(qū)空間治理的主要方式之一。因此在決策改造對象與實施時序的過程中，應考慮到綠地改造后對于社區(qū)綠地整體績效的提升作用。結合本研究的分析結果（表4 第4、5 列）可以發(fā)現(xiàn)，如以部分居民利用意愿相對較高，現(xiàn)有基礎較好的綠地（居民首選占比高的綠地）為改造對象時，雖然可繼續(xù)增大該綠地對居民的吸引力，但同時也會因其集聚效應的加強而吸收周邊綠地的利用人群，擴大綠地間利用效率的差異性，致使社區(qū)綠地整體性的空間績效提升幅度較小。而與之相對，在改造前期如能有效提升綠地系統(tǒng)中的底線標準，讓原本吸引力較弱的綠地空間（居民首選占比低、二次選擇占比較高的綠地）通過改造提升居民利用的選擇意愿，將能均衡各綠地的使用效率，對社區(qū)整體空間績效的提升作用更為顯著。

（2）社區(qū)綠地的改造策略應結合其可達性特征。結合本研究的實證分析可以看到，受社區(qū)布局形態(tài)等因素影響，各住宅樓的可達性各不相同，部分住宅樓周邊可選擇的綠地資源較為豐富，而部分住宅樓則相對有限。因此在以提升綠地整體空間績效為導向，實施“針灸式”改造的前提下，應盡可能尊重并順應這種空間可達性的客觀特征，分類制定改造策略。如對于可達性較好的住宅周邊綠地更應注重功能差異化改造，通過協(xié)調近鄰綠地間的功能設施配置從而實現(xiàn)周邊居民差異化利用需求的均衡分配；而可達性較弱的住宅周邊綠地則應考慮空間功能復合化的改造策略，以提升綠地的利用吸引力。

（3）注重綠地空間績效評測在不同尺度下的互補與銜接。綠地空間績效評測方法優(yōu)勢在于能同時適用于建成投入使用和規(guī)劃未建成的綠地空間，但由于影響綠地實際功能運行的因素眾多，且作用方式各異，很難在全部空間尺度下對綠地空間績效的特征加以整合和客觀反映。如本文中的社區(qū)既可作為城市基本空間單元，在宏觀層面績效評估中進行綠地規(guī)模的區(qū)位分配公平性判斷；也可作為治理范圍，在微觀層面進行人本視角的供需均衡性分析。因此在今后城市體檢及規(guī)劃管理工作中應加強建立目標明確，不同層級測度標準上下銜接的績效評測體系，規(guī)范不同尺度下測度方法及其結果的適用范圍，為綠地規(guī)劃問題的辨析與解決提供更有尺度與層級針對性的決策依據(jù)。

圖、表來源

圖1～4、6、表2、4、5：作者根據(jù)分析結果自繪。

表1：作者基于參考文獻[7、11-17]整理繪制。

圖5、表3：作者基于問卷數(shù)據(jù)解析結果整理繪制。

注釋

1）《城市綠地分類標準(CJJ/T85-2017)》對公園綠地功能的描述為：向公眾開放,以游憩為主要功能，兼具生態(tài)、景觀、文教和應急避險等功能,有一定游憩和服務設施的綠地。其中社區(qū)綠地指具有基本的游憩和服務功能，主要為一定社區(qū)范圍內居民就近開展日常休閑活動服務的綠地。

2）智能體最早由人工智能科學家Minsky 提出，指能駐留在某一環(huán)境下持續(xù)自主地發(fā)揮作用的計算實體。多智能體系統(tǒng)由多個交互的智能體單元組成，通過相互協(xié)作機制達到系統(tǒng)最優(yōu)解。相較傳統(tǒng)的“自上而下”模型，多智能體系統(tǒng)具有自主性、智能性、時空動態(tài)性，更適合于地理復雜問題的研究。目前，多智能體模擬方法已經(jīng)被用于包括土地利用動態(tài)模擬、人群行為模擬、資源環(huán)境動態(tài)模擬等多個領域。

3）《城市居住區(qū)規(guī)劃設計標準(GB50180-2018)》中按照各級生活圈提出公共綠地控制指標為15 分鐘生活圈居住區(qū)人居綠地面積應達到2.0 m2/人，10 分鐘與5 分鐘生活圈居住區(qū)人居綠地面積應達到1.0 m2/人。

4）現(xiàn)實環(huán)境下綠地最大容納人數(shù)的判斷會因使用者的不同而存在一定不確定性，并因場地內活動項目不同而有所差異。本研究為簡化運算條件，采用相對保守的標準值（人均綠地面積1.0 m2/人）予以模擬運算。后續(xù)研究可結合各類活動特點對本模型中綠地規(guī)模閾值參數(shù)予以修正調節(jié)。

5）利用AHP 層次分析法進行建構時，首先對指標進行選取和分類，構建包含一級指標類別與二級指標的社區(qū)綠地空間吸引力評價體系。其次讓受訪居民根據(jù)各變量對其吸引力程度進行評分，采用排序量表形式，吸引力越高則排序越靠前。接著構建兩兩判斷矩陣，對同一層級各個指標的相對重要程度進行打分，本文采用1-7 標度法，進而得出各指標的權重。最后對判斷矩陣進行一致性檢驗，CR 小于0.1，滿足一致性檢測，評價結果有效。