Пространственный анализ влияния городской пространственной структуры на жизненную силу города в Яньтае, Китай, с использованием многомасштабной географически взвешенной регрессии

Краткое содержание

Данный протокол объединяет данные тепловых карт Baidu, точки интереса, изображения панорам улиц и многомасштабную географически взвешенную регрессию для количественной оценки городской витальности и анализа влияния пространственной структуры города на закономерности дневной и ночной витальности в городе Янтай, Китай.

Аннотация

Понимание того, как городская пространственная структура влияет на жизнеспособность города, имеет важное значение для разработки стратегий городского планирования, ориентированных на человека. Однако пространственная неоднородность этих взаимосвязей и относительный вклад различных элементов городской пространственной структуры в дневную и ночную жизнеспособность остаются недостаточно изученными. Данное исследование было направлено на количественную оценку жизнеспособности города и изучение того, как городская пространственная структура влияет на ее пространственно-временную изменчивость в основном городском районе города Яньтай, Китай. Для характеристики жизнеспособности и пространственной структуры города были интегрированы многоисточниковые пространственные наборы данных, включая данные тепловых карт Baidu, точки интереса (POI), изображения улиц, дорожные сети, информацию о зданиях и данные о землепользовании. Для оценки пространственного распределения жизнеспособности города и эффектов переменных городской пространственной структуры, зависящих от масштаба, использовались оценка плотности ядра, анализ пространственной автокорреляции и многомасштабная географически взвешенная регрессия (MGWR). Результаты показали, что жизнеспособность города демонстрирует выраженную пространственную поляризацию, характеризующуюся комбинированной моделью «центр — периферия» и «одно ядро с несколькими точками», а также значительную положительную пространственную автокорреляцию. Влияние городской пространственной структуры существенно варьировалось в пространстве, а также между дневным и ночным периодами. Разнообразие и доступность точек интереса были доминирующими факторами дневной жизнеспособности, тогда как жилая функция и разнообразие точек интереса оказывали наибольшее влияние на ночную жизнеспособность. Пешеходная доступность последовательно демонстрировала положительную связь с жизнеспособностью города в оба периода, что подчеркивает важность уличной среды, ориентированной на человека. Эти результаты демонстрируют ценность интеграции многоисточниковых пространственных данных с MGWR для оценки жизнеспособности города и предоставляют практическую основу для поддержки городского планирования и пространственной оптимизации на основе фактических данных.

Введение

Жизнеспособность городской среды является ключевым показателем для измерения уровня устойчивого городского развития, качества жизни жителей и эффективности высококачественной городской застройки. Эта тема давно привлекает значительное внимание ученых в области городской географии, а также городского и регионального планирования^1,2. На этапе инкрементальной урбанизации и быстрого пространственного расширения проблемы, связанные с несбалансированным пространственным развитием городов, становятся все более выраженными. Неэффективное распределение земельных ресурсов, загрязнение окружающей среды, заторы на дорогах и устойчивые городские проблемы, такие как разрыв между местом работы и жильем, продолжают ослаблять жизнеспособность районов³. В настоящее время Китай вступил в новый этап урбанизации, при котором акцент городского развития смещается с экстенсивного «строительства города» на детальный «городской менеджмент», и приоритетом становится пространственное развитие, ориентированное на человека. Человекоцентричный масштаб фокусируется на микропространственных единицах, которые жители могут воспринимать напрямую, и представляет собой расширение и уточнение традиционного анализа на уровне земельных участков и кварталов. Со времен 18^th Национального съезда Коммунистической партии Китая человекоцентричное развитие стало основополагающим принципом управления территориальным пространством, а повышение качества жилой среды стало основной целью городского планирования. В этом контексте точная характеристика пространственно-временных паттернов городской жизнеспособности и выяснение гетерогенных механизмов, посредством которых человекоцентричная застроенная среда влияет на жизнеспособность, могут обеспечить научную базу для практик детального планирования, включая обновление городской среды на уровне улиц и благоустройство районов. В то же время город Яньтай запустил ряд инициатив по обновлению городской среды в рамках своего 14^th Пятилетнего плана, был выбран в 2021 году Министерством жилищного строительства и городского-сельского развития в качестве одного из первых национальных пилотных городов по обновлению городской среды и получил дополнительную центральную финансовую поддержку на обновление городской среды в 2026 году. Эти политические и финансовые преимущества создают благоприятные условия для повышения качества существующих городских пространств в Яньтае и изучения самобытных стратегий обновления городской среды для прибрежных городов, способствуя тем самым высококачественному развитию городов.

Концепция городской витальности была впервые предложена американским ученым Джейн Джекобс, которая утверждала, что функциональное разнообразие, малые кварталы, здания разного возраста и высокая плотность представляют собой четыре основных условия для создания живых городов⁴. Ранние исследования формировали теоретические основы преимущественно на базе полевых изысканий и опросов с помощью анкетирования, в то время как последующие работы постепенно смещались в сторону микромасштаба, фокусируясь на пространственной концентрации человеческой деятельности⁵. Все больше данных свидетельствует о том, что мелкомасштабная временная динамика и пространственная вариативность играют важную роль в понимании городской витальности⁶. Стремительное развитие геопространственных больших данных высокого разрешения открыло новые возможности для широкомасштабного динамического мониторинга витальности городов. Вследствие этого исследователи все чаще полагаются на многоисточниковые наборы данных, включая данные сигналов мобильных телефонов, траектории местоположения, отметки в социальных сетях, данные тепловых карт и точки интереса (POI), чтобы количественно оценить интенсивность человеческой деятельности в различных пространственных единицах и исследовать городскую витальность на нескольких уровнях^{7,8,9,10,11,12}. Среди этих источников данные тепловых карт позволяют точно фиксировать пространственное распределение и временную динамику концентрации населения и широко применяются для количественной оценки городской витальности на уровне участков, кварталов и городов^13,14,15. Например, Wang Chenggang и соавторы¹⁶ использовали данные тепловых карт для выявления паттернов витальности центра Гуанчжоу, количественной оценки нелинейных взаимосвязей и пороговых эффектов застроенной среды, а также для разграничения влияния различных временных периодов рабочих дней, предоставив тем самым ценные эмпирические данные для исследований городской витальности.

Жизнеспособность города фундаментально формируется и ограничивается городской пространственной структурой, в которой осуществляется человеческая деятельность. Понимание механизмов влияния городской пространственной структуры на жизнеспособность города обеспечивает важную поддержку для детального городского планирования и управления городом на основе фактических данных. В существующих исследованиях разработаны многомерные системы оценки городской пространственной структуры, охватывающие масштаб города, функциональное устройство, пространственную форму, компактность и социально-экономические характеристики. Эти исследования последовательно демонстрируют, что условия местоположения, плотность населения, форма застройки, смешанное землепользование, разнообразие объектов инфраструктуры, экономическое развитие, функциональное разнообразие, конфигурация улиц, доступность и пешеходная доступность относятся к основным факторам, влияющим на пространственную дифференциацию жизнеспособности города^{17,18,19,20,21,22}. Тем не менее, большинство предыдущих исследований были сосредоточены на макромасштабных взаимосвязях между физическим, социальным, территориальным и мобильным пространствами, при этом относительно ограниченное внимание уделялось детальному анализу в человеческом масштабе. Новая исследовательская парадигма, основанная на многоисточниковых открытых геопространственных данных и интеллектуальных алгоритмах анализа, открывает новые возможности для пространственного восприятия и количественного анализа на этом более тонком уровне²³. Интегрируя методы машинного обучения с анализом изображений улиц, этот подход сочетает широкий пространственный охват с аналитической точностью, ориентированной на человека, снижая при этом субъективность и ограниченную точность, характерные для традиционных методов пространственной оценки. Методологически в предыдущих исследованиях преимущественно использовались обычный метод наименьших квадратов и модели географически взвешенной регрессии для изучения взаимосвязей между застроенной средой и жизнеспособностью города^24,25. Однако эти подходы обычно фокусируются на статических пространственных характеристиках и часто игнорируют как пространственную неоднородность, так и суточную временную дифференциацию в отношениях между городской пространственной структурой и жизнеспособностью города.

Подводя итог, исследования городской витальности эволюционировали от традиционных теоретических изысканий макромасштаба к пространственно-временным количественным анализам, основанным на геопространственных больших данных. Тем не менее, сохраняются важные ограничения. В существующих работах по-прежнему делается акцент на количественной оценке физических пространственных характеристик на макроуровне, при этом относительно мало внимания уделяется пространственно-временной гетерогенности того, как городская пространственная структура влияет на витальность города. Кроме того, количество уточненных измерений, учитывающих измерение человеческого восприятия, остается ограниченным, что сужает возможности существующих подходов в поддержке детального планирования, такого как обновление городской среды на уровне улиц. Основываясь на этих пробелах в знаниях, в данном исследовании выдвигаются следующие гипотезы: (1) городская пространственная структура оказывает значительное, дифференцированное в пространстве и времени влияние на витальность города; и (2) эффекты показателей городской пространственной структуры в отношении витальности города демонстрируют значительную пространственную нестационарность.

Основные инновации данного исследования заключаются в следующем. Во-первых, путем интеграции многоисточниковых геопространственных наборов данных, включая данные тепловых карт Baidu и панорамные изображения улиц, в этом исследовании количественно оценивается городская витальность с точки зрения повседневной деятельности жителей, что обеспечивает уточненное и объективное измерение в человекоцентричном масштабе. Опираясь на традиционную концепцию «5D», в исследовании добавлен аспект человеческого восприятия и разработана шестимерная система показателей городской пространственной структуры, включающая функциональность, архитектурную форму, доступность, социально-экономические характеристики, экологическое пространство и человеческое восприятие. Данная структура устраняет ограничения предыдущих работ, в которых основной акцент делался на физических пространственных и социально-экономических переменных, и позволяет интегрировать пространственный анализ макромасштаба с человекоцентричным измерением микромасштаба. Во-вторых, в данном исследовании используется модель многомасштабной географически взвешенной регрессии (MGWR), чтобы преодолеть допущение о глобальной стационарности, характерное для традиционных регрессионных подходов. Модель позволяет выявить локальные пространственные эффекты и масштабно-зависимые связи между городской пространственной структурой и дневной и ночной городской витальностью, раскрывая тем самым пространственно-временную нестационарную взаимосвязь между ними. В-третьих, используя Яньтай в качестве репрезентативного прибрежного города, в данной работе систематически исследуются дифференцированные механизмы, определяющие дневную и ночную городскую витальность с человекоцентричной перспективы в контексте пространственных характеристик прибрежных городов. Полученные результаты предоставляют эмпирические доказательства и методологическую базу для оптимизации пространства, повышения городской витальности и обновления городской среды в аналогичных прибрежных городах, а также вносят количественный вклад в поддержку человекоцентричного и детального управления городским пространством.

Протокол

В данном исследовании использовались анонимизированные и агрегированные данные тепловых карт на уровне пространственной сетки. Данные не содержат персональных идентификаторов или информации на индивидуальном уровне, и непосредственного участия людей в исследовании не принималось. Таким образом, одобрение комитета по этике, освобождение от него или институциональный обзор не требовались.

Структура исследования
Для изучения механизмов влияния городской пространственной структуры в человекоцентричном масштабе на пространственно-временную дифференциацию городской витальности в данном исследовании предлагается структура, представленная на Рисунке 1. Во-первых, на основе данных тепловых карт, измеряющих пространственно-временные характеристики дневной и ночной городской активности жителей, оценивается дневная и ночная витальность основной городской зоны города Яньтай; во-вторых, выстраивается многомерная система показателей городской пространственной структуры, включающая функциональность, доступность, архитектурную форму, социально-экономические факторы, экологическое пространство и человеческое восприятие; наконец, используется модель MGWR для выявления механизмов влияния городской пространственной структуры на пространственно-временную дифференциацию городской витальности. Подробные рабочие процессы сбора данных, предварительной обработки, расчета показателей, анализа изображений и реализации модели представлены в Дополнительных файлах 1–4, а соответствующие вычислительные алгоритмы — в Дополнительных кодах 1–4. Целью работы является создание теоретической базы и справочных материалов для обновления городской среды и формирования жизнеспособных городов в рамках новой стратегии урбанизации.

Рисунок 1. Схема структуры исследования. На данной схеме обобщен весь аналитический рабочий процесс, включая сбор пространственных данных из нескольких источников, обработку данных, построение показателей городской пространственной структуры, измерение городской витальности, моделирование с помощью многомасштабной географически взвешенной регрессии (MGWR) и стратегии оптимизации витальности. Пожалуйста, нажмите здесь, чтобы просмотреть этот рисунок в большем размере.

Обзор района исследования
Город Яньтай расположен в северо-восточной части полуострова Шаньдун, на побережье Желтого и Бохайского морей. Это важный портовый город провинции Шаньдун. В его юрисдикцию входят пять районов и шесть городов уездного уровня, общая площадь которых составляет 13 930,1 km². Для данного исследования в качестве района изучения была выбрана основная городская часть Яньтая (район Жифу). Площадь района составляет 179,18 km², зарегистрированное население — 707 700 человек, административно он разделен на 12 подокругов (Рисунок 2).

Рисунок 2. Схематическая диаграмма района исследования. На картах показано расположение города Яньтай, основная городская область исследования в районе Жифу, границы районов и высота рельефа. Более темные цвета указывают на большую высоту. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Поскольку данное исследование сосредоточено на городском ядре, где площадь изучаемой области относительно мала, а дорожная сеть плотна, традиционный масштаб квартала недостаточен для точной характеристики городской витальности. Напротив, масштаб 300 m тесно соответствует пространственному охвату «5-минутного круга жизни» и может лучше представлять базовую пространственную единицу повседневной деятельности жителей. Выбор масштаба сетки по сути представляет собой компромисс между детализацией информации и статистической стабильностью: меньший масштаб сохраняет больше пространственных деталей, но сокращает размер выборки внутри каждой единицы, увеличивает статистический шум и может фрагментировать смежные пространства пешеходной активности, тогда как больший масштаб имеет тенденцию сглаживать локальные вариации и скрывать пространственную неоднородность. Сетка 300 m позволяет сохранить детальные пространственные характеристики, одновременно повышая статистическую стабильность и снижая аналитические ошибки, вызванные выбором масштаба. Кроме того, этот масштаб хорошо соответствует пространственному разрешению многоисточниковых данных, включая данные тепловых карт Baidu, точки интереса (POI) и панорамные изображения улиц, что повышает точность анализа и надежность результатов. Таким образом, в данном исследовании исследуемая область была разделена на 2 221 ячейку с использованием сетки 300 m × 300 m для визуализации пространственно-временных паттернов городской витальности на детальном уровне и изучения их взаимосвязи с городской пространственной структурой. Сетка была создана в ArcGIS 10.4 с помощью инструмента Create Fishnet в трехградусной системе координат Гаусса CGCS2000. Сетка была привязана к минимальной координате XY исследуемой области и обрезана по ее границам, в результате чего было получено 2 221 единица анализа.

Построение системы показателей
Построение системы индексов для городской пространственной структуры является важной частью оценки жизнеспособности города. Она отражает комплексные характеристики города с точки зрения пространственной планировки, функционального смешивания, доступности и связанных с ними особенностей. Данное исследование основано на теории «5D»: плотность (density), дизайн (design), разнообразие (diversity), расстояние до транспортных узлов (distance to transit) и доступность пунктов назначения (destination accessibility). На базе существующих исследований расширен метод представления элементов городской пространственной структуры, которые разделены на шесть категорий и 15 факторов: функциональность, архитектурная форма, доступность, социально-экономические показатели, экологическое пространство и человеческое восприятие. Каждый фактор анализируется индивидуально (Таблица 1). Полные определения, расчетные уравнения, настройки параметров, процедуры предварительной обработки и методы нормализации для всех показателей представлены в Дополнительном файле 2.

Таблица 1: Система показателей городской пространственной структуры. В таблице обобщены шесть измерений и 15 показателей, используемых для характеристики городской пространственной структуры, включая функциональность, архитектурную форму, доступность, социально-экономические характеристики, экологическое пространство и человеческое восприятие. Для каждого показателя приведены определения и расчетные формулы. Сокращения: POI, объект интереса; FAR, коэффициент плотности застройки; NDVI, нормализованный относительный индекс растительности. Пожалуйста, нажмите здесь, чтобы скачать эту таблицу.

Среди них функциональность является одним из важных показателей измерения пространственной витальности города, отражающим степень взаимосвязи и интеграции между различными функциональными зонами. Высокое функциональное разнообразие означает, что жилые, экономические и бытовые функциональные зоны распределены равномерно и переплетены, что способствует человеческой деятельности и повышает городскую витальность²⁶. Эволюция архитектурной формы связана с витальностью, а плотность застройки и коэффициент площади застройки являются важными показателями, отражающими компактность города. Доступность напрямую влияет на связность и эффективность транспортного сообщения в городском пространстве. В данном исследовании для представления доступности выбраны показатели близости и проницаемости. Социально-экономический аспект отражает концентрацию экономической деятельности и уровень регионального экономического развития. Расстояние до центра города и торгового центра используется для характеристики социально-экономической активности, при этом меньшие расстояния обычно указывают на более активную экономическую деятельность²⁷. Экологическое пространство является важным фактором, влияющим на экономическую, социальную и культурную витальность города. В данной работе для представления качества окружающей среды и экологической витальности используются индекс близости к воде и нормализованный разностный вегетационный индекс (NDVI). Человеческое восприятие сосредоточено на формах городского пространства и соответствующих характеристиках окружающей среды, с которыми жители часто сталкиваются в повседневной жизни, включая общественные пространства города и внешние интерфейсы зданий (такие как улицы, здания, озеленение и парки), а также связанные с ними экономические, социальные и экологические последствия. В этом исследовании для представления данного измерения выбраны непрерывность застройки, коэффициент видимости неба и пешеходная доступность. Эти показатели лучше фиксируют вклад человеческого восприятия в городскую витальность и дополняют традиционные системы индикаторов, основанные преимущественно на объективных переменных.

Примечательно, что измерение традиционной застроенной среды принципиально отличается от ориентированной на человека оценки городской пространственной структуры, принятой в данном исследовании. Традиционные методы используют в качестве аналитических единиц физические объекты макромасштаба, включая земельные участки и районы. Опираясь на статические наборы данных, такие как классификация землепользования, контуры зданий и данные о дорожной сети, они количественно определяют интенсивность застройки и функциональную планировку. Эти общепринятые оценки характеризуют физические пространственные условия с позиции планирования «сверху вниз». Хотя такие методы точно описывают материальные атрибуты городского пространства, они не позволяют зафиксировать непосредственное восприятие жителей и опыт пеших прогулок в микромасштабе. Напротив, ориентированный на человека подход смещает фокус исследования с присущих пространству атрибутов на взаимодействие человека и среды. Эта смена парадигмы включает три основных изменения. Во-первых, с точки зрения содержания измерений, исследование выходит за рамки традиционных физических показателей, таких как плотность застройки и доля землепользования, путем включения эмпирических аспектов, включая визуальное восприятие, пешеходную доступность, безопасность и комфорт. В данной работе выбраны три соответствующих показателя: непрерывность застройки, коэффициент открытости неба и пешеходная доступность. Во-вторых, что касается источников данных, карты планирования и данные дистанционного зондирования дополняются изображениями улиц и семантической сегментацией на основе глубокого обучения, которые фиксируют пространственные характеристики с ракурса пешехода на уровне глаз. В-третьих, аналитическая единица дополнительно детализирована: от масштаба квартала до сегментов улиц или отдельных полей зрения. Следует подчеркнуть, что ориентированное на человека измерение не заменяет традиционную оценку застроенной среды, а дополняет ее, изменяя ракурс исследования и пространственный масштаб. Эти два подхода различаются по фокусу исследования, системе показателей, аналитическому масштабу и практическим целям, и вместе они обеспечивают комплексную аналитическую базу для оценки городской пространственной структуры.

Источники данных и их обработка
Данные тепловых карт Baidu:
Данные о городском тепловом излучении, использованные в данном исследовании, получены из открытого сервиса геолокации Baidu Maps путем анализа массивов анонимных записей о поведении пользователей. Набор данных отражает распределение населения в режиме реального времени за счет агрегирования информации о местоположении пользователей мобильного приложения и отображения этих географических координат на пространственные сетки посредством запросов к сервису определения местоположения в реальном времени.

Мы получили данные тепловых карт центральной городской части Яньтая за период с 13 по 17 июня 2022 года (пять рабочих дней подряд), используя API открытой платформы Baidu Map (https://lbsyun.baidu.com/). Сбор данных осуществлялся каждые 2 h с 07:00 до 24:00 ежедневно. Полный рабочий процесс сбора, предварительной обработки, шумоподавления, временной классификации, пространственного преобразования, оценки плотности ядра и расчета городской витальности представлен в Supplementary File 1, а соответствующий скрипт предварительной обработки приведен в Supplementary Code 1. Для отдельного количественного анализа суточных колебаний городской витальности каждый день был разделен на дневной (07:00–18:00) и ночной (18:00–24:00) периоды. Запросы к API включали ключ доступа (AK) Baidu Maps и границы исследуемой области, определенные в системе BD09. Уровень масштабирования карты был зафиксирован на значении 16 с размером плитки 256 × 256 пикселей; интерфейс возвращал данные тепловых карт в формате JSON. В ходе постобработки все координаты BD09 были преобразованы в систему координат WGS84 для обеспечения пространственной точности и согласованности последующих анализов. Остальная часть процесса предварительной обработки приведена в Supplementary File 1 и Supplementary Code 1. Вся пространственная визуализация была выполнена в ArcGIS (v10.4) (RRID: SCR_011081).

Июнь в Яньтае приходится на начало лета; умеренная погода способствует проведению мероприятий на открытом воздухе, а ежедневные маршруты перемещения жителей в этот месяц отражают обычный средний уровень активности. Все дни отбора проб были ясными и безоблачными, что исключило влияние экстремальных погодных условий на мобильность людей и позволило использовать тепловые карты населения для выявления типичных паттернов городской жизнедеятельности.

Для проверки достоверности показателей жизнеспособности, полученных на основе тепловых карт, мы использовали данные о ночном освещении NPP-VIIRS для перекрестного сравнения. Набор данных о ночном освещении был опубликован Chen Zuqi и соавт. в журнале Earth System Science Data под названием Cross-sensor calibrated extended time series of global NPP-VIIRS-like nighttime light data (2000–2018) и находится в открытом доступе в репозитории Harvard Dataverse (https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/YGIVCD).

Результаты пространственного сравнения продемонстрировали высокую степень соответствия между «горячими точками» городской витальности, определенными по изображениям ночного освещения, и зонами высокой и низкой витальности, извлеченными из данных тепловых карт в настоящем исследовании. Сравнение интенсивности ночного освещения и городской витальности, полученной на основе тепловых карт, представлено на Дополнительном рисунке 1. Для оценки надежности данных сначала были удалены выбросы, а наборы данных были нормализованы перед перепроекцией в систему координат WGS84. Затем данные ночного освещения были передискретизированы в сетку 300 m × 300 m с использованием билинейной интерполяции для обеспечения пространственного совмещения с данными тепловых карт. Согласованность двух наборов данных оценивалась с использованием коэффициента корреляции Пирсона (r ≥ 0.6) и степени пространственного перекрытия кластеров LISA (≥70%) в качестве критериев приемлемости.

С точки зрения источников данных, данные сигнализации мобильных телефонов обеспечивают всеобъемлющий охват населения и детальную информацию о траекториях, однако их трудно получить, и они требуют сложной предварительной обработки, что делает их менее подходящими для долгосрочных мелкомасштабных исследований. Данные о посещениях (check-in) и отзывах в социальных сетях, в свою очередь, в основном фиксируют деятельность, ориентированную на потребление и досуг, характеризуясь выраженным поведенческим смещением и относительно низкой временной стабильностью. В отличие от них, данные тепловых карт Baidu, используемые в данном исследовании, легко доступны, непрерывны во времени и обладают более высоким пространственным разрешением, что делает их пригодными для мониторинга динамики дневной и ночной активности в основной городской зоне на уровне сетки. В сочетании с данными POI и панорам улиц для обогащения представления пространственных атрибутов, эта структура позволяет более точно отразить повседневные модели активности жителей и полностью соответствует масштабу исследования и аналитическим целям данной работы.

Элементы городской пространственной структуры:
Основные данные о городском пространстве:
С помощью интерфейса онлайн-картографического сервиса было собрано в общей сложности 37 851 значимых объекта (POI), охватывающих 11 функциональных категорий, включая средства размещения, торговые точки, общепит, жилые районы, транспортную инфраструктуру, объекты повседневного пользования, спортивные и развлекательные площадки, а также учреждения общественного обслуживания. Дополнительные процедуры предварительной обработки и сведения о расчетах приведены в Дополнительном файле 2. Данные POI были получены в июле 2024 года с использованием Baidu Map API со стратегией поиска на основе сетки с шагом 500 m. В ходе предварительной обработки были удалены дублирующиеся записи, а также исключены некорректные записи на основании административных границ района Чжифу, отсутствующих меток атрибутов и значительных смещений координат для обеспечения пространственной точности и целостности набора данных.

Данные о контурах городских зданий и дорожной сети были получены из OpenStreetMap (OSM; RRID: SCR_007854), геопространственной платформы с открытым исходным кодом (https://www.openstreetmap.org). Данные о землепользовании были получены из Национального центра базовой географической информации (https://www.gscloud.cn/search).

Как показано в Таблице 1, пространственная плотность каждого типа объекта отражает функциональный характер отдельных пространственных единиц через паттерны кластеризации; в то же время значения энтропии количественно определяют степень функционального разнообразия внутри каждой единицы. Полные вычислительные уравнения, процедуры предварительной обработки, настройки параметров и методы нормализации представлены в Дополнительном файле 2.

Векторные данные о зданиях анализировались как с двумерной (2D), так и с трехмерной (3D) точек зрения для оценки интенсивности городской застройки — в частности, с помощью показателей плотности застройки и коэффициента плотности застройки (FAR). С использованием данных о городской дорожной сети была рассчитана доступность для каждой пространственной единицы с помощью инструментария для анализа пространственных сетей (sDNA) (RRID: SCR_017646)²⁸, включая показатели близости и посредничества.

В качестве аналитического масштаба для данного показателя был выбран радиус 300 m; это расстояние определяется на основе сегментов улиц и охватывает все топологически связанные дороги в пределах этого радиуса. Это позволяет провести всесторонний статистический анализ изменений морфологии дорожной сети, включая плотность поворотов и связность узлов, в пределах заданного пространственного диапазона. Данный подход намеренно делает акцент на паттернах локальной пространственной корреляции между улицами, что способствует точной идентификации высокосвязных улиц на уровне кварталов — этот методологический выбор согласуется с теоретической базой пространственной витальности города, ориентированной на масштаб квартала^29,30. Топологическая дорожная сеть была построена на основе векторных дорожных данных OSM путем объединения двунаправленных сегментов дорог в одну осевую линию. Доступность рассчитывалась с помощью плагина sDNA в ArcGIS 10.4 на основе индексов близости (proximity) и посредничества (betweenness), при этом общее количество POI на основе сетки использовалось в качестве весов для представления потенциала пространственной активности. Все параметры sDNA были оставлены по умолчанию, за исключением заданного пользователем радиуса поиска 300 m. Кроме того, этот пространственный масштаб тесно соответствует концепции «5-минутного круга жизни» и хорошо согласуется как с физическими размерами исторических кварталов в районе Чжифу города Яньтай, так и с типичным диапазоном повседневных пеших прогулок жителей.

Данные изображений с улиц:
С помощью объединения данных о дорожной сети OSM и технологий ГИС были определены точки отбора проб изображений с улиц. Сначала были извлечены осевые линии дорог в исследуемой области, а двухполосные дороги были упрощены до одиночных линий. Точки отбора проб располагались с равным интервалом в 50 m вдоль осевых линий дорог. Затем всем точкам отбора проб была присвоена та же система координат проекции, которая использовалась для ГИС-анализа, чтобы обеспечить точное соответствие пространственного положения.

Для сбора изображений с помощью Python (RRID: SCR_008394) использовался Street View Image API (http://api.map.baidu.com/lbsapi/). Полный рабочий процесс сбора данных представлен в Дополнительном файле 3 и Дополнительном коде 3. Всего было создано 1 599 точек отбора проб. При получении изображений ширина обзора каждого снимка была установлена на 90°, а горизонтальный угол обзора — на 0°. В каждой точке отбора проб собирались изображения в переднем, заднем, левом и правом направлениях; съемка проводилась только в ясную погоду, без дождя, снега или сильного тумана для обеспечения качества изображений. Затем с помощью программы OpenCV выполнялась сшивка многонаправленных изображений и оптимизация переходов между ними, что позволило создать панорамные снимки с полным охватом пространственной среды улицы. Исследуемая область охватывала в общей сложности 3 251 сегмент улиц. Параметры API-запроса включали ключ доступа разработчика (AK), координаты точки, точку обзора изображения и ориентацию съемки. Полученные изображения были единообразно изменены по размеру до 480 × 360 пикселей (RGB) для последующего анализа. Качество изображений обеспечивалось путем фильтрации по погодным условиям, многонаправленным сбором данных и последующей семантической сегментацией на основе SegNet для проверки пригодности изображений и извлечения показателей уличного вида.

Для извлечения характеристик городского ландшафта мы применили сеть глубокого обучения SegNet (RRID: SCR_017042), представляющую собой полностью сверточную нейронную сеть. Модель классифицирует пиксели изображения по пяти категориям: небо, тротуары, полосы движения, здания и зеленые насаждения. Результаты классификации пикселей затем использовались для расчета доли площади каждого пространственного элемента в каждом изображении панорам улиц. Подробное описание реализации модели, рабочий процесс семантической сегментации, процедуры валидации и расчет показателей человеческого восприятия представлены в Дополнительном файле 3, Дополнительном коде 2 и Дополнительном коде 4. SegNet была реализована на PyTorch (v1.0) с использованием общедоступных предобученных весов, обученных на наборе данных MIT ADE20K. В процессе вывода изображения обрабатывались индивидуально для создания карт семантической сегментации на уровне пикселей, которые в дальнейшем использовались для расчета пропорциональной площади каждого элемента городского ландшафта. Эффективность модели оценивали с помощью пятикратной перекрестной проверки.

Методы исследования
Количественные методы измерения городской витальности:
Анализ плотности ядер позволяет оценить плотность точечных или линейных объектов с помощью перемещающегося окна поиска, что обеспечивает интуитивно понятное и точное представление характеристик пространственного кластеризации городских элементов, а также концентрации и дисперсии городской витальности. В данном исследовании метод ядерной оценки плотности использовался для непрерывной интерполяции данных тепловых карт с целью характеристики пространственной агрегации пользователей и пространственно-временной динамики городской витальности. Гауссова оценка плотности ядер применялась с основным радиусом поиска (шириной полосы) 500 m. Для оценки робастности результатов были протестированы восемь дополнительных значений ширины полосы (200, 300, 400, 600, 700, 800, 900 и 1,000 m); полученные средние значения RV для каждой ячейки сетки 300 m × 300 m продемонстрировали высокую согласованность при различных значениях ширины полосы. При интерполяции в качестве весовой переменной использовалось поле Value, коррекция краев не применялась, и весь анализ плотности ядер выполнялся в ArcGIS 10.4 (RRID: SCR_011081). Математическое выражение метода приведено ниже (Уравнение 1):

(1)

Здесь n представляет собой количество точек данных; h — ширину окна; а (x − x_i) обозначает расстояние от точки оценки x до образца xⁱ.

Метод анализа динамики пространственных структур в городской среде:
Пространственная автокорреляция используется для характеристики степени пространственной взаимосвязи между идентичными значениями атрибутов в различных пространственных единицах. Она подразделяется на глобальную и локальную автокорреляцию.

Глобальная пространственная автокорреляция:
Для оценки степени пространственной взаимосвязи на всей исследуемой территории использовалась глобальная пространственная автокорреляция (глобальный индекс Морана, Global Moran’s I). Она измеряет сходство или корреляцию переменных в пространстве путем количественной оценки взаимосвязи между значением атрибута в одной точке и значениями в соседних точках, что выражается коэффициентом Global Moran’s I. Матрица пространственных весов была построена с использованием аналитической сетки 300 m × 300 m с определением соседних единиц по критерию смежности по Королеве (Queen contiguity), веса были стандартизированы по строкам. Значение Global Moran’s I рассчитывалось с помощью инструментов пространственной статистики (Spatial Statistics tools) в ArcGIS 10.4 (RRID: SCR_011081), а статистическая значимость оценивалась с помощью нормальной аппроксимации (z-тест) при доверительном уровне 95%. Математическое выражение данного индекса приведено ниже (Уравнение 2):

(2)

Здесь I обозначает индекс автокорреляции; n — общее количество исследуемых единиц; y_i и y_j — показатели классификации регионов i и j соответственно; y′ — среднее значение показателей классификации; а W_ij — матрица пространственных весов, представляющая степень взаимосвязи между различными регионами.

Локальная пространственная автокорреляция:
Локальная пространственная автокорреляция (LISA) измеряет степень пространственной связи исследуемого объекта на локальном уровне, что позволяет выявлять локальные кластеры и пространственные выбросы в пределах исследуемой области, обеспечивая более детальное понимание пространственной неоднородности³¹. Наиболее часто используемым локальным статистическим показателем является локальный индекс Морана (Local Moran’s I). Матрица пространственных весов была построена с использованием критерия смежности по Королеве (Queen contiguity), согласно которому соседними ячейками сетки считались те, которые имеют общую границу или общую вершину. Статистическая значимость оценивалась на уровне 0,05 с использованием 999 случайных перестановок. Поправка на множественную проверку гипотез не применялась; все анализы были выполнены с помощью ArcGIS 10.4 (RRID: SCR_011081). Математическое выражение приведено ниже (Уравнение 3):

(3)

Здесь x_i и x_j представляют собой значения городской витальности регионов i и j соответственно; x′ — среднее значение городской витальности по всем регионам; S² — дисперсия; а W_ij — матрица пространственных весов, отражающая степень пространственной связи между регионами.

Методы исследования пространственной неоднородности городской витальности:
Многомасштабная географически взвешенная регрессия (MGWR)
В модели MGWR используется алгоритм золотого сечения для итеративного сужения интервала поиска и определения оптимальной ширины окна для каждого коэффициента регрессии. Такой подход минимизирует шум при оценке параметров и повышает прогностическую способность модели. Подробная информация о методе выбора ширины окна (адаптивном или фиксированном), функции ядра, диапазоне поиска ширины окна, критериях сходимости, допуске остановки и процедурах стандартизации предикторов представлена в Дополнительном файле 4. Формула для вычислений выглядит следующим образом (Уравнение 4):

(4)

Здесь bw_j представляет собой ширину окна, используемую для коэффициента регрессии j-й переменной; k обозначает количество объясняющих переменных; x_ij относится к j-му предиктору для i-го узла сетки; (u_i, v_i) представляют координаты центроида i-го узла сетки; β_(bwj) — это коэффициент регрессии, оцененный с использованием соответствующей ширины окна; а ε_i — случайная величина ошибки.

Подробная конфигурация модели, процедуры оптимизации пропускной способности и рабочий процесс реализации представлены в Дополнительном файле 4, а полные выходные данные модели для дневного и ночного времени доступны в Дополнительных файлах 5 и 6 соответственно. Диагностика регрессии методом наименьших квадратов представлена в Дополнительном файле 7.

С точки зрения теории городского развития, области исследований и практической применимости, MGWR обладает явными преимуществами как перед обычным методом наименьших квадратов (OLS), так и перед традиционной географически взвешенной регрессией (GWR). OLS использует глобальную модель, предполагая однородность эффектов всех объясняющих переменных на всей исследуемой территории. Такое допущение игнорирует внутреннюю пространственную неоднородность городских систем, что приводит к усредненным оценкам параметров, которые зачастую не отражают локальные особенности и, следовательно, имеют ограниченное значение для формулирования контекстно-зависимой политики. Хотя традиционная GWR учитывает пространственную нестационарность, она накладывает единую полосу пропускания — то есть единый пространственный масштаб — для всех переменных. Это ограничение противоречит эмпирическим данным, указывающим на то, что различные городские элементы (например, транспортная инфраструктура, смешанность землепользования или зеленые зоны) оказывают влияние в заметно разных пространственных пределах. Следовательно, подобное упрощение может привести к систематической ошибке модели и поставить под сомнение достоверность анализа. MGWR преодолевает этот недостаток, оценивая индивидуальные полосы пропускания для каждой конкретной переменной на основе эмпирически наблюдаемого диапазона пространственного влияния каждого предиктора. В результате этот метод более точно фиксирует масштабно-зависимые механизмы, посредством которых городская пространственная структура формирует городскую витальность. Данный прогресс не только углубляет теоретическое понимание взаимодействий между человеком и средой в городах, но и повышает практическую полезность, позволяя дифференцированно расставлять приоритеты пространственных вмешательств и обеспечивая количественную, основанную на доказательствах поддержку мер по повышению городской витальности. Вычислительные рабочие процессы представлены в Supplementary Codes 1–4.

Результаты

Анализ пространственной структуры городской витальности
Характеристики пространственного распределения городской витальности:
Для более детального изучения пространственно-временной эволюции городской витальности в основном городском районе Яньтая в дневное и ночное время мы провели анализ плотности ядер на основе данных тепловых карт в сочетании с паттернами повседневной активности жителей, а также использовали программное обеспечение географических информационных систем (ГИС) для визуализации городской витальности в разные временные интервалы. Как показано на рисунке 3, витальность в основном городском районе Яньтая демонстрирует выраженную пространственно-временную динамику, характеризующуюся паттерном «агрегация — дисперсия — агрегация» с 07:00 до 23:00. Пространственное распределение зон высокой и низкой витальности в дневное и ночное время очень схоже, что указывает на относительную стабильность колебаний городской витальности между этими периодами.

Рисунок 3. Пространственно-временное распределение городской витальности в главной городской зоне Яньтая. На периферийных картах показана городская витальность в разные моменты времени, а на центральных картах обобщены паттерны дневной и ночной витальности. Более теплые цвета указывают на более высокую витальность. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

С пространственной точки зрения городская активность в основной городской зоне Яньтая в целом выше на северо-востоке и ниже на юго-западе, демонстрируя сложную пространственную структуру, характеризующуюся как моделью «центр–периферия», так и «многоядерной» конфигурацией. Районы с высоким уровнем городской активности сосредоточены преимущественно в северо-восточной части, включая улицы Туншэнь, Юхуандин и Сянъян, а также вдоль дорог Дахайян и Аэропортной. Кроме того, активность относительно высока в восточной части улицы Чжичу и в центральной части улицы Фэнхуантай. Городская активность в основной городской зоне Яньтая также в значительной степени определяется топографическими условиями. Горные районы в центральной части, такие как Хуанцзиньдин, Чжэньшань и Цзинькуандин, классифицируются как зоны низкой активности. В дневное время активность в этих районах несколько повышается за счет таких занятий, как пеший туризм и отдых, тогда как ночная активность крайне низка. Такая закономерность указывает на выраженное пространственное неравенство в распределении городской активности, которая имеет тенденцию концентрироваться в жилых районах с высокой плотностью застройки, в рекреационных зонах и в местах с высокой транспортной доступностью. Эта комплексная пространственная структура подтверждает взаимосвязь между функциональным зонированием города и мобильностью населения. Более того, важная роль рельефа и транспорта дополнительно подтверждает гипотезу о том, что несколько городских пространственных структур совместно формируют городскую активность.

С временной точки зрения жизненная активность городской среды в основном городском районе Яньтая формируется преимущественно деятельностью жителей по работе и отдыху. Период с 07:00 до 18:00 охватывает утренний пик, а также дневные часы работы и учебы, в течение которых жители обычно перемещаются из дома на рабочие места, что приводит к сдвигу пространственной структуры городской активности от агрегации к дисперсии. Период с 18:00 до 23:00 включает вечерний пик и часы отдыха. В частности, после 22:00 пространственное распределение городской активности становится более концентрированным, в то время как общий уровень активности снижается. Это отражает тот факт, что, с одной стороны, жители возвращаются домой после работы и досуга, а с другой — ранее активные городские пространства постепенно затихают на ночь. В целом, дневные и ночные колебания городской активности четко обусловлены распорядком дня жителей (работой и отдыхом). Дневные часы (07:00–18:00) представляют собой пиковый период городской активности, который характеризуется более высокими уровнями жизнедеятельности, более широким пространственным охватом и очень малым количеством зон с низкой активностью. Напротив, ночные часы (18:00–23:00) отмечены постепенным сокращением диапазона активности, при этом жизненная сила города все больше концентрируется в жилых районах. Эти результаты наглядно демонстрируют временную зависимость влияния деятельности по работе и отдыху на городскую активность в основном городском районе Яньтая, раскрывают характеристики ее суточной эволюции, реализуют основную цель по выявлению пространственно-временной структуры городской активности и подтверждают гипотезу о том, что ежедневные ритмы деятельности жителей тесно связаны с жизненной силой города.

Характеристики пространственной кластеризации городской активности:
Для изучения пространственной автокорреляции городской активности в основном городском районе города Яньтай был использован глобальный индекс Морана I. Результаты показывают, что значения индекса Морана I для дневной и ночной городской активности составляют 0,722 и 0,736 соответственно. Тест на значимость указывает на то, что городская активность в основном городском районе города Яньтай демонстрирует значительную кластеризацию как в дневное, так и в ночное время, при этом эффект кластеризации ночью выражен сильнее, чем днем.

Как показано на рисунке 4, жизненная сила города в основном городской черте Яньтая характеризуется двумя основными паттернами кластеризации: кластеризацией «высокое–высокое» и кластеризацией «низкое–низкое». Несмотря на то, что общее пространственное распределение представляет собой сложный неоднородный паттерн, сочетающий модели «центр–периферия» и «одно ядро с несколькими центрами», «центр» и «периферия» пространственно разделены, а переходные зоны между ними содержат большое количество областей без значимой кластеризации. Результаты анализа пространственной автокорреляции четко определяют паттерны кластеризации и пространственную дифференциацию жизненной силы города, тем самым реализуя цель исследования по распознаванию паттернов. Эти выводы также подтверждают соответствующие исследовательские гипотезы, тесно согласуются с общей аналитической структурой данной работы и служат основой для дальнейшего анализа дифференцированных эффектов пространственной структуры.

Рисунок 4. Локальная пространственная агрегация городской активности в дневное и ночное время. Карты локальных индикаторов пространственной ассоциации (LISA) демонстрируют кластеры «высокий-высокий», «высокий-низкий», «низкий-высокий», «низкий-низкий» и статистически незначимые пространственные кластеры для дневной и ночной активности. Пожалуйста, нажмите здесь, чтобы просмотреть этот рисунок в большем размере.

Эффекты пространственной неоднородности влияния городской пространственной структуры на городскую витальность на основе MGWR
Чтобы избежать смещения оценок, вызванного взаимным влиянием различных факторов городской пространственной структуры, для проверки всех объясняющих переменных использовался коэффициент инфляции дисперсии (VIF). Чем выше значение VIF, тем сильнее мультиколлинеарность. Как правило, значение VIF более 7,5 указывает на избыточность объясняющей переменной32. Результаты теста представлены в Таблице 2. Все значения VIF меньше 7,5, что свидетельствует об отсутствии мультиколлинеарности у выбранных показателей. Затем были удалены показатели с p > 0,05, так как было установлено, что они не оказывают значимого влияния на городскую витальность. После отбора переменных для построения модели MGWR (RRID: SCR_017651) в качестве объясняющих переменных были выбраны семь окончательных факторов: разнообразие POI, жизненные функции, жилая функция, плотность застройки, близость, расстояние до делового центра (DBC) и пешеходная доступность. Этот этап завершил процесс отбора переменных; сохраненные основные факторы соответствуют структуре исследования, что гарантирует возможность эффективной проверки исследовательской гипотезы при последующем анализе модели.

Переменная	p-значение	Коэффициент инфляции дисперсии (VIF)
Разнообразие белков-мишеней	0	1.946
Экономическая функция	0.025	3.15
Жизненная функция	0.004	3.834
Жилая функция	0.001	1.925
Плотность застройки	0	3.062
Коэффициент плотности застройки	0.084	5.723
Близость	0	1.732
Посредничество	0.952	2.022
Расстояние до центра города	0.458	1.407
Расстояние до делового центра	0.009	1.498
Индекс близости к воде	0.06	1.132
Нормализованный относительный индекс растительности (NDVI)	0.118	1.049
Обеспечение непрерывности	0.364	2.746
Коэффициент открытости неба	0.22	1.177
Пешеходная доступность	0.004	2.094

Таблица 2: Оценка мультиколлинеарности потенциальных объясняющих переменных. В таблице представлены статистическая значимость (p-value) и фактор инфляции дисперсии (VIF) для каждой потенциальной объясняющей переменной, использованной при отборе переменных перед проведением многомасштабного географически взвешенного регрессионного анализа (MGWR). Переменные, оставленные для последующего моделирования, соответствовали заранее определенным критериям статистического отбора. Сокращение: VIF, фактор инфляции дисперсии.

Эффект соответствия модели:
Модельный анализ проводился с использованием трех подходов: глобальной модели OLS, традиционной модели GWR и модели MGWR. Сходимость моделей определялась на основе критерия SOC-f (сглаживание f), при котором в качестве критерия сходимости использовалось максимальное абсолютное изменение всех расчетных коэффициентов регрессии между двумя последовательными итерациями. Порог сходимости был установлен на уровне 1.0 × 10⁻⁵, а максимальное количество итераций — на уровне 200. В дневных и ночных моделях применялись одинаковые методологические настройки, включая функцию ядра, правило поиска ширины полосы, критерий сходимости и другие параметры, для обеспечения сопоставимости результатов; различались только зависимые переменные, и, следовательно, различались расчетные оптимальные значения ширины полосы и коэффициенты регрессии. Результаты показывают, что дневная модель сошлась после 28 итераций, а ночная модель — после 34 итераций. Обе модели удовлетворили порогу сходимости, что указывает на стабильность и надежность результатов оценки. Показатели трех моделей представлены в Таблице 3.

Категория	Переменная	МНК (метод наименьших квадратов)	ГРВ (географически взвешенная регрессия)	МГРВ (Многомасштабная географически взвешенная регрессия)
Производительность модели	AICc	6703	4417	3463
	Скорректированный R²²	0.62	0.56	0.8
Оптимальная переменная ширина полосы (MGWR)	Разнообразие белков-мишеней	—	53	239
	Жизненная функция	—	—	724
	Жилая функция	—	—	256
	Плотность застройки	—	—	237
	Близость	—	—	921
	Расстояние до делового центра	—	—	2220
	Пешеходная доступность	—	—	2220

Таблица 3: Сравнение эффективности моделей обычного метода наименьших квадратов (OLS), географически взвешенной регрессии (GWR) и многомасштабной географически взвешенной регрессии (MGWR).В таблице сравнивается эффективность моделей обычного метода наименьших квадратов (OLS), географически взвешенной регрессии (GWR) и многомасштабной географически взвешенной регрессии (MGWR) с использованием скорректированного информационного критерия Акаике (AICc) и скорректированного коэффициента детерминации (Adjusted R²). Также указана оптимальная ширина полосы, рассчитанная для каждой объясняющей переменной в модели MGWR, что иллюстрирует специфические для каждой переменной пространственные масштабы регрессионного анализа. Сокращения: AICc — скорректированный информационный критерий Акаике; OLS — обычный метод наименьших квадратов; GWR — географически взвешенная регрессия; MGWR — многомасштабная географически взвешенная регрессия.

Как показано в Таблица 3модель MGWR имеет более низкое значение AICc и более высокий скорректированный коэффициент R²² чем модели OLS и GWR, демонстрируя более высокую точность аппроксимации. Кроме того, по сравнению с моделями OLS и GWR, модель MGWR позволяет каждой объясняющей переменной иметь собственный оптимальный шаг сглаживания (bandwidth), значения которого варьируются от 237 до 2 220. Это указывает на то, что влияние различных переменных на городскую витальность существенно различается в зависимости от пространственного масштаба.

Среди переменных полоса пропускания DBC и пешеходной доступности близки к полному размеру выборки, что позволяет предположить, что их эффекты носят преимущественно глобальный, а не локальный характер. Это может быть связано с тем, что данные факторы демонстрируют относительно ограниченную пространственную изменчивость в большинстве районов. Являясь индикаторами, представляющими социально-экономические условия и характеристики уличной среды, тесно связанные с человеческим восприятием, они оказывают общее влияние на городскую витальность. Напротив, пять переменных — разнообразие POI, жилые функции, бытовые функции, плотность застройки и близость — имеют относительно малые полосы пропускания, что указывает на концентрацию их эффектов на локальном пространственном уровне. Эти факторы отражают дифференцированные потребности жителей в функциональной сложности, жилой среде и доступности, и поэтому могут привлекать или ограничивать различные типы деятельности в локальных пространствах, формируя тем самым городскую витальность.

В частности, ширины полос для разнообразия POI, жилой функции и плотности застройки составляют 239, 256 и 237 соответственно, что охватывает 11%, 12% и 11% всей выборки. Ширины полос для функций жизнеобеспечения и доступности охватывают большую часть выборки, что соответствует 33% и 41% соответственно; это позволяет предположить, что их эффекты проявляются в более широком пространственном масштабе. В целом, преимущества модели MGWR очевидны. Различные масштабы воздействия объясняющих переменных дополнительно подтверждают гипотезу о пространственной неоднородности и обосновывают правильность выбора модели для данного исследования.

Значимость влияния:
Статистические результаты коэффициентов регрессии, полученные с помощью модели MGWR, представлены в Таблице 4. Исходя из абсолютных значений средних коэффициентов регрессии, вклад переменных городской пространственной структуры в дневное время распределяется в следующем порядке: разнообразие POI > доступность > плотность застройки > бытовая функция > жилая функция > пешеходная доступность > DBC. В ночное время иерархия несколько меняется: разнообразие POI > бытовая функция = жилая функция > плотность застройки > пешеходная доступность > DBC > доступность.

Переменная	Среднедневное значение	Дневная сенсорная депривация	Среднее значение в дневное время	Среднее ночное значение	Ночное стандартное отклонение	Ночной медианный показатель
разнообразие белков-мишеней	0.226	0.126	0.196	0.322	0.096	0.315
Жизненная функция	0.088	0.006	0.088	0.145	0.075	0.153
Жилая функция	0.019	0.158	0.004	0.145	0.173	0.123
Плотность застройки	0.132	0.029	0.131	0.070	0.126	0.053
Приближенность	0.165	0.188	0.121	0.030	0.048	0.024
Расстояние до делового центра	−0.010	0.004	−0.010	0.032	0.003	0.031
Пешеходная доступность	0.011	0.002	0.011	0.039	0.002	0.039

Таблица 4: Сводная статистика коэффициентов регрессии, оцененных с помощью модели многомасштабной географически взвешенной регрессии (MGWR).В таблице обобщены данные о распределении коэффициентов регрессии, оцененных с помощью модели многомасштабной географически взвешенной регрессии (MGWR) для дневной и ночной городской активности. Для каждой объясняющей переменной приведены среднее значение, стандартное отклонение (SD) и медиана коэффициентов регрессии, что позволяет сравнить величину и вариативность эффектов в два временных периода. Сокращения: MGWR, многомасштабная географически взвешенная регрессия; SD, стандартное отклонение.

Примечательно, что разнообразие POI неизменно вносит наибольший положительный вклад в городскую активность как в дневное, так и в ночное время. Это указывает на то, что районы, характеризующиеся широким спектром городских объектов и высокой степенью функционального смешивания, особенно привлекательны для горожан, что способствует повышению городской активности. В дневное время деятельность жителей в основном ориентирована на поездки на работу, офисную работу и государственные услуги, поэтому важную роль играют доступность и плотность застройки. В ночное время активность жителей смещается в сторону проживания, отдыха и локального потребления, при этом вклад функций жизнеобеспечения и жилых функций значительно возрастает, тогда как влияние доступности заметно снижается. Эта разница в ранжировании между днем и ночью напрямую отражает структурный сдвиг в механизмах, определяющих городскую активность при изменении моделей повседневной деятельности жителей, что создает макроскопическую основу для последующего дифференцированного планирования по зонам и временным интервалам.

Как показано на Рисунке 5, анализ вариаций коэффициентов регрессии и различий в зонах влияния после скрининга факторов влияния показывает, что эффекты жизненно важной инфраструктуры, DBC и пешеходной доступности относительно стабильны в дневное время. Жизненно важная инфраструктура и пешеходная доступность оказывают положительное влияние, в то время как расстояние до делового центра демонстрирует как положительные, так и отрицательные эффекты. Диапазоны влияния разнообразия POI, жилой функции и транспортной доступности существенно колеблются и также проявляют как положительные, так и отрицательные эффекты. Влияние плотности застройки варьируется в определенном диапазоне, но остается положительным. В ночное время эффекты DBC и пешеходной доступности более стабильны и остаются положительными. Напротив, эффекты разнообразия POI, жилой функции и плотности застройки демонстрируют значительные колебания, при этом разнообразие POI оказывает положительный эффект, тогда как жилая функция и плотность застройки демонстрируют как положительную, так и отрицательную связь с городской витальностью. Эффекты жизненно важной инфраструктуры и транспортной доступности также варьируются в определенном диапазоне.

Рисунок 5. Распределение коэффициентов регрессии в многомасштабной географически взвешенной регрессионной модели. Скрипичные диаграммы позволяют сравнить распределение коэффициентов в дневное и ночное время для каждого влияющего фактора. Более широкие области указывают на более высокую плотность коэффициентов; положительные значения свидетельствуют о стимулирующем воздействии, а отрицательные — об ингибирующем воздействии. Нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Пространственная неоднородность воздействия
Для дальнейшего анализа пространственной неоднородности влияния структуры городского пространства на жизненную силу города были отобраны образцы со значимыми уровнями воздействия. Коэффициенты регрессии для каждого элемента структуры городского пространства в дневное и ночное время были визуализированы (Рисунки 6 и 7). С помощью метода классификации по естественным разрывам коэффициенты регрессии были разделены на 10 уровней для иллюстрации пространственного охвата, интенсивности и направленных изменений их воздействия.

Рисунок 6. Дневное пространственное распределение коэффициентов многомасштабной географически взвешенной регрессии. На картах показана пространственная изменчивость дневных коэффициентов регрессии для разнообразия точек интереса, жизненных функций, жилой функции, плотности застройки, близости, S и пешеходной доступности. Цветовые градиенты указывают величину коэффициентов, как показано в легенде к каждой панели. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 7. Ночное пространственное распределение коэффициентов многомасштабной географически взвешенной регрессии. На картах показана пространственная изменчивость ночных коэффициентов регрессии для разнообразия точек интереса, жизненных функций, жилой функции, плотности застройки, близости, расстояния до делового центра и пешеходной доступности. Цветовые градиенты указывают величину коэффициента, как показано в легенде к каждой панели. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Разнообразие POI (точек интереса) измеряет вариативность и сложность городских функций в пределах каждой пространственной единицы. Основной механизм, лежащий в основе городской витальности, заключается в разнообразии пунктов назначения и синергетическом эффекте различных видов деятельности. Чем выше разнообразие POI в данной области, тем лучше она способна удовлетворить разнообразные потребности жителей в покупках, питании, развлечениях и повседневных услугах в одном и том же пространстве, что снижает необходимость в межрайонных поездках, увеличивает продолжительность пребывания пешеходов и повышает интенсивность использования пространства. Результаты показывают, что разнообразие POI оказывает наиболее сильное влияние на городскую витальность и демонстрирует значительную пространственную изменчивость. В частности, его распределение относительно сконцентрировано в зонах с высоким и низким уровнем воздействия: более сильное влияние наблюдается преимущественно в центре города, тогда как более слабое — на периферии. Общие коэффициенты регрессии преимущественно положительны, что указывает на четкую положительную взаимосвязь, и лишь в немногих случаях наблюдаются слабые отрицательные связи. Это свидетельствует о том, что в большинстве районов более высокое разнообразие POI ассоциируется с более высокой городской витальностью. Более того, пространственная дифференциация влияния разнообразия POI на городскую витальность более выражена в ночное время, чем в дневное, что делает этот фактор определяющим именно ночью. Такая суточная разница может быть обусловлена структурными различиями в потребностях жителей в активности в дневное и ночное время. Днем смешанное землепользование в основном обслуживает маятниковые миграции и краткосрочные, фрагментарные потребности в потреблении во время перерывов, и его роль в привлечении пешеходной активности относительно ограничена. Однако ночью деятельность людей смещается в сторону досуга, социального взаимодействия и эмпирического потребления. В этом контексте районы с высоким разнообразием POI могут предложить разнообразные и непрерывные сценарии ночного потребления, эффективно увеличивая время пребывания жителей на открытом воздухе и, таким образом, оказывая более заметный стимулирующий эффект на ночную витальность.

Функции жизнеобеспечения охватывают объекты образования, науки, культуры, здравоохранения, транспорта и общественного обслуживания, которые удовлетворяют повседневные потребности жителей. Механизм их влияния заключается в формировании сети «деятельность — пункт назначения»: такие объекты не только сами привлекают пешеходные потоки, но и за счет синергии с другими функциями генерируют стабильные потоки активности. Результаты регрессионного анализа показывают, что положительный эффект функций жизнеобеспечения на дневную витальность остается стабильным, при этом коэффициенты варьируются от 0.078 до 0.098 с лишь незначительными колебаниями интенсивности воздействия. Напротив, диапазон коэффициентов для ночного времени расширяется до 0.005–0.256, что указывает на значительно более широкое пространственное влияние. Если рассматривать улицу Жичу и улицу Синфу как центральную зону, то степень влияния постепенно возрастает от центра к прилегающим районам. Хотя этот регион характеризуется высокой концентрацией населения, городское планирование здесь относительно устарело и ограничено уровнем экономического развития, что привело к более низкому общему обеспечению развлекательными объектами и другими удобствами жизнеобеспечения по сравнению с восточной частью города. В результате его привлекательность для жителей ниже, а влияние на городскую витальность менее выражено. Эта временна́я вариативность отражает смену целей деятельности жителей. В дневное время функции жизнеобеспечения ориентированы преимущественно на государственные и общественные услуги, и пешеходные потоки остаются относительно стабильными. Однако ночью они дополняются потребностями в отдыхе и развлечениях, формируя взаимодополняющую связь с функциями потребления, такими как общепит и торговля, что позволяет функциям жизнеобеспечения оказывать более сильное стимулирующее воздействие на городскую витальность в более широком пространственном диапазоне.

Жилые функции составляют пространственную основу, обеспечивающую возвращение и пребывание жителей в ночное время. Их взаимосвязь с городской витальностью характеризуется заметно разными моделями в дневное и ночное время. В течение дня жилые районы служат отправной точкой оттока населения; следовательно, простое увеличение плотности застройки не обязательно ведет к повышению городской витальности. Без поддерживающих коммерческих и сервисных объектов районы с высокой плотностью застройки могут превратиться в «города-спальни» со слабой витальностью. Однако ночью жители возвращаются домой, и жилые районы становятся пространственной базой для ночной деятельности. Результаты показывают, что, хотя переменная жилой функции демонстрирует относительно слабый общий средний эффект, она все же обнаруживает явную пространственную неоднородность и дифференциацию в определенных зонах, при этом пространственное распределение этого влияния в целом схоже как в дневное, так и в ночное время. В районах вокруг рынка материалов Hongrun, оптового рынка фруктов, начальной школы Fenghuangtai и района Jinxiu Xincheng жилые функции распределены плотно, однако их связь с городской витальностью отрицательна. Это говорит о том, что добавление новых жилых функций в этих зонах не повышает городскую витальность; напротив, чрезмерная концентрация жилья может подавлять ночную социальную и потребительскую активность из-за пространственного перенасыщения и нехватки вспомогательной инфраструктуры. В отличие от этого, на улице Shihuiyao жилые функции положительно коррелируют с городской витальностью, что указывает на более значимую роль жилых объектов этой территории в поддержке городской витальности и их большую привлекательность для жителей.

Плотность застройки отражает интенсивность развития данной территории, а ее базовый механизм заключается в обеспечении физической основы для агрегации населения: более высокая плотность застройки указывает на большую емкость населения, а также на более высокую концентрацию рабочих мест и торговых точек. Результаты данного исследования показывают, что плотность застройки оказывает в целом положительное влияние на городскую витальность в дневное время, при этом ее влияние постепенно ослабевает с востока на запад, формируя четкую концентрическую структуру. В западной части города влияние плотности застройки на городскую витальность слабее, чем в восточной, что говорит о том, что увеличение плотности застройки в западных районах менее эффективно для повышения городской витальности, чем в восточных. Однако в ночное время этот эффект демонстрирует двунаправленный характер. Влияние плотности застройки на городскую витальность отрицательно коррелирует в западной части улицы Синфу рядом с рекой Цзяхэ и в кластерах с низкими значениями на улице Чжичу, при этом вариации величины относительно малы. Эта суточная разница обусловлена функциональной дифференциацией: в дневное время районы с плотной застройкой концентрируют офисные и коммерческие функции и служат основными зонами притока населения; однако ночью в некоторых деловых районах с высокой плотностью наблюдается рассредоточение людей, и городская витальность смещается вовне, в прилегающие жилые районы. В этом смысле районы с плотной застройкой функционируют как центры агрегации витальности днем, тогда как ночью они становятся источниками диффузии витальности, стимулируя активность в окрестностях за счет внешнего перелива.

Доступность измеряет эффективность связности дорожной сети и определяет, насколько удобно жители могут добраться до различных типов пунктов назначения. Ее основной механизм заключается в снижении временных затрат на поездки и расширении пространственного охвата деятельности; более высокая доступность напрямую увеличивает вероятность и частоту посещения мест. Результаты данного исследования показывают, что в дневное время доступность является вторым по значимости стимулирующим фактором, уступая только разнообразию POI, тогда как ночью ее влияние существенно снижается. Этот выраженный дневной и ночной контраст отражает фундаментальный сдвиг в структуре деятельности жителей. В дневное время такие виды деятельности, как поездки на работу, выполнение поручений и деловые вопросы, предъявляют относительно высокие требования к транспорту и сильно зависят от транспортной доступности. Однако ночью деятельность жителей становится более ориентированной на дом, радиус активности сокращается, а основные цели поездок смещаются в сторону отдыха и потребления, что делает жителей значительно менее чувствительными к доступности дорожной сети. Кроме того, доступность проявляет двунаправленный локальный эффект: она имеет сильную положительную связь с городской витальностью вдоль реки Цзяхэ, а также на улицах Чжичу и Фэнхуантай, в то время как в малонаселенных районах к северу от улицы Синфу наблюдается слабая отрицательная связь. Это говорит о том, что стимулирующий эффект доступности на витальность зависит от наличия достаточного пешеходного спроса.

DBC измеряет близость каждой пространственной единицы к центральному коммерческому району города, отражая локационные преимущества с точки зрения доступа к возможностям трудоустройства, местам потребления и экономическим экстерналиям. В основе этого показателя лежат экономика агломерации и доступность для потребителей: чем ближе территория к коммерческому центру, тем выше плотность рабочих мест, шире выбор товаров и услуг и активнее социально-экономические взаимодействия, что привлекает более интенсивные пешеходные потоки. Результаты данного исследования показывают, что влияние DBC на дневную городскую витальность снижается с юга на север и демонстрирует отрицательную корреляцию. Районы на юге находятся дальше от коммерческого центра и, следовательно, оказывают более слабое влияние на городскую витальность, в то время как районы к северу от улицы Kuiyu Road расположены ближе к коммерческому центру и, таким образом, оказывают более сильное воздействие. Однако в ночное время эта связь становится положительной: на северной и южной сторонах улицы Hongqi Road формируются две кольцевые зоны, при этом влияние постепенно возрастает от центра к периферийным районам. Эта дневная и ночная инверсия раскрывает внутреннюю логику пространственной структуры: в дневное время коммерческий центр служит основным пунктом назначения для работы и потребления, стимулируя концентрацию населения внутри центра; ночью же жители возвращаются в свои дома, распределенные по всему городу, и жилые районы, удаленные от коммерческого центра, напротив, демонстрируют повышенную витальность за счет возвращения населения.

Пешеходная доступность (walkability) характеризует степень удобства уличной среды для пешеходов и служит ключевым связующим звеном между физическим пространством и человеческим восприятием. Ее отличительный механизм заключается не в прямом генерировании пешеходных потоков, а в улучшении качества прогулок, повышении чувства безопасности и комфорта, увеличении времени пребывания пешеходов и содействии социальному взаимодействию, что в совокупности способствует росту городской витальности. В данном исследовании пешеходная доступность демонстрирует стабильное положительное влияние на городскую витальность как в дневное, так и в ночное время, что указывает на глобальный характер этого влияния и на то, что удобная для пешеходов уличная среда в целом повышает пространственную витальность. В дневное время влияние пешеходной доступности на городскую витальность формирует зоны низкой витальности в деревне Чжуцзя и на улице Фэнхуантай. Это может быть связано прежде всего с тем, что пешеходные потоки вблизи деревни Чжуцзя относительно ограничены, а местные жители меньше зависят от тротуаров. На улице Фэнхуантай наблюдается плотная застройка и устаревшая планировка улиц; тротуары здесь узкие и часто загромождены, что ограничивает возможности объединения витальности за счет безмоторного транспорта. Ночью влияние пешеходной доступности постепенно снижается с юго-запада на север, при этом более сильный эффект наблюдается в южной части города и относительно более слабый — в северной. Такая закономерность связана с распределением пешеходных потоков, транспортной инфраструктурой и региональным неравенством в развитии основной городской территории Яньтая. Кроме того, эффект пешеходной доступности выражен сильнее в ночное время, что отражает более высокую зависимость ночной активности от воспринимаемой безопасности и качества среды. Хорошее освещение, непрерывность тротуаров и четко выраженное замыкание уличного пространства могут эффективно снизить чувство незащищенности при перемещении в ночное время, тем самым раскрывая потенциал ночной городской витальности.

Репрезентативные районы и структура оптимизации городской витальности
Для дальнейшей иллюстрации пространственной неоднородности, выявленной в ходе MGWR-анализа, для полевых исследований были выбраны репрезентативные районы с различными характеристиками городского пространства (Рисунки 8 и 9). Эти примеры служат визуальным подтверждением пространственных условий, соответствующих результатам анализа.

Рисунок 8. Текущее состояние старых кварталов в Синфу Нью Таун. На репрезентативных фотографиях показано состояние улиц и застроенной среды, включая неравномерное распределение общественных объектов и ограниченное качество городской среды. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 9. Текущее состояние старых жилых кварталов на улицах Нангоу-Цзиндэ и Байши-Хуаншань. На репрезентативных фотографиях показана плотная жилая застройка, ограниченное количество общественных открытых пространств и текущее состояние окружающей среды в районах. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Рисунок 8 демонстрирует Синфу Нью Таун, типичный старый район, характеризующийся неравномерным распределением объектов общественных услуг и относительно низким качеством городской среды. На Рисунке 9 представлены типичные жилые кварталы в районах Нангоу Стрит–Цзиндэ и Байши–Хуаншань, которые характеризуются плотной жилой застройкой, ограниченным количеством общественных открытых пространств и относительно однообразными фасадами улиц. Эти наблюдаемые пространственные характеристики согласуются с результатами анализа, описывающими различия во влиянии жизненно важных функций и жилых функций на городскую витальность.

Рисунок 10 обобщает взаимосвязи между основными измерениями городской пространственной структуры и их влияние на городскую витальность. На основе результатов анализа MGWR в рамках данной структуры интегрированы выявленные движущие факторы и их взаимодействия для общего концептуального представления механизмов, влияющих на дневную и ночную городскую витальность.

Рисунок 10. Механизм оптимизации городской пространственной структуры и повышения жизненной активности. На диаграмме обобщены стратегии повышения жизненной активности по функциональным элементам, архитектурной форме, доступности, социально-экономическим факторам, экологическому пространству и человеческому восприятию с учетом различий между дневной и ночной активностью. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

Доступность данных:
Все данные, подтверждающие результаты этого исследования, представлены в статье и дополнительных материалах к ней. К ним относятся Дополнительный рисунок 1; Дополнительные файлы 1–7, в которых описываются сбор данных, предварительная обработка, аналитические рабочие процессы, выходные данные моделей и диагностика регрессии; Дополнительные коды 1–4, содержащие скрипты Python и ноутбуки Jupyter, использованные для предварительной обработки данных и обработки изображений улиц; и Дополнительные данные 1–3, представляющие собой исходные, стандартизированные и обработанные наборы данных показателей городской пространственной структуры, использованные в анализе.

Дополнительный рисунок 1. Валидация городской витальности, полученной на основе тепловых карт, с использованием интенсивности ночного освещения. Сравнение пространственного распределения интенсивности ночного освещения (слева) и ночной городской витальности, полученной на основе данных тепловых карт Baidu (справа). Выделены репрезентативные области «горячих точек» для демонстрации пространственного соответствия между двумя наборами данных, что подтверждает возможность использования интенсивности активности, полученной из тепловых карт, в качестве прокси-показателя городской витальности в исследуемой области. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 1. Рабочий процесс сбора и обработки данных тепловых карт Baidu. В этом файле описывается рабочий процесс получения, предварительной обработки, шумоподавления, временной классификации, пространственного преобразования данных тепловых карт Baidu, оценки плотности ядра, а также расчета дневной и ночной городской витальности в сетке масштабом 300 m × 300 m. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 2. Определения и процедуры расчета показателей городской пространственной структуры. В данном файле приведены определения, расчетные уравнения, процедуры предварительной обработки, настройки параметров и методы нормализации для всех показателей городской пространственной структуры, использованных в анализе, включая функциональность, архитектурную форму, доступность, социально-экономические характеристики, экологическое пространство и человеческое восприятие. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 3. Рабочий процесс получения и анализа изображений панорам улиц. В этом файле описывается стратегия выборки изображений панорам улиц, параметры получения изображений, создание панорамных изображений, семантическая сегментация с использованием модели SegNet, валидация модели и расчет показателей человеческого восприятия, полученных на основе изображений панорам улиц. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 4. Рабочий процесс моделирования многомасштабной географически взвешенной регрессии (MGWR). В этом файле описывается процедура моделирования MGWR, включая предварительную обработку данных, выбор переменных, оценку мультиколлинеарности, конфигурацию модели, оптимизацию ширины полосы, настройки параметров, реализацию модели и сравнение эффективности моделей обычного метода наименьших квадратов (OLS), географически взвешенной регрессии (GWR) и MGWR. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 5. Результаты многомасштабной географически взвешенной регрессии (MGWR) для дневного времени суток. Полные результаты модели MGWR для дневного времени, включая статистику глобальной регрессии, оптимизацию ширины окна, диагностические показатели, оценки параметров и сводную статистику, использованную для оценки пространственной неоднородности дневной городской витальности. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 6. Результаты многомасштабной географически взвешенной регрессии (MGWR) для ночного времени суток. Полные результаты модели MGWR для ночного времени, включая статистику глобальной регрессии, оптимизацию ширины окна, диагностические показатели, оценки параметров и сводную статистику, использованную для оценки пространственной неоднородности ночной городской витальности. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный файл 7. Диагностика регрессии методом наименьших квадратов (МНК) и оценка модели. Результаты диагностики модели МНК, включая оценку мультиколлинеарности, диагностику регрессии, анализ остатков и вспомогательные графики, используемые для сравнения с моделями географически взвешенной регрессии. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный код 1. Рабочий процесс на Python для предварительной обработки данных тепловой карты Baidu. Скрипт на языке Python, используемый для предварительной обработки необработанных данных тепловой карты, включая удаление дубликатов, фильтрацию пропущенных значений, преобразование временных меток, классификацию на дневное/ночное время, стандартизацию координат и экспорт обработанных наборов данных для последующего пространственного анализа. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный код 2. Рабочий процесс сшивания изображений с улиц. Jupyter notebook, реализующий обработку изображений с улиц, включая сшивание изображений и создание панорамных снимков для последующего анализа городского ландшафта. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный код 3. Рабочий процесс получения изображений панорам улиц. Jupyter notebook, используемый для получения изображений панорам улиц через интерфейс прикладного программирования (API) Baidu Street View, организации метаданных изображений и подготовки изображений для семантической сегментации. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительный код 4. Рабочий процесс обработки изображений панорам улиц. Ноутбук Jupyter, используемый для обработки и интеграции изображений панорам улиц перед извлечением показателей человеческого восприятия. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительные данные 1. Исходный набор данных показателей городской пространственной структуры. Необработанные значения показателей, собранные до предобработки и стандартизации для всех пространственных единиц, включенных в исследование. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительные данные 2. Стандартизированный набор данных показателей городской пространственной структуры. Стандартизированные предикторы, использованные в качестве входных данных для многомасштабного географически взвешенного регрессионного анализа. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Дополнительные данные 3. Фильтрованный и обработанный набор данных показателей городской пространственной структуры. Набор данных, прошедший контроль качества после предварительной обработки и отбора переменных, использованный для статистического анализа и разработки моделей. Пожалуйста, нажмите здесь, чтобы скачать этот файл.

Обсуждение

Городская витальность в основной городской зоне Яньтая характеризуется разнообразными паттернами кластеризации и гетерогенным пространственным влиянием, которые варьируются в зависимости от местоположения, пространственного охвата и аналитического масштаба. Настоящее исследование демонстрирует, что городская витальность формируется композитной и вложенной пространственной структурой, в которой несколько измерений застроенной среды совместно влияют на дневную и ночную активность жителей. Используя многоисточниковые геопространственные большие данные и модель MGWR, в данной работе была выявлена значительная пространственная гетерогенность влияния функциональности, формы застройки, доступности, социально-экономических условий и человеческого восприятия на городскую витальность. По сравнению с традиционными методами глобальной регрессии, модель MGWR более эффективно отразила пространственную нестационарность этих взаимосвязей, обеспечив более детальное понимание механизмов, лежащих в основе городской витальности. Эти результаты указывают на то, что стратегии развития городской витальности должны основываться на пространственно-временных потребностях жителей в активности и использовать справедливые, контекстно-зависимые подходы, варьирующиеся в зависимости от людей, времени и места. Кроме того, эффективное повышение витальности требует скоординированной оптимизации как глобальных, так и локальных пространственных структур при одновременном сокращении неэффективности, нерезультативных вмешательств и негативных эффектов, связанных с распределением ресурсов и экологическими ограничениями. В совокупности эти данные создают научно обоснованную базу для повышения эффективности и точности стратегий по усилению городской витальности (Рисунок 10).

Среди изученных функциональных элементов основными детерминантами городской витальности были определены разнообразие POI, жизненные функции и жилые функции. Разнообразие POI оказало наиболее сильное положительное влияние на городскую витальность, что согласуется с результатами исследований Ye и Zhuang³³ и Cetin и др.³⁴, которые продемонстрировали, что смешанные городские функции способствуют агрегации населения и повышают пространственную витальность. В настоящем исследовании разнообразие POI показало значимую положительную связь с городской витальностью на большей части основного городского района в дневное время, в то время как в периферийных районах наблюдались лишь слабые отрицательные связи. Эта закономерность может быть объяснена концентрацией разнообразных жилых, коммерческих, рекреационных и сервисных функций, которые создают непрерывные цепочки человеческой деятельности и усиливают как временную, так и пространственную витальность. Напротив, периферийные районы, характеризующиеся однофункциональным землепользованием, демонстрируют фрагментированные цепочки активности и снижение интенсивности использования городского пространства во времени. Эта концентрическая дифференциация также согласуется с предыдущими исследованиями Fang и др.³⁵ и Xu и др.³⁶. Аналогичные закономерности были отмечены в Пекине и Ухане, где более высокий уровень функциональной интеграции связан с более выраженной пешеходной и коммерческой витальностью^37,38. В отличие от пригородных жилых районов Пекина, которые обычно обладают относительно полным набором вспомогательной инфраструктуры, такие промышленные зоны, как улица Хуанву и промышленный парк Ванхуа в Яньтае, испытывают нехватку повседневных POI, что делает негативные эффекты функциональной монокультуры более выраженными. Соответственно, повышение функционального разнообразия за счет смешанной жилой и коммерческой застройки, общественных сервисов и открытых общественных пространств, вероятно, повысит витальность в этих районах, в то время как расширение ночных коммерческих улиц и ночных рынков может дополнительно усилить ночную активность. Жизненные функции также продемонстрировали стабильное положительное влияние на городскую витальность как в дневное, так и в ночное время, особенно в восточной части города. Объекты, связанные с образованием, здравоохранением, культурой, отдыхом, транспортом и государственными услугами, привлекают повторяющиеся ежедневные посещения и служат важными точками при перемещениях и социальном взаимодействии. Пространственное пересечение этих объектов с коммерческими сервисами дополнительно увеличивает продолжительность пребывания пешеходов и интенсивность их деятельности, тем самым поддерживая городскую витальность. Эти выводы согласуются с данными Liu и Ge³⁹, которые подчеркивали важность предоставления государственных услуг для повышения витальности сообщества, а также с исследованиями, проведенными в Нанкине и Ухане, демонстрирующими, что сбалансированные объекты жизнеобеспечения значительно увеличивают интенсивность активности жителей в течение дня^40,41. Следовательно, комплексное городское обновление должно отдавать приоритет улучшению как количества, так и качества объектов жизненных функций. Как показано на рисунке 8, старые кварталы, такие как Синфу Синьчэн и прилегающие к ним городские деревни, по-прежнему страдают от недостаточности государственных услуг и относительно низкого пространственного качества. Улучшение доступа к образованию, здравоохранению, уходу за пожилыми людьми, общественным зеленым зонам и экстренной инфраструктуре, наряду с адаптивным повторным использованием бывших промышленных зон, таких как парк Жичу, для создания парков и общественных площадей, будет способствовать более сильной и устойчивой городской витальности. Жилые функции демонстрировали схожие пространственные закономерности как в дневное, так и в ночное время, в целом обнаруживая слабые отрицательные связи в районах с высокой концентрацией жилых POI. Эти районы часто характеризуются доминирующим жилым землепользованием, ограниченным количеством открытых общественных пространств, недостатком коммерческой активности и относительно малым числом возможностей для социального взаимодействия, что приводит к созданию среды с ярко выраженными жилыми атрибутами, но относительно низкой интенсивностью активности. Chen и др.⁴² аналогично продемонстрировали, что городская инфраструктура повышает витальность только тогда, когда соответствующая плотность сопровождается непрерывной модернизацией и обновлением. Исследования, проведенные в густонаселенных городских районах Гуанчжоу, также указывают на то, что одно лишь увеличение жилой застройки не обязательно ведет к повышению витальности, если оно не поддерживается государственными услугами, коммерческими объектами, пешеходной инфраструктурой и высококачественными общественными пространствами. Как показано на рисунке 9, во многих кварталах с высокой концентрацией жилья по-прежнему наблюдается нехватка общественных пространств и неактивные фасады улиц. Таким образом, районы с плотной жилой застройкой могли бы выиграть от адресного улучшения объектов государственного обслуживания, оптимизации жилых функций, внедрения технологий зеленого строительства, усиления управления сообществом и тщательного планирования будущего жилого строительства для повышения как качества жилья, так и городской витальности.

Помимо функциональных элементов, данное исследование демонстрирует, что застройка, доступность, социально-экономические условия и человеческое восприятие в совокупности определяют пространственную неоднородность городской витальности. Плотность застройки оказалась важным детерминантом витальности районов. В соответствии с результатами исследования Yang et al.⁴³ в Чунцине, более высокая плотность застройки в целом способствует агрегации населения и экономической активности, тем самым повышая витальность района. Аналогично, в настоящем исследовании было показано, что влияние плотности застройки постепенно усиливалось с запада на восток, что отражает концентрацию застройки и коммерческой деятельности в северо-восточном ядре главного городского округа Яньтая. Предыдущие исследования в Гуанчжоу дополнительно продемонстрировали, что, хотя увеличение плотности застройки изначально способствует росту городской витальности, эта зависимость в конечном итоге достигает оптимального порога, за которым дальнейшее увеличение плотности приносит убывающую отдачу¹⁶. Подобным образом, исследования, проведенные в Циндао, показали, что территории, окружающие экологические зоны, не подходят для чрезмерно интенсивной застройки44, а прибрежные линейные или свободноформные пространственные планировки зачастую создают более привлекательную среду, чем высококомпактные городские формы. Эти результаты позволяют предположить, что плотность застройки следует оптимизировать, а не максимизировать. Соответственно, локальную плотность застройки следует умеренно снизить в высокоразвитых коммерческих и жилых районах, включая территории вокруг железнодорожного вокзала Яньтая и Haishang World, одновременно увеличивая площадь общественных зеленых зон и зон отдыха. В исторических районах, таких как улица Чаоян и Суочэнли, приоритетом должна быть консервация исторических зданий и предотвращение чрезмерной перестройки, в то время как интенсивность застройки вдоль прибрежного туристического пояса и вокруг Центрального горного парка должна оставаться под строгим контролем для сохранения экологических и ландшафтных ресурсов при поддержании городской витальности. Доступность также продемонстрировала выраженную пространственно-временную неоднородность. В соответствии с предыдущими исследованиями^45,46, дневная близость имела значимую положительную связь с городской витальностью, тогда как ее влияние в ночные часы снижалось с юга на север. Поскольку близость отражает связность дорожной сети и транспортные затраты жителей, более высокая доступность способствует частой и многоцелевой деятельности за счет сокращения времени в пути. Предыдущие исследования также показали, что ночная витальность тесно связана с плотностью населения и транспортной связностью, особенно в плотно застроенных городских районах⁴⁷. Wei Wei et al.⁴⁸ дополнительно продемонстрировали в Ухане, что высокая связность дорожных сетей и развитые системы медленного транспорта существенно повышают витальность районов, особенно в ночное время. Эти результаты позволяют предположить, что при дальнейшем планировании дорожной сети следует применять стратегию «малых кварталов и плотной уличной сети». В старых районах, расположенных вблизи горного рельефа, включая улицы Нангоу–Цзиндэ и Байши–Хушань, улучшение связности путем ликвидации тупиковых дорог и расширения пешеходной, велосипедной и дорожной инфраструктуры укрепило бы доступность и общую витальность. Аналогичным образом, улучшение транспортного сообщения в северных районах улицы Синфу дополнительно повысило бы ночную витальность. Социально-экономические условия, представленные DBC, также проявили четкую суточную неоднородность. В дневное время более низкие значения DBC были связаны с более сильной агрегацией населения и более высокой городской витальностью, тогда как ночная витальность демонстрировала противоположную закономерность, что согласуется с результатами, сообщенными Wang et al.⁴⁹. Это различие отражает контраст в пространственной организации дневных поездок на работу и торговой деятельности по сравнению с ночным досугом и жилой активностью. Днем коммерческий центр города функционирует как основное место трудоустройства и потребления, создавая сильную концентрацию витальности. Однако ночью досуговая деятельность становится более рассредоточенной, а в периферийных жилых районах наблюдается рост витальности по мере возвращения жителей домой. Такая модель также отражает дисбаланс между рабочими местами и жильем в условиях преимущественно моноцентрической коммерческой структуры Яньтая. Согласно теории ночной экономики Bianchini⁵⁰, создание разнообразной ночной коммерческой деятельности является эффективной стратегией укрепления витальности в пригородных районах. Соответственно, пригородные районы, такие как подрайон Хуанву, выиграли бы от развития вторичных коммерческих центров, диверсификации возможностей ночного потребления и улучшения транспортных связей между пригородными жилыми районами и центром города, что способствовало бы более сбалансированной витальности по всей городской территории. Наконец, человеческое восприятие, представленное пешеходной доступностью (walkability), неизменно оказывало положительное влияние на городскую витальность как в дневное, так и в ночное время. Geurs et al.⁵¹ продемонстрировали, что более высокая пешеходная доступность увеличивает готовность жителей совершать спонтанные пешие прогулки, тем самым стимулируя витальность района. Mahmood et al.⁵² дополнительно подчеркнули, что ночная городская активность сильно зависит от транспортной доступности, комфорта пешеходов и воспринимаемой безопасности, что делает высококачественную пешеходную среду необходимой для поддержания ночной витальности. Полученные результаты аналогично указывают на то, что дневная пешеходная активность в первую очередь зависит от доступности объектов, тогда как ночная витальность сильнее зависит от комфорта окружающей среды, непрерывности пешеходных маршрутов и воспринимаемой безопасности. Si Rui et al.⁵³ также сообщили, что более безопасная пешеходная среда способствует ночной витальности, в то время как разнообразные интерфейсы улиц повышают дневную витальность. В Яньтае в старых районах по-прежнему распространены фрагментированные пешеходные сооружения и серьезные конфликты между пешеходами и транспортом, что ограничивает реализацию круглосуточной витальности. Поэтому в будущем планировании приоритет следует отдавать непрерывным тротуарам, безбарьерным пешеходным объектам, более безопасным переходам, более разнообразным интерфейсам улиц, улучшенному освещению и повышению качества ночной среды, чтобы продлить пребывание жителей на открытом воздухе, стимулировать социальное взаимодействие и коммерческую деятельность, а также укрепить как дневную, так и ночную городскую витальность. На рисунке 10 обобщены предлагаемые стратегии оптимизации, выведенные на основе этих результатов.

В целом, данное исследование расширяет понимание городской витальности путем интеграции многоисточниковых геопространственных больших данных с моделью MGWR для количественной оценки того, как различные аспекты городской пространственной структуры влияют на витальность на разных пространственных масштабах и в разные периоды времени. В отличие от традиционных глобальных регрессионных моделей, подход MGWR позволяет каждой объясняющей переменной функционировать на своем собственном пространственном масштабе, выявляя тем самым значительную пространственную нестационарность в отношениях между функциональностью, застройкой, доступностью, социально-экономическими условиями, человеческим восприятием и городской витальностью. Эта аналитическая база не только улучшает интерпретацию механизмов, лежащих в основе городской витальности, но и дает практические рекомендации для городского планирования и управления на основе фактических данных. Вместо применения однообразных планировочных решений во всем городе, полученные результаты обосновывают стратегии дифференцированной оптимизации, адаптированные к локальным функциональным характеристикам, интенсивности застройки, транспортной доступности, социально-экономическому контексту и пешеходной среде. Следовательно, предлагаемая модель имеет потенциал применения в обновлении городской среды, регенерации районов, оптимизации общественных пространств, транспортном планировании, а также в развитии устойчивой дневной и ночной экономики. Определяя, где и как различные пространственные элементы влияют на витальность, исследование обеспечивает научную основу для реализации точных, ориентированных на людей стратегий планирования, которые повышают качество городского пространства, способствуя при этом сбалансированному и устойчивому развитию города.

Несмотря на то что данное исследование формирует аналитическую базу для изучения городской витальности с использованием многоисточниковых геопространственных данных и модели MGWR, следует признать наличие нескольких ограничений. Во-первых, временной охват анализа был ограничен данными тепловых карт, собранными в течение пяти рабочих дней подряд, что не позволяет учесть изменения в поведенческих паттернах жителей в выходные, праздничные дни или в разные сезоны, и, следовательно, ограничивает полноту временного анализа. Во-вторых, хотя данные тепловых карт обеспечивают широкий пространственный охват благодаря большой пользовательской базе, они неизбежно содержат систематическую ошибку выборки и не могут в полной мере представлять все городское население, что приводит к ограничениям в репрезентативности выборки. В-третьих, исследование было сосредоточено исключительно на основной городской территории района Жифу города Яньтай; следовательно, полученные результаты тесно связаны с характеристиками местной застроенной среды, а их применимость к другим городским условиям, включая горные города, пригородные зоны, прибрежные города и мегаполисы, требует дальнейшего подтверждения в сравнительных исследованиях. В-четвертых, в данном анализе изучалось только влияние городской пространственной структуры на городскую витальность, в то время как потенциальные двусторонние взаимодействия между витальностью и пространственной структурой не исследовались. Наконец, хотя модель MGWR эффективно фиксирует пространственную нестационарность, она по-прежнему фундаментально основана на линейных допущениях и, следовательно, может не полностью характеризовать сложные нелинейные связи и эффекты взаимодействия между городской витальностью, человеческой деятельностью и пространственными элементами. Эти ограничения задают важные направления для дальнейшего методологического совершенствования и более широкого применения предлагаемой аналитической базы.

Будущие исследования могут расширить настоящую работу в нескольких направлениях. Включение данных Heat Map, собранных в выходные, праздничные дни и в разные сезоны, позволит осуществлять долгосрочный динамический мониторинг городской витальности и обеспечит более всестороннее понимание ее пространственно-временной эволюции. Сравнительный анализ различных типов городских поселений, включая города в горных районах, равнинные города, прибрежные города, пригородные зоны и мегаполисы, поможет отличить универсальные механизмы от региональных особенностей и повысит обобщаемость полученных результатов. Кроме того, интеграция социально-экономической информации, в том числе структуры населения, распределения промышленности, характеристик занятости и доходов жителей, будет способствовать более глубокой интерпретации механизмов формирования городской витальности. В будущих исследованиях также может быть применено сочетание нескольких источников данных, таких как данные сигнализации мобильных телефонов и высокочастотные записи о потреблении, с машинным обучением и другими методами нелинейного анализа для более точного отражения сложных взаимодействий между пространственной структурой города, поведением людей и городской витальностью. Более того, аналитическая база, разработанная в данном исследовании, представляет значительную практическую ценность для обновления городской среды, регенерации кварталов, оптимизации общественных пространств и точного городского управления, особенно в стареющих сообществах, пригородных районах и зонах с относительно низкой коммерческой активностью. Предоставляя количественные доказательства для разработки дифференцированных стратегий планирования на основе местных пространственных характеристик, эта база может способствовать более точному, ориентированному на людей и устойчивому городскому развитию. В целом, данное исследование демонстрирует, что интеграция многоисточниковых геопространственных больших данных с моделью MGWR обеспечивает эффективный подход к выявлению пространственной неоднородности городской витальности и предоставляет ценную научную поддержку для оптимизации городской пространственной структуры и повышения городской витальности посредством планирования и управления, основанного на доказательствах.

Материалы

Список материалов, использованных в этой статье

Имя	Компания	Каталожный номер	Комментарии
ArcGIS	Esri	Version 10.4 (RRID: SCR_011081)	Программное обеспечение геоинформационной системы, используемое для пространственного анализа и визуализации карт
Baidu Maps API	Baidu, Inc.	Version 3.0	Используется для получения данных тепловых карт, точек интереса (POI) и изображений улиц
MGWR	Arizona State University	Version 2.2	Программное обеспечение, используемое для многомасштабного географически взвешенного регрессионного анализа
National Basic Geographic Information Center Land-use Dataset	National Basic Geographic Information Center	https://www.gscloud.cn/search	Источник данных о землепользовании
NPP-VIIRS Nighttime Light Dataset	Harvard Dataverse	DOI: 10.7910/DVN/YGIVCD	Используется для валидации паттернов городской витальности, полученных на основе тепловых карт
OpenCV	OpenCV	Version 4.5.5	Используется для сшивания панорамных изображений и обработки изображений
OpenStreetMap	OpenStreetMap Foundation	https://www.openstreetmap.org	Источник данных о контурах зданий и дорожной сети
Python	Python Software Foundation	Version 3.8 (RRID: SCR_008394)	Используется для сбора, предобработки и анализа данных
SegNet	University of Cambridge	PyTorch implementation (Version 1.0) (RRID: SCR_017042)	Сеть семантической сегментации на основе глубокого обучения, используемая для извлечения признаков городского ландшафта
Spatial Design Network Analysis (sDNA)	Cardiff University	Version 4.0	Используется для расчета показателей доступности дорожной сети