论文精读：基于轨迹语义的城市河流廊道休闲步行行为与建成环境关联研究

原文：《Exploring recreational walking and its correlated built environment factors in river corridor space through a trajectory sematic-based approach》

一、论文核心信息与研究背景

1. 现实价值：休闲步行是全年龄段可参与的中等强度体力活动，对居民身心健康提升、健康城市建设、联合国可持续发展目标SDG3（良好健康与福祉）落地具有关键作用；而城市河流廊道作为核心蓝绿空间，是居民休闲步行的核心载体。
2. 行业痛点：传统休闲步行研究多依赖问卷、人工调查，存在成本高、回忆偏差、无法精准定位活动空间的问题；现有基于轨迹数据的研究多聚焦轨迹整体特征，忽略了轨迹内部隐含的移动、停留、拍照等细分行为语义，也未能厘清不同行为与建成环境的差异化关联机制。
3. 理论价值：首次将轨迹语义理论系统性应用于河流廊道休闲步行研究，构建了“行为语义挖掘-空间特征识别-建成环境关联-规划策略响应”的完整分析框架，为城市滨水空间品质提升提供了量化支撑。

二、摘要核心内容拆解

论文摘要用极简的逻辑覆盖了研究缺口-方法路径-核心发现-应用价值四大核心模块，拆解如下：

1. 研究缺口：现有研究未能基于GPS等高分辨率地理数据，深入挖掘河流廊道内休闲步行的具体行为特征，也未能厘清细分步行行为与建成环境的关联机制。
2. 方法创新：基于GIS领域的轨迹语义概念模型，从轨迹数据中挖掘移动、停留、拍照三类核心行为，以广州市中心城区河流廊道为案例，分析其空间分布规律与建成环境影响因素。
3. 核心发现：
   • 河流廊道内休闲步行的移动、停留、拍照行为呈现差异化空间分布：移动行为空间分布均质，停留与拍照行为呈现显著的空间异质性；
   • 三类行为均与建成环境存在关联，但关联强度差异显著，其中停留行为受建成环境因素的影响最强。
4. 实践应用：基于研究结果提出滨水空间品质提升的规划策略，重点强调花境营造与交通可达性优化，以满足居民户外活动需求。

三、引言部分深度解析

引言是论文的“立论之本”，作者通过四层逻辑层层递进，锚定了研究的必要性与合理性。

3.1 研究缘起：休闲步行与城市蓝绿空间的核心价值

作者首先明确了休闲步行的双重价值：

• 健康价值：引用《柳叶刀》研究成果，明确休闲步行能从多维度显著提升居民身心健康；
• 空间价值：城市河流廊道作为蓝绿融合空间，兼具水体修复性与开放自然属性，比普通城市空间更能吸引居民休闲步行，且长时间的滨河休闲活动与居民幸福感提升显著相关。

由此提出核心命题：城市核心区滨河空间是居民休闲步行的关键目的地，提升其空间品质是实现健康城市与SDGs目标的核心抓手。

3.2 数据来源的演进：传统调查 vs 众包轨迹数据

作者对比了两类数据的优劣势，明确了本研究选择众包轨迹数据的核心原因：

数据类型	优势	核心局限
传统出行调查/问卷	可获取受访者社会属性信息	成本高、存在回忆偏差、无法精准捕捉活动的时空位置
众包GPS轨迹数据	时空粒度高、可捕捉连续的时空移动序列、附带照片等补充信息	存在用户群体选择性偏差

作者指出，众包轨迹数据在刻画居民慢节奏休闲行为与空间偏好上具有天然优势，是理解居民休闲活动空间利用与分布的理想数据源，同时也在后续研究中对数据偏差进行了说明与控制。

3.3 现有研究的两大核心局限

这是论文的“破题关键”，作者精准指出了现有研究的两大空白，也是本研究的核心切入点：

1. 行为解析不足：现有基于轨迹数据的步行研究，多聚焦城市整体步行网络、轨迹空间分布等整体特征，忽略了轨迹语义理论揭示的停留、移动等细分行为，未能深入挖掘轨迹内部的行为信息；
2. 关联机制不清：极少有研究探索轨迹语义拆解后的细分步行行为与建成环境特征的关联，限制了对城市休闲步行行为及其与建成环境关系的全面理解。

3.4 研究问题与论文核心贡献

基于上述局限，作者提出两个核心研究问题：

1. 如何通过基于轨迹语义的方法，理解城市中心区河流廊道内的休闲步行活动？
2. 河流廊道内休闲步行的活动特征与建成环境之间存在怎样的关联？

同时明确了论文的两大核心贡献：

• 方法层面：提出了一套聚焦移动、停留、拍照三类行为的、基于语义的休闲步行分析路径；
• 实证层面：以广州珠江廊道为案例，通过新路径评估了其休闲步行特征，并量化探索了其与建成环境的关联，为城市蓝绿空间品质提升提供了科学支撑。

四、文献综述部分系统梳理

文献综述并非简单的文献堆砌，作者通过两个主题的梳理，进一步夯实了研究的理论基础，同时再次锚定了研究空白。

4.1 基于轨迹数据的休闲步行特征研究进展

作者将现有研究分为两个层级，并指出了其不足：

1. 宏观层面：部分研究基于GPS轨迹数据提取城市层面的步行网络，刻画城市整体休闲结构；
2. 中微观层面：部分研究聚焦轨迹的空间分布模式、识别休闲活动热点区；
3. 核心不足：现有研究大多聚焦轨迹整体的数量、空间分布等特征，极少对轨迹进行拆解，通过时空信息挖掘更细分的行为。

在此基础上，作者引入了轨迹语义理论的核心内涵：

• 一条完整的出行链，可以被解读为“停留（个体在特定位置花费时间）”与“移动（位置间的导航）”的交替（Nature Computational Science, 2023）；
• GIS领域学者提出的基于语义的轨迹模型，可通过识别“停止-移动”特征，简化移动对象地理信息的提取与分析；
• 现有实证研究已验证，停留行为是识别休闲热点、解读个体空间偏好的核心视角，而移动行为是刻画休闲步行流动性特征的基础，拍照行为则是空间吸引力的直接体现。

最终得出结论：现有研究忽略了轨迹内含的行为信息，会导致对休闲步行的理解不完整，因此本研究引入轨迹语义理论开展分析具有充分的理论必要性。

4.2 休闲步行与城市建成环境的关联研究进展

作者围绕这一主题，梳理了理论演进与研究争议，为后续建成环境指标体系构建奠定基础：

1. 理论框架演进：从Cervero和Kockelman提出的3D框架（密度Density、设计Design、多样性Diversity），到Ewing和Cervero扩展的5D框架（新增目的地可达性Destination accessibility、公交距离Distance to transit），成为刻画建成环境与出行行为关联的经典范式。
2. 现有研究共识：步行路线特征与选择显著受建成环境特征影响，公园与开放空间可达性、高街道连通性、社区美学、治安安全等因素，均会促进休闲步行。
3. 核心研究争议：现有研究对于建成环境对休闲步行的影响结论存在不一致性，例如绿化遮荫对步行行为的影响，既有研究证实其正向作用，也有研究发现其负向影响。作者指出，这种分歧的核心原因，是缺乏对细分步行行为的差异化分析。

最终作者明确：基于轨迹语义理论，可聚焦建成环境如何影响停留等细分步行行为，更清晰地揭示不同步行行为空间分布背后的建成环境作用机制，这也是本研究的第二大核心动机。

五、研究设计（核心方法论详解）

这是论文的核心章节，也是本文拆解的重中之重。作者构建了完整的研究技术路线，从研究区、数据、方法三大维度，实现了从轨迹数据到行为解析、再到关联分析的全流程量化分析。

5.1 整体研究框架

作者通过图1完整呈现了研究的全流程框架，先对框架进行整体拆解，再分模块详解。

图1 研究框架 核心解读：
整个研究框架分为四大核心环节、三大核心任务，逻辑闭环完整：

1. 数据输入层：基础数据为广州珠江廊道70个街区2018-2022年的众包休闲步行轨迹数据，为后续分析提供数据源；
2. 核心环节1：基于轨迹语义的行为挖掘：从轨迹数据中拆解三类核心行为，分别是：
   • 移动（Moving）：单元内剔除停留记录后的轨迹数量；
   • 停留（Staying）：基于时空阈值识别的停留点，阈值为空间距离≤250m、时长≥20min；
   • 拍照（Taking photos）：单元内的拍照点数量；
3. 核心环节2：三类行为的特征分析：从数量分布与空间分布两个维度，解析移动、停留、拍照行为的分布规律，并通过K-means聚类对河流廊道单元进行类型划分；
4. 核心环节3：步行行为与建成环境的关联解读：基于5D框架构建河流廊道建成环境指标体系，通过OLS模型，量化分析三类行为与建成环境各指标的关联关系；
5. 最终输出：基于分析结果，提出河流廊道空间的规划设计策略。

5.2 研究区概况

作者选取广州市中心城区珠江前航道廊道作为研究区，通过图2清晰呈现了研究区的区位与范围。

图2 研究区：广州中心城区珠江前航道廊道 核心解读：

1. 区位与范围：研究区西起人民桥，东至东圃桥，全长约17.5km，贯穿广州城市中心，串联了沙面岛等历史地标、珠江新城等现代城市节点，是广州万里碧道工程的核心聚焦区域；
2. 研究单元划分：
   • 以河道为核心，向外做500米缓冲区，再以500米宽度为基本单元，结合实际道路走向调整边界，最终划分为70个研究单元，单个单元面积约16-25公顷；
   • 单元划分的三大依据：①500×500m网格是步行可达性研究的经典单元；②与该区域已有活力研究的单元划分标准保持一致；③基于道路调整边界，更贴合城市实际，便于规划项目落地应用。

5.3 数据来源与预处理

5.3.1 核心轨迹数据

• 数据平台：2bulu、foooooot两大户外轨迹开放平台，这两个平台是国内主流的运动记录软件，用户可上传运动类型、轨迹、运动中拍摄的照片、打卡位置信息，其数据已被广泛应用于旅游与休闲研究；
• 时间范围：2018-2022年；
• 数据清洗流程：
  1. 剔除重复数据：删除单次数据中重复记录的点位与轨迹；
  2. 剔除异常数据：删除相邻两个记录点之间距离超过1km的异常轨迹；
  3. 剔除非步行数据：基于轨迹的时间与距离，剔除潜在的机动车出行记录，确保数据仅代表休闲步行行为；
• 最终有效数据：经过清洗后，共获得16927条有效休闲步行轨迹，每条轨迹包含ID、经纬度、时间、轨迹数据点数量等信息，经纬度已投影至WGS 84 N坐标系。

5.3.2 建成环境数据

建成环境数据对应5D框架的12项指标，来源包括高德地图POI、百度街景地图、FlowerMate 2.0植物识别APP、已公开发表的城市绿化数据集等，具体指标在5.6节详细拆解。

5.4 核心方法论1：基于轨迹语义的休闲步行行为挖掘

这是论文最核心的方法创新点，作者基于轨迹语义理论，构建了休闲步行的三类行为解析路径，通过图3直观呈现了行为识别的逻辑，同时通过表2明确了三类行为的量化计算方法。

图3 基于轨迹语义的休闲步行理解路径 核心解读：
这张图清晰呈现了“原始轨迹-行为拆解-量化计算”的核心逻辑，核心是将一条完整的休闲步行轨迹，拆解为移动、停留、拍照三个相互独立又关联的行为维度，实现从“轨迹线”到“行为点”的语义解析。

作者对三类行为的理论内涵、识别规则、量化计算方法进行了严格定义，表2的详细拆解如下：

5.4.1 移动行为（Moving）量化计算

移动行为刻画了休闲步行的整体流动性特征，代表了单元内步行交通的整体活跃度。

• 核心公式：
  1. 单条轨迹有效性判断：$P_j=\{\begin{array}{ll}1,& T{r}_j\ge 50m\\ 0,& T{r}_j<50m\end{array}$
     含义：为消除误差，仅当单元内的轨迹长度超过50米时，才被计入有效移动轨迹；
  2. 单元移动密度计算：$P={\sum }_j{P}_j/A_j$
     含义：单元内有效移动轨迹的数量，除以单元面积$A_j$，得到单位面积的移动密度，消除单元面积差异的影响；
• 关键说明：移动轨迹的计数过程中，剔除了停留记录，确保移动行为与停留行为的独立性。

5.4.2 停留行为（Staying）量化计算

停留行为是居民空间偏好的核心体现，代表了单元对休闲步行人群的滞留吸引力。

• 理论依据：时空预算理论指出，个体在不同地点的时间分配，反映了其对特定位置的关注度；旅游经济学研究也证实，个体在某地的停留位置与时长，直接反映了其空间兴趣。
• 停留点识别时空阈值：
  对于一条轨迹T={p1,p2,p3,…,pn}T = \{p_1,p_2,p_3,…,p_n\}T={p1​,p2​,p3​,…,pn​}，其中每个点位pi={xi,yi,ti}p_i = \{x_i,y_i,t_i\}pi​={xi​,yi​,ti​}（坐标+时间），满足以下两个条件的点位集合，被识别为一个停留点：
  1. 空间距离阈值：$Dis(p_i,p_k)\le 250m$，即点位之间的空间距离不超过250米；
  2. 时间时长阈值：$Time(p_i,p_k)\ge 20min$，即点位之间的时间差不低于20分钟；
     阈值选取依据：参考Li et al. (2008) 经典的停留点识别研究，适配休闲步行的慢节奏特征。
• 量化计算方法：
  1. 单停留点有效性判断：$S_j=\{\begin{array}{ll}1,& 停留点位于单元内\\ 0,& 停留点位于单元外\end{array}$
  2. 单元停留密度计算：$S={\sum }_j{S}_j/A_j$，即单元内有效停留点数量除以单元面积。

5.4.3 拍照行为（Taking photos）量化计算

拍照行为是空间景观吸引力的直接体现，代表了单元的景观美学价值与打卡吸引力。

• 理论依据：带地理标签的照片，是评估景点人气与旅游吸引力的核心数据，拍照点的位置是关键的用户生成内容，可用于提取城市河流廊道的环境价值。
• 量化计算方法：
  1. 单拍照点有效性判断：$T_j=\{\begin{array}{ll}1,& 拍照点位于单元内\\ 0,& 拍照点位于单元外\end{array}$
  2. 单元拍照密度计算：$T={\sum }_j{T}_j/A_j$，即单元内有效拍照点数量除以单元面积。

5.4.4 单元类型划分：K-means聚类分析

在得到每个单元的移动、停留、拍照密度后，作者通过K-means聚类方法，对70个河流廊道单元进行类型划分，实现对单元功能的差异化识别。

• 聚类变量：基于轨迹语义提取的三类行为密度（移动密度、停留密度、拍照密度）；
• 聚类数确定：通过肘部法则确定K值，同时为解决K-means随机生成K核导致的结果不稳定问题，先通过层次聚类判断单元间的差异，基于层次聚类结果手动预设K核，再执行K-means聚类，保证结果的稳定性与可靠性；
• 聚类的实践意义：通过聚类可识别不同单元的功能特征，例如“高移动密度、低停留/拍照密度”的单元，核心功能是步行交通枢纽，缺乏吸引人群停留的景观与设施，为后续差异化规划策略提供依据。

5.5 核心方法论2：OLS模型与建成环境5D指标体系

作者采用OLS（普通最小二乘法）全局线性回归模型，探索不同建成环境特征对休闲步行三类行为的影响机制。OLS是经典的全局线性回归分析技术，在建成环境与出行行为的关联研究中被广泛应用。

5.5.1 建成环境5D指标体系构建

作者基于Ewing和Cervero的5D框架，结合河流廊道休闲步行的特征，从5个维度选取了12项具体指标作为自变量，通过表3详细呈现了指标的定义、内涵与数据来源，详细拆解如下：

5D维度	具体指标	指标描述与内涵	数据来源
公交距离Distance to transit	到公交站的距离	研究单元内任意点到最近公交站的平均距离，反映地面公交可达性	高德地图
	到地铁站的距离	研究单元内任意点到最近地铁站的平均距离，反映轨道交通可达性	高德地图
密度Density	公共设施密度	研究单元内公共服务设施（政府机构、社会组织、公益设施等）的密度，是公共活动的核心载体	高德地图
	商业设施密度	研究单元内商业设施（餐饮、购物、住宿等）的密度，是休闲消费的核心载体	高德地图
	居住密度	研究单元内居住区（商品房、城中村）的密度，是休闲步行人群的核心来源	高德地图
多样性Diversity	功能混合度	基于香农熵计算的设施混合程度，公式：$Diversity=-{\sum }_{i=1}^s{p}_{i}ln{p}_i$，$p_i$为第i类POI的占比，反映单元的功能丰富度	高德地图
设计Design	街道围合度	百度街景图像中，建筑、围墙、栅栏等围合街道的空间元素占比，与河流视觉通达性直接相关	百度街景地图（ADE20K算法解析）
	街道绿化度	百度街景图像中，乔木、灌木、花卉等绿植的占比，反映街道的视觉绿化水平	百度街景地图（ADE20K算法解析）
	街道设施完善度	百度街景图像中，座椅、垃圾桶、安全护栏等街道小型设施的占比，反映街道的服务设施水平	百度街景地图（ADE20K算法解析）
目的地可达性Destination accessibility	便民设施数量	研究单元内底层便民设施的数量，反映休闲步行的目的地丰富度	高德地图、小红书交叉验证
	吸引力植物数量	研究单元内用户识别的植物记录数量，反映特色植物景观的吸引力	FlowerMate 2.0植物识别APP
	绿化遮荫面积	研究单元内植物（尤其是乔木）的总覆盖面积，反映整体绿化水平	已公开发表的1m精度中国城市绿地数据集

街景数据处理说明：街道段每50米设置1个街景采集点，不足50米的按50米向上取整；通过ADE20K语义分割算法，对街景图像进行元素解析，计算各类元素的占比，实现街道视觉环境的量化。

5.5.2 OLS模型构建

• 因变量：分别为研究单元的移动密度、停留密度、拍照密度，构建三个独立的OLS回归模型；
• 自变量：上述5D框架的12项建成环境指标；
• 模型核心作用：通过回归系数、显著性水平（p值）、调整后$R^2$，量化分析各建成环境指标对三类步行行为的影响方向、影响强度，以及模型整体的解释力。

六、研究结果详细解读

作者通过三大模块，呈现了休闲步行行为特征、单元聚类结果、建成环境关联分析的完整结果，同时通过多张图表实现结果的可视化呈现，逐一拆解如下。

6.1 休闲步行三类行为的特征分析

6.1.1 数量分布特征

作者通过图4呈现了70个研究单元中，移动、停留、拍照密度的数量分布统计特征。

图4 研究单元移动、停留、拍照行为统计特征 核心解读：

1. 移动行为：呈现典型的正态分布，ht指数为2（低于3的阈值），说明不同单元的移动密度差异较小，空间分布具有同质性；
2. 停留行为：呈现对数正态分布，具有明显的长尾特征，ht指数为5（达到阈值），说明大部分单元停留密度较低，少数单元停留密度极高，空间分布具有异质性；
3. 拍照行为：同样呈现对数正态分布与长尾特征，ht指数为3（达到阈值），空间分布同样具有显著的异质性。

这一结果直接验证了作者的核心假设：休闲步行的不同细分行为，具有完全不同的数量分布特征，仅分析整体轨迹数量，会忽略停留、拍照行为的空间集聚特征。

6.1.2 三类行为的相关性分析

作者通过Pearson相关性检验，分析了三类行为密度之间的关联，通过图5与表4呈现了检验结果。

图5 移动、停留、拍照密度的相关性散点图 核心解读：
三张散点图分别呈现了三类行为的两两相关关系，拟合直线与相关系数r直观体现了关联强度，结合表4的统计结果，核心结论如下：

行为对	相关系数r	回归系数β	显著性水平	关联强度排序
停留-拍照	0.62***	0.685	p<0.001	1（最强）
移动-拍照	0.57***	0.524	p<0.001	2
移动-停留	0.32**	0.267	p<0.01	3（最弱）

注：***p<0.001，**p<0.01，*p<0.05

核心结论：

1. 三类行为之间均存在显著的正相关关系；
2. 停留行为与拍照行为的相关性最强，说明能吸引人群停留的空间，往往也具有极强的景观打卡吸引力；
3. 移动行为与停留行为的相关性最弱，说明步行人流量大的区域，不一定能有效吸引人群停留，进一步验证了细分行为分析的必要性。

6.1.3 空间分布特征

作者通过图6可视化呈现了三类行为密度的空间分布格局。

图6 研究单元移动、停留、拍照行为的空间分布特征 核心解读：

1. 移动行为：整体分布相对均质，珠江北岸的历史街区、珠江新城板块的移动密度相对更高，整体无显著的集聚特征，与数量分布的同质性结论一致；
2. 停留行为：呈现显著的空间集聚特征，历史街区的停留密度显著高于新建城区，珠江南岸的停留密度峰值出现在跨江通道周边，高值区高度集中，低值区广泛分布，体现了极强的空间异质性；
3. 拍照行为：集聚特征弱于停留行为，但仍显著强于移动行为，密度峰值同时出现在历史街区与新建城区，说明历史人文景观与现代城市景观，均能产生较强的打卡吸引力。

6.2 河流廊道单元的K-means聚类结果

作者通过K-means聚类，将70个研究单元划分为6个类型，通过图7呈现了聚类结果与各类别特征，同时通过图8展示了6类单元的典型实景照片。

图7 基于三类行为密度的研究单元K-means聚类结果 核心解读：
6类单元的核心特征如下表所示：

类别编号	核心特征	空间分布	功能定位
类别1	高停留密度，历史街区型滨水街区	沙面岛等历史街区	核心休闲滞留区，景观与人文吸引力极强
类别2	中移动、中停留、中拍照密度，均衡型滨水街区	珠江新城中段等	综合型休闲空间，步行、滞留、打卡功能均衡
类别3	中高移动、中低停留、中低拍照密度，交通型滨水街区	跨江通道周边	步行交通枢纽，通行功能为主，滞留吸引力不足
类别4	低移动、低停留、低拍照密度，活力缺失型滨水街区	老城区边缘、东部滨水区	休闲步行活力极低，空间品质亟待提升
类别5	高移动密度，交通干线型滨水街区	主要交通通道周边	核心步行通道，人流量大，滞留功能弱
类别6	中低移动、中停留、中拍照密度，潜力型滨水街区	琶洲会展周边等	具备一定的景观吸引力，活力有较大提升空间

图8 6类单元的典型实景照片 核心解读：
这张图通过实景照片，直观呈现了6类单元的空间环境差异，验证了聚类结果的现实合理性：

• 类别1的实景呈现出历史风貌浓郁、景观品质高、设施完善的特征，对应高停留密度；
• 类别4的实景呈现出空间封闭、景观单调、设施缺失的特征，对应三类行为密度均极低的结果；
• 类别5的实景呈现出通道型空间特征，以步行动线为主，缺乏停留空间与景观节点，对应高移动、低停留的特征。

6.3 建成环境与步行行为的OLS回归结果

作者分别构建了移动、停留、拍照三类行为的OLS回归模型，通过表5、表6、表7呈现了详细的回归结果，同时通过图9可视化了5D框架各维度与三类行为的关联关系。

6.3.1 移动行为的OLS回归结果（表5）

核心结论如下：

1. 模型整体解释力：调整后$R^2=0.314$，说明建成环境指标对移动行为的解释力较弱，居民休闲步行的路径选择，仅受部分建成环境因素的影响；
2. 显著负向影响因素：街道围合度（系数-0.3643，p<0.05），说明街道空间越封闭，居民休闲步行的移动活跃度越低，居民更偏好滨水公园、步道等开敞空间进行休闲步行；
3. 显著正向影响因素：吸引力植物数量（系数0.6260，p<0.05），说明特色观赏植物的数量越多，休闲步行的移动活跃度越高；
4. 无显著影响的因素：公交/地铁可达性、各类密度指标、功能混合度、街道绿化度、街道设施、便民设施数量、绿化遮荫面积，均对移动行为无显著影响。

6.3.2 停留行为的OLS回归结果（表6）

核心结论如下：

1. 模型整体解释力：调整后$R^2=0.568$，远高于移动行为模型，说明建成环境对停留行为的解释力极强，停留行为受建成环境的影响最为显著；
2. 显著正向影响因素：
   • 公交距离（系数0.2085，p<0.05）、地铁距离（系数0.2770，p<0.01）：公共交通可达性越好，停留行为越活跃，轨道交通的影响强度高于地面公交；
   • 公共设施密度（系数0.5220，p<0.05）：公共服务设施越密集，越能吸引居民长时间停留；
3. 无显著影响的因素：商业/居住密度、功能混合度、街道设计类指标、目的地可达性类指标，均对停留行为无显著影响。

6.3.3 拍照行为的OLS回归结果（表7）

核心结论如下：

1. 模型整体解释力：调整后$R^2=0.497$，略低于停留行为模型，但远高于移动行为模型，说明建成环境对拍照行为同样具有极强的解释力；
2. 显著正向影响因素：
   • 地铁距离（系数0.3414，p<0.01）：轨道交通可达性越好，拍照行为越活跃，地面公交可达性无显著影响；
   • 街道设施完善度（系数0.5178，p<0.01）：街道座椅、护栏等设施越完善，拍照行为越活跃；
   • 吸引力植物数量（系数0.9905，p<0.001）：特色观赏植物数量对拍照行为的正向影响最强，是景观打卡吸引力的核心来源；
3. 无显著影响的因素：各类密度指标、功能混合度、街道围合度/绿化度、便民设施数量、绿化遮荫面积，均对拍照行为无显著影响。

图9 建成环境与停留、移动、拍照行为的关联关系 核心解读：
这张图直观总结了5D框架各维度对三类行为的影响差异，核心结论可概括为：

1. 5D框架中的公交距离、密度、设计、目的地可达性四大维度的要素，对停留、拍照行为的影响，远大于对移动行为的影响；
2. 移动行为仅受设计维度的围合度、目的地可达性维度的吸引力植物数量影响；
3. 停留行为核心受公交距离、密度维度的公共设施密度影响；
4. 拍照行为核心受公交距离、设计维度的街道设施、目的地可达性维度的吸引力植物数量影响。

七、讨论与规划策略

7.1 基于轨迹语义的休闲步行行为理论讨论

作者基于研究结果，对轨迹语义视角下的休闲步行行为进行了深度理论讨论，核心观点如下：

1. 细分行为的空间分布差异机制：
   • 移动行为在街区尺度呈现均质分布，核心原因是移动行为覆盖范围更广，无明确的目的地，需要更大的城市尺度才能识别出清晰的流动规律；
   • 停留、拍照行为呈现集聚分布的长尾特征，核心原因是这两类行为往往发生在有限的空间内，且具有明确的目的地（如景点、景观节点），社交媒体的传播会进一步加剧人流的集聚，形成“马太效应”。
2. 绿化对步行行为的影响机制：
   • 研究发现，代表“绿化数量”的街道绿化度、绿化遮荫面积，对三类行为均无显著影响；而代表“绿化质量与吸引力”的吸引力植物数量，对移动、拍照行为均有极强的正向影响；
   • 这一结论回应了现有研究的争议：绿化对步行行为的影响，核心不在于“量的多少”，而在于“质的高低”，景观美学价值高的特色植物，比单纯的绿化覆盖更能促进休闲步行。
3. 公共交通可达性的影响机制：
   • 研究发现，公交/地铁可达性对停留、拍照行为具有显著正向影响，与部分现有研究“休闲步行与交通因素无关”的结论相反；
   • 作者指出，核心原因是对休闲步行的定义不同：现有研究将“起终点均为家”的步行定义为休闲步行，弱化了公共交通的影响；而本研究中的河流廊道休闲步行，大多以公共交通站点为起终点，因此交通可达性直接决定了人群的可达性，进而影响停留与拍照行为。

7.2 规划设计响应策略

基于研究结果，作者提出了三大核心规划设计策略，通过图10直观呈现了策略的落地方向。

图10 规划设计响应策略 核心解读：
三大策略分别对应研究的核心发现，形成了“问题-结论-策略”的完整闭环：

策略1：街道层面精细化的植被景观营造，提升空间景观吸引力

• 核心依据：吸引力植物数量对移动、拍照行为均有显著正向影响，是滨水空间吸引力的核心来源；
• 具体措施：
  1. 针对街道中未被充分利用、缺乏停留设施的绿地，优化观赏植物配置，丰富街道景观的植物种类，提升步行过程中的视觉吸引力；
  2. 重点针对停留活动频率高、但通行与拍照活力低的公园（如东山湖公园），优化植物景观配置，打造特色花境、主题植物节点，兼顾滞留吸引力与打卡吸引力。

策略2：提升河流廊道的交通可达性，强化公共交通与滨水空间的衔接

• 核心依据：公共交通可达性对停留、拍照行为具有显著正向影响，是滨水空间活力的基础保障；
• 具体措施：
  1. 优化公共交通网络，重点完善地铁站、公交站与河流廊道的步行衔接，增加共享单车停放点，优化换乘节点的等候空间与滨水绿道的空间导视；
  2. 动态平衡滨水区与交通枢纽之间的共享单车运力，提升滨水区的公共交通发车频率；
  3. 针对休闲步行活力不足的区域（如珠江啤酒博物馆、琶洲会展中心周边），优化休闲步道与公共交通的连通性，通过公共活动、休憩节点打造，提升步行体验与活力。

策略3：基于社区需求优化空间品质，打造差异化的滨水空间体验

• 核心依据：不同聚类类型的单元，具有差异化的行为特征与功能短板，需要针对性的空间优化；
• 具体措施：
  1. 基于移动、停留、拍照行为的空间分布，优化各类活动空间布局，匹配不同设施的服务半径，满足用户的多元化需求；
  2. 在景观吸引力强的区域，增设座椅、廊亭等休憩设施，鼓励人群停留；
  3. 打造主题化空间节点，提升滨水步行系统的层级与特色，完善公共服务设施；
  4. 定期组织文化活动，通过线上线下结合的宣传方式，打造地标性打卡点，塑造城市滨水空间的活力形象。

八、结论与研究展望

8.1 核心研究结论

作者在结尾总结了两大核心结论，完整回应了开篇提出的两个研究问题：

1. 行为特征结论：河流廊道街区内的休闲步行三类行为（移动、停留、拍照）呈现差异化的空间分布模式：移动行为分布相对均匀，而停留、拍照行为呈现显著的空间集聚与异质性；基于三类行为的数量特征，可通过K-means算法将河流廊道单元划分为6个特征鲜明的类型。
2. 关联机制结论：河流廊道内的三类休闲步行行为，均与建成环境存在关联，但关联程度差异显著：
   • 移动行为仅与街道围合度、吸引力植物密度存在显著关联；
   • 停留、拍照行为均与公共交通可达性显著相关，其中停留行为还与公共设施密度正相关，拍照行为还受街道设施完善度、吸引力植物数量的显著正向影响；
   • 整体来看，建成环境对停留行为的影响最强，其次是拍照行为，对移动行为的影响最弱。

8.2 研究局限与未来展望

作者客观指出了研究的两大局限，并提出了未来的研究方向：

1. 数据偏差问题：研究采用的众包数据，存在用户群体的选择性偏差（数据主要来自使用智能设备的用户，未能覆盖不使用智能手机的老年人群体；也无法区分本地居民与游客）；未来研究可结合问卷调研等方法，补充群体差异化的分析，降低数据偏差的影响。
2. 模型拟合问题：部分建成环境变量与线性模型的拟合度不佳，本研究未深入探究其原因；未来研究可进一步探索建成环境与各类休闲步行行为之间的非线性关系，同时结合社交媒体对场所人气、场所意义的影响，更全面地理解建成环境的作用机制。