城市公园作为城市公共空间的核心组成部分，对居民健康、社会公平和可持续发展具有重要作用。然而，传统研究多集中于白天公园使用模式，忽视了夜间使用的动态差异，导致公园规划与管理策略缺乏时效性和针对性。本研究以中国南京市为例，首次从昼夜差异视角系统解码城市公园使用模式，通过融合手机信令数据与机器学习方法，揭示了公园使用的时空异质性及其驱动机制。
研究团队收集了2024年9月一周内南京市区165个公园的104,776条有效访问记录，从使用强度、停留时长和访问距离三个维度量化昼夜差异，并采用主成分分析（PCA）、高斯混合模型（GMM）聚类和随机森林（RF）模型，将公园分类为三种典型模式：夜间本地休闲型、日间综合休闲型和全时均衡社区型。研究发现，公园设计特征（如面积、坡度）和周边功能多样性是影响昼夜差异的关键因素，而交通可达性仅对全时均衡型公园的停留时长有显著影响。此外，研究首次揭示了环境因素的非线性阈值效应，例如安全设施密度超过0.4时，日间综合型公园的访问距离差异迅速扩大。
本研究的意义在于突破了传统公园分类的静态局限，为城市公园的精细化管理和夜间经济规划提供了科学依据。通过实证分析，呼吁规划者关注昼夜使用不平衡问题，优化设施配置，提升公园服务的包容性与效率。
昼夜使用差异的多维表征：如何从使用强度、停留时长和访问距离等维度系统量化城市公园的昼夜使用差异？
公园类型的动态分类：基于昼夜差异特征，能否通过数据驱动方法将公园分类为具有显著时空异质性的典型模式？
环境因素的非线性影响：哪些建成环境因素对昼夜使用差异起主导作用，其影响是否呈现非线性或阈值效应？
规划策略的针对性优化：不同公园类型的昼夜差异机制如何指导精细化规划干预，以提升服务效能？
城市公园是支持可持续城市发展的重要公共空间，但其效益高度依赖于使用模式的时间动态。随着夜间经济的兴起和居民生活方式的转变，公园功能从日间休闲扩展至夜间社交、减压等场景，导致昼夜使用模式出现显著分化。然而，现有研究多基于静态时间单元（如日均访问量）或单一指标，难以捕捉昼夜差异的全貌。传统方法如问卷调查受限于样本规模，而新兴大数据虽能提供细粒度时空信息，却鲜少系统比较昼夜行为。本研究填补这一空白，以南京为案例，强调从比较视角揭示公园使用的昼夜分异机制，为时间敏感型规划提供新思路。
图1. 揭示昼夜访问模式的综合框架
研究区域：
以南京市主城区为研究范围，涵盖12个行政区，人口958万。南京作为典型高密度城市，拥有历史文化公园、大型综合公园及社区口袋公园等多样化公园体系，为研究提供了理想场景。
图2. 研究区域：南京市
研究数据：
手机信令数据：来源于中国移动，覆盖2024年9月21日至27日全时段，空间精度10米，包含用户位置轨迹，通过停留点识别算法（ST-DBSCAN）提取有效公园访问记录。
公园数据：从南京市规划局获取165个城市公园的边界、面积及属性信息。
建成环境数据：包括人口密度、道路网络、土地利用混合度、设施POI密度等，基于800米缓冲区计算。
图3. 南京公园访问行程的时间动态
分析方法：
指标量化：分昼夜（6:00-18:00为日间，18:00-6:00为夜间）计算访问量、停留时长和访问距离的均值、方差及中位数。
聚类分析：先通过PCA降维提取主成分（PC1-4），再采用GMM软聚类识别公园类型，以BIC准则确定最优聚类数（k=3）。
驱动机制建模：使用随机森林回归模型评估15个环境变量对昼夜差异指数的影响，并通过SHAP分析解释非线性关系。
图B1. PCA累计方差解释图
图B2. GMM模型选择的BIC曲线
昼夜使用特征对比：
日间公园访问量高但停留时间短，夜间则访问量低但停留时间长。空间上，日间使用呈“核心-边缘”分布，而夜间分布更均衡。访问距离方面，夜间以短距离为主，日间则分布更广。
图4. 城市公园昼夜访问特征对比
公园聚类结果：
Cluster 1（夜间本地休闲型，64个公园）：夜间停留时长突出，空间分布分散，周边夜间设施密度高。
Cluster 2（日间综合休闲型，17个公园）：日间访问强度最大，集中于城市中心，面积大且道路密度高。
Cluster 3（全时均衡社区型，84个公园）：访问强度低但访问距离长，多位于郊区，交通可达性差。
图5. 聚类结果的地理可视化
图6. 公园集群的昼夜访问特征及建成环境属性
环境变量影响分析：
设计（如面积、坡度）和多样性（如土地利用混合度）维度对所有公园类型均具重要影响，而交通可达性仅对Cluster 3的停留时长差异贡献显著（10.64%）。非线性效应明显，例如安全设施密度超过0.4时，Cluster 2的访问距离差异急剧上升。
图7. 建成环境对Cluster 1（夜间本地休闲型公园）昼夜访问差异的影响
图8. 建成环境对Cluster 2（日间综合休闲型公园）昼夜访问差异的影响
图9. 建成环境对Cluster 3（全时均衡社区型公园）昼夜访问差异的影响
城市扩张模式与ESs损失的关系：边缘扩展作为主导模式，其高损失源于侵占高质量农田和自然区域，这与全球趋势一致，但YRDR的跳跃式扩张损失较低，可能因扩张区域生态本底较差。内部填充导致的栖息地质量下降提示城市内部绿色空间牺牲问题，需关注填充式开发的生态代价。
驱动因素的差异：自然驱动因素的主导性符合生态学原理，但社会驱动因素在特定模式下的强大影响力（如GDP变化对内部填充的碳固存影响）表明社会经济活动不可忽视。跳跃式扩张解释力低，暗示未识别驱动因素（如政策或文化因素）的存在，未来需深化研究。
政策含义：针对边缘扩展，应立法保护城郊农田和生态红线；针对内部填充，需评估场地生态价值并增加绿色基础设施；针对跳跃式扩张，应避免陡坡开发并维护生态网络。研究强调了差异化规划的必要性，以平衡发展与保护。
研究局限性：未考虑文化服务等社会驱动因素，且多尺度效应分析不足，未来可结合强度效应和案例研究细化机制。
① 城市公园使用存在显著昼夜差异，表现为日间高周转、夜间深参与的模式。
② 公园可动态分为三类：夜间本地休闲型、日间综合休闲型和全时均衡社区型，各有独特时空特征。
③ 设计（面积、形状指数）和多样性（土地利用混合度）是影响昼夜差异的核心因素，而人口密度作用有限。
④ 环境因素呈现非线性阈值效应，如公交站点数超过7个时，Cluster 3的昼夜差异不再受交通影响。
⑤ 研究呼吁规划者关注时间敏感型干预，以提升公园服务的公平性和效率。
数据代表性扩展：本研究仅基于单一运营商手机数据，可能低估老年人和儿童等群体；未来可融合多源数据（如社交媒体、传感器）以提升覆盖度。
时空粒度深化：当前分析局限于单周数据，未考虑季节性和节假日变异；需长期观测并结合黎明/黄昏等过渡时段行为。
微观环境与社会因素整合：未纳入照明质量、街景感知或社会经济变量；建议引入地理加权模型（GWR）揭示空间异质性，并加强因果推断验证。
Zhang, X., Yang, J., Cui, A., Shi, Y., Li, W., Zhang, C., Zhang, C., Zhang, Z., & Zhang, Z. (2026). Decoding urban park use patterns from a day-night disparity perspective: Evidence from Nanjing using machine learning. Applied Geography, 187, 103885. https://doi.org/10.1016/j.apgeog.2025.103885
