刘 泽，邱宁宁

引言

城市绿地不仅是城市景观与生态系统服务的重要组成，也是承载居民公共生活功能的空间资源。如何公平和效率地供给空间资源、最大限度地发挥城市绿地的服务效能一直是绿地规划探索的重要目标之一。其中“空间绩效”作为描述用地或设施的服务能力与服务对象在空间层面匹配关系的测度概念，自20 世纪末引入到我国规划领域以来便被学界广泛探讨，并应用于城市绿地布局规划研究。根据我国《城市绿地分类标准(CJJ/T85-2017)》 中关于公园绿地功能的定义1），面向公众的游憩功能是城市绿地的主要服务属性，即为绿地空间绩效中用地服务能力的核心测度内容。由此绿地空间绩效可定义为是对城市中公园绿地空间布局与其游憩服务功能效应间合理程度的描述与衡量。

伴随着城市不同发展时期，围绕绿地空间绩效内涵的分析也经历了从地域平等到社会公平再到社会正义等不同发展阶段。如今随着我国城市规划向着以存量为主的集约高效方式转变，城市治理重心逐渐向社区下沉。规划尺度的收缩也为绿地空间绩效测度研究提供了新的视角[1]。因此，探索构建面向社区尺度的空间绩效评测方法，使其能有效展现适应该尺度的评测效果与技术特点，是实现以人为本理念下城市绿地布局优化的重要手段，也是推进城市精细化管理的重要途径。

1 空间绩效测度研究的现状及问题

从绿地空间绩效测度研究的发展来看，针对城市宏观尺度开展公园绿地布局合理性分析的研究已较为成熟。早先高峻[2]等学者采用绿地面积指标对上海市各区域间绿地景观格局差异化问题展开研究；之后伴随地理空间分析技术的发展，测度方法与指标类型也逐渐丰富。如肖华斌[3]采用空间可达性等评价指标对广州市四个城区的绿地空间进行实证研究；唐子来[4]等用公园绿地有效服务面积表征其服务水平，提出基于基尼系数和洛伦兹曲线的测度方法，并对上海市公共绿地的社会公平绩效展开评测；尹海伟[5]等通过采用空间重叠的分析方法，实现绿地可达性与居民需求指数等复合条件下对公园布局的空间公平性测度。其中周聪惠[6]学者对空间绩效的内涵与方法的综述中提出系统绩效的概念，用以衡量特定系统层级（国家、地区、城市等）下公园绿地作为功能整体的绩效水平。由此可见对于宏观尺度下空间绩效的研究突出了绿地布局对城市整体结构均衡性的影响作用。

另一方面，随着数据采集技术与大数据应用的成熟，数据粒度更为精细，以城市街区等更小尺度为对象的绩效测度研究逐步得到发展。如江海燕[7]采用可达性与居民社会经济地位指标相结合的方法，探讨了公园绿地服务水平在街道尺度的空间差异特征及其社会公平性问题。在此基础上，2010 年前后，以社区为统计单元，围绕绿地服务功能与不同社会群体分布匹配关系的绩效测度研究开始起步。如杨硕冰[8]采用问卷调查获取居民的公园游憩偏好，揭示出社区居民对公园游憩需求及偏好在职业层面的分异特征；邱明[9]提出以公园绿地服务消费频次作为衡量服务供给与需求水平的指标，提出面向不同年龄社区生活圈特征的绿地服务供需关系评估方法；杜伊[10]基于熵值法分析发现上海社区公园绿地存在局部地区供给不足与供需错位等问题。由此可见，相较于宏观尺度的绩效测度重点，测度尺度的收缩体现了学界对于绿地服务对象特征差异化的关注，以及绿地规划对于“以人为本”的价值诉求。

综合上述不同尺度下绿地空间绩效测度研究可以发现，目前测度方法的构建逻辑多是通过整合分析绿地服务空间范围内用地布局、道路结构、人口分布等信息，对其潜在的绿地功能运行状态（如覆盖率、可达性）进行推导和预测，即涵盖绿地服务的供给与需求两个方面。根据绿地供需两端的评测内容，可将目前典型的绩效测度方法分为关注“容量”[11，12]与关注“机会”[13-17]的两种类型（表1）。

表1 绿地空间绩效测度方法比较

通过对两类方法的测度信息进行比较可以发现，虽然不同方法的评测视角相互区别，但不同尺度下的测度内容却存在一定共性。如以服务人口或面积为评测核心关注绿地服务“容量”的测度方法中，空间覆盖率、人口覆盖率等城市微观尺度下的测度指标及其算法，可以看作是城市宏观尺度下测度思路与评测要素（如地区人口）向微观尺度（如社区人口）的转化，而未能体现该尺度自身差异化的特征。另一方面，两类方法涵盖了供给端（绿地）与需求端（居住地）两种评测对象，本是耦合关系但在评测过程中两种对象的测度因素往往相互独立。如以可达性指标评测需求端空间绩效时，常会忽略供给端（绿地）服务能力的差异性；反之以供给端（绿地）为对象测度其服务规模时，则缺少对居住地可达能力的考虑。由此，不同尺度下绿地空间绩效测度内容的无差别及供需两端测度标准上的不统一导致了空间绩效测度方法在面向社区尺度应用的过程中出现了概念泛化、标准混淆、指向不清等问题。特别是伴随空间尺度收缩与空间服务对象的聚焦，社区空间绩效的优劣更易受绿地个体层面绩效的影响，直接转化或应用城市其他尺度的测度思路则弱化了绿地服务水平与居民行为需求间的相互影响作用，致使评测结果与现实状况差距较大，难以适用于微观尺度下绿地规划对空间精细化布局要求。

因此，本文围绕社区尺度下绿地空间绩效的测度内涵，以绿地供需间的双向关系及其要素特征为核心，重点探讨面向微观尺度的测度方法优化思路与评测效果，以期真实、准确地反映社区尺度下绿地服务效率的分布状况，为社区规划与治理工作提供可靠的决策依据。

2 测度方法的优化

2.1 优化思路

社区作为城市微观尺度下最小的社会空间单元，绿地供需两端个体层面的特征较宏观尺度将更加显著，因此在这个尺度下空间绩效的测度内涵本质上是探讨绿地服务能力与居民利用能力间的双向关系，即体现差异化供需间的平衡。这个过程可以转化为多目标决策问题。基于该类问题的求解思路与下述几点考虑，本研究提出以空间网络为原型，融入多智能体模拟2）的测度优化方法。该方法在考虑需求端中居民出行能力与选择偏好因素，供给端中绿地规模与吸引力因素等条件下，可实现对居民绿地利用行为的空间模拟。最终通过输出供给端（社区绿地）潜在的活动发生概率与需求端（居住点）滞留概率等指标，构建绿地空间绩效的测度体系。

（1）从空间绩效的评测对象来看，本文所研究的社区绿地指城市建设用地范围内面积规模较小，有一定休憩功能，主要为居民就近开展日常休闲活动服务的绿地，即《城市绿地分类标准（CJJ/T85-2017）》中社区公园（G12）、游园（G14）与居住用地附属绿地（RG）。该类绿地作为与居民日常生活最密切、使用频率最高的绿地类型，通过建立统一的模型体系融合供需两端的测度内容，可更好地反馈城市微观尺度下空间绩效评测中供需两端的相互影响机制，如绿地的服务范围不仅受限于空间距离，也与居民的需求特征和行为能力相关。

（2）从现有评测方法的适用特点来看，传统空间网络模型的应用多基于距离，拓扑关系等空间数据进行可达性、服务范围等分析，适用于精细化评测场景。在此基础上，通过采用多智能体模拟引入人本行为特征数据，可进一步实现对微观层面居民行为决策复杂性因素的有效反馈。

（3）从方法构建的技术需求来看，空间网络模型与多智能体模拟分析具有较好的系统层兼容性，利于多源数据的转化与叠合分析。

2.2 优化内容

2.2.1 基于供给端的优化

杉山武美[18]、侯韫婧[19]等学者的研究指出，绿地内的活动设施、场地条件等空间构成要素能够综合影响居民到访绿地的主观选择。这也导致同一社区内，不同绿地在可达距离相近的情况下利用状况却形成了内在差别。针对这一特征，优化方法中引入了绿地空间吸引力的概念，通过计算不同空间吸引力的大小可有效辨析绿地空间要素对居民利用选择的影响作用。社区绿地吸引力公式为：

其中，a 为某一绿地的吸引力；x 为居民对绿地环境要素的需求满足度，由实地调研与问卷调查获取；k 为各要素对居民需求影响的权重，可通过AHP 法等计算得出；n 为绿地环境要素的个数。

另一方面，绿地的空间规模在一定程度上可以反映其供给能力的上限。根据本研究预调研结果显示，超过60%的居民在发现所选绿地中利用人数过多（绿地空间供给临近上限）后，会做出二次决策行为，即选择到邻近的其他绿地进行活动。这个现象也解释了小区中场地条件较好的绿地对居民利用所产生的集聚效应，以及对周边绿地带来的溢出效应[20]。因此，本研究将空间规模作为体现绿地吸引力因素的同时，也考虑到其对居民活动的限制作用，并在模型中设定了各绿地的“规模阈值”以表示其空间可容纳人数的上限。当居民活动人数达到规模阈值后，后续到达该绿地的居民将概率性做出二次决策行为。

2.2.2 基于需求端的优化

为了在模拟过程中反映居民对社区绿地的选择偏好特征，优化方法采用Huff 模型对居民主观选择概率进行计算。Huff 模型是由美国David Huff 教授提出，用于计算某服务设施的吸引力与研究区域内同类所有设施吸引力之和的比值。其公式为：

公式中Pf为居民到绿地f 的出行选择概率，af为绿地f 对居民行为选择的吸引力，根据公式（1）计算得出；dif为起始点i 与绿地f 之间的最短路径距离；β 为距离衰减系数，通常取值1-2[21]，本研究根据研究尺度取值为1；k 为出行距离阈值范围内的绿地个数。

此外，供需两点间的距离既是影响居民对绿地选择概率的重要因素，也反映了居民的出行能力，是绿地可达性测度的重要根据[22]。尤其是社区尺度下居民个体差异必然导致其可达距离具有一定不确定性。因此优化方法中引入了距离阈值的概念表示居民至目标绿地一次性移动的最大距离，并采用概率分布的方式进行量化表达。多智能体模拟过程中可根据实地调研采集到的居民移动距离和行为特征数据，对不同距离阈值的发生概率与行动规则进行设置，从而更精细化地体现居民出行能力对绿地空间绩效的影响机制。

2.3 评测流程

应用优化方法进行绿地空间绩效评测的流程如图1所示，可分为网络模型构建、多智能体模拟与测度指标输出三个步骤：

图1 绿地空间绩效优化方法评测流程图

2.3.1 网络模型构建

如图2 所示，优化方法首先根据社区尺度下绿地供需两端的空间结构建立网络模型。其中，道路被转化为网络边线，道路交汇点、社区绿地、住宅楼被转化为网络节点，根据点、线的连接关系建立矩阵。网络模型中设定住宅楼为绿地服务的需求端，即起始点，包含出行概率、人口数量等信息；设定社区绿地为供给端，即目的点，包含空间承载能力等信息。边线为供需两端间的连接路径，包含长度等信息。

图2 空间网络模型及要素信息

2.3.2 多智能体模拟

评测模型根据空间网络结构与供需两端的特征数据，依次模拟居民由起始点（住宅楼）至目的点（社区绿地）的行为过程。以起始点i 为例，模型根据概率数值判断本次模拟的出行距离阈值及其范围内是否存在目的地点。如图3 所示，模拟过程包含两种情景。

图3 多智能体模拟流程图

智能体模拟将遍历网络模型中全部起始点，直至所有起始点的“出行人数”为0，则本轮模拟结束，模型对各起始点累计的“滞留人数”与各目的点累计的“活动发生量”进行统计。考虑到每轮多智能体模拟的结果是基于单次概率判断的集合，因此本研究根据大数定理，最终的输出结果将汇总10 万轮以上的模拟情况，对各起始点“滞留人数”、目的点“活动发生量”求取平均值，公式如下：

式3 中，pta为各目的点活动范围内的活动发生量（本研究以500m 作为服务范围），pa为每轮模拟各目的点到达人数，m 为模拟轮数。式4 中，pts为各出发点的滞留人数，ps为每轮模拟各出发点滞留人数。

2.3.3 测度指标输出

基于现有绿地空间绩效评测中“容量”与“机会”两个测度视角，本优化方法着眼于绩效中供需两类评测对象，根据多智能体模拟中起始点“滞留人数”及目的点“活动发生量”，分别构建适宜社区等城市微观尺度的空间绩效指标。

（1）以绿地服务“容量”为测度视角的优化指标：

C 为社区整体层面的绿地服务人口覆盖率，p 为社区总人口。

（2）以绿地服务“机会”为测度视角的优化指标：

Ai为单体层面各出发点住宅楼的可达性，pi为各出发点总人口数，Cv为社区整体层面的出发点可达性分布状况，N 为出发点个数。

3 实证分析

北京市是我国典型的人口聚集型中心城市之一。自2021 年北京市朝阳区入选我国首批30 个城市一刻钟便民生活圈试点地区以来，社区尺度下的生活设施配置与功能服务水平提升已成为该地区城市更新的关键内容。因此本研究以北京市朝阳区为例，在研究绿地空间绩效评测方面具有一定现实与典型意义。目前朝阳区有110个社区，多以居住区为管理单元进行划设。本研究综合社区规模、人口数量、空间布局形态等影响社区绿地空间配置的类型因素，通过分层随机抽样的方式选取3 个具有代表性的社区为实证对象，社区信息如表2 所示。

表2 实证对象社区信息

3.1 数据来源

3.1.1 空间参数的采集与设定

研究首先基于1 ∶500 的数字地图对社区住宅楼、道路等空间信息进行识别，并以住宅楼为起点根据居民日常出行距离划定其15min 的基本活动圈域；其次，结合《城市绿地分类标准（CJJ/T85-2017）》、《城市居住区规划设计标准(GB50180-2018)》等文件中关于社区公园、游园、居住用地附属绿地的规模、配置条件等要求，对居民日常活动圈域内的社区绿地进行初步识别；在此基础上，研究团队于2022 年6 月实施现场校核工作，根据绿地所具备的可进入性、休憩及活动功能对初步识别的社区绿地进行二次筛查，从而确定本研究的测度对象（图4）；同时结合现场校核对社区住宅楼居民数量、绿地空间要素、居民步行距离等数据进行采集，用于多智能体模拟的参数设置。

图4 研究对象识别示意图

其中步行距离阈值是基于GPS 路径追踪技术，根据居民至绿地出行距离的记录结果所设定。如图5 所示，步行距离在500～800m 范围的居民占34.05%，处于占比峰值，由此可推定多数居民可接受的步行距离集中在10min 左右，并呈现一定正态分布特征。此外关于绿地规模阈值的参数设置，本研究参考郭微[23，24]等学者的研究论述以人均绿地面积作为推定标准，根据《城市居住区规划设计标准(GB50180-2018)》中公共绿地控制指标3），按照人均绿地面积1.0m2/人对各绿地可容纳人数的上限进行计算4）。

图5 居民出行距离阈值概率分布

3.1.2 绿地吸引力数据

研究采用问卷调查的方式获取居民对绿地要素的需求数据，以此计算各绿地的吸引力及居民的选择概率。问卷于2022 年6 月发放，包含受访者基本信息、绿地空间要素需求排序表与满意度量表3 个部分。研究根据已有文献对居民社区活动需求的梳理[25，26]，从场地条件、景观品质、设施支持水平等3 个层面，提取绿地空间要素22 个变量。需求排序表由受访居民根据对各变量的需求程度进行评分，吸引力越高对应排序越靠前。满意度量表用于测度居民对社区目前已有绿地空间要素的满意程度，评价方式采用李克特7 级量表形式，根据居民满意度等级进行打分，满意度越高对应分值越高。

表3 社区绿地空间要素及权重

问卷共回收1038 份，清除无效数据，共获有效样本981 份，有效率为94.5%，满足抽样的必要样本容量。为有效把握哪类绿地空间要素对居民利用意愿发挥主导影响作用，研究采用AHP 层次分析法5）对各类要素进行赋权和排序。计算结果（表3）作为吸引力公式（公式1）中各要素对居民需求的影响权重（k）进行赋值。此外，研究根据满意度量结果，求取居民对绿地中各类要素满意度评价的平均值，标准化处理后作为吸引力公式中居民对绿地环境要素的满足度数据（x），由此算出网络模型中各绿地节点对居民的吸引力，及居民主观选择概率。

3.2 测度结果

应用优化后的方法对三个社区绿地空间绩效进行评测，结果如图6所示。首先基于空间绩效中绿地服务“容量”的视角，从社区绿地500m服务范围的服务覆盖人口来看，受绿地个体规模容量的限制，超过75%的绿地可服务人口占社区总人口的比率低于10%。从社区整体的空间绩效结果来看，结果如表4 所示，实证研究中3 个社区的绿地服务能力均无法覆盖全部社区人口，其中C 社区的绿地服务人口占比最大，社区绿地可满足85.2%的居民利用。

图6 社区绿地空间绩效评测结果

表4 基于绿地服务“容量”视角的空间绩效评测结果

其次，从空间绩效中绿地服务“机会”的视角来看（表5），起始点个体的可达性结果最大值为1 说明该住宅楼到绿地的可达性最好，100%的居民能够获取符合需求的绿地资源。而整体层面的变异系数指标代表了社区所有住宅楼可达性的分布状态，由此可判断社区绿地服务的均衡性水平。其中B 社区的数值最大（58.5%），由此说明B 社区内住宅楼之间存在较为明显的可达性分异现象，绿地空间布局与居民获取社区绿地服务的“机会”并不匹配。

3.3 测度方法比较

为进一步辨析社区尺度下供需间双向关系及其特征要素对绿地空间绩效的影响作用，本研究分别选取绿地服务“容量”和“机会”两类视角下的传统测度方法与优化方法的结果进行比较分析。

基于绿地服务“容量”的测度视角，研究采用缓冲区法对绿地服务人口进行测算。结果如表4 所示，因缓冲区法不考虑居民对绿地的选择概率，即绿地500m 缓冲区所覆盖的人口均视作该绿地的服务人口，所以绿地个体绩效的测度结果平均高达72.1%；三个社区的整体指标均达到100%，即满足全部社区人口的使用需求。而优化方法在与缓冲区法保持相同测度内容的同时，考虑了绿地的空间容纳人数、绿地吸引力与居民选择概率等相互影响因素后，模拟结果显示绿地的个体绩效较缓冲区法平均下降64.7%。其中单个绿地500m 服务范围内，最多只有31.5%的人口（B 社区G5）可以满足利用需求，与缓冲区法中100%的测度结果相差较大。而根据社区整体的测度结果，优化方法较传统的缓冲区法，空间绩效数值最多下降32.1%，且社区绿地服务能力仅能满足社区三分之二人口的利用需求，并非完全覆盖，这与缓冲区法得出的结论截然相反。由此可以证明，社区尺度下供需间的双向关系对绿地服务容量的绩效评测发挥着显著的影响作用。

在绿地服务“机会”的均衡性视角下，研究采用两步位移法（2SFCA）对各住宅楼的可达性进行评测。两步位移法考虑了供给端的规模以及需求端的人口数量、可达距离等因素，评测结果如表5 所示，数值越高说明该住宅楼的可达性越好，能有更多的机会享受绿地服务资源。从社区整体的可达性变异系数来看，数值分别为71.7%、62.0%、92.5%，由此可见社区内各居民点到绿地的可达性处于分散状态，不同居民点间享有绿地服务的机会差别较为明显。而优化方法的测度结果显示，相较两步位移法社区整体可达性的变异系数有明显下降，最大降幅达到69.8%。特别是根据居住点个体可达性的变化特征可见，如A 社区的30、32 号住宅、C 社区的24、28 号住宅周边均紧邻绿地，按照两步位移法测算在只考虑距离因素条件下，其可达性结果排序位于社区前列；而优化方法综合居民选择偏好、步行阈值等因素的影响后，测度结果排序出现大幅下降。由此可以证明在社区尺度下空间可达性评测中距离并非绝对影响因素，供需个体特征对微观尺度的空间绩效更具影响作用。

结论与讨论

社区生活圈中绿地空间规划效果的精准评估与布局优化在合理构建城市公共开放空间体系、提升居民生活品质的过程中具有重要作用。本文聚焦社区尺度下绿地空间绩效评测的内涵特征与方法构建，通过对社区绿地服务供给与居民利用需求间双向关系的计量与分析，提出了结合多智能体模拟的测度优化思路，以适应城市微观尺度精细化的评测需求。同时研究结合实证分析，通过比较传统方法的测度结果，进一步论证了城市微观尺度下供需双向关系对整体空间绩效的影响作用；由此也体现出优化后的社区绿地空间绩效测度方法具有以下两点创新：（1）优化方法融入了对供需两端个体特征的考虑与反馈。其特点既体现在模型从居民主观决策行为与客观移动行为两个方面引入特征参数（选择概率、距离阈值及二次移动规则等），构建了多智能体模拟环境；也体现在结果输出阶段，可针对各类绿地空间利用人数占比进行精细化测度。相较传统评测方法，优化模型能更敏锐地反馈城市微观尺度下供需个体特征变化对整体绩效的影响作用，方法评测的精细度与灵敏度更高。（2）优化方法统一了绿地服务供需两端的测度环境。相较传统方法多将居住地与绿地分开评测的模型构建逻辑，优化模型更强调微观尺度下两者相互影响的耦合关系，并将“容量”与“机会”两类评测视角统一在同一测度体系，实现对居住地与绿地两者绩效水平的同时测度，可更好体现社区尺度的空间绩效内涵，也为绩效评测研究提供了新的思路。

另一方面，为有效对接社区治理与规划工作，提升社区整体的空间绩效水平，本研究对社区绿地规划的管理与优化具有以下几点启示：

（1）社区绿地改造与品质提升应注重空间整体性与系统性。“以点带面”，以绿地个体为实施单元推进环境品质提升工程是目前社区空间治理的主要方式之一。因此在决策改造对象与实施时序的过程中，应考虑到绿地改造后对于社区绿地整体绩效的提升作用。结合本研究的分析结果（表4 第4、5 列）可以发现，如以部分居民利用意愿相对较高，现有基础较好的绿地（居民首选占比高的绿地）为改造对象时，虽然可继续增大该绿地对居民的吸引力，但同时也会因其集聚效应的加强而吸收周边绿地的利用人群，扩大绿地间利用效率的差异性，致使社区绿地整体性的空间绩效提升幅度较小。而与之相对，在改造前期如能有效提升绿地系统中的底线标准，让原本吸引力较弱的绿地空间（居民首选占比低、二次选择占比较高的绿地）通过改造提升居民利用的选择意愿，将能均衡各绿地的使用效率，对社区整体空间绩效的提升作用更为显著。

（2）社区绿地的改造策略应结合其可达性特征。结合本研究的实证分析可以看到，受社区布局形态等因素影响，各住宅楼的可达性各不相同，部分住宅楼周边可选择的绿地资源较为丰富，而部分住宅楼则相对有限。因此在以提升绿地整体空间绩效为导向，实施“针灸式”改造的前提下，应尽可能尊重并顺应这种空间可达性的客观特征，分类制定改造策略。如对于可达性较好的住宅周边绿地更应注重功能差异化改造，通过协调近邻绿地间的功能设施配置从而实现周边居民差异化利用需求的均衡分配；而可达性较弱的住宅周边绿地则应考虑空间功能复合化的改造策略，以提升绿地的利用吸引力。

（3）注重绿地空间绩效评测在不同尺度下的互补与衔接。绿地空间绩效评测方法优势在于能同时适用于建成投入使用和规划未建成的绿地空间，但由于影响绿地实际功能运行的因素众多，且作用方式各异，很难在全部空间尺度下对绿地空间绩效的特征加以整合和客观反映。如本文中的社区既可作为城市基本空间单元，在宏观层面绩效评估中进行绿地规模的区位分配公平性判断；也可作为治理范围，在微观层面进行人本视角的供需均衡性分析。因此在今后城市体检及规划管理工作中应加强建立目标明确，不同层级测度标准上下衔接的绩效评测体系，规范不同尺度下测度方法及其结果的适用范围，为绿地规划问题的辨析与解决提供更有尺度与层级针对性的决策依据。

图、表来源

图1～4、6、表2、4、5：作者根据分析结果自绘。

表1：作者基于参考文献[7、11-17]整理绘制。

图5、表3：作者基于问卷数据解析结果整理绘制。

注释

1）《城市绿地分类标准(CJJ/T85-2017)》对公园绿地功能的描述为：向公众开放,以游憩为主要功能，兼具生态、景观、文教和应急避险等功能,有一定游憩和服务设施的绿地。其中社区绿地指具有基本的游憩和服务功能，主要为一定社区范围内居民就近开展日常休闲活动服务的绿地。

2）智能体最早由人工智能科学家Minsky 提出，指能驻留在某一环境下持续自主地发挥作用的计算实体。多智能体系统由多个交互的智能体单元组成，通过相互协作机制达到系统最优解。相较传统的“自上而下”模型，多智能体系统具有自主性、智能性、时空动态性，更适合于地理复杂问题的研究。目前，多智能体模拟方法已经被用于包括土地利用动态模拟、人群行为模拟、资源环境动态模拟等多个领域。

3）《城市居住区规划设计标准(GB50180-2018)》中按照各级生活圈提出公共绿地控制指标为15 分钟生活圈居住区人居绿地面积应达到2.0 m²/人，10 分钟与5 分钟生活圈居住区人居绿地面积应达到1.0 m²/人。

4）现实环境下绿地最大容纳人数的判断会因使用者的不同而存在一定不确定性，并因场地内活动项目不同而有所差异。本研究为简化运算条件，采用相对保守的标准值（人均绿地面积1.0 m²/人）予以模拟运算。后续研究可结合各类活动特点对本模型中绿地规模阈值参数予以修正调节。

5）利用AHP 层次分析法进行建构时，首先对指标进行选取和分类，构建包含一级指标类别与二级指标的社区绿地空间吸引力评价体系。其次让受访居民根据各变量对其吸引力程度进行评分，采用排序量表形式，吸引力越高则排序越靠前。接着构建两两判断矩阵，对同一层级各个指标的相对重要程度进行打分，本文采用1-7 标度法，进而得出各指标的权重。最后对判断矩阵进行一致性检验，CR 小于0.1，满足一致性检测，评价结果有效。