楊春俠 徐思璐 耿慧志 詹鳴

1 研究背景

近年來，一些城市率先啟動了濱水公共空間的更新提質(zhì)，希望更高程度實現(xiàn)濱水資源的公共價值，如“十三五”期間，上海、杭州、深圳分別對黃浦江、錢塘江、碧道提出了新的規(guī)劃[1-3]。城市濱水公共空間的現(xiàn)狀問題集中表現(xiàn)為基面銜接不當(dāng)、岸線形式單一、公共建筑受限和設(shè)施配套錯位等，主要是因為傳統(tǒng)小樣本調(diào)研、經(jīng)驗式設(shè)計和預(yù)判造成了設(shè)計人員對濱水現(xiàn)狀問題缺乏精細診斷，實施方案不能遵循使用者的行為偏好，以及難以對優(yōu)化方案進行科學(xué)預(yù)判等，因此亟須從微觀行為視角出發(fā)，探尋更加科學(xué)、智慧的研究方法。

多代理行為模擬技術(shù)是微觀行為模擬的前沿手段，考慮個體之間、個體與環(huán)境之間的相互作用，適合模擬個體行為[4]，具有智能化特點、分布式特征、自下而上的模擬方式[5]，可實現(xiàn)全時動態(tài)仿真、多方案比較和虛擬情境預(yù)演。全時動態(tài)仿真能擬真呈現(xiàn)空間使用的演變過程，輸出結(jié)果可作為行人特征識別依據(jù)和空間使用效率評價依據(jù)[6]；多方案比較和虛擬情境預(yù)演是借助計算機強大的運算能力，開展多視角方案的預(yù)演和比選，可以為設(shè)計、決策和管理帶來不同于傳統(tǒng)的研究視角。

本研究以多代理行為模擬技術(shù)為支撐，對上海市北外灘置陽段濱水公共空間改造前后進行對比和驗證（圖1）。通過對改造前的濱水公共空間進行模型建構(gòu)、問題診斷和優(yōu)化預(yù)判，獲得不同取向的最優(yōu)推薦，再將改造后空間的使用狀況與相近優(yōu)化組合模擬進行比對，驗證方法可行，希望為濱水公共空間提供多代理行為模擬輔助問題診斷與優(yōu)化預(yù)判的系統(tǒng)研究方法（圖2）。

1 上海市北外灘置陽段濱水公共空間區(qū)位和現(xiàn)狀Location and current situation of waterfront public space in Zhiyang Segment, North Bund, Shanghai

2 研究框架Research framework

2 濱水公共空間研究的關(guān)鍵環(huán)節(jié)

行為模擬通常用于交通疏散行為研究。隨著中國大量基礎(chǔ)設(shè)施的投入建設(shè)，行為模擬研究多指向局部建成環(huán)境、公共建筑及交通場站的交通人流模擬[7-8]。國外的研究對象近年來已從建筑節(jié)點拓展至大尺度戶外空間，如Morelle等[9]對戶外休憩區(qū)域進行模擬，證明休憩行為常用最短路徑和加權(quán)路徑；Melnikov等[10]模擬了戶外空間熱適性行為，包括行動速度和方向改變、熱吸引或排斥等。但是，戶外空間行為模擬研究中涉及濱水區(qū)的文獻很少①，仍聚焦于交通疏散行為，如Liu等[11]針對上海外灘踩踏事件，基于行人步行規(guī)則建立模型，模擬比對提出避免突發(fā)事件的優(yōu)化措施；Sidi等[12]通過模擬馬來西亞古晉濱海景區(qū)交通擁堵情況，為游客提供最佳游線。為了有針對性地模擬濱水公共空間和行為活動，需要明確以下3個方面的問題。

2.1 如何選擇適合濱水行為活動的模擬模型

微觀行為模擬模型有30多種[13-19]，其中社會力模型是最佳動力學(xué)模型[20]，模型中的代理粒子（簡稱粒子）可以模擬心理和物理雙重作用，更接近社會的人；行為受驅(qū)動力、粒子間排斥力、粒子與障礙物間排斥力的共同作用，更接近實際行為過程，當(dāng)然也存在參數(shù)設(shè)置較為固定、粒子運行固化為最短路徑原則以及粒子重疊等局限。本研究選取社會力模型，采用AnyLogic軟件平臺進行多代理模型建構(gòu)。

2.2 如何改進模型以呈現(xiàn)濱水復(fù)雜空間和隨機行為

濱水空間與行為活動具有獨特性：一方面，與城市腹地公共空間相比，濱水公共空間更復(fù)雜，有基面、岸線等特殊要素，且在防洪要求下基面常有多層標高，岸線與對岸景色會引發(fā)駐留行為；另一方面，與交通疏散行為相比，濱水行為的隨機性較強，表現(xiàn)為類型豐富、舒適距離大、行程軌跡不確定等。濱水隨機行為背后隱含了空間要素與使用者行為之間長期穩(wěn)定的規(guī)律性關(guān)系，可以作為模型建構(gòu)的運行機制；同時模型需要按照人群屬性建立“個性化”粒子群，參考10.7 m的休憩行為舒適距離[21]，調(diào)整粒子間距參數(shù)，提供可供粒子選擇的多種候選路徑。

2.3 如何量化擬合使模擬情境貼近實測場景

模型能否真實反映濱水行為活動狀況，模擬情境與實測場景的擬合是關(guān)鍵，也是已有研究的薄弱環(huán)節(jié)。既往研究多采用定性擬合[7,22]，直觀對比實測與模擬圖形，并依據(jù)經(jīng)驗推斷擬合效果。近年來量化擬合逐漸受到重視，但多關(guān)注整體空間，缺乏針對局部空間的擬合方法，如在郭昊栩等[23]和朱瑋等[24]的消費行為模擬研究中，總體空間擬合度都較好，但前者對各層空間、后者對單個商店的擬合不理想。本研究考慮人群的濱水行為主要受空間要素吸引點影響而改變行為軌跡，故將各吸引點駐留量的實測與模擬數(shù)據(jù)作為擬合依據(jù)，提高模型在重要節(jié)點的擬合度。

3 模型建構(gòu)

3.1 數(shù)據(jù)收集

場地改造前的調(diào)研于2019年6月4日（工作日）和6月16日（休息日）的5個時間段（07：00—08：00、09：30—10：30、12：00—13：00、14：30—15：30、18：30—19：30）展開。筆者通過現(xiàn)場測量獲取空間要素數(shù)據(jù)，采用錄像、問卷和Wi-Fi探針等復(fù)合調(diào)查方法獲取行為活動數(shù)據(jù)，以彌補單一方法的局限性。1）通過錄像記錄游人的性別、組群、運動軌跡、分布狀況等信息；2）通過問卷對老年（＞65歲）、中青年（18～65歲）和兒童/少年（＜18歲）進行問卷調(diào)查②，獲得目的、路線、吸引點偏好等信息；3）將Wi-Fi探針布設(shè)在吸引點周圍，細致記錄行為數(shù)據(jù)，為吸引點附近駐留量的擬合提供精準數(shù)據(jù)。

3.2 篩選轉(zhuǎn)譯

根據(jù)不同人群行為特征，如極限時長、極限距離、基礎(chǔ)速度等，賦予粒子“個性化”參數(shù)。筆者將行為活動歸為觀賞、坐憩、文化、運動、消費5類，用AnyLogic軟件行人庫的行為模塊進行轉(zhuǎn)譯；將空間要素歸為基面組織、岸線形式、公共建筑、配套設(shè)施4類，用AnyLogic軟件行人庫的環(huán)境模塊進行轉(zhuǎn)譯。一些不易表達的情境可以通過模型改進來完善，如運用代碼內(nèi)的條件語言對遮陰設(shè)施下的環(huán)境模塊進行定義，日照越強模塊吸引力越大。由此，建立多代理粒子群和仿真環(huán)境。

3.3 偏好分析

人群對空間要素的偏好，是促成行為隨機性的主要原因。根據(jù)問卷的1～5級吸引點偏好選擇，取平均值獲得各類人群對不同要素的偏好評分，確定11類要素吸引點③。然后，計算單類要素偏好評分與11類要素評分總和的比值，作為要素初始吸引力權(quán)重，提供粒子和仿真空間的參數(shù)關(guān)系（表1），后續(xù)將通過模型擬合修正吸引力權(quán)重。

表1 空間要素吸引點對不同人群的偏好評分和初始吸引力權(quán)重Tab. 1 Preference scores and initial attraction weights of spatial element attraction points to different age groups

3.4 模擬運行

更多的候選路徑支持行人不確定性的活動調(diào)度和路徑選擇[25]。為模擬濱水隨機行為過程，筆者設(shè)置“行為活動鏈”，其中7個入口和5個出口代表場地盡端，中間串聯(lián)46個要素吸引點，位置相近的吸引點并聯(lián)設(shè)置。依據(jù)初始吸引力權(quán)重分配粒子，如咖啡廳對老年人的初始吸引力權(quán)重為0.06，則有6%的老年屬性粒子在此停留。將與現(xiàn)場出入口人數(shù)相應(yīng)數(shù)量的粒子放到各個盡端，粒子進入仿真空間后，遵循“感知—選擇—行動”的連續(xù)流程，并依據(jù)吸引力權(quán)重受到各類要素不同程度的吸引，在每一個步進中對并聯(lián)的下一組吸引點做出選擇，在哪個吸引點被吸引、駐留或直接跳過，模擬走向吸引點、駐留、不被吸引繼續(xù)前進等行為，實現(xiàn)粒子的自主運行（圖3）。

3 行為活動鏈Behavior activity chain

3.5 擬合調(diào)校

輸出模擬結(jié)果，對人群密度、分布、軌跡等實測和模擬示圖進行定性比較，同時對46個吸引點駐留量實測和模擬數(shù)據(jù)在SPSS軟件中進行雙變量相關(guān)性分析。如果相關(guān)性分析結(jié)果不理想，則調(diào)整吸引力權(quán)重，如魔法矩陣最初實測和模擬數(shù)據(jù)相差較大，故對中青年和老年的吸引力權(quán)重進行調(diào)整，直到調(diào)整至0.35時結(jié)果較好（實驗顯示以0.10為最小調(diào)整單位模擬結(jié)果有明顯變化）。最終，10個時間段各吸引點相關(guān)性分析的Pearson系數(shù)最小為0.686，最大為0.938，均大于0.600；顯著性水平均為0.000，遠小于0.010，表明模型有效。

4 問題診斷

4.1 分項情境模擬

依據(jù)2類日期、5個時間段、3個年齡段，獲得30個分項情境，由于工作日07：00—08：00和12：00—13：00時段兒童/少年人數(shù)非常少，故予以舍去，最終共計開展28個分項情境模擬，從不同空間、時間、人群等對場地的各類空間要素的使用狀況進行評測。

4.2 使用狀況評測

4.2.1 不同空間

對時間與人群分類，從空間維度對模擬狀況進行分析。1）臨水區(qū)域因郵輪碼頭封閉管理造成人流密度極低，模擬圖中基本沒有粒子。2）尺度不當(dāng)造成局部擁擠或空曠：線性空間如濱水漫步道、林蔭漫步道等尺度過小，部分時段人群密集，呈紅色擁堵狀態(tài)（圖4）；面狀空間如東北側(cè)辦公廣場，尺度過大，粒子密度一直處于低值。3）設(shè)施缺乏導(dǎo)致人群分布不均：彩虹橋南側(cè)和濱水漫步道北側(cè)的座椅缺乏遮陰設(shè)施，日照較強時使用率低；林蔭漫步道和北側(cè)入口漫步道缺乏足夠的照明設(shè)施，夜間人群不愿進入，該時段粒子稀少。4）空間劃分失當(dāng)導(dǎo)致行走路線單一：東北側(cè)辦公建筑群的遮擋，以及南側(cè)綠地缺乏垂直岸線的劃分，都對腹地向水的視線和行動造成影響，故模擬圖中垂直岸線路徑上的粒子密度遠小于平行岸線路徑。

4 尺度不當(dāng)造成的空間擁堵問題模擬結(jié)果Simulation results of spatial congestion caused by improper scale

4.2.2 不同時間

對空間與人群分類，筆者從時間維度對模擬狀況進行分析。1）缺少兒童陪伴區(qū)域：休息日14：30—15：30時段游樂場兒童較多，成人照看的空間需求相應(yīng)增大，但此類空間較為缺乏，導(dǎo)致陪伴人群駐足于鄰近道路，粒子呈擁擠狀態(tài)。2）缺少服務(wù)建筑和設(shè)施：在工作日午間、休息日午間和晚間，人們對運動、餐飲設(shè)施需求較大，但場地內(nèi)僅在東側(cè)入口附近有咖啡廳、在場地中部有小型餐車，而辦公廣場因服務(wù)設(shè)施稀少，模擬時粒子呈低密度分布。3）缺少運動與休息結(jié)合區(qū)域：在兩日的09：30—10：30和14：30—15：30時段，老年人偏向具有樹蔭和休憩設(shè)施的線形步行空間，時而散步時而休息，但僅有林蔭漫步道滿足他們的需求，也造成該區(qū)域輕微擁堵。

4.2.3 不同人群

對時間與空間分類，從人群維度對模擬狀況進行分析。1）設(shè)施種類單一：吸引點位置分布不均，造成部分設(shè)施和空間沒有人使用。2）周邊存在斷點：西側(cè)外部濱水區(qū)與場地僅有極不明顯的曲徑聯(lián)結(jié)，人群粒子數(shù)量明顯低于其他入口。3）設(shè)施缺乏管理：主要景點彩虹橋因管理原因關(guān)閉，吸引力減弱，周邊人群粒子呈低密度分布。4）過渡基面處理方式單一：濱水漫步道和林蔭漫步道高差以石階過渡，老年人步行不便，粒子數(shù)量減少。

5 優(yōu)化預(yù)判

5.1 要素改進模擬

將問題要素按照基面組織、岸線形式、公共建筑、配套設(shè)施進行歸類，有針對性地提出改進措施。然后從基面開始，依次對各類別單個要素進行多參數(shù)調(diào)整，開展改進方案模擬。

5.1.1 基面組織

1）調(diào)整基面尺度：針對線性空間尺度不當(dāng)?shù)膯栴}，根據(jù)《上海市街道設(shè)計導(dǎo)則》[26]中推薦的步行通行區(qū)寬度，將濱水漫步道拓寬至5 m，局部放大成口袋公園，或結(jié)合碼頭平臺增寬至15 m，改進后模擬發(fā)現(xiàn)，擁堵區(qū)域明顯改善（圖5）；針對面狀空間，蘆原義信[27]、Lynch[28]和Gibberd[29]均認為，廣場尺度以25 m×25 m最為適宜，因已建建筑較難改變，故通過增加矮墻、花壇等形成隔斷與圍合，對廣場空間進行重新劃分。2）調(diào)整基面劃分：針對綠地空間劃分不當(dāng)?shù)膯栴}，加入垂直岸線的漫步道，增強腹地人流到達水濱的可能性。3）調(diào)整豎向基面：針對豎向基面形式不符合老年人需求的問題，局部增設(shè)緩坡。

5 調(diào)整基面尺度改進后模擬結(jié)果Simulation results after improvement of the base scale

5.1.2 岸線形式

針對臨水區(qū)域人流極少的問題，經(jīng)細致調(diào)查發(fā)現(xiàn)，僅局部區(qū)域因臨時商業(yè)活動對外開放，且需憑票進入。宜將水濱整體或局部區(qū)域向公眾開放，并利用碼頭平臺空間的改造，形成平直、凹岸、凸岸等不同岸線形式，提升水濱的可達性與吸引力。

5.1.3 公共建筑

1）底層功能置換：針對辦公廣場未充分利用的問題，置換部分建筑底層功能，引入咖啡廳、飯店等，改進后模擬發(fā)現(xiàn)，辦公區(qū)粒子密度提高，新增多條垂直于岸線的人流。2）完善建筑功能：針對缺少服務(wù)建筑的問題，在場地西側(cè)和辦公建筑南側(cè)等粒子稀少處增加餐飲、文化等設(shè)施，為人群活動提供服務(wù)。

5.1.4 配套設(shè)施

1）完善設(shè)施布局：在粒子密度較低的區(qū)域，完善照明和遮陽設(shè)施配置。2）加強設(shè)施管理：針對彩虹橋吸引力低下的問題，采取定時開放、專人管理的措施，增強彩虹橋的吸引力并降低行人跌落的風(fēng)險。

5.2 未來人流預(yù)測

提高場地人流量有2個主要措施。一方面，場地北部白玉蘭廣場的大量人流有進入水濱的需求，但由于東大名路阻隔，需要繞路才能到達，所以考慮增加從白玉蘭廣場進入場地的二層入口，立體解決交通干擾。另一方面，通過定時開放西側(cè)步行橋，把外灘眾多的游客引入場地。在此基礎(chǔ)上，預(yù)測場地未來人流量，北側(cè)入口按照白玉蘭廣場人流量的50%設(shè)定，西側(cè)入口按照東側(cè)現(xiàn)狀人流預(yù)估，獲得未來場地基本人流量為120人/h，按照高（300人/h）、中（120人/h）、低（40人/h）不同等級的人流量④，將相應(yīng)數(shù)量的粒子分別放入優(yōu)化模型。

5.3 要素組合精簡

要素間存在干擾可能，因此將模擬結(jié)果較好的單個要素選項，與3種粒子數(shù)量和5個時間段進行組合，形成180個優(yōu)化方案。運用SPSS軟件的正交設(shè)計組合，排除不可能情況，獲得精簡的優(yōu)化組合11個。

5.4 組合預(yù)演比選

對11個組合進行模擬預(yù)演，比選獲得最優(yōu)推薦（圖6）。不同等級人流量下的最優(yōu)推薦：1）低等級人流量，09：30—10：30和12：00—13：00時段選擇A1aA2aB1c（5 m寬濱水漫步道+小型廣場+凸岸線），粒子均勻分布，且不會像A1bB1a（15 m寬濱水漫步道+平直岸線）那樣造成空間浪費；2）中等級人流量，全時段選擇A1bA2aB1a（15 m寬濱水漫步道+小型廣場+平直岸線）和A1aA2bB1a（5 m寬 濱 水 漫 步 道+大 型 廣場+平直岸線），后者僅在局部路徑收窄處輕微擁擠；3）高等級人流量，全時段選擇A1bA2aB1b（15 m寬濱水漫步道+小型廣場+凹岸線）更為合適，粒子均勻分布無擁擠。

6 優(yōu)化預(yù)判流程Prediction optimization process

不同場地前置條件下的最優(yōu)推薦：1）若碼頭平臺部分開放，選擇A1aB1c（5 m寬濱水漫步道+凸岸線)；2）若碼頭平臺完全開放，則中等級人流量下選擇順序為A1aB1c（5 m寬濱水漫步道+凸岸線）＞A1bB1b（15 m寬濱水漫步道+凹岸線）＞A1bB1a（15 m寬濱水漫步道+平直岸線）＞A1aB1a（5 m寬濱水漫步道+平直岸線），高等級人流量下選擇順序為A1bB1b（15 m寬濱水漫步道+凹岸線）＞ A1bB1a（15 m寬濱水漫步道+平直岸線）＞ A1aB1c（5 m寬濱水漫步道+凸岸線）＞ A1aB1a（5 m寬濱水漫步道+平直岸線）；3）若無法增設(shè)白玉蘭廣場二層入口，將導(dǎo)致北側(cè)入口人流量減少，宜采用A1aB1c（5 m寬濱水漫步道+凸岸線）；4）若無法開放西側(cè)步行橋，則此處郵輪碼頭底層架空處宜建設(shè)小型廣場，增加場地的活動人群吸引力；5）若東北側(cè)辦公建筑區(qū)無法增加底層休閑功能，則宜調(diào)整為小型廣場，增強辦公區(qū)域的人群凝聚力。

6 改造驗證

2021年5月30日，上海市北外灘改造工程完工，為上述改造前優(yōu)化預(yù)判提供了驗證可能。

6.1 改造內(nèi)容

改造內(nèi)容包括5個方面。1）基面組織，臨水平臺與后側(cè)高差通過9處臺階或坡道連接；2）岸線形式，郵輪碼頭向公眾開放，寬約18 m，岸線平直；3）公共建筑，臨水平臺植入花店和臨時展覽；4）配套設(shè)施，增加餐車、雕塑、座椅、樹池、廁所；5）出入口設(shè)置，東側(cè)新增出入口，北側(cè)新增出入口并于白玉蘭廣場間設(shè)人行道，西側(cè)出入口外增加橋梁。

6.2 改造與預(yù)期比較

上述改造接近預(yù)演比選中的⑩號組合（A1bA2aB1aE1dF1b），將其優(yōu)化預(yù)演結(jié)果與2022年1月2日調(diào)研的改造后狀況進行比對，發(fā)現(xiàn)以下4個方面較為符合。1）整體人群分布相符。場地內(nèi)人群基本均布，無擁擠點，僅在高等級人流量下個別位置（如魔法矩陣入口區(qū)）輕微擁擠；北側(cè)新增入口與預(yù)演時增加的位置略微不同，但同樣緩解了局部空間擁堵；近岸處濱水步道拓寬，擁擠情況不再出現(xiàn)；彩色塑膠漫步道與混凝土鋪裝平臺自然地將跑步、快走的健身人群與其他人群進行了動靜分離。2）關(guān)鍵截面人流量相符。比較3個截面的預(yù)演與改造后通過人數(shù)⑤，截面1分別為150人/h和144人/h；截面2為90人/h和84人/h；截面3為200人/h（峰值為320人/h）和300人/h。3）各出入口人數(shù)相符。根據(jù)出入口位置關(guān)系，對原人流預(yù)測與改造后數(shù)據(jù)進行相關(guān)性分析，顯著性水平小于0.010，Pearson系數(shù)為0.775，匹配良好。4）吸引點訪問人數(shù)相符。將吸引點分為未改變、周邊環(huán)境改變、自身改變和新增的吸引點4類，選取20個典型吸引點的改造后實測駐留量與改造前優(yōu)化預(yù)演駐留量進行相關(guān)性分析，顯著性水平均小于0.010，Pearson系數(shù)為0.804，匹配良好（圖7）。

7 改造前優(yōu)化預(yù)演（7-1）和改造后實測（7-2）的場地人群分布Age group distribution of optimized and rehearsed before transformation (7-1) and actually measured after transformation (7-2)

然而，改造后狀況與模擬預(yù)測也有些許出入。1）改造后東西側(cè)出入口的改善和新增，以及西側(cè)入口濱水平臺的擴展利用在預(yù)測時并未考慮，所以改造后場地與沿岸相鄰地塊的連接比預(yù)演時更加順暢；2）模擬預(yù)測中僅考慮將濱水平臺開放，未在其上加入吸引點，因此模擬人群較為均布，而改造后平臺上增設(shè)展覽、花店和餐車，人群在吸引點周圍呈集聚狀態(tài)。

6.3 下輪優(yōu)化建議

此次改造主要針對臨水部分，因此下輪優(yōu)化時建議參考本研究“優(yōu)化預(yù)判”部分內(nèi)容，在以下方面繼續(xù)完善：1）重點改造辦公廣場，在其底層引入咖啡廳、飯店等，為人群提供就餐、茶歇服務(wù)，改變廣場利用率低的問題；2）提升夜間空間均好性，在幾處漫步道上增加照明設(shè)施，方便夜間人群使用；3）進一步完善岸線形式，以凹、凸岸線的變化促進濱水空間多樣性和濱水活動趣味性。

7 結(jié)語

本研究建立了一套多代理行為模擬輔助城市濱水公共空間研究的系統(tǒng)方法，以促進不同群體獲得優(yōu)質(zhì)親水環(huán)境，使得濱水公共空間獲得高效利用，更重要的是通過科學(xué)預(yù)判避免低效的重復(fù)更新。研究創(chuàng)新性地拓展了行為模擬技術(shù)的應(yīng)用范疇，實現(xiàn)了未來使用場景的仿真模擬，契合“十四五”期間推動“七可能力”（可視化、可驗證、可診斷、可預(yù)測、可學(xué)習(xí)、可決策和可交互）[30]的城市數(shù)字化轉(zhuǎn)型目標。同時，這種“模型建構(gòu)—問題診斷—優(yōu)化預(yù)判”的研究方法也適用于廣場、綠地、街道等其他城市公共空間類型的休閑行為模擬，可以作為傳統(tǒng)公共空間研究方法的有益補充。

注釋(Notes)：

① Web of Science和中國知網(wǎng)相關(guān)文獻僅約10篇。

② 調(diào)研發(fā)現(xiàn)，場地內(nèi)兒童/少年以學(xué)齡前兒童居多，少數(shù)為11歲以內(nèi)，多數(shù)時段沒有12～17歲的少年。筆者在工作日和休息日5個時間段分別對老年、中青年和兒童/少年做6份問卷調(diào)查，兩日各獲取30份問卷。

③ 11類要素的確認是基于筆者前期研究《基于可視化SP法的濱水公共空間駐留偏好影響要素和開發(fā)導(dǎo)向研究——以上海市黃浦江濱水區(qū)為例》中對于濱水公共空間4類要素（基面、岸線、建筑、設(shè)施）的細分及北外灘濱水場地特征提取，并在本研究問卷調(diào)查中獲得使用者確認。

④ 未來場地人流量是對各個出入口進入人數(shù)總和的預(yù)測，低人流量（40人/h）根據(jù)現(xiàn)狀場地低值設(shè)定，高人流量（300人/h）以黃浦江沿岸人流較多的徐匯濱江公共空間作為參照，通過面積相似比計算獲得。

⑤ 模擬截面流量忽略前10 min發(fā)射粒子的數(shù)量，取中后段人數(shù)平均人數(shù)。

圖表來源(Sources of Figures and Table)：

文中圖表均由作者繪制，其中圖1衛(wèi)星圖來源于百度地圖（2021年）。