利用多源数据识别适合年轻人的城市更新机会空间：以中国成都为例

《Ain Shams Engineering Journal》：Identifying urban renewal opportunity spaces for young people using Multi-Source Data: A case study of Chengdu, China

　　辛成|王欣|葛家勋|徐培思|余健|杨琴
中国西华大学城市规划与景观建筑系

**摘要**
城市更新在提升快速发展城市的社会经济活力和生活质量方面发挥着至关重要的作用。然而，传统方法往往忽视了年轻城市人口的具体需求和行为，导致更新目标与实际生活体验之间存在脱节。本研究提出了一种通过整合百度热力图数据、社交媒体数据、兴趣点数据和人口统计数据来识别以青年为导向的更新机会的方法。研究结果揭示了28个青年人口高度集中的关键热点区域，并通过现场调查和利益相关者访谈进行了验证。研究结果突显了青年群体存在与功能供应之间的不匹配，强调了制定精准更新策略的必要性。在方法论上，本研究提出了一个可扩展、可复制的框架，以捕捉超越传统调查的动态青年行为。在实际应用中，它为规划者提供了可操作的见解，帮助他们设计包容性和适合青年的更新干预措施，为公平和可持续的城市转型贡献了力量。

**1. 引言**
全球城市化的加速显著增加了对包容性和可持续城市更新策略的需求[1][2]。作为城市发展的重要组成部分，城市更新旨在提升社会经济活力并改善居民的生活质量[3][4]。它涉及资源的再利用和现有城市环境的转型[5][6][7]。然而，城市更新面临复杂的挑战，包括平衡公共投资需求、促进社会公平以及减少环境影响[8][9]。
传统的城市更新模式长期以来优先考虑土地使用效率和建筑密度等因素，而忽视了不同人群群体的多样化需求，尤其是年轻人的需求。在过去十年中，“儿童友好”和“老年人友好”（或“年龄友好”）的城市环境概念受到了越来越多的关注，例如赵、江[10]、姚[11]、Meda[12]以及Kavanagh和Lewis[13]的研究。相比之下，“青年友好”城市环境的概念仍处于早期阶段。青年群体是城市的重要组成部分，也是推动城市发展的关键力量[14]。现有关于青年友好城市的研究主要集中在政策框架上，而对以青年为导向的城市空间的空间维度关注有限，且缺乏全面的评估机制[14]。不同机构对“青年”的定义各不相同。联合国将“青年”定义为15至24岁的个体，这一阶段是从儿童时期的依赖向成年独立过渡的时期。在中国，国家统计局将青年定义为15至34岁的人，而青年联合会将18至40岁的人归类为青年。基于这些定义，本研究采用广泛的青年定义，即15至35岁的个体。目前，年轻人在城市环境中面临一系列紧迫的挑战，包括缺乏城市认同感、服务供给不足以及居住空间质量差[15]。这些问题凸显了在城市更新计划中优先考虑青年特定需求的紧迫性。为了有效解决这一问题，识别和针对青年人口密集的地区进行城市振兴计划至关重要。
尽管越来越多的文献研究了城市更新的潜力及人口聚集现象，但这些研究仍然相对零散。一方面，关于更新潜力的研究主要通过空间分析和评估模型来识别未充分利用的土地、低效的工业区或棕地（例如张、杜[16]；刘、赵[17]）。另一方面，人口统计和行为研究利用调查数据、移动轨迹或社交媒体痕迹来分析人口聚集模式或青年活动（例如[18][19]）。然而，这两种学术方向很少被结合起来。现有研究要么绘制可用于再开发的土地分布图，要么描述青年人口的集中区域，但很少同时结合这两种视角。这种差距限制了识别与青年特别相关的更新机会空间的能力。为了解决这一不足，本研究开发了一种数据驱动的方法，将多源数字痕迹与实地验证相结合，以确定以青年为导向的更新机会，从而在方法论创新和实际规划方面做出贡献。
准确的人口数据对于指导城市更新决策至关重要，因为它们直接影响基础设施的空间重构。高效的数据收集仍然是支持基于证据的更新策略的关键挑战[20]。传统的人口数据收集方法通常依赖于人口普查调查和基于访谈的抽样技术，这些方法耗时且劳动密集[21]。此外，快速的城市扩张和社会经济转型导致了人口群体的日益多样化，他们的活动模式各异，传统的数据收集方法难以及时捕捉这些复杂的时空行为。
近年来，越来越多的创新工具和大数据被用于获取人口密度并支持城市设计[22][23][24]。基于位置的技术、兴趣点（POI）数据和社交媒体平台（如Twitter、Instagram、Weibo和百度热力图）显著提高了获取准确空间信息的效率和成本效益。因此，许多关于人口动态和城市设计的研究现在依赖于通过应用程序编程接口和社交媒体平台获得的位置相关数据[25][26][27]。例如，Peipei和Yinghui[28]利用百度热力图和POI数据分析了武汉市中心在工作日和周末的人群聚集时空模式。作为在中国广泛使用的基于位置的可视化工具，百度热力图能够有效识别城市区域的人口密集热点，从而帮助规划者确定高流量的商业区、交通节点和关键公共空间[29][30]。POI数据包括学校、银行和超市等地理实体，在城市研究中广泛用于识别功能区域、分析土地使用和优化空间结构。它通常采用定量方法，如频率密度分析和类型比例评估[31][32]。例如，Hu和Yang[33]将Landsat影像与POI数据相结合，以增强城市土地使用映射。基于社交媒体的方法也作为一种有价值的工具，利用用户生成的内容（如文本、图像和地理位置数据）通过自然语言处理和计算机视觉等技术提取行为模式和空间活动特征[34][35]。这种方法有助于规划者了解人们对城市空间的偏好和需求，识别热门区域或问题点，并优化功能布局和公共空间设计[36][37]。鉴于年轻人口在社交媒体使用中的主导地位，这些方法特别适用于研究青年行为[38]。其他工具如地理信息系统（GIS）和数据分析进一步通过评估人口密度和空间动态等指标来帮助确定更新优先级。
因此，本研究采用了一种综合的数据驱动方法，整合了多源城市数据，包括百度热力图数据、社交媒体数据、POI数据以及青年人口分布的人口统计数据。为了确保数据的可靠性和获取实地见解，本研究进行了系统的实地调查和深入访谈，这些工作既验证了数字数据集，也识别了城市更新的潜在机会空间。这种综合的多方法不仅能够通过定量空间分析准确识别高密度青年人口聚集区，还能通过结合大数据分析和定性实地验证来选择城市更新地点，从而为有针对性的城市再生策略提供坚实的基础。

本文的结构如下：第2节介绍研究区域、数据来源和方法论框架。第3节呈现实证结果，包括青年人口的空间分布、28个关键热点的识别以及通过实地调查验证的代表性更新机会示例。第4节讨论了在以青年为导向的城市更新背景下的方法论贡献和规划意义。第5节总结本文并概述了未来的研究方向。

**2. 方法**
本研究以成都的“中优”地区作为案例研究，利用包括百度热力图数据、社交媒体数据、POI数据和人口统计数据在内的综合大数据集，来识别青年人口聚集的空间模式，并通过实地研究探索城市更新的潜力。具体步骤如下：首先，使用百度热力图数据生成人群热力图。接着，通过整合社交媒体数据和POI数据构建青年活动热力图。随后，将这些热力图与政府人口统计数据结合，并在GIS中对其进行标准化和可视化，生成成都青年人口密度的详细地图。最后，进行实地调查以确认和识别可用于城市更新的潜在空闲土地。

**2.1. 研究区域**
本研究聚焦于中国成都的老城区。根据第七次全国人口普查，成都有960万14至45岁的青年，占成都总人口的45.87%。作为快速发展的大都市，成都在平衡城市更新与人口包容性方面面临挑战。本研究重点关注被称为“中优”地区的核心区域（图1）。“中优”地区由五环路、原有的五个城区以及周边行政区域界定，总面积为1264平方公里，该地区基础设施老化严重，同时出现了以青年为中心的商业和文化空间。在“中优”地区，城市更新工作包括振兴旧住宅区、重新开发低效工业区以及恢复历史区和绿地。

**2.2. 数据收集**
**2.2.1. 百度热力图数据**
作为中国的主导搜索引擎，百度占据73.5%的市场份额，服务全国6亿互联网用户中的97.5%，每天处理约60亿次搜索查询。百度热力图系统的数据来自访问百度服务生态系统的具备定位功能的移动设备，包括搜索、地图、天气和音乐应用程序。以空间分布图的形式可视化，它通过颜色梯度表示人口密度：红色表示高密度，蓝色表示低密度。热力图每15分钟更新一次，提供实时的人群动态信息。
作为拥有数亿活跃用户的大数据平台，百度热力图是城市研究的强大资源[39]。研究一致显示，工作日（周一至周五）和周末（周六至周日）的城市人口动态存在明显差异[26][40]。为了捕捉人口活动的显著时间变化，本研究采用了多时期抽样策略。具体来说，使用2024年3月30日（周六）的数据来代表非工作日的情况，而2024年3月27日（周三）的数据反映了典型的工作日活动模式。此外，还使用了2024年3月28日晚上的数据来研究特定时间段的行为。所有数据集随后使用ArcGIS 10.7进行处理，生成按空间单位分类的人口分布数据，并系统存储以进行进一步的空间和统计分析。

**2.2.2. 社交媒体数据**
基于社交媒体的方法是指利用来自社交媒体平台（如Weibo、小红书、Twitter、Instagram和TikTok）的数据来研究人类行为、社会趋势、空间动态和公众情绪的研究方法。通过分析社交媒体内容，研究人员可以深入了解人口流动性、城市空间的质量以及居民的心理健康状况，从而为更明智的城市规划和社交政策制定提供依据[41][42]。
在本研究中，通过分析小红书、Weibo和TikTok等平台上的用户生成内容，识别了青年中的热门话题。选择这些平台是因为它们在1990年代和2000年代出生的人群中用户集中度较高，这些人群占中国用户总数的近80%。在这些平台上分享的内容反映了青年群体的偏好、行为和空间活动习惯，为他们兴趣和常去的热点地区提供了关键见解。

**2.2.3. POI数据**
POI是指任何以精确空间信息表示的地理实体。POI作为人类偏好的有效指标，其密度通常直接或间接反映了青年活动的模式[43]。POI数据捕捉了各种城市设施和服务位置的空间分布，在识别青年活动集群方面发挥着关键作用。例如，学校、购物中心和咖啡馆等兴趣点（POIs）的分布可以为我们提供关于年轻人日常活动模式和空间偏好的宝贵见解。在这项研究中，POI数据是通过分析三个主要社交媒体平台——小红书、微博和TikTok上的内容来识别的关键词中提取的。每个POI记录包括名称、类别、地址和地理坐标（纬度和经度）等信息。

2.2.4. 人口统计数据
我们使用了数字观测网络平台（https://www.szshuwei.com/）来获取旨在识别年轻居民高度集中区域的人口统计数据。该数据集提供了关于城市人口空间分布的详细信息，特别关注青年群体的人口统计特征。传统的人口统计数据在验证和补充来自大数据源的发现方面发挥着重要作用，从而提高了城市分析的准确性和可靠性。

2.3. 分析方法
本研究旨在通过整合多源数据，开发一种基于证据的方法来识别和优先考虑适合青少年的城市更新地点。研究结果旨在为更有针对性、更具包容性和更有效的城市更新规划提供信息。我们应用了核密度估计（Kernel Density Estimation）方法，通过结合百度热力图数据（Baidu Heatmap）和POI数据集来研究青年人口的空间分布模式。分析结果经过标准化处理，并通过GIS中的渐变颜色渐变进行可视化，以便于定量解释和基于证据的空间规划决策。为了确保方法论的稳健性，研究还结合了现场验证。我们进行了系统的实地调查和访谈，以核实数据得出的模式，并识别出符合空间分析和利益相关者需求的城市更新地点。图2展示了数据处理过程。

（1）核密度估计
下载：下载高分辨率图像（251KB）
下载：下载全尺寸图像
图2. 数据处理过程。
核密度估计（KDE）是一种广泛使用的空间分析方法。这种地理统计方法通过连续表面建模，能够精确识别高密度的青年群体。本研究使用核密度分析工具处理百度热力图和POI数据，以揭示人口和关键城市设施的空间分布模式。KDE过程的数学表达式为：
f^hx = 1/n ∑i=1^n Kh(x - xi)
其中f^hx是位置x处的核密度估计值；n是样本点的数量（例如，热力图像素或POI点的数量）；Kh是带宽为h的核函数，用于控制平滑程度；xi表示第i个样本点的位置。有多种核函数可供选择，包括高斯核（Gaussian kernel）、Epanechnikov核和四次核（quartic kernel）。其中，高斯核以其平滑性而闻名，特别适合连续数据的密度估计[17]。因此，本研究采用了高斯核进行核密度估计。

此外，为了增强热力图数据的可视化效果，我们在GIS中使用了渔网生成工具创建了一个720×720米的网格系统。这个网格尺寸是在多次实验和比较后选定的，以优化清晰度和密度表示。对热力图进行网格划分可以精确观察每个网格内的点数据分布，其中更高的密度用更深的颜色表示，从而提高了数据呈现的准确性。

（2）标准化和可视化处理
标准化是指将维度值转换为无量纲值，以消除指标之间的比例差异。在这项研究中，我们使用GIS和模糊隶属度分析工具（Fuzzy Membership analysis）对热力图和POI数据进行了标准化处理，特别应用了线性函数方法以确保时间上的可比性。线性隶属度函数的数学逻辑源于Zadeh（1965）提出的模糊集理论[44]，它将隶属度定义为区间[1]内的连续值，而不是传统布尔逻辑中的二进制分类。
对于输入变量x，线性隶属度函数μx的表达式为[45]：
μx = (x - xmin) / (xmax - xmin)
其中μ(x)是位置x处的模糊隶属度值，x代表原始数据值（例如，热力图像素强度或POI点），xmin和xmax是数据集中的最小值和最大值。

此外，研究还结合了数字观测网络中的青年人口统计数据，以识别青年居民占人口比例超过50%的人口普查单元。这些以青年为主的区域随后通过GIS叠加技术进行了地理参考和空间整合。这种分层方法结合了：（1）热力图得出的人口密度模式，（2）基于POI的功能特征，以及（3）人口普查确认的青年集中区域，创建了一个用于有针对性的城市更新规划的综合性空间数据集。

（3）实地调查和访谈
基于多源数据分析得出的空间分布模式，本研究实施了一项全面的实地验证协议。研究人员在选定的高密度青年区域进行了系统的现场观察，以验证分析结果。为了补充这些观察，我们通过与当地居民和市政代表的深入访谈，征求了关键利益相关者的意见。这些访谈特别关注收集：（1）社区对现有城市条件的看法，以及（2）创建适合青少年的更新干预措施的实际建议。这种综合方法确保了识别出的城市更新机会既反映了数据驱动的证据，也符合社区验证的需求。

3. 结果
3.1. 人口密度的时空分布
为了准确捕捉“Zhongyou”区域的人口空间分布模式，我们应用了核密度估计（KDE）方法，基于百度热力图数据，使用统一的720×720米网格来可视化人口密度。如图3所示，红色区域表示人口密度高的区域，而蓝色区域表示低密度区域。人口数据是在三个不同的时间点提取的——2024年3月27日15:00；2024年3月28日21:30；以及2024年3月30日15:00——以考虑时间变化。尽管密度有轻微波动，但所有时间段的空间分布模式大体上保持一致。叠加的可视化结果证实了高密度和低密度区域的稳定配置，表明“Zhongyou”区域的人口空间分布具有时间稳定性和空间持久性。

3.2. 青少年偏好分布
通过对微博、小红书和TikTok等社交媒体平台上的趋势话题和关键词的分析，我们获得了关于青少年群体偏好和行为模式的宝贵见解。在彻底去除重复项并综合结果后，我们识别出了25个高频关键词，反映了诸如餐厅、茶馆、美甲沙龙、酒吧和直播室等受欢迎的兴趣点（见表1）。在这些研究中，POI数据是基于AutoNavi在2024年3月生成的成都电子导航数据获得的。随后使用这25个关键词收集了相应的POI数据，得到了大约173,000条POI记录。

表1. 微博、小红书和TikTok上的热门关键词。
关键词 浏览量（十亿次） POI数量
美甲沙龙 412.7 245
酒吧 408.9 168
摄影工作室 265.9 48
网吧 178.8 263
按摩 355.7 799
体育中心 282.1 187
夜市 131.2 167
卡拉OK 361 152
餐厅 252 461
直播室 323.9 11
茶馆 421.3 142
谋杀悬疑游戏 16.3 476
猫狗咖啡馆 34.4 67
展览厅 6.4 145
逃脱游戏室 191.1 173
图书馆 18.4 415
娱乐游戏厅 100.4 100
学习室 5.4 995
游乐场 205.3 542
露营地 48.6 661
卡丁车 74.7 36
博物馆 132.4 664
健身房 98.7 196
购物中心/街道 0.5 60
电影院 101 633

这些POI的空间分布如图4所示，明显集中在城市中心区域。这种模式表明，热力图上用红色和橙色表示的POI密度最高的区域，由于提供了符合他们兴趣的设施和服务，因此可能最吸引青少年。热力图可视化有效地展示了受欢迎青年导向地点的空间聚集情况。城市中心区域POI的高密度表明该地区是社交和娱乐活动的中心，这是吸引青年群体的重要因素。

3.3. 人口统计-空间叠加发现
通过将标准化的百度热力图与POI热力图相结合，我们对青年人口的空间分布模式进行了全面分析。通过叠加这两个数据集，我们识别出了一组初始的56个热点区域，如图5所示。这些热点区域代表了与青年相关的高水平活动和兴趣。

为了进一步精确定义有意义的空间集群，我们将叠加结果与人口统计数据进行了整合。这涉及评估青年人口的密度和空间分布，以及POI的可用性和多样性，以及其他相关的人口统计指标。通过这种综合分析，我们将显著的热点数量减少到了28个关键区域，如图6所示。这些区域不仅青年人口密集，而且服务和设施丰富，符合青少年的偏好。

这些关键热点的识别提供了更清晰、更准确的青年人口空间行为和分布趋势的表示。结果热力图可视化突出了不同强度的区域，红色区域表示以青年为导向的活动和服务密集的集群，蓝色区域表示较低的参与度。这种空间模式强调了特定城市区域作为青年社交、消费和文化表达焦点的重要性。

3.4. 实地验证和更新机会的识别
实地调查验证了数据驱动的热点的准确性，观察到的青年活动与模型预测高度吻合。在28个高密度青年区域进行的系统现场观察记录了关键特征、核心用户和更新机会（见表2）。与30名参与者（包括青年居民、城市规划者和市政官员）进行的半结构化访谈重点关注了对现有城市条件的看法以及针对青少年的更新建议。

表2. 成都面向青少年的城市更新热点的代表性示例。
位置 关键特征 核心用户 更新机会
河江亭 文化地标；休闲场所密集；夜间/周末活动频繁
大学生、年轻游客 校园附近的未充分利用的绿地可以改造为户外学习和社交空间
东桥集义 重新利用的工业园区；文化场所；全天候人流密集
有潮流意识的青年、创意人士 附近的闲置工业区有发展创意工作坊和文化中心的机会
同梓林 国际社区；高端和老旧住宅混合；精品咖啡馆
外籍人士、归国人士、企业家 适合参与式微更新的狭窄小巷（如艺术角落、共享花园）
五侯里桥 主要交通节点；通勤流量大；缺乏配套设施
年轻通勤者 桥下空间可以改造成滑板公园、篮球场或休息站
心岛 生态艺术公园；假日市场和露营景点
年轻家庭、注重生活方式的青年 展示“生态+社交+文化”融合；适用于新区域绿地设计
梦翠湾 恢兴的水滨区；传统商业与新创意空间的结合
当地青年、游客 低活动度的河岸段可以举办小型表演舞台或艺术装置
阮建园 高科技集群；工作日白天人口密集；缺乏休闲设施
青年专业人士 建筑物之间的空地可以重新设计为非正式学习花园、科技沙龙或便利服务亭
集泰路 生态通勤走廊；连接办公室和住宅的景观路径
青年通勤者 绿道节点可以整合健身设施、无人咖啡馆或小型图书馆，以增强活力

观察和访谈证实了调查区域内青年活动的高密度，并突出了适合更新的未充分利用的空间。几个高密度区域显示出基础设施老化、公共空间利用不足或土地使用效率低的问题。例如，东桥集义区域的闲置工业用地可以改造为文化中心，而大学附近的未开发绿地可以升级为支持青年娱乐和教育设施。

4. 讨论
4.1. 方法论创新和局限性
本研究提出了一种通过整合多源数据来识别适合青少年的城市更新地点的方法论。以往使用百度热力图和POI数据的研究发现人口分布稳定[29]、[39]、[46]。我们的结果与这些模式一致，但通过突出酒吧和咖啡馆等在传统数据集中不太明显的青少年特定热点，进一步扩展了这些发现。重要的是，与以往关注总体人口密度的研究不同，我们的研究结合了人口统计叠加和实地调查，识别出28个具有更新潜力的青年主导热点。这种比较视角突出了我们的方法论贡献，即开发了一种以青年为中心的多源诊断工具，超越了传统的密度映射方法。对多源数据的全面分析为了解成都“Zhongyou”区域的青年活动模式和城市更新机会提供了重要见解。传统调查往往无法捕捉到动态的人口行为；然而，这项研究表明开源数据（如百度热力图、社交媒体和POI数据）可以提供实时、低成本的见解[47]。通过整合多源数据，规划者可以优先考虑更新项目中的公平性，确保资源投入到人口需求最大的区域。这种综合方法能够更细致地识别活动模式，超越了传统的分区方法。例如，结合实时热力图数据可以让研究人员捕捉到青少年行为的动态模式。然而，仍存在一些局限性。首先，依赖于商业热力图数据（如百度的数据）可能会由于人口统计覆盖不全面而引入偏见。此外，本研究中百度热力图的时间范围仅限于三个代表性时期（工作日、周末和晚上）。虽然这种多时期采样策略能够有效捕捉人口活动模式的主要短期变化，但它没有考虑到潜在的季节性或长期动态。尽管如此，鉴于先前的研究已经证明工作日之间的人口分布相对稳定，而工作日与周末之间的对比更为明显，所选的时间点能够合理地反映城市人口活动情况。未来的研究将扩展数据集，包括多季节和纵向观察，从而提高研究结果的可靠性和普遍性。其次，兴趣点的分类可能无法完全代表不同青少年亚群体的细微需求。第三，该模型尚未纳入对青少年长期留任至关重要的环境或经济可负担性因素。尽管存在这些局限性，这项研究展示了一种可扩展且可转移的方法，可以应用于其他城市区域，以支持青少年友好的城市政策制定。

4.2. 支持青少年友好型城市更新的决策制定
城市规划往往对社会和环境正义有重大影响[48] [49]，但城市更新计划往往缺乏公平性视角[50]。这项研究对于旨在满足青少年群体需求和偏好的城市规划者和政策制定者来说非常有价值。通过了解青少年最活跃的区域以及他们偏好的服务，这些利益相关者可以做出明智的决策，提升这些地区的吸引力和宜居性。研究表明，对数字和传统数据源的整合分析可以揭示青少年空间行为的细微模式，并确定有针对性的城市干预措施的具体机会。研究结果不仅验证了我们方法的有效性，还为希望创建更加包容青少年的城市的规划者和政策制定者提供了可操作的智慧。发现的28个热点区域反映了青少年对结合休闲、工作和社交互动空间的强烈偏好。这些发现强调了城市更新措施的紧迫性，包括制定灵活的分区政策以支持高密度青少年区域的混合用途开发，以及让年轻居民参与公共空间共同设计的举措。例如，对东郊集义24号未充分利用的工业用地进行适应性再利用，将其转变为一个吸引大量青少年活动的文化和创意区。类似的适应性再利用策略在上海和深圳已被证明是有效的[5] [7]。另一个应用案例是大学周边未充分利用的绿地的微更新，例如四川大学附近的河江亭。实地调查显示，尽管这些绿地有大量青少年活动，但缺乏足够的设施。通过安装健身角、共同学习亭和安全夜间照明等有针对性的干预措施，可以显著提升青少年的福祉和社交互动[48]。这些发现将我们的分析结果转化为针对中优更新挑战的具体建议，直接关联到全球城市更新实践和成都的规划背景。

通过弥合大数据分析与实际情况之间的差距，这种方法提供了一个可复制的基于证据的城市更新模型，能够响应年轻人群体的具体需求和偏好，同时解决现有的空间不平等和基础设施不足问题。记录的空间模式和提出的干预框架为开发更具动态性和响应性的城市环境奠定了基础，这些环境能够随着青少年行为和期望的变化而发展。此外，移动技术和网络技术的进步极大地促进了社交媒体的全球扩展，使得用户生成的内容创作、分享和讨论变得更加互动[51]。鉴于年轻人是社交媒体的主要用户[38]，社交媒体方法特别适合研究年轻人的行为。

5. 结论与未来研究方向
本研究证明了整合百度热力图、社交媒体数据、兴趣点和人口统计数据来识别和优先考虑以青少年为中心的城市更新机会的有效性。通过空间分析和实地验证，发现了28个高潜力地点，这些地点的青少年活动聚集区与老化或未充分利用的城市空间相吻合。在方法论上，该研究提供了一种可扩展且可复制的途径，综合了多源数字痕迹，捕捉到了传统调查常常忽略的青少年动态行为。在实际应用中，研究结果突显了青少年存在与功能供应之间的不匹配，强调了需要精确的更新策略，如对工业空置区域的适应性再利用和大学边缘的微更新。未来的研究应从三个方向推进这一方法：首先，扩展到多季节和纵向数据集，以捕捉时间变化并评估长期影响；其次，整合参与式规划和青少年共同设计，确保与实际生活经验相一致；第三，纳入环境质量和经济可负担性指标，加强城市更新的公平性和可持续性维度，确保干预措施既具有社会包容性，又具有环境韧性。这些方向将共同提高数据驱动的青少年导向城市更新方法的可靠性、可转移性和政策相关性。

**作者贡献声明**
程欣：撰写——原始草稿、监督、方法论、调查、形式分析、数据管理、概念化。
王欣：可视化、方法论、调查、形式分析、数据管理。
葛家勋：可视化、调查、形式分析、数据管理。
徐佩西：软件、形式分析、数据管理。
余健：撰写——审稿与编辑、概念化。
杨秦：撰写——审稿与编辑、概念化。