（二） 数据收集方法

      此次研究采取自愿原则，共招募调研对象 51 位，均为仙林校区在读生，涉及 13 个学院，包含本科、硕士和博士各阶段。每位调研对象均在手机上安装了项目组自行开发的 GPS 数据记录软件，并与项目组约定，除夜间睡眠时间外，手机需随身携带，同时要保持软件在后台运行。此次调研周期为 2013年6月14～20日，数据记录的时间间隔为5秒。
调研结束后，经过数据筛选，得到有效样本18个，有效率为35.29％，轨迹点共计56.2万个。数据无效的原因涉及研究对象个人失误、数据不全、手机性能及技术因素等多方面。

（三）校园规划综合分析

1.数据处理方法

      研究用 5 m×5m 的网格覆盖整个仙林校区，以不同颜色对应每个网格中GPS轨迹点的数量(每个点代表5秒)，将学生的空间活动位置与时间信息联系起来。轨迹点密度越高的网格表示有多个调研对象途经此位置或有较长时间停留。但在建筑物内出现手机信号不稳定的情况时，会在建筑物周围形成一些噪点，紧贴建筑物边缘的部分数据实际为建筑物内部的停留点。通过 ArcGIS软件的可视化分析，可得到轨迹点密度图(图 4)。为便于分析，项目组另外制作图表，对建筑物内的轨迹点进行统计(图5)。

在个体行为分析上，项目组按照时间顺序，将调研对象每天的 GPS 轨迹数据进行连接，形成个体行为路线，并以不同颜色区分不同日期的路线，叠加后可形成调研对象一周的行为路线。

2.行为特征可视化分析

      图 4 的数据显示，在宿舍、餐厅、教学楼和图书馆周边(图中红圈区域)，轨迹点密度较高，且这些区域覆盖的空间面积较大，有较多调研对象途经或停留。同时，在室外运动场、学校西门、校园巴士站、南门外地铁站以及以餐饮为主的商业街 ( 图中绿圈区域 ) 有个别密度较高的轨迹点，但这些区域覆盖的空间面积很小，是由个别调研对象停留所形成的。图 5 的数据显示，调研对象在宿舍、教学楼和餐厅的停留时间较长，在图书馆的停留时间较短，这与图 4 轨迹点密度的数据不符，说明调研对象途经图书馆的次数较多，但多数调研对象并未进入或停留。除以上轨迹点密度较高的区域外，其余轨迹点分布无明显集聚情况，即调研对象在这些区域无停留现象，且没有明显集中的出行路线。
      调研对象的行为时空数据反映出其活动范围基本在校园内，行为类型主要为上课、进餐和实验等，属不受规划影响的必要性行为。部分个体行为涉及了体育锻炼、校外餐饮消费以及地铁出行至市中心等主动的选择性行为，但频率都很低。调研对象整体的行为活动呈现出行为类型及目的单调、以基本功能建筑物为联系、外部空间行为特征无明显差别的特点。

3.行为特征与功能布局

      对校园内不同区域轨迹点密度进行比较可以发现，各区域的空间利用效率差异较大，区域间联系松散，宿舍区域的空间利用效率较高，而图书馆等公共建筑所在的中心区域空间利用效率较低。
      调研发现，学生由宿舍往返教学楼、餐厅等的局部路段较为集中，且餐厅与运动场地相邻，这样的布置导致了在某些时段教学楼、餐厅和运动场地的交界处容易产生人流密集的情况，反映出原校园规划在功能布局上的不足，其将各功能区间的联系简单化，忽视了学校规模与学生数量已远远大于传统老校区的问题。建筑物内部的时空数据反映出原校园规划在中心区公共建筑规模、位置的确定上考虑不足，且采用的集中布置方式实际效用也不佳。在校区规模增大的情况下，简单地将图书馆等公共建筑的规模也放大，不但没有较好地实现预设功能，反而在整体布局中削弱了各功能区之间的联系。此外，在公共建筑外配置较大的集散空间，也从一定程度上降低了空间利用效率。
      数据显示，在宿舍区与中心公共建筑区之外，调研对象的外出行为较少，这是因为新校区地处城市边缘区，且规模较大，校区周边的商业娱乐设施缺失，而原校园规划并没有对校园所在的区域环境及学生生活需求进行细致考虑，导致校园休闲配套设施缺乏。

4.行为特征与外部空间

      原校园规