基于大数据的城市空间形态量化指标体系研究

唐振玺

摘 要：随着技术手段的发展，城市空间形态研究也面临新的挑战，如何在大数据时代下进行量化研究，已经成为我们研究者面对的难题。当前城市空间形态研究指标体系众多，但是在当前大数据环境下适用性较低，因此尝试构建一个适用于当前环境，综合且全面的城市空间形态量化指标描述体系显得尤为重要。研究基于大数据环境下，全面梳理不同视角下的10个城市空间形态指标体系，结合数据特征进行指标筛选与合并，构建城市与街区两个不同尺度的指标体系，以期为城市空间形态研究提供可行的量化研究体系。

关键词：大数据；城市空间形态；量化指标；指标体系

城市空间形态作为描述和定义城市特征的重要表现形式，在城市发展史中，一直处于重要地位。我们可以通过卫星影像图发现，不同文化、不同时期、不同地理位置的城市其形态呈现不同特征，或紧密、或稀疏、或集中、或分散、或整合、或破碎。随着科学技术的发展，如何对这些不同的城市空间形态进行量化研究，已经成为我们研究者面对的难题。

国际上大多数学者对城市空间形态研究，大多基于调研或者政府数据，从多个角度对城市空间形态各方面进行量化，再用相关指标进行描述。此类研究，数据获取较为复杂，指标体系具有较强的针对性，限制了研究的进一步推广，那么是否可以通过构建一个数据易于获取、适应性较强的城市空间形态量化指标体系来解决这个问题呢？研究结合数据特征以及城市空间形态的研究成果，全面梳理各个视角的城市空间形态指标体系，通过指标筛选与合并，尝试构建指标体系，以期为后续城市空间形态研究提供可行的量化研究体系。

将指标体系按照指标特征分为两大类：第一类，从单一角度进行描述，如密度角度，形状角度；第二类，从多个角度综合进行描述。基于此综合国内外相关文献，从单一角度进行描述的主要有：Pont M B和Haupt P（2010）基于四个密度指标，建立空间伴侣（Spacemate）的指标体系；王新生（2005）、叶昌东（2013）从城市边界形状特征指数、紧凑度、分维指数分析城市边界形态演变；Hillier和Hanson（1984）正式提出空间组织的句法理论，开创空间角度进行城市空间形态研究先河。从多个角度综合进行描述的主要有：G. Galster（2001）等通过密度、形态、功能等多个角度建立指标体系，用于评价城市蔓延程度；J. Gil（2012）为研究不同类型城市的街区形态时提出从规模、密度、形态构建的指标体系；萨拉（2012）为探索密度与肌理之间的关系建立的指标体系，建筑类型、区位、建成密度等角度进行综合评价；Yu Ye（2016）综合空间矩阵、空间句法、混合使用度三个指标体系，进行城市空间形态评价；李招成（2016）探索城市街廓形态建立指标体系，主要覆盖城市空间形态的密度、形态、空间等方面。

基于上述内容，研究尝试從城市数据来源以及数据特征出发，综合相关城市空间形态研究指标，构建大数据视角下的城市空间形态研究指标体系，量化城市空间形态，建立数与形之间的联系，为将来城市设计工作提供参考。

一、数据

（一）数据来源

本次研究使用了多元大数据实时采集方法，运用网络提取国外城市谷歌街道图、OpenstreetMap矢量图，国内城市由于谷歌数据具有较大误差，因此使用百度地图栅格数据进行替代。将上述数据导入ArcGis当中，矢量数据通过数据清洗、数据筛选，获取研究相关数据；栅格数据，主要运用ArcGis空间分析数据库当中的多元分析工具箱，采用最大似然法分类对城市建筑与道路进行提取，然后由栅格文件转为面要素矢量文件，再通过数据清洗、数据筛选，获取研究相关数据。基于上述内容，构建大数据城市空间形态研究数据库。

（二）数据特征

基于上述方式获取的城市数据库，通常能够涵盖世界范围内的大城市，同时城市数据不仅仅涵盖城市中心区数据，还能够涉及城市所有建筑与道路，但是，基于此构建的城市数据库，建筑高度数据缺失。因此在选择相关指标时，需要考虑数据是否能够满足指标所需。

二、指标分类分析与筛选

借鉴相关研究选取了具有代表性的10个指标体系，75个相关指标，通过合并相同或相似概念指标，最终得到37个不同指标供参考使用。首先对指标进行列表；其次依据描述内容对指标进行分类，同时考虑指标与空间形态的相关性，对指标进行筛选；最后通过对指标数据需求进行分析，依据描述内容，剔除量化描述性较低指标，构建指标体系。

（一）指标列表

基于上述内容，将之前研究当中所涉及的城市空间形态指标依据类型与体系一一列出，对研究内容类似，功能差异不大的指标进行比较与合并，提取可用指标进行研究分析。

（二）指标分类与提取

首先根据指标描述类型分为5类，分别是规模类指标，密度类指标，功能类指标，形态类指标，空间关系类指标。其次，由于部分指标并不涉及到具体形态，还有部分涉及到具体形态，但是需要特定的前提与数据支撑，才具备有效性。因此，在本节中，首先提取涉及形态的指标，然后再根据可行性与有效性，进行筛选合并。

与形态有关的指标大致分为两种类型：第一类，描述具体的物质形态的几何特征的指标，称为几何型指标；第二类，描述物质内在的关联性的指标，称成为空间关系型指标。其中，几何型指标主要关注点集中于物质的几何形态，例如：建筑平面（矩形，圆形等），物质要素的几何特征（面积，周长等）；空间关系型指标则忽略物质之间的几何形态，专注于结构关系，比如空间句法的集成度。

跟形态无关的指标一般是由描述要素的社会属性或与形态之间联系不强的指标所构成，比如与形态关系较模糊的功能混合度；与城市形态并无直接关系的公共区域面积，私人区域面积等。

把所有指标进行排除并列举出来，如表2所示。

（三）指标数据需求分析

本节中主要总结形态相关指标对研究数据的需求，然后对比现有数据库数据特征，在尽可能对城市空间能够解析完整的情况下，对缺少数据的指标进行剔除。endprint

三、结语

大数据研究涉及到城市宏观与微观两个方面，采用统一的指标体系分析两个方面显然是不科学的，因此从宏观与微观两个不同尺度建立指标体系。基于上述研究，提取可用指标，对指标进行整理与体系构建，建立对应尺度研究指标体系。

（一）城市尺度研究指标体系

基于城市尺度平面构成要素数据：城市边界、道路网、建筑、水系以及部分城市绿地，选择与城市边界相关的区域面积指标，与道路网相关的路网密度指标，与建筑相关的建筑基底总面积、建筑覆盖率、集中度、分割度四个指标。

上述指标对区域规模、密集程度、土地使用密度、建筑分布特征以及建筑细分程度进行了量化解析，但是在对城市平面形态与结构的解析上，还存在一定缺陷。因此将能够描述城市静态有形物质分布的建筑、水系、绿地数据、描述城市动态“流”特征的路网数据进行加权叠加，作为城市平面形态研究的基础数据，通过紧凑度、放射状指数、边界维数与半径维数描述城市平面形态特征与结构特征。

（二）街区尺度研究指标体系

街区尺度平面构成要素数据主要包括：研究边界、街区边界、道路网、建筑、水系以及部分城市绿地。选择与边界相关的街区数量、街区平均面积、街区面积加权紧凑度指数、街区放射状指数指标；与道路网相关的路网密度、連接值、控制值、深度值、集成度指标；与建筑相关的建筑覆盖率、集中度、分割度。

上述指标对街区规模、街区形状、街区内部空间关系、密集程度以及建筑细分有了较为详细的描述，但是对于道路交叉口缺少解释性，因此需要补充交叉口数量与交叉口平均距离两个指标，以此构成相对完善的街区尺度研究的指标体系。

（三）研究展望

本文基于大数据时代下，通过对城市空间形态量化指标的总结与筛选，构建城市与街区两个尺度的研究指标体系，在一定程度上能够量化描述城市空间形态，但是由于研究指标体系是建立在其他研究成果的基础上，缺乏一定的全面性，难免会出现考虑不周的情况。

研究实践表明，城市数据是影响指标选择的重点。在当前数据库情况下，由于缺少建筑高度信息，因此只能简单从平面空间上进行研究，无法完成城市容量的相关研究。如后期能获得建筑高度信息，那么我们距离全面认识城市空间形态，更好地构建数与形之间的关系又更近一步。

参考文献：

[1]储金龙.城市空间形态定量分析研究[M].南京：东南大学出版社，2007.

[2]段进.国外城市形态学概论[M].南京：东南大学出版社，2009.

[3]李招成.城市街廓形态指标体系研究[D].南京大学，2016.

[4]王新生，刘纪远，庄大方.中国特大城市空间形态变化的时空特征[J].地理学报，2005，（03）：392-400.endprint