城市街道景观特征与连续性评价方法研究

周韬 郑文晖 陈启泉

随着城市的迅速发展与人们对城市建设问题的深入认识，人们对城市街道景观设计的认识已不再局限于三维空间建构，如尺度、比例等内容，而更倾向于在街道中的空间体验与视觉感受。从视觉感知的角度看，构成街道的要素如界面、绿化等与道路共同形成了对城市街道空间的视觉认知，反映了城市不同区域的空间特征。视觉感受是人们感知城市空间最直接的方式之一，基于视觉认知的城市街道景观设计已成为城市设计研究的重要内容之一。

1 相关研究综述

在城市街道设计的感性认识方面，国外学者已有了大量研究成果。如Kevin Lynch对市民进行城市感知调查，总结了城市认知的几类要素：道路、区域、边界、节点和标志物[1]。Jane Jacobs认为街道的形成有赖于两旁建筑物的围合[2]。芦原义信则将街道空间形态量化，并以此为基础讨论不同形态的街道对空间认知产生的影响[3-4]。

近年来，国内学者在街道空间的连续性方面开展了大量研究。如金广君探讨了街道墙的构成规律和设计要点[5]。周可斌提出了“街道连续性”的概念，探讨了街道界面连续性的意义，并提出了街道侧界面连续性控制的具体指标与方法[6]。周钰等学者尝试以参数来表示街道界面整体认知差异[7]，并在随后的研究中以量化的方法对街道界面与城市形态的关联性进行了讨论[8]。姜洋等学者则以GIS为手段，发现街道界面连续性与建筑密度、容积率和路网密度呈现显著的正相关关系，与道路宽度存在负相关关系[9]。以上研究均属街道三维空间模型构建及其相关因素范畴。研究中多以贴线率为重要指标，以三维空间尺度数据反映空间及其连续性特征。

1 实景照片Scene photo

2 街道景观认知画面Street visual cognition of scene photo

3 贴线率情况1Build-to-line ratio situation 1

4 贴线率情况1相应视觉认知Visual cognition of build-to-line ratio situation 1

5 贴线率情况2Build-to-line ratio situation 2

6 贴线率情况2相应视觉认知Visual cognition of build-to-line ratio situation 2

在街道景观感知方面，国外学者的研究非常有启发意义。Bin Jiang等学者邀请受验者参加特里尔社会应激测试（Trier Social Stress Test），通过测试受验者的唾液皮质醇与皮肤电传导变化来反映街道树木覆盖率（Ensities of Tree Cover）对缓解人体心理压力的作用[10]。Chester Harvey从街道的安全性感知出发，提出“街景骨架”（Streetscape Skeleton）的概念，并以GIS为研究工具，对安全性感知要素测试，通过建立回归模型发现对空间围合性相关指标如树木遮蔽率（Tree Canopy）、街区的建筑数量、街道交叉口的比率、街道界面的高宽比等要素对街道安全性感知影响较大[11]。Dongying Li等学者以青少年对自然环境的关注度与心理感知为研究对象，为每位受验者佩戴GPS工具，记录受验者每天所在位置的谷歌街景地图画面，并让受验者填写心理测试问卷，以此揭示青少年对自然环境的关注度与心理感知之间的关联性[12]。国外学者大多从客观观测角度对人体心理感知进行量化测试，用于测试受验者的样本大多是相互独立或片段式的图像数据。在此基础上，国内学者在相关研究方面进行了拓展。梁凯、刘晓惠在视觉分析的基础上，提出适应不同地段环境特征的道路景观设计策略[13]。邵钰涵、刘滨谊使用体验性景观标注法配合照片导向面试过程，结合针点记注法的基本原理来收集有效数据，发现虽然受访者的偏好绝大部分都受到街道景观美学视觉质量本身的影响，景观美学质量越高，共识越趋于统一[14]。龙瀛和叶宇在大数据时代的技术支持下提出了“人本尺度城市形态”（Human-scale Urban Form）概念，强调对城市感知的重要性[15]，并以北京和上海为例，利用街道微观尺度的图像数据，通过要素客观构成分析和使用者主观评价，对北京和上海的街道空间品质进行了测度分析[16]。徐磊青等探讨了迷人街道的2个变量：建筑界面与绿视率对街道体验的影响，并使用VR技术使受验者体验虚拟街道模型，分析结果表示建筑界面和绿视率都影响了街道的迷人体验，但是界面影响第一，绿视率第二[17]。怀松垚从出行行为、主观感受、主观认知度等方面系统性地梳理了近十余年来新数据、新技术在城市公共空间品质研究中的应用进展，为城市空间品质的提升和优化提供了定量化依据[18]。

在以上理论与实践中，大多数学者着重于对街道空间形态及其品质评价等方面进行定性定量分析，取得了重要的研究成果。但在街道视觉景观特征的量化方法方面，少有研究涉及。街道景观感知的相关研究多数集中在街道的综合品质感受方面，研究对象多是片断式的图像数据，而在对连续的街道景观特征研究方面略有欠缺。原因可能是街道景观特征的概念模糊，缺乏准确定义，难以以数据的方式量化。笔者希望在现有的基础上，对街道景观特征进行归纳量化，并将街道景观视为断片式景观画面的集合，以图像数据为基础研究其连续性评价方法。

2 研究对象与研究方法

2.1 研究对象

2.1.1 街道景观特征与认知画面

在以往的研究中，多数文献对以视觉认知为基础的街道景观特征描述较模糊，缺乏准确定义。但根据相关文献[10-12]的研究基础，对街道景观的描述大多以绿视率、开敞度等要素作为讨论对象。因此，在本研究中将街道景观要素分为3类：天空、建筑（含地面）、绿化。为对此3类要素进行系统性的归纳和总结，需要借用计算机视觉领域中的“图像语义（分割）”概念①。“图像语义（分割）”是指通过计算机对图像数据的处理运算，对图像中的目标进行切割划分，并赋予语义标签，使分割出来的目标图像具有可识别性。本研究借用图像语义分割的概念，引申为“街道景观认知画面”。以图1、图2内容为例，以相机拍摄到的城市街道景观照片（图1）模拟人眼接收到的视觉信息，使用AutoCAD软件将3类要素以抽象化的形式分类表现为“街道景观认知画面”（下文简称为“认知画面”，图2）。认知画面中偶有如汽车、天线等建筑要素之外的遮蔽物进入画面中，在绘制过程中进行部分纠偏。街道景观特征由多片段集合连续的认知画面所反映，并以3类要素在画面中所占比例的数值对其进行量化，要素在画面中所占比例的数值在本研究中可称为“画面占有率”。

7 拍摄点选取原则示意Shooting point selection principle

8 贴线率计算方法示意The method of calculating the build-to-line ratio

9 B2点贴线率计算范围示意The build-to-line ratio calculation range of point B2

10 调研对象区域位置Location of investigation objects

11 拍摄点编号Shooting point number

2.1.2 贴线率与连续性

贴线率是引申自美国“街道墙”（street wall）概念的产物。美国建筑师威廉 阿特金森（Wiiilam Atkinson）首次提出街道墙概念，用以控制街道界面的连续性。纽约市在1916年首次实行的新分区法中，街道墙是其中的一个重要概念[5]。经文献[19]考证，在中国，“贴线率”（build-to-line ratio）一词最早出现在《深圳市罗湖区分区规划1998—2010》（2001）第六章第二十二条中。此后，在部分城市制定的相应的城市设计管理条例或法规中，各自给出了相应的贴线率计算方法②。以《上海市控制性详细规划技术准则》（2016年修订版）为例，其中的贴线率定义为：建筑物贴建筑控制线的界面长度与建筑控制线长度的比值，计算公式为：贴线率（P） = 街墙立面线长度（B）/ 建筑控制线长度（L）╳ 100%[20]。

通过建立简单的电脑模型考察贴线率对街道景观的影响，从定性的角度看（图3～6），在相同道路等级的情况下，建筑贴线率的不同导致了街道景观视觉认知画面的差异。从街道空间连续性研究的角度看，贴线率被认为是影响城市街道界面连续性的重要因素之一。如《街道界面密度与城市形态的规划控制》[8]《基于GIS的城市街道界面连续性研究：以济南市为例》[9]在对街道界面连续性的讨论中，街道连续界面贴线率数据的稳定性被视作衡量界面连续性的重要指标。依据这一标准，在连续的街道片段景观认知画面中，各类要素所占画面比例的稳定性可被视为衡量街道景观连续性的重要指标。在本研究中，除了定性之外，笔者将从定量的角度考察贴线率与画面占有率之间的关系，并考察两者之间连续性的相互关系与影响。

2.2 研究方法

根据选定的研究对象，可以制定研究方法如下。

2.2.1 选取拍摄点

在选取的调研对象街道中，按既定方向在道路一侧的人行道行进，以约100m距离为单位，按照路口—街区中点—路口的原则选取拍摄点，使用相机对街道景观进行逐点连续拍摄。局部可按路网结构等实际情况对拍摄点进行调整（图7）。将拍摄好的照片归纳表现为认知画面。考虑到冬季树木落叶对图像数据收集的影响，调研时间一般定于秋季。

2.2.2 计算画面占有率

计算街道景观认知画面中的画面占有率，以百分数表示。在根据照片（图1）绘制的街道景观认知画面（图2）中，天空占有率为26.67%，建筑占有率为70.03%，绿化占有率为3.30%，三者合计100%。街道的景观特征可以由连续的认知画面所反映，并以3类要素在画面中所占比例的数值对其进行量化。

以调研对象街道为单位，根据拍摄点的行进顺序统计各项要素画面占有率及其变化特征，以此数据的波动性反映景观连续性的变化特点。

2.2.3 计算贴线率

在本研究中，以《上海市控制性详细规划技术准则（2016年修订版）》为参照，以当地城市的城市规划管理条例为依据，将每块场地相对于道路的退线距离作为建筑控制线距离，以此进行贴线率计算。考虑到建筑建成的年代差距较大，少部分建成年代较早的建筑没有按照管理条例执行退线要求，出现建筑基地与建筑控制线相交的情况，也以贴线情况计算。具体计算原则如图所示（图8）。计算公式为：

12 赣江大道A1点实景照片Scene photo of Ganjiang Avenue point A1

13 赣江大道A1点认知画面Visual cognition of Ganjiang Avenue point A1

14 红谷大道B1点实景照片Scene photo of Honggu Avenue point B1

15 红谷大道 B1点认知画面Visual Cognition of Honggu Avenue Point B1

16 丰和大道 C1点实景照片Scene photo of Fenghe Avenue point C1

17 丰和大道 C1点认知画面Visual cognition of Fenghe Avenue point B1

根据步骤1的拍摄点取点位置，逐一计算相应拍摄点的平均贴线率（图9），B1点与B3点处于道路交叉口区域，贴线率计算为0。B2点处于街道中点区域，因此计算道路两侧贴线率并取平均值，该平均值计为该拍摄点位置贴线率。以下各拍摄点贴线率计算方法均以此为原则。

2.2.4 计算画面占有率方差与贴线率方差

根据步骤1与步骤2的统计结果，计算各街道画面占有率数据与贴线率数据的方差。方差用来表述数据的波动性，方差越大，则数据波动性越大，由此可以认为某项要素的连续性较差。反之则连续性较好。

计算调研对象街道的画面占有率样本方差，计算公式为：

式中：Var（S）表示各项要素的画面占有率样本方差，Si表示每个拍摄点某项要素的画面占有率，表示某项要素占有率平均值，n表示样本数量。

计算调研对象街道的贴线率样本方差，计算公式为：

式中：Var（P）表示各街道贴线率样本方差，pi表示各拍摄点位置贴线率，表示贴线率平均值，n表示样本数量。

2.2.5 相关性分析

通过对各拍照点位置的画面占有率与贴线率做相关性分析，考察贴线率如何影响街道景观特征。将各调研对象街道数据输入SPSS软件计算做相关性分析，以R值表示数据之间关联性的强弱。

3 数据采集与分析

根据以上制定的研究方法开展研究，对调研对象进行数据采集与分析，过程如下。

3.1 确定调研对象

本研究选取的调研对象街道为江西省南昌市红谷滩中心区的3条南北向城市主干道，分别是赣江大道、红谷大道和丰和大道（图10）。红谷滩新区是为拓展城市规模，构建“一江两岸”城市发展格局而设立的城市新区。该区的城市建设活动大多是在城市规划管理条例限制下进行的，3条主干道上的城市设施已比较完善，用地性质与建筑功能多样，相比其他街道较为适合作为调研对象。分析结果可以有效地反映城市建设过程中相关城市规划管理条例③对城市的控制程度及其对城市街道景观产生的影响。

3.2 绘制认知画面，计算画面占有率

考虑到冬季树木落叶对绿化画面占有率的影响，调研时间选定为2017年10月－11月。以八一大桥引线为起点，以南昌大桥引线为终点，按由北向南的方向，沿各条道路西侧人行道行进。以路网关系为基础，按照路口—街区中点—路口的原则选取拍摄点，使用数码相机按行进顺序逐点连续拍摄实景照片。为便于研究，将赣江大道编号为A，红谷大道编号为B，丰和大道编号为C。选取的拍摄点在每条街道上具有对应关系，具体位置如图所示（图11）。绘制每个拍摄点的街道景观认知画面（图12～17），以街道为单位将数据计算统计如表所示（表1～3）。

3.3 计算贴线率

本研究的调研对象位于南昌市，按照《南昌市城市规划管理技术规定（2014）》相关条例，参照研究方法步骤3，确定调研对象的建筑控制线如图所示（图18）。计算各拍摄点的平均贴线率，结果如表所示（表4）。

赣江大道东临赣江，作为城市景观带规划，西侧受到绿线控制④无法计算沿道路贴线率，因此数值为0。总体来看，红谷大道与丰和大道的建筑贴线率都处于较低水平，究其原因可以考虑如下：1）红谷滩新区从筹划建设至今20年左右，除几条主干道城市设施完善以外，有部分地段仍处于建设当中。2）规划建设过程中受现代主义规划思想影响，城市街道设计方法以“轴线”为主，强调道路的交通功能，而对人体尺度的街道设计考虑略有不足。3）城市建设以高层建筑居多，对建筑密度与容积率要求严格，因此很多建筑在规划设计时倾向设计集散广场与开敞绿地，多数建筑的退线距离远大于管理条例要求的距离。综合以上原因，使3条调研对象街道的贴线率均处于较低值。

3.4 计算画面占有率方差与贴线率方差

根据表图可以发现（图19～21，表1～3），在各调研街道中，按照既定行进顺序三类景观要素的画面占有率呈现一定的波动性。但仅根据以上图表无法以明确的指标对画面占有率的波动性进行衡量，因此需要对各要素画面占有率数据计算样本方差。同时，为考察贴线率与街道景观连续性的关联性，需要计算各拍摄点贴线率的样本方差，计算结果如表所示（表5）。

表1 赣江大道（街道A）街道景观认知画面占有率统计表（部分省略）Tab.1 Statistical table of cognitive screen occupancy rate of Ganjiang Avenue (Street A) landscape (partially omitted)

表2 红谷大道（街道B）街道景观认知画面占有率统计表（部分省略）Tab.2 Statistical table of cognitive screen occupancy rate of Honggu Avenue (Street B) landscape (partially omitted)

表3 丰和大道（街道C）街道景观认知画面占有率统计表（部分省略）Tab.3 Statistical table of cognitive screen occupancy rate of Fenghe Avenue (Street C) landscape (partially omitted)

18 调研对象街道控制线Control line of survyed streets

19 赣江大道街道景观认知画面占有率统计Statistical graph of cognitive screen occupancy rate of Ganjiang Avenue landscape

20 红谷大道街道景观认知画面占有率统计Statistical graph of cognitive screen occupancy rate of Honggu Avenue landscape

21 丰和大道街道景观认知画面占有率统计Statistical graph of cognitive screen occupancy rate of Fenghe Avenue landscape

将表5的计算结果可视化，如图所示（图22）。街道B的天空占有率方差数值较小，可以认为街道B认知画面的天空占有率变化的波动性较小，与平均值的偏离程度较小，由此认为街道B中该项要素的连续性较好。比较其他两类要素占有率的方差，发现街道B的方差数值均为最小。因此，相比于其他两条街道，街道B（红谷大道）认知画面的各类要素占有率变化的波动性较小，显示出平稳的变化状态。3条街道当中，按景观连续性的平稳程度排序，可以得出街道B＞街道A＞街道C。

从贴线率的角度来看，街道A受到城市规划条例中绿线控制的影响，因此贴线率计算为0。街道C的贴线率数据方差小于街道B，因此可以认为街道C的贴线率数据稳定性较高。

3.5 相关性分析

为考察贴线率如何影响街道景观特征，使用SPSS软件对各拍摄点的贴线率数据与画面占有率数据进行相关性分析（表6）。

一般认为，|R|≥0.800时为两变量间高度相关，0.800＞|R|≥0.500时认为两变量中度相关，0.500＞|R|≥0.300时认为两变量低度相关。从表6计算结果看，贴线率与天空占有率的相关性在统计学意义上比较明显，呈现低度显著负相关关系。究其原因，贴线率仅仅反映建筑界面的连续性，但无法反映界面的形态如界面的高度、长度等。在建筑形态没有较大差异的情况下，贴线率的变化会带来部分街道景观的变化；在建筑形态差异较大的情况下，即使贴线率相同，不同的建筑形态如建筑密度、容积率等指标的改变，依然会使街道景观认知画面出现不同。

4 总结

笔者基于人体视觉认知，以认知画面与贴线率为研究对象，将景观要素分为天空、建筑、绿化3类，使用连续的图像数据量化街道景观特征。以样本方差计算结果来看，红谷大道景观要素的连续性体现出较为平稳的状态。在影响因素方面，使用SPSS软件考察街道中各拍摄点贴线率与画面占有率的关联性，发现贴线率与天空占有率呈现低度显著负相关关系。其原因可以认为贴线率是控制界面连续性的有效手段，但无法控制用地的建筑密度与容积率等与建筑形态关系有关的指标。

综合以上论述，笔者提出以视觉认知画面为基础的城市街道景观特征及连续性评价方法，将贴线率与样本方差纳入评价指标体系，以数值的方式反映出人对街道景观特征的感知状况，以利于在城市设计阶段对城市街道景观认知进行把握与控制。但由于笔者的调研样本数量较少，尚无法证明贴线率数据的稳定性与画面占有率的稳定性存在必然关联。因此，目前的分析研究只是阶段性成果，在今后的研究中将增大样本数量，考察除贴线率之外的影响因素，构建完整的评价指标体系。

22 各街道拍摄点数据方差计算Calculation of data variance of street shooting points

表4 调研对象街道拍摄点位置贴线率统计表（部分省略）Tab.4 Statistical table of build-to-line ratio of each shooting point position in every street (partially omitted)

表5 各街道拍摄点数据方差计算表Tab.5 Variance calculation table for each street shooting point data

表6 各拍摄点贴线率与画面占有率相关性分析Tab.6 Correlation analysis of each shooting point data between build-to-line ratio and value of screen occupancy

注释：

① 图像语义（分割）是 AI 领域中一个重要的分支，是机器视觉技术中关于图像理解的重要一环。普通的图像分割往往是根据图像的颜色纹理进行划分区域，而语义分割是基于一个语义单元，例如将人，车等目标从图像中分割出来。

② 江苏省住房和城乡建设厅在2011年印发的《江苏省城市规划管理技术规定（2011年版）》第3.4.4.1条提到贴线率的概念（附录七术语释义，第9条），并认为应在详细规划或城市设计中提出控制要求，江苏省各城市均按各自实际情况提出相应的实施细则。《上海市控制性详细规划技术准则（2016年修订版）》对重要路段建筑的贴线率提出了详细的指标要求，并在附录三中给出了贴线率的计算公式，对建筑贴线的各类情况提出了具体的计算规则。

③ 调研街道所处南昌市，因此各项计算数据如退线距离等按照《南昌市城市规划管理技术规定（2014）》中的相关规定条例执行。

④ 根据《南昌市中央商务区（CBD）法定图则技术文件》（2007）可以看到，赣江大道西侧受到绿线控制。

⑤ 图1由作者自摄；图2～9由作者自绘；图10作者根据高德地图改绘；图11由作者自绘；图12～17由作者自摄和自绘；图18～22由作者自绘；表1～6由作者自绘。