基于绿视衰减曲线的历史街区步行环境绿视感知评价——以厦门市中山路同文片区为例

李渊 黄竞雄

历史文化街区是城市历史资源的组成核心和城市文明价值的传承载体，伴随世界遗产保护观念转变，有关街区保护更新研究的热度逐渐上升[1]，实践中，良好的街道步行品质是区域发展旅游业与商业的保障[2]。作为遗产活化的基础[3]，街区的步行环境优劣关系到访客的到访意愿，步行环境的评价与优化是街区发展的重要议题。

步行环境体验可以从主客体视角进行解释，主体视角是通过对行人进行访谈获得关于步行体验的评价，客体视角则是评估环境对步行的支持程度。国外关于步行环境的研究由来已久[4]，Arellana等回顾了过去10年间步行指数的测评方法，通过案例研究了解中、微观尺度指标对于步行指数的影响程度[5]；Marquet等使用GPS测度人们的运动剧烈度并与环境的可步行性建立联系，论证可步行性对于促进行人体育锻炼的重要性[6]；Pfeiffer等以凤凰城为案例地开展问卷调查，发现生活在可步行性较好区域的居民对于生活的满意度更高[7]。反观国内，张燕来等基于访谈系统解析了厦门沙坡尾传统街区的步行尺度与体验[8]；熊文等评述了街区步行易达性对于城市街道步行环境发展的意义，并基于地图数据评价了不同尺度下步行活动的易达性[9]；王德等和刘珺等从问卷和访谈出发，分别采用语义差别法[10]和叙述性偏好法[11]对街道空间感知和休闲步行环境质量进行量化分析。总体上，这一类评价方法从主体视角出发，通过地图、问卷、调研或访谈的方式评价街道步行环境的感知体验，是基于目标的实证调查，仍缺乏较便捷地从客体角度出发的定量分析方法。

已有研究证明，视物经眼球转化形成“视感觉”，再经认知处理后转化为评价结论[12]。行人行进时对场景进行扫视，在先验认知的主导下由睫状肌调节眼球的可视区夹角进行注视，睫状肌状态的差异可影响行人对视觉环境的主观评价。此外，视觉刺激物的有效与否还取决于其在视野中的占比是否达到视阈值。这表明，客体角度的研究可以对行人视野内容物进行研究，以定焦镜头采集图像并进行视觉评价是较好的解决方案：一方面可排除由于主观差异导致视觉焦点偏移带来的误差；另一方面，信息技术的发展降低了从图像中提取视觉参数的难度，可以客观地反映行人接收到的视觉信号内容。

本研究从客体视角出发，采集案例地的街景图像数据，评价街道的绿视环境感知，并提出改造策略。在历史文化街区的语境下，要通过合理配置绿化形成较好的视觉感知体验，需要对不同绿化模块可提供的有效视觉绿量进行研究。笔者认为，绿化模块存在“最大绿视服务范围”，并提出应用“绿视衰减曲线”测度该范围的方法。这一概念将绿视率在空间中的连续性变化规律展示在二维平面上，有助于：1）在城市设计阶段引入视觉感知概念，帮助设计人员在图面上测算行人的绿视感知体验；2）在用地面积局促的区域辅助探索绿化模块的配置模式，可以显著提升用地效益和步行环境的视觉体验。

1 案例地介绍

本研究的案例地是厦门市中山路历史文化街区的同文片区（图1），面积约0.3 km²。街区具有600多年历史，是厦门旧城的核心区域。民国时期厦门市政府对城市进行重新规划整修，新中山路于1925年开街，成为厦门市经济、文化中心。街区内的骑楼建筑集合了欧陆和南洋风格，拥有众多历史名胜、名人故居，包括8处省市级文物保护单位和10余处历史遗址。

历史文化街区的遗产要素体验与文化传承是核心主题，访客与遗产要素的接触构成了文化传承的具体过程。中山路历史文化街区商贸发达，早年新建商业建筑的尺度破坏了街区的历史文脉，浓厚的商业氛围减弱访客对于遗产要素的注意力。研究表明，绿化与遗产要素的合理搭配有利于缓解遗产要素的冰冷气息，为访客提供安全感[13]，且可以促使文化遗产在提升居民生活质量方面产生积极作用[14]。然而，现行的保护规划与管控规定均未对街区内的绿化形式进行详细规定，且街区内绿地面积不足、分布不均，如何在高密度的历史文化街区中提升绿化的用地效益以获得较好的视觉体验成为实际问题。作为研究案例地，同文片区：1）囊括城市主干路、次干路、支路和商业步行街4类道路，可以作为新旧功能融合之际历史文化街区发展现状的代表；2）建设密度较高，可用空地面积少，难以进行大规模的绿化改造；3）功能丰富，街区内的旅游、购物、居住等功能对步行环境需求较高。以该片区为例进行研究具有代表意义。

1 研究范围与道路区位Research area and road location

2 研究数据和方法

2.1 研究数据

鉴于街景数据难以还原行人视角的感知，本研究选用模拟行人在街区中行进的方式采集案例地的步行感知图像。图像大小统一为1 440×1 080像素，设定采集角度为0°，高度为1.7 m，选用镜头成像视夹角为73.5°，接近人眼的颜色辨别有效视夹角。考虑到操作可行性，对同一条街道每隔50 m取一个采样点，对每个点分别采集平行于（前、后）和垂直于（左、右）道路共4张街景图像，取样点的参数值为4个方向图像参数的平均值。变量设置参考郝新华和龙瀛的研究[15]，其中r代表图像中的绿视率数据（图2）。

图像采集工作于2018年12月15—27日的晴朗白天进行，共获得296张图像。图像经由猫眼象限工具识别获取绿视率[16]，匹配数据与采集点建立地理信息数据库。结合文献梳理结果[17-20]和各模块组合特征差异，对片区内道路绿化模块进行分类（表1）。

2 数据采集与计算框架Data acquisition and calculation framework

3 研究框架Research framework

表1 同文片区内绿化模块类别及其特征Tab. 1 Classification and characteristics of greening modules in Tongwen Area

表2 绿视率识别准确度验证结果Tab. 2 Verification result of green view rate recognition accuracy

猫眼象限工具引入深度学习技术，对街景中的视觉参数进行快速识别与统计。为了验证该工具的识别精度，使用Adobe Photoshop软件对图像进行目视判别并对比结果[21]。随机抽取不同场景下的图像样本进行对比（表2），可以发现，猫眼象限工具的图像识别结果受拍摄环境、图像质量、植物色调以及明暗面等的影响，存在一定误差。识别精度受图像中的绿色像素的影响，但总体上满足研究需求。

2.2 研究框架

本研究技术路线主要包括4个部分（图3）：1）通过采集街景图像提取绿视率数据；2）对绿视率数据进行分类，得到各绿化模块与各采样点的绿视率数据；3）根据视野切片建立绿视率和行进距离的关系模型，绘制“绿视率衰减曲线”，计算绿化模块的最大绿视服务范围；4）对各道路进行绿视感知评价，并结合绿视服务范围计算结果，提出相应的绿视优化方案。

2.3 研究方法

解译图像中的视觉信息是研究的关键。“绿视率”起源于青木阳二[22]，是人眼视野中的绿化面积占比，可以反映行人在街道中的视觉体验。本研究从图像中获取绿色植物在图像中的占比作为当前视野中的绿视率。并进一步将每一张图像视为行人的视野切片，行进过程中特定绿化模块在视野中的绿视率随着与绿化模块距离的增加而降低。根据视觉累积效应，若行进方向上出现新的绿化模块，绿视率可以在行人视野中累加，延续良好的视觉体验。故绿视衰减曲线是将行人视野切片根据距离变化进行连续排列，对行进中动态变化的绿视率进行拟合所获得的连续变化曲线。应用该曲线可以获知不同绿化模块所提供的绿视率随行进距离变化的规律，进而计算视阈值。

选择包含5类绿化模块的连续图像数据，符合要求的数据共有31张。清洗图像中非目标绿化模块来源的绿视率数据，进行计算。正常视力下，人眼能看清事物轮廓的最远距离为250 m[23]，故以250 m为绿化模块绿视率的零值点。选用2类常见阻抗函数，建立拟合模型进行计算（图4）。幂律拟合模型的基本形式为：y=ax-b，（1）指数拟合模型的基本形式为：

式中：y为绿化模块提供的绿视率值，x为行人与绿化模块的距离，单位m。假定行人行进速度固定，x与时间线性相关，建立绿视率变化值与时间序列的关系。参数b为衰减系数。

3 结果分析

3.1 绿视率衰减曲线计算结果

选择街区内的典型绿化组合进行衰减曲线计算，表3为样本组合特征，表4为计算结果。其中，乔灌组合、大乔木、绿化小品的幂律模型拟合优度R²较高，盆栽、垂直绿化的指数模型拟合优度R²较高，根据计算结果绘制衰减曲线（图5）。由于乔灌组合、大乔木和绿化小品的主要绿化面朝向行人，初期绿视衰减速度较盆栽和垂直绿化而言相对更慢；而盆栽本身体量较小，所能提供的绿视率有限，在固定视夹角的语境下，该模块可提供的绿视率衰减速度极快。

4 绿视衰减曲线计算框架Calculation framework of green view attenuation curve

5 五类绿化模块的绿视衰减曲线Green view attenuation curve of five greening modules

表3 五类绿化模块样本的组合特征Tab. 3 Combination characteristics of the samples of five greening modules

表4 五类绿化模块的绿视衰减曲线拟合结果Tab. 4 Fitting results of green view attenuation curves of five greening modules

表5 五种绿化模块最大绿视范围测算结果Tab. 5 Calculation results of the maximum green view range of five greening modules m

表6 街道沿线视觉参数均值一览表Tab. 6 List of mean visual parameters along the streets

实际上，同文片区范围内同时存在平行和垂直于人行道的2类垂直绿化，但由于该片区内垂直于道路方向的垂直绿化均位于车行道的对侧，难以获取较近距离的绿视参数进行绿视曲线的连续刻画，可能产生较大误差，故本研究仅对平行于人行道的垂直绿化形式进行讨论。曲线拟合结果显示，随着行人的远离，平行于人行道的垂直绿化的主要绿化面快速退出行人的视野，提供绿视率的能力降低，衰减率较高（图5）。

已有研究表明，当绿视率＜15%时，行人可以明显地感受到环境中的人工痕迹，相较于其他生活在绿视率＞25%区域的居民，生活在绿视率＜5%的地区的居民在生理或心理上更容易产生问题[24]。因此，以15%、5%和1%为视阈值计算绿视服务半径（表 5）。结果显示，最大绿视范围从高到低依次是大乔木、乔灌组合、绿化小品、垂直绿化和盆栽。

考虑到视觉效果，建议以衰减到15%的绿视范围为每个绿化要素的建议观赏距离，实际应用中可以根据这一结果进行灵活搭配。例如，乔灌组合的建议观赏距离较大、盆栽的建议观赏距离较小，在设计中可以使用乔灌组合为主景、盆栽为辅景进行搭配，参考自然式的景观搭配方式形成有节奏的树丛[17]，乔木形成较为高大、茂密的主景，灌木与盆栽结合补充低矮处的街道景致，高低、浓淡、疏密有致的组合模式可以进一步丰富街道的绿视感知。

3.2 绿视感知评价

3.2.1 主次干道绿视率评价

各道路绿视率统计结果如表6。思明南路—中山路沿线平均绿视率为3.62%。中山路绿化形式以街边休憩空间附设的绿化小品、零星的盆栽绿化为主，局口街和中山路交汇处有一株大乔木。思明南路的步行空间均在骑楼外廊下，镇海路与思明南路交汇口存在一处由绿化小品与盆栽组成的绿岛，无街边绿化。鹭江道—镇海路沿线平均绿视率为片区中最高，达到32.61%。鹭江道为主干道，主要绿化形式为乔灌组合，内含部分平行于道路的垂直绿化。镇海路为次干道，绿化的主要形式为乔灌组合与绿化小品，整体绿视率较高。

6 钱炉灰埕巷与定安路道路绿化情况对比Comparison of road greening between Qianluhuicheng Lane and Ding’an Road

7 内部支路视觉提升策略意向图Intentions of internal branch road visual improvement strategy

中山路—思明南路主要存在的问题有：1）作为片区内历史文化要素的主要分布区域，中山路步行街整体绿视率低，人工痕迹明显。各绿化模块之间未能形成良好的主配景关系，仅有的一株大乔木，所能提供的绿视率有限，行人的注意力容易被街边商铺招牌等分散；2）受限于骑楼的保护要求，思明南路沿线绿化方式有限，对街区中行人的视觉体验增益较低。反观鹭江道—镇海路沿线，以乔灌组合为主景，辅以街边店铺与广场的盆栽、绿化小品以及垂直绿化，绿化模块与行人的距离多在建议观赏距离以内，视觉体验良好。

3.2.2 内部支路绿视率评价

研究区域内的支路包括水仙路、钓仔路—泰山路、定安路、同文路，以及钱炉灰埕巷—青石巷等。水仙路的绿视率来源以乔灌组合为主；钓仔路—泰山路沿线有一株大乔木作为绿视率来源；定安路的绿视率来源以小型盆栽为主；同文路沿线绿视率主要来源于垂直绿化以及大乔木；钱炉灰埕巷—青石巷沿线绿化形式多样，包括盆栽、绿化小品，也有自然生长的垂直绿化，较成体系。总体上，内部支路绿视率来源多样，定安路、水仙路、钓仔路绿视率较低，视觉体验一般；钱炉灰埕巷—青石巷与同文路的绿视率较高，视觉体验优良；泰山路虽绿视率较高，然而绿视率来源单一，绿化不成系统，视觉体验也较为一般。

以钱炉灰埕巷的江夏堂和定安路厦门各界抗敌后援会旧址为例进行对比分析，两者都是片区内重要的文保单位。相较于厦门各界抗敌后援会旧址，江夏堂入口处使用了乔灌组合（樟树、竹、黄金榕、桂花、朱蕉等）、盆栽（叶子花、金边虎尾兰等）多种绿化形式，主配景的良好搭配可以增强遗产要素的秩序感，优化行人视觉体验的同时突出了遗产建筑的主体地位。而位于定安路的厦门各界抗敌后援会旧址仅有数块标识，未进行景观设计，视觉体验单一，视野范围内商业店招的吸引力要大于遗产要素本身（图6）。

内部支路主要存在的问题有：1）部分道路绿视率来源单一，道路内绿化类型有限，遗产要素所在路段未有景观布点或本身超出观赏距离，设置不合理；2）部分道路的绿植布局未能连成系统。对比显示，钱炉灰埕巷—青石巷沿线绿视率来源较为丰富，各类层次的主配景搭配合理，总体上绿视体验较好。而定安路、水仙路、钓仔路—泰山路沿线绿化不成规模，级配不合理，视觉体验较差。

4 优化方案

芦原义信提出，“每20～25 m布置一个退后的小庭园，或是改变橱窗状态，或是从墙面上做突出物”，“并在同样模数的前提下配置花坛和灯具，为外部空间带来节奏感”[25]，结合视觉在空间上的累积效应[26]，可知景观单元的重复与累加可以增强行人的视觉体验。结合上述结果，本研究尝试以水仙路、钓仔路—泰山路、定安路沿线为例提出绿视优化策略。

因内部支路的路宽与空地面积的限制，改造应以占地面积较小的道旁垂直绿化、盆栽等绿化形式为主，改造意向如图7所示。定安路中段存在陡坡，定安商业广场的顶层位于定安路的道路视野范围内，在该商业广场顶层设置屋顶花园，以乔灌组合为主景，采用盆栽或绿化小品作为配景，结合该处的大乔木可形成较好的绿视率来源。而定安路首端应选择生长较为旺盛的盆栽，按照同样的模数间隔进行布置。另可以设置口袋公园，以绿化小品为主要造景模式，丰富绿视感知体验。水仙路和钓仔路—泰山路沿线建议结合海光大厦现有绿化进行设计，以乔灌组合为主景，附设花坛形成多层次的道路绿视感知。

结合图7中的改造意向，在ArcGIS中建立道路网络，以绿化模块为服务设施点，应用绿视衰减曲线计算结果设置服务区的间断距离。考虑到街区用地面积有限，各绿化模块难以满足建议观赏距离，故以绿视率衰减到1%的距离作为绿视覆盖范围的最大边界，进行方案模拟对比。以街道宽度为缓冲区带宽，截取街区街道范围内的模拟结果，进行方案设计前后绿视覆盖范围的评估（图8）。

结果显示：相对现状而言，改造方案的绿视覆盖范围提升明显。改造方案视觉感知评估结果中，水仙路、钓仔路—泰山路、定安路沿线的绿视率相较现状绿视感知评估结果获得较大提升，且较好利用了该路段原有的大乔木。海光大厦下的附属绿化通过大乔木的点缀，绿视服务范围得到扩增。而定安路全路段主要采用盆栽与绿化小品进行点缀，在绿视服务范围的相互叠加下该路段的绿视率得到较好提升。

8 结合绿视率衰减曲线的改造方案评估Evaluation of modification schemes combined with green view attenuation curve

5 结论与讨论

本研究使用猫眼象限工具实地采集图像提取绿视率，基于图像地理坐标聚合到街道采样点，评析厦门市中山路同文片区的绿视感知。本研究创新性地根据时间序列对各视野切片的绿视率进行连续测算，提出了“绿视衰减曲线”，并测算了片区内5类绿化模块的绿视范围，旨在为绿视率的应用和研究提供参考，降低方案模拟与指标计算的难度。此外，在历史文化街区的语境下提出这一命题，在保障历史信息完整呈现的前提下，有助于达到用地面积和绿视感知体验的平衡，提升历史要素的视觉吸引程度，对其他案例地研究具有一定的参考价值。

评析发现：1）中山路—思明南路沿线商贸繁荣，绿化样式局限，绿视率低，提升空间较大；2）鹭江道—镇海路沿线商务密度较高，毗邻城市交通枢纽，绿视率总体最高；3）青石巷、同文路以及泰山路绿化率较高，钱炉灰埕巷、钓仔路、水仙路和定安路因绿化方式有限，整体绿视率较低；4）街区内部分道路绿化设置不合理，绿植未能在商业与文化历史要素之间起到缓冲作用，以凸显出建筑遗产本身的价值。由于历史街区的建设密度较高，在视觉提升改造过程中，平衡用地面积和绿化效果是主要议题，基于绿视率的环境改造手段可以较好地回答这一问题，与历史文化街区的保护目标一致。

本研究仍存在一定的局限性。1）虽然通过深度学习的训练，绿视率的计算可以获得较高的准确度，但图像中的非绿视来源的绿色像素点仍可造成误差。2）由于缺少图像语义分割结果的输出，研究以绿视率指标对比代替常见的图像语义分割精度IoU评估指标进行测评，存在局限性。在后续研究中应当深入构建深度学习模型，使用IoU指标进行算法的鲁棒性（robust）与参数识别精确度的评估；3）作为一个初步研究，图像的采集点不够密集，在数据拟合和方案评估的精度上存在提升空间。4）采集图像的设备成像与人眼视觉仍存在差距，应对此加以改进。总体而言，应用图像数据进行城市空间研究有较大发展潜力，以海量图像数据训练深度学习模型，对街道空间特征进行精细刻画，是未来数据驱动城市设计的重要支撑。

致谢(Acknowledgments)：

感谢铜陵学院叶婷老师和厦门市城市规划设计研究院在本研究中给予的帮助。

图表来源(Sources of Figures and Tables)：

文中图表均为作者拍摄或绘制。