基于街景大数据的北京、上海街景舒适度评价及比较

邵钰涵 殷雨婷 薛贞颖

0 引言

心理学理论认为舒适度包含身体、心理、社会和环境4个方面[1]，建成环境的舒适度是稳定社会发展[2]、提升居民生活质量[3]的重要条件。街道是居民频繁接触的户外活动空间，其舒适度水平会对日常使用者产生短暂但高频的影响[4-5]，从而影响城市居民的身心健康。环境的舒适度评价既可以从使用者的主观舒适度感知方面展开[6-7]，亦可依据环境的客观特征进行倒推[8-9]，而后者实质上来源于对大量主观评价结果分析、积累形成的经验。因此，基于使用者主观感知的街景舒适度评价研究对于推进人本导向下的街道规划设计实践具有重要意义。

近年来，人本主义视角下开展的街道环境品质评价在研究尺度上跨越较大、研究方法也存在较大差异。在小尺度街道空间的研究中，环境特征通常与人的主观感知或情绪反应结合，以发现这些特征对人的影响。一部分研究聚焦于挖掘不同特征环境下，人们的心理感知及反应，如舒适度[10]、疗愈性[11]、安全感[12]、愉悦感[13]等；另一部分研究则关注对街道环境特征的评价，如要求使用者对环境内的丰富度[14-15]、维护程度[16]、连贯性[17]等作出判断。随着技术的发展，对于人们主观感知和情绪反应的测量方法更加精细化，头戴式摄像头、眼动追踪技术以及生理监测设备等技术被广泛运用于小尺度的城市街景研究中，以建立环境特征与主观感知、行为反应和生理反应之间的联系。James通过眼动仪追踪人们在街道环境中的视觉活动来分析不同使用目的下人们的街道体验[18]；人们在观看不同类别街景时的舒适度也被学者通过脑电信号加以区分和评估[19]；此外，殷雨婷等则结合眼动技术与传统疗愈性量表，识别出街道环境中有助于人们获得疗愈体验的街景元素[20]。大尺度街道空间研究则通常将人工智能技术与城市街景大数据相结合，使得对于街道的研究视角能够上升至城市网络层面。此类研究的重要环节之一是通过计算机图像识别技术，将海量街景图像中的视觉元素特征，如绿视率[21-22]、天空面积[23-24]、色彩[25]、行人数量[26]等进行量化，从而在街区、社区以及城市尺度下反映街景特性及其分布规律。

不断开放的数据环境和不断升级的研究途径能够使早期难以量化的主观信息映射到具象、客观的城市空间中[27]，以辅助规划设计者更好地形成对城市的系统认识[28]和决策。因此，大数据的丰富性对于突破小尺度街道空间研究在研究范围和样本数量上的局限性起到了重要作用。这一途径有助于形成对城市街道品质的整体评价，并提供在主观感知结果和客观影响元素之间建立联系的有效方法，与小尺度街道研究的结论进行互补。目前，国外的相关研究较少，江文津等通过对纽约和波士顿2个城市的部分街景照片所呈现的街道管理维护水平、植物、立面通透性等进行客观量化分析，并通过网络平台对街道安全感进行评价，发现界面透明度是影响街道安全感的重要街景特征[29]；另有Daniele等在伦敦社区街景图像评价中设置了环境客观指标“美丽、安静”，以及主观情绪指标 “幸福”，凭借图像处理技术发现绿量、街道宽度和建筑对情绪具有影响作用[30]。中国目前基于街景大数据开展的大规模街道品质研究多以单个城市或局部区域为研究对象，仅有龙瀛等对全国街道客观的绿化水平进行研究，发现经济发达且管理水平较高的城市街道绿视率更高[21]。因此，现状大尺度街景研究在城市之间的横向比较相对缺乏，主客观结合方面亦相对空白，这在一定程度上阻碍了对目前街道环境品质中存在问题的有效识别和改善。

高密度城市在能源、环境、居民身心健康等方面都面临着巨大的挑战[31]，良好的城市设计对于高密度城市的可持续发展具有重要作用[2-3]，而研究表明舒适的街道环境能够促使人们更愿意选择诸如骑行、步行等绿色出行方式[32-33]，对于城市公共空间的良好运行具有重要意义。中国幅员辽阔，南北方城市之间、不同等级的城市之间街景特征差别巨大，对于城市尺度的街道品质研究应考虑到这些差异性，以形成对不同城市街道环境的正确认识。因此，研究选取北京和上海2座中国典型的高密度超大城市分别作为北方城市和南方城市的代表，基于街景大数据，通过定性、定量结合的方法比较2地的街景舒适度差异以及街景元素对舒适度影响机制的差异；通过对2座城市之间以及城市内部各区域之间的比较分析，进一步探讨不同舒适度街景在空间上的分布差异，为街道更新实践提供依据。

1 研究方法

研究选取北京五环（673 km2）和上海外环（693 km2）①范围内（图1）的街道作为研究对象，通过百度地图开放平台提取街景数据，其中北京五环范围内街景点数量为81.9万， 上海外环范围为60.9万。因采用街景数据作为评价媒介，研究所聚焦的街景舒适度评价仅针对不同街道环境在视觉上给予使用者的舒适感受。此外，以往有关街景舒适度的研究中，安全性[34]被认为对环境舒适度具有显著影响，二者均对使用者偏好有影响[35]。因此，在街景舒适度评价以外增加2项与街景安全性与使用者偏好相关的调查，进一步验证这三者在街道环境品质中的相关性。在评价数据采集及分析部分，首先，通过图像语义分割技术以及2种聚类算法对采集的街景元素特征进行分析和分类；其次，基于分类结果，通过网络平台发布街景舒适度评价问卷；最后，结合街景的坐标信息，将舒适度评价结果在研究范围内的街道网络上进行映射和进一步比较分析（图2）。

1 研究范围Study area

2 研究步骤Research protocol

1.1 街景图像分类

研究借助图像语义分割技术提取街景图片所包含的各类元素种类及占比。图像语义分割得19类元素，包括建筑、墙、电线杆、交通标志、交通灯、植物、天空、地形起伏、行人、骑行者、卡车、汽车、公交车、摩托车、自行车、火车、人行道、车行道和围栏。将19类街景元素的可视量占比作为街景分类的依据，通过K-means聚类，分别将北京、上海的街景图片初步分为30类。而后，观察30类街景是否存在相似度较高的情况：若有，则高度相似的街景可以合并为一类，而后，取各类街景中元素可视量的中位数作为该类街景的元素特征量，并用层次聚类法进一步聚类（图3）；若无，则调高聚类参数重新进行K-means聚类。结果最终将研究范围内的街景图片分为北京11类，上海13类。

3 北京街景K-means聚类及层次聚类结果K-means and Hierarchical clustering results of street images of Beijing

1.2 街景评价及影响元素识别

在初步聚类后的街景类型分组中随机选取图片，通过网络平台进行街景舒适度评价。评价问卷共为2套，北京、上海各1套。每类街景从该类街景数据库中由系统抽取供参与者评价，每张街景后设置3项评价内容：舒适（感到舒适）、安全（感到安全）和偏好（喜欢这里）。采用李克特5级评价量级，其中1代表非常不认同、5代表非常认同。参与者进入在线问卷系统后，需要对北京的11张随机街景（或上海的13张随机街景）进行评价。经筛选，北京有效评价样本331份，其中男女比例为1∶1.4，年龄范围为18～60岁（标准差=8.78）；上海的有效评价样本323份，男女比例为1∶1.5，年龄范围为18～60岁（标准差=7.78）。研究首先对每个样本的结果进行Z-Score标准化处理，以消除参与者的打分行为习惯差异[36]。其次运用SPSS Statistics 20分别对2个城市的各类典型街景中元素可视量及其构成与舒适度评价结果进行皮尔森相关性分析，以相关性结果的显著性及正负关系判断各类街景元素对街景舒适度的积极或消极影响，从而进一步挖掘街景图片的元素特征与舒适度主观评价之间的关系。其中，相关性分析包括全类街景相关性分析和分类街景相关性分析。全类街景相关性（简称全类分析）分析针对北京、上海2座城市整体舒适度评价结果和街景元素特征之间的关系展开，反映的是街景舒适度水平和街景元素影响作用的共性规律。考虑到高、低水平舒适度街景中元素的影响机制可能有差异，因此依据街景舒适度评价标准值将街景分为舒适度较高的街景（舒适度标准值≥0）以及舒适度较低的街景（舒适度标准值＜0），再分别对2类舒适度水平的街景类型进行分类相关性分析（简称分类分析），以获得不同舒适度品质条件下街景元素能够产生的影响。

1.3 城市尺度下的街景舒适度映射

为比较北京、上海2地之间以及城市内部各区域间街景舒适度总体情况差异，并从空间层面寻找影响街景舒适度分布的原因，研究将北京、上海典型街景类型的舒适度评价结果在城市尺度街道网络上进行映射，基于各街景点的地理坐标将舒适度评价值（标准值）在城市尺度上进行可视化处理并进行比较分析。研究以行政区划和城市环线作为2种统计分区的边界，分别对2个城市的街景舒适度评价结果进行统计②，由于不同区块路网密度不同，因此单块区域的舒适度指的是所有街景点的平均[21]舒适度，在本研究中即各类街景所对应的舒适度值的加权之和，计算过程使用Rhinoceros6及其插件Grasshopper，单个区域内舒适度计算公式如下：

其中，Y：单块统计区域的舒适度表征；N：街景层次聚类后所得类别数；Xn：单块统计区域的第n类街景的数量；M：该区域范围内的街景点数量；Pn：第n类街景的舒适度评价值。

2 结果与分析

问卷结果均通过内部一致性（Cronbach’sα（北京）=0.918；Cronbach’sα（上海）=0.937）检验[37]和组间差异检验②。

2.1 街景影响元素识别及其作用机制分析

同一类街景中同一类元素可视量代表值以该类街景中该类元素可视量的中位数表示，将街景元素可视量与舒适度评价结果进行皮尔森相关性分析，其中舒适度的数值是每个样本的Z-Score标准化值（表1）。北京和上海2地研究范围内的街景图片中共识别出12类与舒适度显著相关的街景元素，包括“建筑”“墙”“电线杆”“交通标志”“植物”“地形起伏”“行人”“骑行者”“卡车”“公交车”“摩托车”和“自行车”。其中，对2地街景舒适度均有影响的元素有5类，仅对北京街景舒适度产生影响的有7类（表2）。

表1 全类街景皮尔森相关性分析Tab. 1 Pearson correlation analysis for the whole types of street images

表2街景舒适度的影响元素Tab. 2 Influential indicators of streetscape comfort

研究结果显示，对北京、上海2地均起到影响作用的5类元素中，“植物”“骑行者”以及“地形起伏”是能够增强街景舒适度的积极元素（表1～2）。环境中的自然元素，如“植物”，对于舒适度的积极作用已在大量研究中得到证实[38-41]，而与环境中“地形起伏” “骑行者”有关的直接证据则较为缺乏。目前，仅在一项以类似方法开展的街景疗愈性研究中发现了这2类元素对提升街景疗愈性的作用[20]。“建筑”和“卡车”2类元素则是对2地街景主观评价均有负面影响的元素，其中“建筑”元素与街景的舒适度呈负相关（表1～2）。街景图片中“建筑”视觉占比高意味着其对其他街景主要元素如“植物”“天空”以及“人行道”和“车行道”等占比的挤压，进而在视觉上形成较强的街道围合度（高宽比）和较弱的空间开阔度。以往研究发现，空间围合与舒适度之间存在显著相关性，当围合度（高宽比）比值超过临界点1.5时，舒适度便会随之下降[10]；但“建筑”对与人们安全感的消极作用在以往研究中尚未发现相关证据。“卡车”数量的增多则可能与交通安全有关。一项针对中国道路安全的调查结果显示，80%的人认为重型卡车在道路上行驶会加剧道路的危险性，且会对环境带来负面影响[42]。

仅对北京街景舒适度产生负面作用的元素中，“行人”“公交车”“摩托车”和“自行车”（表2）可能导致街景显得较为凌乱无序，从而使得使用者的主观舒适度降低。相较于北京，上海自2015年起便开展持续的交通违法行为大整治，对于非机动车驾驶行为也进行了较为严格的规范。北京自2020年6月开始加大加强对非机动车交通的重点整治，因街景图片拍摄时间为2017年，部分街景图片中记录的非机动车的乱穿马路等乱序违法行为可能是导致人们舒适度、偏爱程度较低的主因。另外3类“墙”“电线杆”以及“交通标志”对街景舒适度的消极影响的原因，则可能与这3类元素增大了街景图片中的熵值（混乱度）有关，而以往研究发现街道熵值增大可能会降低街景的疗愈体验[13]。

将北京、上海2市的街景舒适度评价结果与对应的街景元素构成特征进行进一步分类分析发现，同一街景元素对不同舒适度水平的街景以及不同城市街景的影响作用有较为明显的差异（表3）。1）同一元素对不同分类街景影响作用不同：就北京的评价结果而言，在舒适度评价较高的街景类型中，“天空”和“交通标志”被证实具有消极影响；但在舒适度评价本身较低的街景类型中，这2类元素占比的增加却在一定程度提升了其舒适度（表3）。2）同一元素对不同城市街景影响作用不同：“电线杆”在北京舒适度评价较高的街景类型中起消极作用，却在上海舒适度评价较低的街景中起积极作用。“墙”也类似，在北京低舒适度街景类型中起消极作用，但在上海低舒适度街景类型中却呈现积极作用（表3）。3）同一元素在舒适度全类分析和分类分析中影响作用不同：“建筑”在全类分析中被认为对北京和上海的街景舒适度均有消极影响（表1），但分类分析结果显示其仅在上海舒适度较高的街景类型中被识别为消极元素（表3），在北京的高舒适度街景或低舒适度街景中并未被单独识别出来。“植物”在全类分析中被认为对北京和上海的街景舒适度均有积极影响（表1），而分类分析的结果表明，无论是北京还是上海，植物元素的占比都只和舒适度评价较高的类型呈显著正相关，而与舒适度评价较低的街景舒适度无关（表3）。这意味着，只有当街道发生了质的提升，绿视率的增加才更可能提升街景舒适度；而在街道品质未达到一定标准之前，盲目地增加绿视率以期提升舒适度的效果可能并不理想。

表3分类街景皮尔森相关性分析Tab. 3 Pearson correlation analysis for different types of street images

2.2 北京、上海的街景舒适度比较

从空间分布来看，2座城市的街景舒适度评价结果（图4）在空间上的分布特征较为相似。北京舒适度评价最低的街景集中在二环的老城区，评价相对较高的位于高架环线以及其他一级道路，舒适度最高的街景则均匀地分布在支路之中。上海舒适度较高的街景则多分布于浦东的张江工业园区、新发展工业园区、复兴公园以及沿江的后滩和前滩公园附近，衡复历史风貌区是浦西市中心舒适度较高的片区，然而其外围区域以及老城厢、苏州河与黄浦江交汇口、杨浦和虹口沿江居住区附近街景舒适度较低。从上海的道路等级上看，二、三级道路比城市一级道路舒适度更高，同北京类似。

2.3 街景舒适度、安全感以及使用者偏好

本研究结合以往研究中所发现的环境舒适度、安全感以及偏好之间的强相关性[34,43]，在评价过程中同时获取了针对北京、上海2地各街景类型的安全感和主观偏好评价。研究结果与许多研究结论相一致[35,43-46]，发现街景的舒适度、安全感和偏好之间两两呈显著相关（表4）。从空间映射结果来看，三者在城市街道网络上也表现出相似的分布特征 （图4）。这不仅验证了街景舒适度与其安全性和使用者偏好之间的密切关系，也验证了本研究所采用的评价方法的可行性。

表4 舒适度、安全感以及偏好评价的皮尔森相关性分析Tab. 4 Pearson’s correlation analysis among comfort, security, and preference

4街景舒适度、安全感和偏好分布情况Distribution of the streetscape comfort, security and preference

3 讨论

本研究比较了北京和上海2座高密度城市之间以及市内各区域之间的街景舒适度情况，为基于街景大数据的城市街景舒适度及其影响机制提供了较为新颖的思路与方法。通过相关性分析识别出对舒适度有影响的街景元素及其在不同街道条件下的差异性影响机制。与以往研究发现相同，“植物”是能够对街道舒适度产生积极作用的元素[37,39,41]，但本研究还发现：街道中“植物”的增加并不一定意味着舒适度的提高，只有当街道品质本就处于较好状态时，增加植物才能够作为进一步提升街景舒适度的设计手段。“地形起伏”对2个城市的街景舒适度都具有促进作用，但以往研究聚焦于这一环境元素的讨论较少，其影响原因可能与更加丰富的空间层次感有关[47]。“墙”在北京和上海老城区舒适度较差的街景中表现出截然不同的作用，这可能与北京巷子和上海弄堂的建筑外墙色彩规律不同有关。建筑空间色彩对舒适度的影响作用[48]已在相关研究中得到证实，而上海弄堂较之北京巷子而言，建筑用色饱和度较高且更多为暖色调。

研究对街景舒适度评价结果进行空间映射所发现的城市之间以及城市内部区域之间的舒适度差异，反映出了2地城市建设的特征。从舒适度整体分布情况来看，北京、上海除了老城区街景舒适度普遍较低以外，北京的舒适度差异与街道等级有关，且呈现单中心向外增高的态势；上海的舒适度感知差异则呈现多中心态势。这一差异性的街景舒适度水平分布可能与北京和上海的城市建设扩张时序有关，城市中越晚建设的街道呈现出的舒适度越高。近年来，城市老城区的街道改造是一个热点话题，老城街景舒适度的提升能够显著改善居民的生活质量。因此，从市域范围内识别出舒适度较低的街道能够对专业机构的更新规划设计决策给出强有力支撑。此外，研究中发现的与街景舒适度相关的积极和消极元素更能帮助专业人员针对性地对较差的街道施以设计干预，准确、迅速地提升街道环境品质。

本研究中研究对象及方法的选择对于相关的研究、实践具有较为重要的意义。以往环境舒适度相关研究主要针对单一空间或较小的城市范围[18,20,29-30]，街道视觉特征所涵盖的种类有限，因此其结果在研究范围以外地区的适用性可能较低。本研究以北京和上海城市范围内的街道景观作为研究对象，基于街景特征的相似性进行分类、归纳，使所得结果更具普适性。此外，以往基于街景大数据的主观感知研究[25,29-30,49]能够通过计算机高效准确地获知任意地点街景的相关评价结果，却往往忽略了造成这些评价结果的、与街道环境本身的特征相关的原因。本研究尝试在兼顾研究对象广泛性的同时，挖掘影响街道环境舒适度的街景元素，使结果具备应用于设计实践的可能性。

然而，本研究中也存在一些局限性亟需在未来的研究中解决。首先，街景图片聚类中语义分割的底层逻辑是依据不同类别元素的边界，以及材质和色彩上的相似性进行区分，这有可能遗失或误判某些种类的街景元素及其与街景舒适度的关系。本研究的分类街景相关性分析中街景的分类方法是基于舒适度相对高低进行划分的，即北京和上海街景研究范围内舒适度相对高低，因而，若综合更多城市街景数据，各类街景的相对舒适度可能会随之改变，从而影响街景舒适度分类结果。此外，街道环境丰富多样，采用街景大数据图片作为评价媒介一定程度上剥离了能够影响人们舒适度感知的其他感官维度，因此该结果只能用于表征通过视觉信息获取的舒适度体验。未来研究中应考虑如何保证实验环境的真实性，从而能够更加全面地提取街景元素；更加严格地控制实验条件，从而保证评价结果的有效性和准确性；并且进一步扩大研究范围，从而获得更具普适性的结果。

4 结论

综上，本研究基于街景图片海量数据，将舒适度评价与新兴的图像识别技术相结合，比较了北京、上海街景舒适度分布情况的差异，并在城市尺度上成功建立了对街景主观感知评价与街景环境特征之间的关系，这不仅为北京和上海街景的舒适度提升提供了针对性的实践建议，也为未来形成更精细化的、从使用者主观感受出发的街景分类标准探索了新的可能。更重要的是，对北京、上海街景舒适度的比较分析为城市之间横向的感知评价比较开拓了思路，未来相关研究将在此基础上继续扩大范围，对中国不同等级的典型城市进行进一步探索、发现总结规律，为最终能够形成兼具差异性和普适性的国家级城市街道舒适度规划设计指导原则奠定基础。

注释(Notes)：

① 研究范围面积均通过天地图平台进行测量。

② 相关结果及表格已上传OSID。

图表来源(Sources of Figures and Tables)：

文中图表均由作者绘制。