基于大数据的城市街道活力影响因素定量分析*

邢 忠 陈子龙 顾媛媛 白佳尼 姚 瑶 XING Zhong, CHEN Zilong, GU Yuanyuan, BAI Jiani, YAO Yao

0 引言

简·雅各布斯（Jacobs Jane）提出：“城市空间的活力依赖于各种活动的重叠与交织，要把多用途的综合与混杂看作是‘本质现象’才能理解城市”[1]。在《交往与空间》中，行为学家杨·盖尔（Jan Gehl）将人的活动分为：必要性活动，自发性活动和社会性活动三种类型，其中自发性与社会性活动是影响公共空间活力的关键[2]。在城市活力的研究中，“各种活动”往往发生在城市公共空间中，街道作为居民生活中最普遍的公共空间，街道的活力能够映射出城市的活力。

与道路（road）强调通行能力不同，街道（street）更强调交往与游憩，街道环境对城市居民的生活质量与舒适度也起到了决定性作用[3]。步行是人类自直立行走以来最基本的行为方式之一[4]，然而随着我国城市化进程的不断推进，以车行为主导的道路日益增多，为居民提供步行游憩的街道日趋减少，导致居民生活的便利性降低及危险性增高，街道活力也因此下降。在新型城镇化“以人为本”的发展语境下，作为人居环境重要载体的街道其空间环境亟待关注。因此，街道活力的研究俨然步入广大学者的视域。

1.1 文献综述

1.1.1 街道活力的研究历程

随着西方大城市的扩张与蔓延，简·雅各布斯率先提出“街道活力”的概念[1]。此后，街道活力的研究视角总体上聚焦于人在空间中的行为感知，杨·盖尔从户外空间视角探讨如何营造“富有人情味的户外活动空间”[2]，芒福德（Lewis Mumford）强调了街道对居民生活的重要意义，同时对街道的形式、生活气息进行研究[5]，艾伦·雅各布斯（Allan Jacobs）提出应从系统上重视街道的人文空间与氛围的营造[6]，芦原义信则强调街道是人在城市空间中活动的主要载体[7]；蒋涤非认为城市活力推动着市民生存的能力，空间因为人的聚集而产生活力，并尝试提出城市活力营造的相关理论[8]。

早期，定性分析是街道活力研究的主要方法，如简·雅各布斯由人行为的观察及心理的分析，得出街道活力来源于其各方面的多样性。随着研究的深入与技术的进步，定量分析开始进入研究方法视野，较早的如国外学者芦原义信的街道高宽比理论[9]，国内姜蕾对街道活力“定性+定量”的评估[10]，陈璐瑶、谭少华对老城区的街道活力定量评估等[11]。但仍存在一定的障碍，难以做到全定量。

1.1.2 街道活力影响因素定量研究进展

萨米尔·哈桑（Samiul Hasan）等借助推特（Twitter）数据的位置信息、人群社会属性信息对居民行为选择、活动进行分类[12]，毛晓汉借助手机信令数据（手机用户与发射基站或者微站之间的通信数据），对居民出行次数、目的、方式进行调查，并提出区域出行分布模型[13]，龙瀛等基于海量的IC刷卡数据，结合居民出行调查数据，识别北京市民居住、就业、通勤活动[14]。

托马斯·洛伊（Thomas Louai）等提取西班牙20个城市的手机信令数据，分别对工作日、周末及一天24小时内居民活动类型、空间的分布进行分类研究[15]。钮心毅等通过核密度方法，基于上海手机信令数据对工作日、休息日手机用户空间密度分布研究，分析各时间段居民空间分布状况，识别城市功能及空间结构[16]。王德等基于手机信令数据，从人群职住距离、通勤方式、消费选择三个不同的视角构建城市建成环境的评价体系[17]，王玉琢基于手机信令数据拓展借助城市三维空间数据对城市空间活力特征、内在机制进行研究[18]。

随着技术的发展，定量研究不断推进，体现在两个方面，一是尺度扩展，如刘星等对街区步行空间的研究[19]，廖辉对居住性历史文化街区活力研究[20]、李绍华对曼哈顿街区街道活力的研究[21]，研究尺度均由单一街道扩展到街区，龙瀛、郝新华等分别对成都、北京街道活力进行研究，进行了更大范围的扩展；二是定量充分，由“定性”到“定性+定量”最终实现“全定量”[22--23]。其原因是数据获取方式的增强，数据类型、精度、范围均大幅度扩展。

1.1.3 本文思路

本研究基于城市街道主义理论基础，参照龙瀛、周垠《街道活力的量化评价及影响因素分析— —以成都为例》[22]一文中对街道活力的研究方式，选取地形地貌以及社会经济发展程度与成都均有较大差异的贵阳老城区为研究对象，探索西部山地城市街道活力的影响因素。本研究结合贵阳老城区空间特性，在评价指标体系的构建中，加入商业设施、教育设施、山体绿地以及城市贯城河等关联因素，尝试研究街道活力与城市居民高频使用的公共服务设施及开放空间的关联程度，进而探讨街道活力评价指标体系构成中，可增补评价因子开放环节。对完善街道活力评价体系是有益的学术探索。

1.2 概念界定

1.2.1 街道

《辞海》中对街道概念解释为“旁边附着建筑同时较为宽阔的道路”。此释义包含两层含义：一是旁边需要附着建筑，体现出街道空间的围合性与参与性，区别于强调通行能力的“道路”。二是街道的尺度问题，较为宽阔不包括宽敞与狭窄，城市空间存在众多细碎的“毛细血管”道路，由于空间尺度限制难以承载多样的交往功能，故我们称之为“巷道”而非“街道”。

基于街道本身的基本要素、城市性质、规模等因素共同作用，街道功能呈现出显著的差异性。基于承载功能，街道可以分为公共服务类、交通类、商业类、居住类、景观休闲类、混合类六种街道类型[22]。

1.2.2 街道活力

街道活力的概念包含两层意思，“活力”与“街道活力”。对于“活力”的概念解释由来已久。凯文·林奇（Lynch K）从人类学角度将“活力”定义为聚落形态对生命机能，生态要求及人类能力的支持度[24]。这是从宏观角度指出活力是维持生命力的条件。中国大百科全书对“活力”释义为旺盛生命力，借指事物得以发展生存的能力。其英文“Vigor”“Energy”“Vitality”意指充满能量、令人兴奋同时具有多彩、明亮等色彩。梅塔（Mehta）指出，街道的活力产生于大量的人在街道空间内参加系列固定且持续的活动，特别是社会性活动[25]。陈喆、马水静则基于国内的实践提出街道活力是以步行为基础的人们所进行的丰富的街道活动[26]。

综上可以看出街道活力的核心关联因素是“人”及“人群活动”。活力的程度取决于街道空间人群的参与程度，一般而言参与程度越高的街道，其人群密度越大，街道活力也就越高，但并非绝对，当人群数量超过了街道空间的承载能力，产生的是街道滞留及街道混乱，区别于本文所指的街道活力。

2 研究方法

2.1 研究范围与数据

2.1.1 研究范围

本研究主要范围为贵阳市老城区一环内核心区及周边部分区域（图1），范围覆盖云岩区与南明区部分区域。南北长4.26 km，东西宽5.17 km。研究面积为18.2 km2，其中水域0.48 km2。贵阳市老城区总面积67.2 km2（其中一环内核心区10 km2），实际居住人口150万人，现状建设用地50 km2；人口密度3万人/ km2（一环内核心区5万人/ km2）。

图1 研究范围Fig.1 scope of study

2.1.2 研究数据

本研究的数据包含：城市路网、百度LBS(location based services)数据、高德地图POI（point of information）以及现状建设用地。

路网：路网为2018年的测绘数据，路网数据的准确性及多样性对研究成果具有关键作用。初始路网数据存在过多破碎细节及可能的拓扑错误等问题，研究对数据进行梳理优化及必要的拓扑处理，便于研究应用（图2-3）。

图2 现状路网Fig.2 current road network

百度LBS数据：LBS又称“移动定位服务系统”，是基于移动终端产生的地理位置数据而展开的服务，较传统均匀分布于Thiessen多边形内的手机信令数据其空间定位更为精准。本研究通过Python语言编程爬取百度LBS数据（图4），选取2018年11月4日周日，间隔一小时爬取一次，象元大小20*20 m。已经过空间校正和投影变换（坐标：UTM-WGS84-北半球-48N）。

图3 处理后路网Fig.3 post processing network

图4 百度LBS人口密度数据Fig.4 population density data of Baidu LBS

高德地图POI：POI即城市空间兴趣点，其包含名称、类别、坐标、分类四个属性，可在地理信息系统中反映多类别功能单元的位置信息。本研究所用POI来自高德地图，通过Python语言编程爬取2018年11月数据，已经过重分类，使用高德地图中教育、交通、公司、绿地、商业、体育、医疗、政府、住宅9类数据。珠宝首饰工艺品、服装用品店、布艺市场、糕饼店、酒店餐饮、游戏厅、药房、体育用品店、诊所、综合医院10类标签。坐标纠偏和投影变换（坐标：UTM-WGS84-北半球-48N）。

2.2 指标体系构建与量化

2.2.1 指标体系构建

借鉴已有研究基础，活力的研究从街道活力的外在表征及街道活力的构成要素两个维度展开[22]。

根据上文对街道活力的释义可得街道活力的外在表征为街道人口密度，故本研究选用手机百度LBS人口密度数据作为外在表征；街道活力的构成要素由街道自身性质及街道周边特征共同组成，具体如下：

区位：街道中点距离行政中心、商业中心、城区贯城河的直线距离。本研究选取贵阳市大十字广场为市中心，南明区区政府为行政中心，城区贯城河即贵阳市城区主要水系南明河（图5）。

图5 活力构成区位要素示意图Fig.5 location elements of vitality

街道分类：本研究基于高德地图POI点，依据高德地图标签，将POI点按性质进行重新整合分类。根据街道缓冲区内各类型POI点占比将街道进行分类（本研究所指缓冲区为以道路中心线为基准两侧各拓宽55 m区域）。

交通可达性：街道缓冲区内的公交站点密度，反映可达性对街道活力的影响。

功能混合度：街道缓冲区内再分类之后的POI点混合度，即街道功能的多样性。

功能密度：街道缓冲区内再分类之后的POI点密度。

学校可达性：街道中点距离各学校POI点的最短直线距离。本研究选取街道缓冲区内高德地图学校POI点，其中涵盖幼儿园、小学、中学、大学，技术学院等。

绿地可达性：街道中点距离各城市绿地POI点的最短直线距离。本研究选取街道缓冲区内高德地图绿地POI点，其中涵盖广场、综合公园、社区公园、主题公园、山体生态公园等，反映与人居环境密切关联的生态空间对街道活力的影响程度。

2.2.2 指标体系量化

研究的指标体系中交通可达性、学校、公园意义明晰，可直接借助ArcGis软件对基础数据进行量化处理，对于其他概念相对抽象的指标，需进行初步量化与空间表达，便于后期研究的定量分析。

2.2.2.1 手机人口密度

为了使工作日必要性出行（上下班）对人口密度分布规律的影响减少到最低，本文特选取周末下午14:30—17:30的百度LBS数据作为反映人口密度与街道活力关系的基本数据[22]。

利用Python语言编程爬取，在规定的时间，划定的地块范围内，间隔一小时爬取一次，象元大小20*20 m。通过ArcGis软件将已获得的数据和百度地图进行空间校正和投影变换（坐标：UTM-WGS84-北半球-48N），再将数据定义到街道上，便于研究与分析。

2.2.2.2 街道分类

街道的活力与其两边相邻地块的性质有直接的影响，综合现状已有资料可较为直观看出商业用地内的街道的人口密度高于工业用地内的街道，通过对相关文献的研究与梳理，总结如何利用地块属性及POI数据定义其街道属性，结合现有的资料，本文做出了以下探索：

街道性质由55 m缓冲范围内地块所分布的高德POI点占比决定，将POI点按照高德地图标签分为教育、交通、公司、绿地、商业、体育、医疗、政府、住宅9大类（表1），再按照性质对标签POI进行重分类。分类得到公共服务类、商业类、居住类、景观休闲类、交通类和混合类6大类（图6）。

图6 街道分类图Fig.6 street classification

表1 地图POI数据分类及对应街道分类Tab.1 POI data classification and corresponding street classification

根据已有研究基础，本研究以街道为单位，计算各类POI的占比，若某类型POI数量占比超过50%，则将此POI类型赋予街道类型，例如，若街道中商业类POI占比最高，且超过50%，则街道属性为商业类，同时，若最高占比大于0并且小于50%，则该街道定义为混合类街道[22]。

2.2.2.3 功能混合度

街道的功能混合度为规定范围内与活力相关的高德POI点混合度，借助已有学者研究信息熵计算公示可得（图7）。具体公式为Diversity=-sum(pi+In pi)，(i=1，…n)式中Diversity为某街段的功能混合度，n为此街段P0l的类别数，Pi为某类POI所在街段P0l总数的相对比[22]，各类POI数量已归一化处理。

图7 功能混合度Fig.7 functional mix

2.2.2.4 功能密度

街道功能密度是街道缓冲区范围内与活力相关的POI点的密度（图8）。具体公式为Density=Pol_num／road_length，式中Density为街段的功能密度，POI_num为段街55 m缓冲区内影响活力POI的总数，road_length为街段长度[22]。

图8 功能密度Fig.8 functional density

3 研究成果

3.1 空间分布规律

为了清晰展示展示活力的空间分布特征，研究对地块内街道的手机人口密度、街道分类、功能密度与功能混合度进行空间分布特征的分析。

手机人口密度：根据百度LBS数据得出14：30到17：30研究区域内街道平均活力整体呈现为西部高于东部，其原因主要为西部区域城市基础设施于公服设施配置更为完善。

街道分类：由高德地图POI分类后根据各类POI占比得出的街道类型，分别是公共服务类街道、商业类街道、居住类街道、景观休闲类街道、交通类街道和混合类街道，其分布状态如图5所示，地块内各类街道数量与长度评价如表2所示，公共服务类街道332条，商业类街道484条，居住类街道321条，交通类街道143条混合类街道144条，景观休闲类街道20条（表2）。

表2 研究范围内不同街道数量与评价长度Tab.2 number and evaluation length of different streets in the study area

功能混合度与功能密度借助ArcGis等数量分解方法研究，将街道功能混合度与功能密度划分为5个等级，如图7-8所示。对比分析得出，研究区域内功能密度及功能混合度整体上表现为西部片区高于东部片区。与此同时部分功能密度较低的街道功能混合度呈现出较高的现象。且商业中心区域并不是功能混合度最高的地方。

3.2 活力构成因素分析

基于SPSS软件通过多组线性回归方法可将街道的活力构成要素对街道活力的贡献直观展示出来。根据前文对街道活力概念的界定和所有街道的属性信息，我们对公共服务类街道、商业类街道、居住类街道、交通类街道、混合类街道进行回归分析。

回归因变量为相应类型街道对应手机人口密度的自然对数（LNpop）[22]，自变量为与地块内行政中心（南明区政府，d_ct）、商业综合体（d_shm）、南明河（d_rv）学校（d_sc）、公园（d_pa）的最近直线距离，公交站点密度（busden），功能混合度（fundiv），功能密度（funden），如式（1），i表示接到的ID编号。

LNpop=β0+β1* d_cti +β2* d_shmi +β3* d_rvi +β4* d_sci +β5* d_pai +β6* busdeni +β7* fundivi +β8* fundeni[22]（式1）

如表3所示，模型整体R方为0.785，具有较好的拟合优度，表4为模型的整体显著性检验，F(F-test)检验对应Sig值小于0.05，说明回归方程整体通过显著性检验，表5为具体影响因素的系数检验，所选街道活力构成要素均通过皮尔逊显著性检验（显著性＜0.05水平）。

表3 模型汇总表Tab.3 model summary

表4 模型方差分析检验表Tab.4 model analysis of variance test table

表5 活力构成因素对所有类型街道多元回归系数结果及显著性检测Tab.5 multiple regression coefficient results and significance test of influencing factors on all types of streets

具体回归结果如图9-10所示，图9显示街道活力构成影响因素整体上对所有类型街道活力的影响及其程度，图10显示街道活力构成因素对不同类型街道活力的影响及其程度。

图9显示，针对所有街道，商业中心影响最显著，其次为与公园距离、与行政中心距离及功能密度，影响最小的是公交站点密度。随着距离商业中心、公园、行政中心的距离增加，所有街道活力均下降。同时，功能混合度及功能密度高的街道更能凝聚街道活力。

图9 影响街道活力构成因素对所有街道活力的影响Fig.9 influence of factors affecting Street vitality on the vitality of all streets

图10显示，针对不同街道，距离南明区政府、大十字、学校、公园的最近距离和功能密度对于不同类型的街道活力均有影响；与南明河的最近距离及功能混合度仅对部分街道（公共服务类、商业类、居住类）活力产生抑制作用；公交站点密度仅仅对交通类街道的活力产生影响。

图10 影响街道活力构成因素对不同街道活力的影响Fig.10 influence of factors affecting Street vitality on different street vitality

针对不同街道的具体影响趋势：一、公共服务类街道活力受商业中心影响最大，其次依次为功能密度、距离学校、公园的最近距离，功能密度越高，距学校及公园距离越近，此类街道活力越高，同时，公交站点密度对此类街道活力无显著影响；二、商业类街道活力与商业中心密切关联，距离越近，活力越高，其次依次为公园、行政中心、学校，同时对公交站点密度及与南明河距离不敏感；三、居住类街道对商业中心最为敏感，距商业中心越近得居住类街道其活力越高，其次依次为与公园距离、功能密度，与行政中心距离；四、交通类街道活力与距离商业中心的距离最为敏感，除了对功能混合度和距离南明河最近距离没有显著影响之外，对其余活力构成要素均有影响；五、混合类街道活力同样与距离商业中心的最近距离最为敏感，其次是对于距离南明区人民政府、学校、公园的最近直线距离和功能密度有显著影响。

4 总结与展望

基于《街道活力的量化评价及影响因素分析— —以成都为例》一文的研究基础，本文构建了贵阳市街道活力影响因素的研究框架且针对性增补影响因子，分类别定量探索了贵阳市街道活力的影响因素，主要得出以下结论：

第一，理论层面：一、与行政中心、商业中心、学校、公园的最近距离和街道功能密度是影响街道活力的主要因素；二、不同类型街道的主要影响因素有所差异，如公共服务类街道对与商业中心最近“关联”（路段为通向商业中心的可选联系路径）距离影响最敏感；三、商业类街道的活力受与行政中心、商业中心、学校、公园的最近关联距离影响较大，其中对与商业中心关联的最近距离影响最敏感；四、居住类街道受与行政中心、商业中心、公园最近距离和功能密度影响较大，其中同样对与商业中心最近距离的影响最敏感；五、交通类街道除了不受功能混合度和与南明河最近距离影响之外，对于其他活力构成因素敏感程度相差不多；六、混合类街道受与商业中心最近关联距离的影响最敏感。

第二，实践层面：一、除行政中心校园和自然河流等空间限定性因素难以改变之外，对于所有街道而言，提高街道的功能密度和功能混合度对改善街道活力是有效路径；二、对于居住类、商业类、公共服务类街道除需关注功能密度与功能混合度之外，通过增加城市绿色空间如街角公园，对消极空间进行生态化改造可有效提升其活力；三、对于交通类街道而言，不仅仅应增加公交站点的密度，提高街道的功能混合度对街道活力也会有很好的效果。此外公交站点密度对所有类型街道活力影响甚微，故从交通层面提升城市街道活力可尝试其他手段如构建城市慢行系统，提升步行环境的连续性、多样性与安全性。四、需要特别指出的是与南明河最近距离这一影响因素，除了对交通类和混合类街道活力没有影响之外，对公共服务类街道、商业类街道和居住类街道的活力产生了抑制作用，这有悖于直观判断，南明河作为贵阳老城区的贯城水系，且历史保护建筑甲秀楼坐落其上，作为重要的人居环境优势资源，本应对街道活力起到积极的带动作用，但通过本文的研究成果来看，南明河在现如今的贵阳老城区并没有起到应有的作用，笔者实地踏勘及走访调查发现其原因为河岸亲水性及可达性不足，河流生态景观单调、水体恶化，刺激性气味弥漫，河岸周边设施配置不足，研究结论可为南明河周边区域人居环境治理提供有益参考。

本文所构建的8个街道活力影响因子虽在已有研究基础上进行针对性拓展，但其影响结果并非一定不易，如国内相关学者在研究中也尝试改变研究范围，此时某些街道活力构成因子就未能通过显著性检验[22]，所以本文中的8个街道活力构成因子只对贵阳老城区研究范围内有意义。对于更大范围的贵阳街道活力构成影响因子，有待后续更多深入的研究实践加以论证。后续研究建议从两方面拓展：一是技术手段的拓展，本研究尽管用了大数据及地理信息系统等技术，但仍然停留于二维分析，后续可借助人工智能图像识别技术对街道街景的立面、铺砖、尺度、色彩等采集分析；二是影响因子的针对性增补，例如针对山地城市提出街道竖向坡度大小、街道绿化可视程度等对街道活力影响的研究。

图表来源：

图1：作者根据贵阳市交通规划资料绘制

图2-3：作者爬取路网数据整理绘制

图4：作者爬取LBS数据绘制

图5：作者依据贵阳市现状绘制

图6-8：作者借助GIS绘制

图9-10：作者借助SPSS相关性分析绘制

表1-2：作者借助GIS对数据整理绘制

表3-5：作者借助SPSS相关性分析绘制