投影遮挡分析优化公共坐具布局研究——以北京王府井步行街为例

鲁 睿 耿华雄 李 致 胡一可

近年来，中国城市发展由增量规划向存量规划转型，城市建设逐步向精细化发展。商业步行街作为城市形象的代表，多以规划及建筑布局为考量标准，未将人群使用体验及相关物质空间环境特征纳入研究范畴，导致人群聚集于台阶或道路边缘而坐具却无人问津等问题的出现。优化公共坐具布局有利于提升其使用效率，增加人群的户外活动时长，对提高商业步行街的商业和游憩价值作用明显。

目前，针对公共坐具的相关研究趋于定量化和精细化，国内外学者也从空间、景观要素和环境设施等视角探讨了坐憩空间及坐具设施的优化设计方法[1-2]。随着人本设计意识的回归，关于坐憩设施与使用者关联性影响因素的研究不断深入，尤其是对使用人群主观感知层面影响因素的探讨日益增多[3-5]，研究表明，合理的坐具数量和摆放位置有利于坐憩行为的产生[1]，良好的可达性和微气候条件也可提高坐具的使用频率[6]。国外学者更加关注坐憩设施对人群停留偏好的影响，现有研究多采用问卷调查与数理分析相结合的方法探寻二者关系，如Yeh等采用问卷调查法和QFD法探讨影响校园户外座椅就座功能的因素[7]；Gou等通过问卷调查和回归分析法研究户外景观的视图元素与坐憩行为的关联性，并提出影响入座率的主要因素[8]；Wang等通过现场观察和实验探讨了连坐式公共座椅使用率低的原因[9]。

在商业步行街户外环境方面，已有学者分别探讨了人群行为与户外环境中微气候和空间结构的关系，其中针对人群行为与微气候等关联性的技术方法已较为成熟，如李金牛等利用Ecotect模拟并分析了商业步行街的户外遮阳状况[10]；霍敏仪使用Ecotect对不同商业街区建筑布局及不同建筑形体模型在特定时段的阴影进行了模拟和分析，为阴影空间的规划设计提供技术支持[11]；黄丹等采用多元线性回归分析等方法研究了街道构成要素对人群活力指数的影响[12]；王思源通过核密度和相关性分析探讨社会交往行为与街道空间环境之间的关联[13]。

综上所述，现有研究多聚焦于人群对坐具的主观判断，存在不客观、不精确、难以支持相关优化设计等问题，未将商业业态等环境要素纳入分析范畴。目前定量分析公共坐具布局的研究较少，研究结论也停留在主观阶段，难以指导实际的布局优化。因此，本文以北京王府井商业步行街中的公共坐具为研究对象，结合人群坐憩行为数据，探讨投影遮挡分析、座位数量、业态类型与人群坐憩行为的关联性，并基于公共坐具与人群行为的关联性提出优化设计策略。

1 概念界定

1.1 商业步行街

1.1.1 商业步行街的定义

商业步行街指城市中以服务业和零售业为主体、商业活动集中在一定地区的步行街。本文将王府井步行街中的东单三条至东安门大街的街道段作为调研场地。王府井步行街是北京最具代表性的商业步行街，且近年来拥有较多改造提升的政策支持，如商务部提出对北京市王府井等11条步行街开展改造提升试点工作[14]；北京市东城区人民政府于2019年底将王府井步行街向北延长至892m，以打造完善的后街经济带[15]。

1.1.2 商业步行街中人群行为的时间规律

商业步行街中的人群行为具有较强的规律性。根据场地预调研，初步判定人群坐憩行为会同时受到日照时长和商业运营时间的影响。霍敏仪在研究中发现，10：00─16：00是广佛商业街区受太阳影响最甚的时段[11]；朱玮等的研究表明，北京王府井步行街的活动高峰区间为11：00─18：00[16]。鉴于此，初步选取一天中的10：00─17：00作为研究时段，所选月份根据北京市地面气候资料月值数据确定。

1.2 公共坐具

黄丹将生活性街道中的座椅分为正式座椅与类座椅并进行了量化研究[17]；徐磊青等将商业街中的座椅分为正式座椅与辅助座椅并进行了量化研究[18]。公共坐具包括正式坐具和辅助坐具：正式坐具指常见的、有明确形式的座椅等休憩设施；辅助坐具指具有观赏及使用价值，兼具休憩功能的自然物或人工物，其设置地点与正式坐具互为补充，如高度适宜的台阶、花坛等。由于辅助坐具以长度量化的方式不适合当前坐具的精细化研究，同时预调研发现场地中多数辅助坐具前设有商业性的休憩空间，会干扰数据采集，因此选定公共坐具中满足坐、倚靠等休憩需求的正式坐具作为研究对象。

1.3 投影遮挡分析

1.3.1 投影遮挡含义

投影遮挡主要指建筑物、构筑物及植物在太阳照射下形成的阴影覆盖范围，本文只考虑太阳直射的影响。钱炜的研究表明，建筑对户外热环境的影响主要在于其对太阳辐射等因素的控制，太阳照射时的环境热舒适程度基本由黑球温度下的太阳辐射决定[19]；周晋等则证明了太阳辐射与日照时长之间存在正相关关系[20]。因此，选择可反映日照时长的投影遮挡分析法，采用Ecotect对场地的投影遮挡状况进行计算机模拟分析，研究投影遮挡与人群坐憩行为的关联性，同时分季节进行调查和实践，以进一步探讨人群坐憩偏好的差异。

1.3.2 调研月份及研究时段选取

北京年平均日照时数约2 000～2 800h。由国家气象科学数据中心网站获取的2019年北京市地面气候资料月值数据可知，最高气温多出现在4─10月(图1)，3─9月的日照时数较高(图2)。结合胡成等对北京大栅栏商业区客流量的总体特征分析，发现在3─10月，客流量的时间分布形态以多峰型和全峰型为主，说明人群聚集等级较高，可以称为商业经营旺季[21]，因此选取一年中4─10月的10：00─17：00作为研究时段。布局优化应满足冬季的日照规范，因此需考虑长年不见光区域的影响，即通过对大寒日的日照模拟排除此类区域，以提高优化策略的准确性。优化设计策略应满足人群户外活动的普遍需要，同时契合商业活动的时间，从而辅助提升场地的商业价值，增强商业吸引力。

图1 2019年北京市最高气温月值数据

图2 2019年北京市日照时数月值数据

2 研究设计及数据采集

2.1 研究模型设计

通过实地勘察与Ecotect获取公共坐具相关数据，采用行为注记法对不同时段的人群行为进行统计标注，辅以拍照、录像确定空间位置，记录坐具使用者年龄、就座原因等信息，并考虑季节、天气和时间的影响。在确定场地调研范围后，利用Ecotect软件对商业步行街模型进行分析。软件的模拟时段根据商业活动的时间规律和北京气候的变化规律共同确定。将投影遮挡相关数据作为自变量，人群行为相关指标作为因变量，利用SPSS线性回归分析坐具与行为的关联性，识别影响公共坐具使用频率和使用偏好的自变量的作用大小。

2.2 指标数据选取

2.2.1 公共坐具相关指标

采用投影遮挡率反映不同时间段坐具组中座位的受遮挡情况。首先根据在线地图与CAD建立商业步行街及坐具的立体模型，以准确分析每组坐具的受遮挡情况，进而通过Ecotect模拟研究时段的投影遮挡率状况，并提出计算公式：坐具投影遮挡率＝位于投影范围内的座位数量÷该组的座位总数量。

场地内的植物现状难以进行模拟，故结合现场照片，利用软件模拟和实地调研采集“投影遮挡率”，修正由植物造成的数据偏差。在布局优化模拟中，可以认为场地内的植物要素是可变更的，因此在此阶段不再考虑植物投影的影响。

将独立的坐具组作为统计单元进行数据整理，并将座位数量纳入自变量范畴。公共坐具一般临近商业店铺，不可避免地会受到业态的影响，因此为进一步探索商业环境对人群行为的影响，也将业态类型作为自变量进行分析。王思源按照城市规划用地分类将沿街底商业态划分为4个大类19个小类[13]，对此分类进行梳理后，将较少出现的业态归为“其他”，整理出沿街底商业态分类表(表1)。

表1 沿街底商业态分类

2.2.2 人群行为指标

人群行为指标的选取从数量和质量2个方面入手，通过现场拍照与观察，记录每组坐具的坐憩人数、人群年龄和就座原因，并绘制行为地图。坐憩人数可以反映人群对公共坐具的使用程度，人群坐憩行为密度的计算公式为：坐憩行为数量÷该组的座位总数量[22]。人群年龄分为儿童、少年、青年、中年和老年5类，年龄层类型越丰富，说明该公共坐具越具有吸引力。人群就座原因通常包括观望、交谈、休憩、饮食和玩手机等，就座原因类型越多，说明使用该组坐具的人群状态更为放松，活动更为多样。

2.3 数据来源

2.3.1 公共坐具相关指标统计

北京市四季按春季(3─5月)、夏季(6─8月)、秋季(9─11月)及冬季(12月─翌年2月)划分[23]，每季选取最具代表性的一天进行日照时长模拟。调研日期的选择依据为：2019年各季节中适宜人群出行和户外活动，气温、风向等气象数据较为稳定，天气现象为“晴”的非工作日。由于冬季气候寒冷不适宜在户外长时间停留，因此选择2019年春、夏、秋季中的4月14日、7月21日和9月14日共3个代表日统计10：00─17：00场地内的坐具使用者总数量。为深入研究一天中不同时段投影遮挡率对人群坐憩行为的影响，结合各季节代表日的分析结果，选择9月1日及8日共2个非工作日的10：00─11：00、13：00─14：00和16：00─17：00 3个代表性时段进行数据采集。为方便数据统计，对各组公共坐具逐一记录位置并编号(图3)，同时统计各组坐具中的座位数量。

2.3.2 基于Ecotect的投影遮挡模拟

Ecotect的日照分析功能可针对特定时段进行模拟和分析[24]。首先模拟2019年春、夏、秋季3个代表日中场地的日照时长状况。将商业步行街模型导入后，根据北京市气候数据设置模拟参数并进行数据生成，可得到日照时长分析图。之后结合各季节代表日的分析结果，利用软件模拟9月1日和8日中3个代表性时段的投影遮挡状况。由于当前使用的分析模型难以精准展现建筑物、构筑物和植物的诸多细节，所以将投影遮挡分析图作为主要依据，结合现场照片进行纠偏，共同确定位于投影范围内的座位数量，从而计算出坐具的投影遮挡率。

2.3.3 基于行为注记法的人群坐憩行为调查

基于行为注记法采集数据，针对春、夏、秋季中的3个代表日，逐一划分为数个时间点进行轮流观测，通过拍照等方式记录瞬时的坐具使用者数量，并统计全天的数据。由2名调研员轮流观测9月1日和8日各组公共坐具3个时段的人群坐憩行为分布，其中1名调研员记录场地中公共坐具的人群坐憩数量和就座行为分布，另1名调研员对各组坐具的人群进行摄录，便于后期数据核验。最终采用行为地图标注的方式，整理了不同时段场地中公共坐具的人群坐憩行为数据。

3 数据分析

3.1 Ecotect模拟分析

使用Ecotect软件对春、夏、秋季3个代表日期中场地的日照时长进行模拟分析并将其可视化，颜色越暖表示该位置受日照影响的时间越长，据此可统计当日研究时段内的投影遮挡时长(图4)。由场地投影遮挡分析结果可知(图5)，在2019年9月1日和8日的10：00─11：00，仅在调研场地东侧存在部分投影遮挡区域，此时总座位数中约有45%和41%的座位处在该区域内；13：00─14：00的投影遮挡区域位于场地西侧，覆盖场地中的广场与附属空间，此时约有34%和22%的座位处在投影遮挡区域内；16：00─17：00，约有93%和88%的座位处在投影遮挡区域内。借助上文所述公式统计公共坐具的投影遮挡率，可为下一步线性回归分析等提供数据基础。

图4 春、夏、秋三季日照时长分析(4-1)及坐具使用者总数(4-2)

图5 人群行为注记地图及投影遮挡分析

3.2 人群行为注记调研分析

2019年9月1日和8日的10：00─11：00，人群坐憩行为数量分别为98和91人，坐憩需求较低，较多坐具仅有1人就座(图5)。在13：00─14：00，投影遮挡区域开始覆盖商业步行街上的广场与附属空间，人群多聚集于此，人群坐憩行为数量分别为48和49人。在16：00─17：00，分别有324和196人使用公共坐具，此时调研场地中除道路交叉口外基本都处在建筑阴影下，多数坐具被使用。

基于人群行为注记情况和人群坐憩行为密度计算公式，得到50组公共坐具在2个非工作日中3个代表性时段的数据，用于后续统计分析。

3.3 SPSS数据分析

将2019年春、夏、秋季3个代表日期中场地投影遮挡时长与坐具使用者总数进行线性回归分析，发现投影遮挡时长均对4月14日、7月21日、9月14日的使用者总数产生显著的正向影响，其中，7月21日的模型R方值为0.315(说明投影遮挡时长可以解释使用者总数31.5%的变化原因)；4月14日的R方值为0.174；9月14日的R方值为0.084。由分析结果初步判断，坐具的投影遮挡时长与坐具使用者总数的相关性具有季节性差异：使用者在长日照的夏季倾向于遮阴多的区域；在短日照的春、秋季虽然也倾于遮阴区域，但由于呈现的正相关性相对较弱，为证明初步结论的合理性，仍需对春、秋季的数据进行更精准的分析。春季与秋季有着较为相似的日照特征，故上文已选择了9月1日和8日作为调研日进行更深入的数据采集。

依据王府井步行街公共坐具的人群坐憩行为及环境要素数据，将3个时段的投影遮挡率分别记为X1、X2、X3，坐憩行为密度记为Y1、Y2、Y3，就座原因记为“就座原因类型Y1”“就座原因类型Y2”“就座原因类型Y3”，人群年龄分布记为“年龄层类型Y1”“年龄层类型Y2”“年龄层类型Y3”；将投影遮挡率、座位数量和业态类型作为自变量，坐憩人数、就座原因类型和年龄层类型作为因变量，将3个时段的自变量和因变量数据分别进行线性回归分析。

由2019年9月1日和8日数据分别进行的自变量和因变量回归分析可知：坐憩行为密度方面，投影遮挡率p值均小于0.01，说明会对坐憩行为密度产生显著的正向影响，而业态类型、座位数量并不会对坐憩行为密度产生影响；就座原因类型方面，投影遮挡率p值均小于0.01，说明会对就座原因类型产生显著的正向影响，业态类型p值始终大于0.05，说明不会对就座原因类型产生影响，座椅数量与就座原因类型的关系并不稳定，只有9月1日的10：00─11：00及16：00─17：00的座位数量对就座原因类型存在正向影响；年龄层类型方面，投影遮挡率和部分时段的座位数量会对年龄层类型产生显著的正向影响，而业态类型不会对年龄层类型产生影响。

从线性回归分析结果可知，所有时段的坐具投影遮挡率均会对坐憩行为密度、年龄分布和就座原因类型产生显著的正向影响；座椅数量不会对坐憩行为密度产生影响，但在部分时段会对年龄层类型和就座原因类型产生影响；业态类型始终不会对行为主体和人群行为特征产生影响。因此相较于投影遮挡，座椅数量和业态类型并非重点优化对象。投影遮挡率是人群产生坐憩行为最普遍的影响因素，根据Ecotect对场地4─10月10：00─17：00投影遮挡状况的模拟和分析结果，可以对公共坐具布局提出优化建议。

4 结论与建议

本文以王府井商业街的公共坐具为研究对象，通过Ecotect模拟与分析、实地调研、行为注记法与线性回归分析，深入探究坐具与坐憩行为的关联性。研究发现，投影遮挡状况与坐憩行为的相关性存在季节性差异，其中坐具使用者数量在夏季与投影遮挡时长的相关性较强，在春、秋两季的相关性较弱；在环境要素与坐憩行为层面，发现投影遮挡率是人群产生坐憩行为最普遍的影响因素。

分析场地4─10月10：00─17：00的投影遮挡状况，可以为公共坐具布局优化提供依据。投影遮挡率较高的区域集中于场地西侧(图6)，如王府井小吃街以南的区域，以及王府中环、北京市百货大楼附近。

图6 公共坐具布局优化分析

颜色偏暖区域的投影遮挡率都达到45%以上，说明在研究时段内，这些区域有一半左右的时间处在投影遮挡范围内，在此区域设置公共坐具有利于提高人群对坐具的使用频率，增加户外活动时间。颜色偏冷的区域投影遮挡率在45%以下，说明此区域中的公共坐具易受到日照影响，其中最需要优化的区域包括工美大厦西侧、丹耀大厦西侧，以及北京apm购物中心西北侧，可参考50%投影遮挡率曲线优化坐具位置，使其更靠近较高投影遮挡率的沿街商铺区域。工美大厦西侧和apm购物中心西北侧的区域邻近道路交叉口，日照影响变化较为剧烈，因此除了调整坐具数量或具体位置外，也可采用与其他街道要素组合的策略降低对公共坐具使用的影响，例如就近设置乔木或增加遮阳设施。

此外，布局优化也应通过大寒日的日照状况模拟来排除长年不见光的区域，避免影响结论的准确性。据大寒日日照时长模拟可知(图7)，场地内仅有极少数区域的日照低于2h，多存在于建筑附近，此类区域几乎不会对布局优化产生影响，因此，当前的投影遮挡率模拟可以满足布局优化的需要。

图7 场地大寒日日照时长模拟分析

5 不足与展望

本研究原计划于2019年下半年至2020年上半年进行多次调研，但由于王府井商业街北段于2019年末进行了改造，其南段的部分坐具被拆除、移动，同时受2020年初新冠肺炎疫情的影响，王府井步行街采取了较为严格的防疫措施，人群来源与聚集方式受到限制，对调研计划造成了一定影响，因此又于2020年4─8月对王府井步行街开展了3次调研。相较于2019年9─12月，2020年4─6月的人群行为仍受限于疫情防控，在坐憩人数、聚集性组团数量、坐憩时长及行为类型丰富程度方面均有所下降，不适宜作为调研数据。鉴于此，最终采用了2020年7─8月的调研数据并再次进行了上述分析。综合相关性分析结果可知，投影遮挡率对各项人群行为指标仍可产生显著的正向影响，且与2019年调研数据分析结果的差异较小。依据模拟的2020年步行街改造后公共坐具布局优化分析图(图8)，可以发现优化策略与图6反映的结论较为相似，再次说明了本研究优化分析的合理性。

图8 2020年步行街改造后公共坐具布局优化分析

注：文中图片均由作者绘制。