基于多源数据的福州市主城区街道绿化品质研究

杨柳青, 艾婧文, 高仰驰, 陈凤飞, 刘艳芬, 余坤勇, 刘 健,3

(1.福建农林大学园林学院；2.3S技术与资源优化利用福建省高等学校重点实验室；3.福建农林大学林学院 福建 福州 350002)

城市街道，作为人们生活中接触最多的公共活动空间，在公共领域的重要性越来越引起人们重视.随着生活水平的日益提高，人们对街道的认知不仅仅停留在街道的流通性上，更多的是把街道和其社会属性联系起来，赋予其更多的意义[1].街道是最常见的步行、骑自行车和体育锻炼的场所[2,3].街道绿化的提升不仅能有效改善空气质量、消减噪音、提供体育锻炼环境，同时对增加邻里的社交联系等也有较大帮助[4].近几年城市大数据迅猛发展，为人们研究城市街道提供了新的方法.近些年我国城市发展方式从经济导向转向人本导向，注重生态环境与街道品质的提升，更加符合以人为本的理念[5,6]，研究也从二维的平面转向三维的多角度分析[7].绿视率(green view index, GVI)一词由日本学者青木阳二[8]于1987年首先提出，通过统计人视野中所看到的绿色所占比例(包括墙体绿化、屋顶绿化、行道树等)评估城市三维空间的绿化程度，用以表示其绿化效果.目前，如谷歌、百度、高德地图均开始提供高分辨率的街景照片，通过沿街道行驶装有摄像头的汽车拍摄360°影像记录街道情况，它记录的照片数据和人视角高度基本相同，已被作为城市研究的有效数据源[9-10].利用街景大数据对街道进行更加精细化、大规模的评估，如Yu Ye et al[11]通过研究谷歌街景和归一化植被指数，运用空间句法探讨城市街道的可达性与街景的关系，并发现基于传统遥感影像的植被覆盖度并不能很好地反映街道的绿化情况，同时利用街景图像能更好地反映基于人视角的街道绿化水平.有学者通过探索谷歌街景(google street view, GSV)，并运用改进的绿视率(GVI)公式对纽约曼哈顿区东村地区街道绿化进行评估，发现GIS非常适合评估街道一级的绿化[12].Wu et al[13]通过运用综合移动搜索法(comprehensive floating catchment area,CFCA)调查街道绿视率与城市房价之间的关系，探讨街道和公园绿化与社区收入之间的公平性.崔喆等[14]通过解译街景图像，并运用SIFT匹配算法剔除了冬季街景图像，根据POI密度对城市中心区、郊区和功能区进行划分，发现快速路的绿视率高于其他街道，单一功能区中工作区高于居住区，服务区绿视率最差.目前，相关研究多从单一纬度街道空间品质或街道绿化进行研究，从多维度综合分析城市街道较少.本研究通过运用多源大数据，结合空间句法等方法，研究街道绿视率、街道的空间品质，多维度探讨福州市主城区三环路范围内的城市街道环境，以期为提高城市街道绿化品质提供参考.

1 研究地区与数据获取

1.1 研究区概况

福州市地处福建省东部、闽江下游，海拔600～1 000 m，东经118°08′—120°31′，北纬25°15′—26°39′，西邻南平、三明、北接宁德市，南接莆田市，东濒东海.福州属典型的亚热带季风气候，气温适宜，温暖湿润，四季常青.本研究选取福州市主城区三环快速路街道范围内为研究区，包含仓山区、晋安区、鼓楼区和台江区(图1)，该区人口最为密集，街景数据较为完善.

图1 研究区位置

1.2 数据来源与处理

研究基于OpenStreetMap获取了福州市街道数据，并对街道进行拓扑处理.兴趣点(point of interest,POI)数据来自于百度地图.在Arcgis软件中对街道网进行样点分布，平均采样点间距为50 m，共生成了31 299个样点.获取采样点的坐标，使用Python软件通过HTTP URL形式调用百度街景的API，并获取对应坐标点位置的街景照片，每个坐标点获取4张照片，分别代表4个方向(分别为0°、90°、180°和270°)(图2)，照片像素为960×720，垂直角度为0°，每张照片有对应采样点的坐标位置和水平角度等信息.

图2 基于OpenCV的绿视率计算

2 研究方法

2.1 街道绿视率

街景绿视率基于Python图像处理库OpenCV计算而得.首先将获取的照片由RGB转换为HSV(色度hue、饱和度saturation、亮度value)模式，因为通常HSV模式能更好地将图片中的颜色进行区分.运用OpenCV计算图片中绿色像素的占比，最终得到图中绿视率的比值.具体算法如下

(1)

其中Areag_i是一个位置点的前后左右4个方向中第i方向上拍摄照片中绿色像素数量，Areat_i则是在i方向拍摄照片中像素的总数.为验证软件计算的精确度，随机选取了50张图片通过Photoshop软件对图片中绿色植物轮廓进行提取，计算图片中绿色植物所占整张图片像素的占比，得到每张照片的绿视率，与OpenCV计算得到的值进行对比，PEARSON相关系数为0.859，表明数据计算结果良好.

2.2 街道活力指标体系的评价与构建

2.2.1 街道连通性 街道的连通性反映街道的便利性和使用频率，运用空间句法的相关指标对福州市主城区街道连通性进行分析.空间句法(space syntax)理论最早由英国伦敦大学巴利特学院的比尔·希列尔(Bill Hillier)、朱利安妮·汉森(Julienne Hanson)等人共同创立，空间句法以城市空间形态元素之间的整体联系为出发点，从城市结构层面分析空间不同组合之后的整体联系与空间使用的对应关系[15-16].运用空间句法软件Axwoman6.3，结合Arcgis软件，选取空间句法的全局集成度、控制值、连接度指标[17-19].集成度反映街道中节点之间联系的紧密程度，集成度越大，则该节点的便捷程度越高，可达性越好；控制值表示空间中节点之间的相互控制关系；连接度表示街道中节点与其它节点的连接数，空间中连接值高则表明该节点与周围空间联系密切.

2.2.2 区位特征 街道周边公交和地铁站点是否丰富，是反映街道活力的重要指标，通过获取福州市街道中心城区的公交站点、地铁口站点数据，统计街道缓冲区范围内各站点密度.

2.2.3 功能性 街道周围的设施配套反映街道整体的服务水平，本研究获取的POI数据包括教育、交通设施、公共设施、景点、金融、购物、餐饮、医疗、体育、生活服务、商务、政府办公、住宿共13类，通过对街道设置50 m缓冲区，提取街道内各设施点密度，分析街道活力的综合情况，范围内POI密度越大，则缓冲区范围内的公共服务设施点就越多，POI混合度越大，则公共服务点多样性特征越显著[20].

综上，共选取10个二级指标探究福州市中心城区内街道活力(表1)，同时用SPSS检验各指标间的相关性，除控制值和连接度、功能密度和功能混合度有弱相关性外，其他指标都均无显著相关性，各指标相互独立.

表1 各级指标及其权重

2.3 基于熵权法的指标评价

熵权法是一种客观赋权方法，通过各指标传递信息量的程度确定指标权重，克服主观赋值时的随机性，本研究运用熵权法确定各项指标的权重值，对福州市主城区街道活力进行综合评价.一般来说，某个指标信息熵值越小，说明指标离散程度越大，其指标权重越大.具体操作步骤如下：

(1)由于选取指标单位不同，各指标之间不具可比性，所以要对各指标进行标准化处理

(2)

式中：式中i个系统中有n个指标，分别为x1,x2,…,xn.yij即为标准化后的值

(2)求各指标的信息熵Ej：

(3)

(3)确定各指标的权重Wj：

(4)

(4)计算街道的综合评价值Vi：

(5)

3 结果与分析

3.1 街道绿视率

将绿视率导入到Arcgis软件中，计算每个测算点4个图像的平均值，并将采样点数值赋予到街道，可更加直观地分析福州市街道的绿视率情况(图3)，福州市主城区绿化水平整体较为平均，部分区域差异较大，如鼓楼区的北部、晋安区北部和台江区中部.将绿视率分为5个程度[21]，5%绿量感知差、5%～15%绿量感知较差、15%～25%有一些绿色、25%～35%感觉有较多的绿色、35%以上感觉绿化很好，由评价结果可知(图4)，福州市主城区的绿视率区间主要为5%～15%.台江区街道绿量感知差的占比最高达到19.4%，其次为晋安区、鼓楼区、仓山区.在绿量感知较差的分布区间则完全相反，仓山区的占比最高，为25.54%.最低为晋安区的23.29%.在15%～35%的范围内，各城区街道占比较为平均，差异分布较小.街道绿视率平均值达到35%以上的城区，仓山区占比最大，为19.58%.其次为晋安区18.63%，鼓楼区17.23%，台江区最低，为13.99%.

图3 采样点转换为街道的绿视率值

主城区绿视率的平均值为21.62%，晋安区、鼓楼区相差较小，仓山区平均值最高，为21.93%，超过整体街道绿视率的平均值，台江区作为沿江滨的中心区域，绿视率最差，为19.44%.通过实际调查发现，那里有较多老旧小区和一些古迹，街道较窄且绿化较为单一，较难对街道进行提升改造，如玉环路、中平路、三通路、青年横路等.当绿色占比在人的视野中达25%以上时，人的感觉最为舒适[8].台江区整体街道绿化水平较低，绿视率低于25%的街道占比达到68.34%，仓山区虽然街道数最多，但街道绿化水平均高于其他区.福州市主城区街道绿视率达到25%以上的测算点共有8795个，占所有街道的36.33%(表2).

表2 各城区街道绿视率情况

3.2 福州市街道活力的多维度评价

3.2.1 街道连通性指标评价 研究通过对福州市主城区街道进行多维度分析，探讨街道活力的综合情况(图5).首先根据连通性分析，福州市街道整体分布较为平均，鼓楼区作为福州市核心区，街道路网密集，交叉口数量较多，有部分街道建设年代较早，处于老城区，且密集的建筑环境已较难有条件对街道进行改造，所以连通性最低，为0.166.鼓楼区的三坊七巷周围及八一七路部分路段的绿视率出现明显偏低的情况，仓山区作为近几年迅速发展的区域，整体规划更为完善，街道网规划更加合理，连通性也高于其他城区，达到0.204.但福建师范大学仓山校区周围整体绿化水平偏低，其绿化水平有待提高(表3).

表3 街道活力分析

图5 街道各维度空间活力分析

3.2.2 区位特征分析 街道区位特征主要体现为城市街道交叉口密度和街道缓冲区范围内的公交、地铁站点密度，福州市主城区特征分布较好的区域主要集中在鼓楼区中部、晋安区南部和仓山区西部.鼓楼区和台江区不论是公交站点数量还是地铁站点数量分布均高于其他两个城区，区位特征指标达到了0.082和0.086，仓山区最低(0.060).仓山区区位特征较好的区域较少，且集中在西部和中部闽江边附近，南部及东部较差，晋安区南北差异较为明显，南区明显好于北区.

3.2.3 街道功能性指标 鼓楼区和台江区作为福州市发展最早的区域，其服务能力已较为完善，不论是设施点分布的数量还是丰富程度均显著高于另外两个城区.仓山区的服务设施点较少，仅为0.107，远低于鼓楼区的0.186和台江区的0.199.仓山区南部和晋安区北部显著低于其它地区，其配套设施严重不足.

福州市主城区的街道品质空间分布整体呈中心聚集向周边扩散的趋势，中心区主要为鼓楼区和台江区，其街道品质较高，晋安区次之，仓山区较差，仓山区除了街道连通性较高以外，其他指标均低于其他研究区.究其原因在于仓山区2015年才被定为国家新区，发展相对较晚，所以城区的设施配套较少，但街道规划较其它城区更为合理，随着福州“东拓南进”的发展策略进一步实施，仓山区的服务设施配套会更加完善.鼓楼区作为福州市一环内的核心区，发展较早，所以周边服务设施配套、交通站点数量等均高于其它区.

3.3 基于街道品质提升的绿视率分析

根据福州市整体街道绿视率的分布情况，针对福州市主城区街道综合活力较高的区域，通过两者的叠加分析将其分为两类，一类为街道活力高且绿视率高，一类为街道活力高，但绿视率低(图6)的情况.研究表明(表4)，福州市核心区的鼓楼区和台江区虽然街道活力高、人流量聚集、街道使用率高，但这些街道依然存在着绿视率偏低的情况.其中，台江区街道最为明显，高活力、低绿视率街道分布最多，占总街道数的6.15%，其次为鼓楼区、晋安区、仓山区.鼓楼区和台江区的街道活力高且绿化较好，仓山区则综合较差，仅为1.39%，仓山区虽然绿化水平在4个城区中表现最好，但街道活力远低于其他城区，导致其叠加结果较差.根据叠加分析得出，高活力低绿视率的街道整体分布在福州二环范围内：如鼓楼区的杨桥东路、台江区工业路、五一南路、八一七路，晋安区的福马路东段、鳌峰路，仓山区的金山大道、浦上大道、三高路、连江南路的部分路段.这些路段具有较高的提升潜力，在后期规划中可以优先进行改造.

表4 各城区街道活力与绿视率叠加分析

图6 街道活力与绿视率叠加分析

4 结论与讨论

本研究依据多源大数据从街道的连通性、区位特征以及功能性方面构建了街道的多维评价体系，运用百度街景地图从三维角度分析街道绿视率，并结合街道活力的评价结果对福州市街道绿化品质进行综合分析.研究表明：(1)根据街道绿化分析，福州市三环内主城区的街道绿化处于中等水平，整体平均值为21.62%，绿化水平分布较为平均，部分区域差异较为明显，较差的区域如鼓楼区北部、晋安区东部等，其中台江区中心老街道分布较多，建筑较为密集，街道拥挤，占用了较多行道树的空间，且前期规划未能很好地考虑街道绿化，导致部分街道绿化值偏低.仓山区整体绿化较好，但有较多的施工街道、拆迁小区及开发地块，街道整体绿化未能及时跟进，导致街道绿化没有连续性.(2)福州市街道各维度指标整体呈中心聚集向周围扩散的状态，闽江北部优于南部区域.街道连通性上，鼓楼区和台江区街道密集，缺乏连续性，仓山区相对较好.街道区位特征和功能性结果则与连通性相反，鼓楼区和台江区表现较好，晋安区其次，仓山区较差.(3)基于多源数据与绿视率相结合，对街道绿化品质进一步分析表明，鼓楼、台江作为核心区，虽然街道活力较高，但存在很多街道绿化程度不足、街道绿化分布不均衡的情况，是后期规划中的重点区域.仓山区街道绿化最好，但街道活力明显低于其他区，其建设重点是提升街道活力，如增加公共服务设施点，丰富设施点多样性.同时仓山区可建设面积较大，可规划程度高，在绿化中可以充分利用建筑周围的空地、城市广场、废弃地来建设口袋公园.对于鼓楼、台江核心区，由于城市建筑密集，且有较多古街道，街道提升有限，可以考虑“见缝插绿”的形式，如增加古街道的垂直绿化，增加植物的种植密度等方法提升街道绿化水平.

由上述分析可见，街道绿视率作为目前大数据环境下对街道精细化研究的重要指标，对街道环境品质提升具有重要的意义.将其与不同维度的街道数据进行结合分析，能在更短的时间内，对城市街道品质进行精细化评估.有针对性地对人们日常生活中活力高的街道进行进一步挖掘，提高街道的环境品质.同时基于街景的绿视率分析可以从人视野的三维角度对街道进行评估，比传统的遥感分析更加精确[22-23]，更体现出以“以人为本”的设计理念.本研究有一定的局限性，首先，街景数据的获取地为福州市，街道的植物多为常绿树种，未考虑落叶行道树对街道绿化的影响.其次，获取的百度街景照片的时间较为固定，未考虑不同时段纬度对获取街景的影响，后期可以考虑从不同时间段、不同季节的街景变化对街道作进一步的研究.同时，研究中选取的指标并不完善，可以在之后的研究中增加街道可达性等数据以丰富指标体系，这些有待进一步深入研究.