存量背景下上海市城市更新区域识别和评估

陈 星 黄浦江 梁英竹 CHEN Xing,HUANG Pujiang,LIANG Yingzhu

0 引言

改革开放以来，我国的城镇化发展迅速，过度依赖土地出让收入和土地抵押融资推进城镇建设的传统模式已经无法适应城市发展的要求，城市急需转型发展。针对提高城镇用地的集约程度、优化空间布局等需求，《国家新型城镇化规划（2014—2020）》提出从扩张性规划向限定城市边界、优化空间结构的规划转型。这种转型要求城市总体规划在空间管制、结构布局、规模控制的重点和方式上进行调整，控规要更加重视现状的产权分析和规划过程[1]。《上海市城市总体规划（2017—2035年）》提出，坚持规划建设用地负增长，着力治理“大城市病”，积极探索超大城市发展模式的转型途径。

城市更新是增量发展向存量转型过程中的重要路径，城市空间的发展离不开城市更新[2-3]。城市更新能在改善原有建成环境的同时不减损原权利主体的利益，注重公平、兼顾效率[4]，同时它也是提升土地效能、优化城市产业结构、推动城市功能转型的重要手段[5]。上海要创新城市治理机制，探索特色的城市更新路径[6]。城市空间区域的更新评估对于综合把握城市空间区域的特征具有重要意义。城市中的居住、工业、商业等功能区域是学者们研究的重点。居住功能区的评估主要涉及居住风貌区评价[7]、居住用地整治[8]、居住环境安全性评价[9]、居住空间资源再分配[10]等方面。工业功能区的评估涉及土地利用、产业发展、资源配置等内容，研究要点是土地综合利用情况[11]、工业建设用地发展水平[12]、工业遗产[13]更新等方面。商业功能区的评估涉及商业业态、土地利用、空间活力等方面，主要侧重商业区功能类型[14]、商业用地集约评价[15]99等方面。

城市更新不仅是城市破解空间资源瓶颈的主要手段，更是推进经济社会结构调整的重要方式。由于城市区域的综合性、复杂性、多样性等特征，对于城市更新区域的识别标准和评估机制还未统一，识别方式还有待进一步探索。本文研究如何综合多维度因素进行考量，识别城市更新区域，从而合理、有序地推进上海城市有机更新。

1 研究框架和研究方法

1.1 研究框架和指标选取

本文结合城市更新、城市规划、空间分析等相关理论，以居住、工业和商业商务3类功能区域进行空间识别体系的构建，并结合城市空间数据建立多维度的评估指标（见表1）。整体评价从经济、环境、社会等相关方面进行指标的筛选，在传统物质空间的评估上加入人群活动、空间联系、设施覆盖等方面的指标，融合传统数据和大数据，提升更新区域识别和评估的精度和可靠性。

表1 居住、工业和商业商务功能区域的评估指标设想Tab.1 Evaluation indicators for residential,industrial and commercial functional areas

1.2 研究区域范围

本文的研究对象是上海外环线以内的区域，包括6 546个普查小区。外环线位于上海城乡结合部，环内城区面积680 km²，它连接10条快速干道、10座大型全互通立交和徐浦大桥、外环隧道2座越江工程。研究区域内的普查小区，从面积来看，中心部分较小，外围部分较大，但在总体上还是比较均衡的。

1.3 数据来源和研究方法

本文运用探索性因子分析法、局部空间自相关、K-均值聚类分析等方法进行数据的分析。其中涉及传统数据和大数据的应用。传统数据包括各类文教体卫设施数据、现状土地使用数据、养老设施数据、交通主干道数据、普查人口数据、经济普查数据等。大数据包括手机信令、高德地图POI、大众点评数据等。运用空间叠加的研究方法，对数据进行处理，将其统一落入普查小区中，并根据指标的内容进行进一步分析。如在环境影响的分析中结合最邻近距离法等对数据进行重新处理，获取相关指标的数据。

2 居住更新区域评估

2.1 居住功能区单元

本文结合上海市2015年土地利用现状进行分析，选取各类居住用地进行研究。根据宋成舜等[15]99的研究，结合上海市内环内土地使用现状特征，本文在居住功能区的识别中主要考虑居住用地面积和居住用地面积占比等指标。

计算过程中，将外环以内的13 350个居住用地落到6 546个普查小区单元。以普查小区为统计对象，居住功能区选取的条件为居住用地面积占普查小区面积的30%以上，或者居住用地面积大于2 hm²，共筛选得到3 946个居住功能区域单元。

2.2 居住功能更新区域评价

居住功能区的评价关注居住空间品质和宜居水平，涉及空间布局、公共服务配套、交通设施、建筑质量、环境质量等方面，主要采用土地使用数据、公共服务设施数据、交通站点数据、建筑年代数据、住宅建筑量数据等进行分析（见表2）。从“环境—社会—经济”维度来看，环境维度主要关注与生命安全息息相关的生态环境和与居住舒适度直接相关的住宅品质；社会维度主要关注社会交往和社会资源分配；经济维度关注通勤活动的效率。

表2 居住功能区的因子分析结果Tab.2 Factor analysis results of residential functional areas

本文选取19个居住功能区测量项目，运用SPSS软件进行信度和效度分析。结果显示，居住功能区评估的Alpha系数为0.642，可靠性能符合要求。测量指标的KMO值为0.735，Bartlett球形度检验的近似卡方为77 825.378，自由度为171，Sig.为0.000（＜0.05）。由此可知，测量指标较适用于因子分析，有良好的效度。

为了使分子的选择较合理且有意义，一般选择特征值大于1且各测量指标负荷大于0.4时的因子类型。剔除负荷小于0.4的项目，经过最大方差法进行因子旋转，提取得到宜居和布局、公共服务覆盖、交通便捷性、噪音污染、居民通勤、建筑年代和人均住宅7个公因子，样本累积方差贡献率为84.935%，说明大部分信息都能被解释。

根据因子分析中的得分计算综合得分①因子分析在“抽取”中选择基于特征值大于1提取因子，在“旋转”中选择最大方差法进行因子旋转，在“得分”中选择运用回归方法，并将得分保存为变量。然后根据结果中显示的各因子的方差贡献率Wi和SPSS中自动保存的因子变量得分Yi，计算综合得分Y=W1Y1+W2Y2+W3Y3+……+WiYi。居住、工业、商业更新区域均采用同一种方法，后文不再赘述。。通过各普查小区中的综合得分，分析3 946块居住功能区域的空间关系。结果显示，居住功能区的评分数据相对比较分散，但是静安区、黄浦区、虹口区等区，分值较高的地区较为集中（见图1）。

图1 居住功能区的综合评估Fig.1 Comprehensive evaluation of residential functional areas

根据不同类型因子的评分，可以对居住功能区的宜居、公共服务等维度进行评估。宜居维度中（见图2），内环以内区域由于受到空间约束，整体上设施分布较有局限，数值较低。公共服务设施维度中（见图3），静安区、黄浦区、长宁区东部、徐汇区北部的设施覆盖度较高，设施维度的分值较高。

图2 居住功能区的宜居维度评估Fig.2 Evaluation of livability dimensions of residential functional areas

图3 居住功能区的公共服务设施评估Fig.3 Evaluation of public service facilities in residential functional areas

2.3 居住功能区的更新导向

运用ArcGIS中的Anselin Local Moran's I进行数据间空间关联性的分析（见图4）。取5%显著性水平，并提取低高（LH）和低低（LL）的普查小区为表现较差的居住功能区域，急需进行城市更新。从空间分布上看，需要更新的区域呈现片状和散点结合的方式，主要位于徐汇区的凌云路街道、长桥街道；闵行区的梅陇镇；长宁区的新泾镇、普陀区的长征镇和曹杨新村街道；宝山区的大场镇街道；黄浦区的小东门街道；浦东新区的三林镇、东明路街道、北蔡镇、高行镇、浦兴路街道、高桥镇等地区。这些区域在住宅品质、设施配置、交通通勤等方面还需要进一步提升。

图4 居住功能区的综合得分局部空间自相关结果Fig.4 Local spatial autocorrelation results of comprehensive scores in residential functional areas

运用K-均值聚类方法，根据各类因子得分进行聚类，得到6类空间分类结果（见图5）。从结果可知，聚类一注重人均住宅优化和宜居布局提升，主要集中在静安区、黄浦区等地区；聚类二强调全面的空间优化，侧重公共服务覆盖和交通便捷性提升；聚类三主要是交通便捷性提升和通勤路径优化；聚类四是老建筑改造和宜居设施配置提升；聚类五是通勤优化和噪音污染治理；聚类六主要是老建筑改造和公共服务设施覆盖率提升（见表3）。

表3 居住功能区K-均值聚类结果Tab.3 K-means clustering results of residential functional areas

图5 居住功能区K-均值聚类的6类划分结果Fig.5 Six classification results of k-means clustering for residential functional areas

将急需更新的居住功能区与聚类结果进行叠加可知，聚类二（需要关注公共服务、交通、设施配套和人均住宅水平的提升）、聚类四（需要关注宜居设施、空间布局优化和旧居住区改造）和聚类三（需要关注交通和通勤环境的优化）分布较多。从空间上看，东明路街道和三林镇要加强公共服务设施配套和交通站点的优化配置；北蔡镇要优化人口和居住空间的关系，提高人均居住水平，并且提升公共服务和交通设施配置水平。黄浦区小东门街道等要关注老旧小区改造、综合设施配置提升等方面。宝山区大场镇等地区要注重居民通勤环境的优化，并适当增加轨道交通、公共交通站点等。

3 工业更新区域评估

3.1 工业功能区单元

工业功能区中一般除了厂房外，还包括工业生产的辅助设施，如交通运输、仓库、基础设施等，但不包括居住用地。结合上海市2015年土地利用现状数据，提取出M类和W类用地，结合工业与仓储物流用地面积、工业与仓储物流用地面积占比等指标进行单元提取。

将外环以内的6 307个工业和仓储物流用地地块落到6 546个普查小区单元。以普查单元为统计对象，工业功能区选取的条件为工业和仓储物流用地面积占普查小区面积的40%以上且工业和仓储物流用地面积大于1 hm²，或者工业和仓储物流用地面积大于8 hm²，共筛选得到439个工业功能区域单元。

3.2 工业功能更新区域评价

工业功能区的评价关注工业用地的经济效益、环保效益和发展潜力，涉及功能区的用地发展、岗位配置、开发强度、空间环境等方面，主要采用经济普查数据、土地使用数据、建筑量数据、绿地和滨水数据等进行分析（见表4）。从“环境—社会—经济”维度来看，在环境维度上，关注工业用地与相关要素之间的区位关系、对生态环境的影响这两方面；在社会维度上，主要关注其为社会提供的就业岗位情况；经济维度上，重点关注土地的集约利用情况。

表4 工业功能区的因子分析结果Tab.4 Factor analysis results of industrial functional areas

本文选取13个工业功能区测量项目进行因子分析研究，信度和效度结果显示，工业功能区评估的Alpha系数为0.515，值相对较低。效度分析中，KMO值为0.557，Bartlett球形度检验的近似卡方为7 929.857，自由度为78，Sig.为0.000（＜0.05）。测量指标基本能用于因子分析。剔除负荷小于0.4的项目，经过最大方差法进行因子旋转，提取得到用地维度、岗位维度、强度维度、生活维度和环境维度5个公因子，样本累积方差贡献率为75.638%，说明大部分信息都能被解释。

根据因子分析中的得分计算综合得分。通过各普查小区中的综合得分，分析439块工业功能区的空间关系（见图6）。总体上看，北部吴淞地区、东北部杨浦工业区域、张江等区域的评分较高。

图6 工业功能区的综合评估Fig.6 Comprehensive evaluation of industrial functional areas

根据不同类型因子的评分，可以对工业功能区的用地、岗位等维度进行评估。用地维度中，靠近外环区域的工业功能区用地相对较大，靠近黄浦江的滨江工业在用地面积和建筑面积上也较有优势（见图7）。岗位维度上，在张江、彭浦等区域的分值相对较高，岗位较为密集。总体上看，工业区中市北、张江、金桥、杨浦发展较好，漕河泾、桃浦等科技创新区域目前发展较为一般，还需要重点提升（见图8）。

图7 工业功能区的用地维度评估Fig.7 Evaluation of livability dimensions of industrial functional areas

图8 工业功能区的岗位维度评估Fig.8 Evaluation of public service facilities in industrial functional areas

3.3 工业功能区的更新导向

运用ArcGIS中的Anselin Local Moran's I进行数据间空间关联性的分析（见图9）。取5%显著性水平，并提取低高（LH）和低低（LL）的普查小区为表现较差的工业功能区，急需进行城市更新。东部靠近张江、金桥、康桥等区域的工业功能区发展较好。从空间上看，需要更新的区域呈现零星散布特征，主要在宝山区大场镇、顾村镇，浦东新区三林镇等区域。具体区域主要靠近大场镇的南大村、丰明村、红光村；宝山镇和顾村镇的白杨村、朱家弄村、盛宅村等；普陀区桃浦镇的李子园村；三林镇的久丰村、归泾村等；张江镇的韩荡村；金桥镇的三桥村、城市家园小区等。

图9 工业功能区的综合得分局部空间自相关结果Fig.9 Local spatial autocorrelation results of comprehensive scores in industrial functional areas

运用K-均值聚类方法，根据各类因子得分进行聚类，得到6类地块的空间聚类结果（见图10）。从结果可知，聚类一注重岗位优化和产城融合等方面，主要分布在工业和居住区较为邻近的区域；聚类二用地面积较大，注重与生活空间的隔离和环境防护等方面；聚类三注重岗位数量优化和用地强度适度提升；聚类四注重加强与绿地空间、滨水空间等环境的隔离；聚类五注重提升土地利用的强度，加强与生活空间的隔离；聚类六就业岗位人数较多，需要结合就业人口需求适当增加工业类用地面积（见表5）。

表5 工业功能区K-均值聚类结果Tab.5 K-means clustering results of industrial functional areas

图10 工业功能区K-均值聚类的6类划分结果Fig.10 Six classification results of k-means clustering for industrial functional areas

将急需更新的工业功能区与聚类结果进行叠加可知，聚类一（需要关注岗位配置和产城融合）、聚类三（需要关注岗位数量优化和用地强度适度提升）两种类型分布较多。从空间上看，宝山区大场镇、顾村镇附近的工业功能区需要增加合适的工作岗位，提高整体的营收水平，同时要关注工业区域与居住区之间的关系。普陀区桃浦镇李子园村等区域在更新方面要关注岗位优化、用地强度提升等方面。

4 商业更新区域评估

4.1 商业功能区单元

本文结合上海市2015年土地利用现状进行分析，其中商业用地包括商务、金融、服务业等用地。结合上海市内环内土地使用现状特征，在识别中主要考虑了商业用地面积和商业用地面积占比等指标。

计算过程中，将外环以内的8 805个商业用地地块落到6 546个普查小区单元。以普查单元为统计对象，商业功能区选取的条件为商业用地面积占普查小区面积的40%，或者商业用地面积占普查小区面积的20%且商业用地面积大于4 hm²，共筛选得到689个商业功能区域单元。

4.2 商业功能更新区域评价

商业功能区的评价关注经济效益和空间活力，涉及商业空间的经济、就业、交通、收入等方面，主要采用经济普查数据、商业用地数据、商业建筑量数据、大众点评数据、手机信令数据等进行分析（见表6）。从“环境—社会—经济”维度来看，在环境维度上，除了关注用地内部及周边的物质空间，还关注人的活动和空间变化规律；在社会维度上，主要关注其为社会提供的就业岗位情况；经济维度上，重点关注商业用地、商业企业等。

表6 商业功能区的因子分析结果Tab.6 Factor analysis results of commercial functional areas

本文选取16个商业功能区测量项目进行因子分析研究，信度和效度结果显示，商业功能区评估的Alpha系数为0.551，值相对较低。效度分析中，KMO值为0.749，Bartlett球形度检验的近似卡方为12 340.785，自由度为120，Sig.为0.000（＜0.05）。由此可知，测量指标较适用于因子分析。剔除负荷小于0.4的项目，经过最大方差法进行旋转，提取得到交通活力、就业活力、经济活力、点评活力和收入活力5个公因子，样本累积方差贡献率为81.871%，说明大部分信息都能被解释。

根据因子分析中的得分计算综合得分。通过各普查小区中的综合得分，分析689块商业功能区域的空间关系（见图11）。总体上看，内环以内的商业功能区在综合评分上有明显优势，主要是人民广场、静安寺南京西路、陆家嘴等区域。商业功能区的评分由中心向外围呈现由高分到低分的变化趋势。

图11 商业功能区的综合评估Fig.11 Comprehensive evaluation of commercial functional areas

根据不同类型因子的评分可以对商业功能区的交通和经济活动等维度进行评估。交通活力上，人民广场、南京西路、徐家汇等地分值相对较高，分值较高的区域集中在内环内（见图12）。经济活力中，陆家嘴、徐家汇、中山公园等地的经济活力较为明显（见图13）。

图12 商业功能区的交通活力评估Fig.12 Evaluation of livability dimensions of commercial functional areas

图13 商业功能区的经济活力评估Fig.13 Evaluation of public service facilities in commercial functional areas

4.3 商业功能区的更新导向

运用ArcGIS中的Anselin Local Moran's I进行数据间空间关联性的分析（见图14）。取5%显著性水平，并提取低高（LH）和低低（LL）的普查小区为表现较差的商业功能区域，急需进行城市更新。内环内人民广场、静安寺南京西路、陆家嘴等地区的商业功能区发展较好。需要更新的商业功能区主要靠近外环区域，具体分布在普陀区的桃浦镇、真如镇；长宁区的新泾镇；闵行区的七宝镇；静安区的临汾路街道；宝山区的高境镇；浦东新区的金桥街道、张江高科技园区等区域。

图14 商业功能区的综合得分局部空间自相关结果Fig.14 Local spatial autocorrelation results of comprehensive scores in commercial functional areas

运用K-均值聚类方法，根据5类因子的得分将商业功能区划分为5类，并研究其空间分布特征（见图15）。从结果可知，聚类一发展相对较为均衡，就业和收入活力有待提升；聚类二注重提升交通活力和整体经济活力；聚类三主要加强互联网点评活力和收入活力的提升；聚类四需要加强就业人口引入，全面提升经济活力和点评活力；聚类五交通活力较为明显，经济活力还需持续激活（见表7）。

表7 商业功能区K-均值聚类结果Tab.7 K-means clustering results of commercial functional areas

将急需更新的商业功能区与聚类结果进行叠加可知，聚类二（需要关注交通和经济活力）、聚类三（需要关注收入活力和点评活力）两种类型分布较多。从空间上看，桃浦镇、真如镇、七宝镇、金桥街道等区域的商业功能区在更新方面需要注重提升交通设施配套，适当增加商业企业数量和商业建筑量，提升对消费人群的吸引力。

5 结论

城市更新是我国进入以提升质量为主的转型发展新阶段的重要课题之一[16]。本文以土地集约利用和发展为目标，侧重从中观层次进行城市更新功能区域的识别和评估。笔者通过构建城市更新功能区“识别—评估—分区—导向”为主线的城市更新空间分析方法，为城市更新区域识别与评估提供科学合理的空间定量分析方法。将城市更新的主要功能确定为居住、工业和商业3类功能区，根据不同功能区的用地比例确定功能区单元。基于城市更新区域识别优化指标体系，运用因子分析的方法构建不同维度的更新功能区评价体系，评估各功能单元的更新数值。结合空间自相关和K-均值聚类等方法对3类功能区评估的空间特征进行空间聚类分区，并叠加急需更新的区域进行分析。

总体上看，居住功能区靠近外围地区的居住区的更新需求更加显著，急需更新的区域位于凌云路街道、长桥街道、梅陇镇、长征镇和曹杨新村街道等区域，主要体现在设施配置不足、交通不够便捷等方面。工业功能区东部靠近张江、金桥、康桥等区域，功能区发展较好，需要更新的区域呈现零星散布特征，主要在宝山区的大场镇、顾村镇和浦东新区的三林镇等区域。商业功能区在内环内发展较好，要更新的商业功能区主要靠近外环区域，包括桃浦镇、真如镇、新泾镇、七宝镇等区域。

集成应用多源数据有利于提升更新区域识别和评估的精度和可靠性。基于功能区的更新区域识别有利于明确各类用地的主要矛盾，从而为土地内涵挖潜和城市更新项目实施提供借鉴。