基于多源数据的城市街区紧凑度与骑行活动关联效应研究*——以苏州为例

傅 彬 叶 宇 林中杰

1 研究背景与相关综述

1.1 研究背景

紧凑城市立足于城市高密度开发的大背景，倡导促进土地功能混合利用、大力发展公共交通以及提高城市公共服务设施质量与利用率[1]。其要义在于追求更高密度城市形态的同时，还要充分考虑到各个空间要素，并从城市空间结构的角度出发有效促进城市空间的合理利用。2016年10月联合国《新城市议程》指明了推动紧凑城市的研究和实践在全球范围内的重要意义。

城市形态对城市环境健康的影响毋庸置疑，在城市生活逐渐被基于互联网的线上活动取代的今天，居民进行适量的室外身体活动对于提升居民健康显得尤为重要。各项研究也表明，居民步行和自行车出行对于身体质量指数[2]（BMI，Body Mass Index）有一定的影响：慢行活动（主要指步行与自行车骑行）提高运动量，可有效降低出行者患慢性病的风险[3]。而在紧凑城市原则下推动的城市设计和规划策略常常被认为能通过影响步行和骑自行车的便利性、吸引力和安全性，提升慢行活动的机会和意向，从而有效地提升城市居民的健康程度。但这一相关性尚未得到准确的定量测量和检验，因此本研究试图通过建立紧凑城市的量化指标、采集和分析多源数据对一系列空间形态指标的健康城市效果进行评估。

1.2 骑行活动与建成环境研究简述

长期以来，建成环境对骑行活动的影响一直是研究热点，出现了多学科综合研究的局面。国外研究认为建成环境综合测度的“5D模型”，即密度、多样性、城市设计、目的地可达性、公交换乘距离是影响骑行活动的主要因素[5]。

国内关于建成环境和骑行活动的研究尚在起步阶段，早先的研究主要侧重于工作日与周末、上下班高峰期等不同时间维度下对共享单车出行的影响因素异同[6]。近年来开始有研究从建成环境的空间尺度来分析相关性，如朱玮研究了出行目的、网点分布、出行方式转换、使用模式对人们使用公共自行车的意愿的影响[7]；惠英探究了区域建成环境对共享单车出行量日变特征的影响，人口、交通可达性以及各类POI 数量均会正向影响区域共享单车的出行量[8]；张磊从街区视角研究发现街区尺度小、土地利用多样化程度高、建筑密度大、公共交通设施布局完善等因素对共享单车出行有着促进作用[9]。

不难发现，针对反映市民体力活动程度的相关研究都趋向于使用大数据分析来替代实地调研和问卷采集的传统方式，并基于更智能化的平台与分析方式。从研究内容来看依旧存在不足之处：针对影响体力活动的环境因素内容过于片面，通常只集中于某一两个方面进行相关性的分析。

1.3 既有的紧凑城市量化研究简述

到目前为止，对于紧凑度的衡量标准及评价手段尚无统一定论。紧凑度的相关量化研究始于20世纪60年代初，理查德森（Richardson）[10]、吉布斯（Gibbs）[11]和科尔（Cole）[12]提出紧凑度公式。此后，西方相关领域的学者对紧凑城市理论的关注不断增加，加尔斯特（Galster）[13]、伯顿（Burton）[14]、卡青格（Cutsinger）[15]等在定量研究与实践测算上开展了一系列对紧凑度的研究，由最开始的单指标测度法、多指标测度法，逐渐发展到现在被广泛使用的、测度更加全面的指标体系测度法。但指标体系测度法局限性依旧存在：第一，从中微观尺度层面定量研究紧凑城市的范例还较为缺乏；第二，中微观尺度的量化指标精度不够高。

针对以上问题，本研究聚焦于中微观尺度，针对研究尺度进行了适应性调整，完善和细化了具体指标的测算方式和数据精度，对紧凑度与城市骑行活动相关性进行了深入的分析。相对于传统定性研究和基于小样本数据的统计分析，利用大规模、多源城市数据的“紧凑度模型”，可以高效、快速和科学地实现问题导向下的城市分析。

2 研究设计

2.1 紧凑度指标

国内外许多学者对紧凑城市提出了不同的理解和定义：伯顿（Burton）从密度、功能混合和强化三个特征来度量紧凑城市的指标体系；李琳[16]将紧凑度分为主体和客体，并再向下分出二级指标建立紧凑度指标体系；金俊[17]从经济性、高效性与舒适性三个维度构成紧凑城市指标体系。

不难发现，众学者对于紧凑城市理论的理解虽都有延伸，但主要还是围绕“城市高密度”“形态紧凑集约”“城市功能混合高效”等内涵展开。由此，本文对紧凑城市的概念理解主要从城市密度、城市形态、城市效率三个方面入手，最终确定了8个二级指标，具体计算方式如表1所示。

表1 紧凑度二级指标及计算方式汇总Tab.1 summary of compactness secondary indicators and calculation methods

2.2 慢行数据采集

本研究选取苏州市为研究对象，结合苏州共享单车的高普及率，将影响健康的慢行体力活动主要着眼于市民对于共享单车的使用。获取的骑行活动数据是由共享单车租赁站点采集获得，并采用泰森多边形法根据租赁站点划分有效区域，建立自变量紧凑度量化模型与因变量骑行活动数据在关联效应分析上的对应关系（图1）。

图1 研究框架示意图Fig.1 schematic diagram of the research framework

需要指出的是：苏州目前的所有共享单车只以定桩租赁的形式投放（没有无桩共享单车），且只有一家永安行公司进行运营与管理，因此本研究所获取的数据可以有效反应研究片区内市民对于共享单车的使用情况。由于共享单车使用量是基于分布在各地的租赁点产生的，因此我们将围绕每个租赁站点周围的城市空间属性来构成自变量与应变量的对应关系（图2）。经过对市民租赁共享单车这一行为进行分析后发现：当处于城市中任意位置的市民需要使用共享单车时，通常会前往距离他最近的共享单车租赁点。因此本文采用泰森多边形法[18]划分，每一个泰森多边形即为单个分析单元，且每个泰森多边形内有且仅有一个共享单车租赁点，位于泰森多边形内的任意位置到此租赁点的距离是最短的。

图2 自变量与应变量的对应关系示意图Fig.2 correspondence between independent variable and dependent variable

此外，因变量Y为每个租赁站点统计得到的“借出”和“归还”的次数，即市民在租赁站点“使用”和“归还”共享单车，均会被统计为一次共享单车的有效使用。前文提到，研究是聚焦于城市空间属性对市民使用共享单车决策的影响，因此无论是“使用”还是“归还”，都与租赁站点周围的城市属性有关。

2.3 研究片区的选取

研究片区选择了具有不同的城市形态与肌理的三个区。姑苏区的有机生长模式保留了传统的古城肌理，表现为双棋盘式的高渗透性网格结构，用地功能混合程度很高；高新区为典型的新区模式，以发展带动规划，混合尺度的街道网络，每个街区的城市功能较单一；工业园区借鉴了新加坡新城模式，等级制街道网络，商务居住工业分离，住区围绕邻里中心呈组团式生长。三个不同类型的行政区在一定程度上能代表中国许多新老城市的发展模式。

三个研究片区的边界分别被主要交通干道、河道（自然边界）分隔，且片区内部都分布有共享单车租赁点（分别为79、109、59个），根据租赁点进行泰森多边形划分后如图3所示。

图3 三个研究片区的选取和租赁点划分Fig.3 selection of three research areas and division of rental sites

3 数据分析

3.1 基础数据的获取

苏州基础地理信息数据：永安行官网可供查询的共享单车租赁站点分布图使用的是高德地图，为了便于数据统一，所有的城市路网、建筑、公交站点、地铁站点、城市POI数据等都在高德地图开源网站上抓取。

共享单车使用量数据：利用Python抓取三个研究片区一个月（30 天）的共享单车使用量作为骑行活动的基础数据。

3.2 针对具体指标的实际测算

3.2.1 城市街区功能混合度测算

将POI数据根据城市功能的主要内容分为四大类，分别是居住功能、商业功能、公共服务功能、商务办公功能。具体计算基于香农—维纳指数（Shannon Wiener index）[20]展开量化，具体公式为：

Pi即为某功能类型下的所有POI数量占POI整体数量的比例。

3.2.2 可达性相关指标测算

公交可达性的测算方法中最直接、有效的指标即测算居住小区到邻近公交站点（含地铁站）之间的路径距离。但苏州古城区内大部分街坊并没有“居住区”的概念，而两个新区的封闭式小区普遍有统一管理的出入口。为了统一所有研究区域的算法，本文将所有可达性的出发点定为每一栋建筑，而不是居住区的出入口。

3.2.3 开放空间辐射指数测算

开放空间由于其没有明确的出入口，难以进行点对点矩阵分析，本文采用服务区分级打分的方式来间接测算（根据“出行意愿随距离衰减规律”[21]设置分等级的“服务区”，对服务区设置服务强度分数，如表2所示）。

表2 出行意愿随距离衰减规律Tab.2 law of attenuation of travel intention with distance

3.2.4 基于DepthMap的路网选择度测算

研究基于空间句法软件DepthMapX选择 500 m、1 500 m 和全局选择度对苏州全市街道进行连续分析，其中500 m和1 500 m分别能够较好地反应人步行与骑行的行为选择[22]。选择度（choice）是指空间系统中某一元素作为两个节点之间最短拓扑距离的频率，考察空间单元作为出行最短路径所具备的优势，反映了空间被穿行的可能性，选择度越高的空间，则更有可能被人流穿行。

经过实际测算后，8类共计10个紧凑度指标可视化后的示意图如图4所示。

图4 紧凑度指标可视化示意图Fig.4 visual diagram of compactness index

3.3 多元回归分析

在进行多元线性回归分析之前需要将因变量转化为标准化正态分布。为保证各个自变量之间不存在严重共线问题，进行多元线性回归前需要进行共线性诊断。结果显示，模型的容差与方差膨胀因子均在合理范围内（表3），各自变量间不存在共线性问题。

表3 多元线性回归分析结果——模型摘要Tab.3 multi-source linear regression analysis results-model summary

三个片区的多元线性回归分析模型拟合优度（调整后R²）为0.128，但对研究片区进行逐个回归分析，模型拟合优度可以达到整体的二到三倍，说明三个研究片区本身具有较强的异质性。之所以最终选择三个片区整体回归分析的结果，主要是由于本研究目的是探寻影响骑行活动的相关因素，虽然模型整体拟合优度不高（骑行活动还受到天气、房价、职住平衡等其他社会和自然因素的影响），但并不影响针对显著相关的指标的具体分析。统计分析结果如表5所示。城市街区紧凑度具体的8个二级指标中，显示具有显著相关（显著性＜0.05）的有5个变量包括：容积率、1 500 m路网选择度、地铁站点可达性、功能多样性、道路交叉口密度。

4 基于回归结果的分析

4.1 容积率相关的影响

容积率与共享单车的使用量始终呈正相关，意味着容积率越高，共享单车使用量越大，符合紧凑城市理念倡导的城市“高密度发展”。高新区低容积率的前三区块都是城市公园（玉山公园、新区公园）以及游乐园；姑苏区整体较均质、内部开放空间较少，容积率低的仅有苏州大公园片区和在外围对应护城河设置的公园、绿化带；园区也主要是公园与沿河的绿化带。围绕着公园、绿地广场的共享单车租赁点使用量相对较小，说明将共享单车作为休闲骑行活动的使用者较少，多作为非休闲用途使用。这与严亚磊、于涛等人的研究结果一致[23]。

4.2 地铁可达性的相关影响

地铁站点可达性与共享单车的使用量呈正相关。本文通过居住单元到邻近地铁站点之间的平均路径距离来表示地铁站点可达性，数值越高，市民到达地铁站点需要经过的路程越远，可达性越低。因此，我们应该将两者的正相关关系理解成：越不方便到达地铁站点的位置自行车的使用量越多。此外，将工作日和周末的变化量图示对比发现，工作日地铁附近的共享单车使用量普遍高于周末，并且工作日的使用量多集中于上午7点与下午5点的上下班或上下学的通勤时间段内，而周末由于上下班通勤人数减少，地铁周围租赁点的共享单车使用量也对应减少。

结合上述两点结果，很好地说明了共享单车是市民出地铁站后到达目的地“最后一公里”所常用的接驳工具；地跌站点距离较远的市民常使用共享单车作为交通工具到达地铁站点。这与张海等人的研究结果一致[24]。

4.3 功能多样性的影响

功能多样性从结果表层意义上来看，对共享单车使用量呈负相关的作用。香农指数在一定程度上显示了研究区域城市功能配比合理与否。完善合理的功能混合，可以让市民在某一区域内部就完成社会活动，对于交通工具的使用就会大大减少，因此，市民对共享单车的使用量就会减少。但是这并不意味着紧凑城市所倡导的功能混合就不利于城市居民的健康，相反，高密度功能混合会提高居民步行的意愿从而提高城市居民的健康，其相关性将在后续的研究中分析。

4.4 城市道路网络的影响

姑苏区路网保留了传统的街巷空间和城市肌理，没有社区组团的概念，断头路或者限行路段少，因此路网的连通度很高，高渗透性、高连通度且尺度适宜的街巷给骑行提供了更多的选择，也让骑行者能够到达城市更多的地方。园区低选择度的路网则是由于存在面积较大的封闭式小区，路网的连通性有所降低，骑行的路线选择也被局限在了主干道上，但园区相对新区路网尺度小且划分更加规律，这点有利骑行。高新区的路网跨度普遍比较大，而且网络尺度不均，部分街区长达1 300 m，街区跨度过大导致路网的连通度低，因此所有可能的骑行路线选择都被叠加在了主干道上，不利于骑行。总而言之，路网跨度在200 m到600 m的范围内属于适宜骑行的跨度范围，路网间距不应超过1 000 m。

对各个研究片区的选择度进行内部纵向对比后可见（表4），姑苏区路网选择度相对较低的地段大多存在断头路，降低了路网连通度；园区低选择度的地段主要存在面积较大的封闭式小区，导致连通性降低，骑行的路线选择也被局限在了主干道上。由此可见，断头路、过大的封闭小区、路网连通度过低也会影响到骑行的路线选择。

表4 三个研究片区路网选择度对比分析Tab.4 comparative analysis of road network choice degree in three research areas

4.5 道路交叉口密度

道路交叉口密度与共享单车使用量呈负相关。在骑行道路上有过多的交叉口，意味着会产生更多的红绿灯和不同向的人流车流；交叉口的噪音、污染和过快的车速也会降低骑行者的安全感，降低骑行意愿。此外，每遇到一个岔路口，骑行车都会有一次方向决策，并且在交叉口停留的时间等因素都会影响自行车的骑行的连贯性，这与潘海啸等人[25]的研究结果一致。

5 讨论与展望

5.1 研究认知的实践转化：骑行友好型的紧凑街区设计

5.1.1 构建适宜骑行的城市道路网络

经过对三个研究片区路网选择度结果的综合分析，我们可通过对路网进行横向对比并提出适宜骑行的尺度。这个尺度范围的低端，即跨度在200 m左右的街区跨度，可认为是兼顾步行和骑行的适宜尺度。已经建成的路网改动灵活度不高，但依旧可以从连通度和道路交叉口两个指标入手。在对古城区的研究中发现，其南面存在大量的断头路致使路网的连通性不高；而高新区由工业区转型，道路跨度往往比较大，部分高选择度的路网尺度跨度超过1 000 m。针对上述两种问题，通过对不同街区进行深入调研，可采取局部延伸断头路“打通”路网的办法；对于跨度过大的街区，在不破坏原本街区内功能和肌理的前提下用低等级的新建道路“切割”，也可达到增加路网的选择度和连通性的目的。

5.1.2 提升骑行环境的安全性和通畅性

骑行道路上过多的交叉口会降低骑行意愿。通过相关措施和法规严格保障自行车路权，可以明显降低交叉口对骑行活动带来的负面影响。为了保证交叉口骑行活动的通畅性，条件允许时应设立自行车专用“绿色通道”，在交叉口设置供自行车通行的独立路面，以保证自行车过街的安全性与通畅性。

5.1.3 完善地铁出站口与共享单车接驳设计

对于地铁可达性影响的量化分析证实了共享单车是市民出行的“最后一公里”常用的接驳工具。地铁出站后选择接驳方式的使用时间是影响其决策最主要的因素，即接驳方式时间越长，该接驳方式的效用就越低[26]。因此，应完善地铁出站口与共享单车租赁点接驳的设计。例如为租赁点设置雨棚等措施来增加市民出站后使用共享单车的可能性。

5.2 研究局限与展望

本文所构建的街区紧凑度模型也存在着一定的局限性。指标体系着重量化的是城市形态的数据，对于城市经济和其他社会问题的讨论不足，城市是一个复杂的“综合体”，形态上的测算结果只可以作为一方面的参考。对于反应城市居民健康程度的量化指标，本文在研究最初考虑过许多指标：例如空气污染指数（API）、碳排放系数、慢性病发病率等指标，但由于本文研究的尺度与数据本身的精度不匹配或者数据获取难度等问题，最终选择了共享单车使用量这个能够在一定程度上代表市民的慢行体力活动数据。

在此基础之上，后续更多深入的研究可以此展开。例如采用步行活动来代表市民的慢行体力活动数据是下一阶段工作的重点，对骑行和步行活动两方面的研究可相对更全地表征慢行活动；针对微观尺度的城市空间紧凑度的研究，可以发掘城市活动更深层次的矛盾和问题，为城市更新和城市“针灸”提供量化数据的支持；开放式街区适宜尺度研究，通过不同尺度的道路网络、街区开放程度对居住空间紧凑度的影响，来优化和调整街区尺度。