基于热力图的街区制住区街道活力特征研究

2023-09-01 03:18潘梦飞潘黎芳阮琳之高崇
浙江理工大学学报 2023年3期
关键词:时空特征

潘梦飞 潘黎芳 阮琳之 高崇

摘 要: 為了探讨街区制住区街道活力的分布特征及其影响因素,以九堡街道部分街区制住区为例,以热力图数据为基础来探究街道活力的时空变化,分析高活力街道的空间特征,讨论居民聚集特征和空间倾向,以期为街区制住区更新的前期调研和后期设计提供参考。研究结果表明:在时间上,居民的工作时间对街道活力的影响相对明显;一天内街道活力在18:00—20:00达到最高。在空间上,住区内高活力街道的分布受商超零售类商业设施、主要交通道路以及住区外部环境的影响;空间的界面围合度、界面丰富度、街道通行度和机动化程度等空间特征对街道活力的影响较为明显。因此,在实际的街道改造中,可以通过热力数据来明确高活力街道的空间分布,结合人群聚集的时间特征进行针对性设计;同时,还需考量上述各因素对街道活力的差异化影响,并因地制宜地采取改造策略。

关键词: 热力图;街区制住区;街道活力;时空特征;街道空间特征;社区更新

中图分类号: TU201.1 文献标志码: A 文章编号: 1673-3851 (2023) 04-0244-09

Research on the characteristics of street vitality in block residential areas based on heat map: A case of Jiubao Subdistrict of Hangzhou City

PAN  Mengfei, PAN  Lifang, RUAN  Linzhi, GAO  Chong

(School of Civil Engineering and Architecture, Zhejiang Sci-Tech University, Hangzhou 310018, China)

Abstract:  To explore the distribution characteristics of street vitality and its influencing factors in the block residential areas so as to provide reference for the preliminary investigation and later design of the reconstruction of the block areas, this paper, taking some block residential areas in Jiubao Subdistrict of Hangzhou as an example, explores the temporal and spatial variations of street vitality based on the heat map, analyzes the spatial features of high-vitality subdistricts, and discusses the characteristics of residents′ aggregation and spatial tendency. Our study finds that: in terms of time, street vitality is related to residents′ working hours, and it reaches the peak value between 18:00 and 22:00 in a day. In terms of space, the distribution of high-vitality streets in the residential area is affected by commercial facilities, main traffic roads and the external environment of the residential area; spatial features including the interface enclosure degree, interface richness, street passability and motorization degree of the high-vitality street have obvious influence on street vitality. Therefore, in the renovation and renewal of block residential areas, the spatial distribution of high-vitality streets can be identified through the heat map data, and targeted design can be carried out by taking into consideration the time characteristics of the crowd gathering. And the differentiated impact of the above-mentioned factors on street vitality should be considered for locally appropriate reconstruction strategies.

Key words: heat map; block residential area; street vitality; spatiotemporal features; street spatial features; community renewal

社区街道是社区居民最主要的公共活动空间,街道活力是社区活力乃至城市活力的重要组成部分[1]。龙瀛等[2]认为街道活力是城市社会活力的重要体现;姜蕾[3]认为街道活力是街道容纳功能和活动多样性的体现。近年来随着人本主义理念的深入,越来越多的研究将街道上的人数或人群聚集的时空分布作为街道活力的具体表征[4-7]。以往对街道活力的定量分析依赖于传统的调查数据,传统的调查数据虽然包含着人群活动类型、人群构成等详细信息,但存在着样本量小、主观性强、效率低等缺点。而百度热力图可以在一定程度上动态地反映人群聚集的时空规律,百度热力数据的应用为有关街道活力的研究提供了新的思路。

随着科学技术和大数据的发展,百度热力数据在人群聚集研究中的应用日益成熟。黄晶等[8]将人行活动实地计数法、空间句法线段地图以及百度热力地图三种量化分析方法进行比较,认为百度热力地图在现状分析和设计支持层面具有一定价值;刘维维等[9]对比了热力数据和现场调研的结果,认为百度热力数据可以较准确地反映人群聚集程度。在不同的空间尺度中,热力数据都具有一定的参考价值,如:谭欣等[10]、闵中荣等[11]等学者利用热力数据对城市、区县等大尺度空间进行研究;李军[12]、陈锦棠等[13]、迟晓露[14]等学者将热力数据应用在街区、街道等小尺度空间的研究中,其研究范围在18.00~22.50 hm2,研究的街道长度为400~600 m。但相关学者对热力数据的应用主要聚焦于城市公共空间,偏向于工作日和休息日特定时间的数据分析,较少关注热力数据在空间上的分布特征[12-16]。

在有关街区制住区更新的研究中,王蓓[17]认为街区制住区应当延续城市道路格局、形成合理的空间开放层次;熊浩[18]从街道尺度和设施功能等方面总结了街区制住区的规划策略;田晨[19]则通过分析国外街区制住区案例,认为街区制住区的更新应当从街道交通、社区管理以及景观提升三个方面来整体规划。相关学者侧重于对街区制住区整体更新策略的研究,较少地关注局部空间的改造。

基于上述内容,本文将热力图作为基础数据,以九堡街道部分街区制住区为例,来研究街区制住区街道活力的时空变化,分析高活力街道的分布规律及其空间特征,阐述住区内居民聚集特征和空间倾向,为街区制住区的更新提供理论依据。在具体研究中,本文着眼于工作日和休息日整体时间的数据分析,并将多个街区制住区的街道活力变化特征进行比较,对其共同特征和差异进行总结和分析。

一、相关概述

(一)街区制住区

“街区制”一词来源于美国,但国内外学者并没有形成一致的定义。卡尔索普等[20]认为街区是开放的、综合的、符合人尺度的场所,不是简单的城市道路围合的区域。2014年《绿色住区标准》将城市街区定义为:城市街道围合成的区域,通常以一个居住组团为单位。本文结合相关文献将街区制住区概括为:城市道路围合所形成的,有商业、居住等功能,并且对外开放的区域。该类型住区既具有城市开放、混合的特点,又兼具居民生活的私密性,其内部交通呈“密路网,窄街巷”的特征。

(二)研究样本

住区建设和发展是各行业长期关注的议题,我国城市发展由增量向存量转变,住区更新更加注重空间活力的提升。九堡街道位于杭州城市东部,隶属于钱塘区,是杭州市最古老的城区之一,但一直以来有着城乡结合部的标签[21]。随着城市的发展,九堡街道在原有“撤村建居”政策下所形成的街区制住区面临着拆迁成本大、管理混乱、住区活力不足等问题,该类型住区已成为杭州老旧小区改造更新的重难点之一。九堡街道辖区有2个行政村和21个社区。文章根据街區制住区概念和特征,选择空间尺度相近、商业设施相对完善以及具有“密路网,窄街巷”交通特征的三个街区制住区作为研究样本:九堡家苑三区、格畈家园以及八堡家园。其中九堡家苑三区为商住型住区,底层以商业为主,上层以居住为主,研究范围约27.40 hm2,街道长度为150~850 m;格畈家园是典型的家庭作坊式住区,居民工作以服装制版为主,大量居民在住区内工作,研究范围约34.52 hm2,街道长度为200~700 m;八堡家园是典型的传统小区,居民日常外出上班,研究范围约34.08 hm2,街道长度为300~700 m。

二、街区制住区空间活力特征分析

(一)数据采集与处理

1.数据采集

在天气舒适、适宜出行的时间段,连续一周截取三个住区的百度热力图(2021年12月6日至2021年12月12日),从6:00到22:00每间隔2 h定时截取图像,共采集189张热力图作为本文研究的数据。

2.数据处理

首先通过ArcGis工具对采集的数据进行定义投影和地理配准。其次,然后按属性分类将热力值分为0~7级。再次,最后对道路进行缓冲区处理(以道路中心线为基础,将道路宽度作为缓冲范围),利用道路缓冲区对热力图进行腌膜提取,生成“街道热力图”。为便于分析,将0~2级定义为低活力街道,3~5级定义为一般活力街道,6~7级定义为高活力街道。最后通过划分网格来提取热力数据。

网格大小决定了数据的颗粒度。划分出的网格越多,提取的数据颗粒度越小,数据越精确。在相同的地图缩放级别下,网格大小并不会导致活动人口总数的差异;不同的地图缩放级别下,人口活动数量变化趋势一致。百度热力图中的像元实际宽度约为2(18-l) m(l为缩放级别),14~18级的缩放级别对应1.0~16.0 m,实际采集的热力图数据缩放层级为17级[22]。为了缩小不同热力区交界所产生的像素误差,本文采用2 m×2 m的网格对热力图数据进行提取。由于百度热力数据并不能精确地反映真实人口数据,其在地理位置上是呈相对分布的趋势,与实际存在一定误差,因此本文主要研究人群聚集和分布的相对趋势,并不进行人口活动数量的提取。

(二)住区街道活力时间变化特征

本文采用热区面积算法[23],依据热力值大小将热力区域划分为低活力街道、一般活力街道和高活力街道,并通过Arcgis来计算低活力街道、一般活力街道以及高活力街道面积在同一时刻的平均占比,来反映街道活力的时空变化。某时刻同一活力街道的面积平均占比的计算公式为:Hi=ΣSit/ΣS总。其中:Hi表示在i时刻某一类型活力街道(低活力街道、一般活力街道、高活力街道)的面积在t天内的平均占比;i表示某一时刻如 8:00,10:00,…,20:00;Si表示某一活力街道在i时刻的总面积;S总表示t天内各类型活力街道的面积之和。

1.工作日街道活力的变化

工作日不同住区的街道平均热力变化情况见图1。在工作日中,三个住区的高活力街道占比为0.10~0.30。可以推测,在工作日三个住区的街道活力整体较低。在不同时刻,八堡家园高活力街道的变化相对明显,且与居民外出工作的时间变化相对一致:高活力街道的占比从8:00—12:00大幅下降,12:00—16:00略有起伏,16:00—20:00则大幅上升,到达峰值;居民早上外出工作,街道活力下降,下午下班回家,街道活力显著上升。八堡家园外出工作的居民较多,而九堡家苑三区和格畈家园的居民以个体户经营为主,少量居民外出工作,因此两住区在工作日中高活力街道的变化幅度较小。由此可以推测,在工作日中,街道活力的变化与居民工作时间有关。

2.休息日街道活力的变化

休息日不同住區街道平均热力变化情况见图2。在休息日九堡家苑三区和八堡家园的高活力街道呈“锯齿状”变化,格畈家园的高活力街道变化相对平缓。可以推测,在休息日九堡家苑三区和八堡家园的居民活动相对自由,上午居民出门活动,高活力街道缓缓上升;中午居民回家休憩,高活力街道下降;16:00后居民增加外出活动,高活力街道上升,街道空间集聚程度上升。格畈家园居民可能受工作时间影响,街道活力的变化在休息日和工作日中无明显差异。

3.工作日与休息日高活力街道的对比

将工作日和休息日同时刻的高活力街道占比进行比较,结果如图3所示。九堡家苑三区和格畈家园中工作日高活力街道的占比大多高于休息日,在18:00后工作日和休息日的高活力街道占比相近,可以推测两个住区居民在休息日外出活动较少,街道活力受工作日和休息日影响较小。而八堡家园休息日高活力街道在8:00—16:00远高于工作日,18:00之后才逐渐持平,可以推测八堡家园高活力街道受工作日和休息日的影响相对较大。

综合对比工作日和休息日的街道热力数据后发现,三个住区街道活力的分布特征表现为:

a)九堡家苑三区和格畈家园的现状街景如图4所示,结合实际调研发现:九堡家苑三区存在大量的个体自营商户,格畈家园中存在较多的私人制版工作室,少数会雇佣周边居民。两住区在小区内工作的人群比重大,工作间歇受工作日和休息日影响较小,使得一天中街道活力的变化在工作日和休息日无明显差异,街道活力在一天内呈平缓上升状态。

b)八堡家园内个体自营商户较少,居民在工作日大多外出工作,周末居民活动相对自由,因此一天中街道活力的变化在工作日和休息日差异较明显。图4(c)为八堡家园的现状街景照片,由该图可知在工作日7:00—9:00该住区大量居民外出工作。总体来说,在工作日居民的出行主要是从居住地外出工作,再到居住休闲的过程,在休息日人们活动相对自由。

综上所述,从时间上看,工作日和休息日对家庭作坊式住区(格畈家园)以及底商上住型住区(九堡家苑三区)街道活力的变化影响较小,对传统型住区(八堡家园)街道活力的变化影响相对较大。并且三个住区高活力街道都在18:00后达到最大值,居民在工作日和休息日都更倾向于晚间出行活动。

(三)街道活力空间分布特征

1.街道热力均值

将同时段热力数据进行叠加,计算街道热力平均值[24],来反映街道一周的热力水平。街道热力平均值的计算公式为:

其中:xi,m表示周一至周日在m点这一时刻的热力值,i=1,2,…,7;m=6:00,8:00,10:00,…,22:00。

2.高活力街道分布特征

通过路网来提取街道热力图,并分成9个等级来量化街道活力,利用街道热力平均值图来判断住区各街道的活力状况。各住区一周内的平均热力值分布情况见图5,街道热力平均值越高,颜色越浅,街道活力越高。由图5可知,三个住区的高活力街道在空间上呈“多核心”点状分布,九堡家苑三区和八堡家园的高活力街道分布在社区内部和边缘,而格畈家园的高活力街道主要集中于社区内部。

为进一步了解高活力街道的分布规律,对三个住区进行调研,从以下四个角度进行分析:

a)从商业设施角度来看。在具体调研中发现:便利店等商超零售类商业设施周围人员流动较大。因此本文通过核密度分析来图示商超零售的空间分布特征,并与街道活力的空间分布特征进行对比,判断两者是否具有相似性。文章通过高德地图提供的应用程序接口(API)对研究区域进行POI数据采集,获得3770条POI数据,筛选出商超零售类型POI数据352条,九堡家苑三区114条,八堡家园81条,格畈家园157条。然后利用ArcGis进行核密度分析来明确该类型设施的空间分布特征(使用Silveman经验规则计算搜索半径)[25-26],结果见图6。将图6(a)—(c)与图5(a)—(c)对比,可以发现住区内商超零售的分布特征与高活力街道的分布特征具有较高的空间叠合度。以九堡家苑三区为例,住区内形成了以快乐购物、小百龙超市、美惠全超市为核心的高活力区,以鑫源超市、百瑞福购物为核心的高活力区和以不同位置的世纪华联超市为核心的高活力区域。可以推测,商超零售类商业设施对住区内高活力街道的分布影响较大。

b)从空间位置角度来看。部分高活力街道位于住区内部,呈“多核心”的分布态势,其空间分布主要受商超零售类商业设施的影响。还有部分高活力街道位于社区边缘,如九堡家苑三区西北部以及八堡家园西北角等。八堡家园西北角的高活力区域是城市快速路与社区内的交点,也是社区停车场,居民出行相对便利,人员流动频繁;九堡家苑三区西北侧与杭州东大门商品交易中心隔路对望,附近人流量相对较大,并且该区域的商铺以餐饮服务业为主,如城市饭堂、拉面馆、宾馆、图文店、便利店等,也吸引了大量人员驻留,人群集聚程度较高。可以推测,住区边缘的街道活力主要受外部环境影响。

c)从住区街道功能角度来看。将高活力区域与道路交通图进行叠加,结果见图7。可以看出,三个住区内主要交通街道大多分布于高活力区域内。如:九堡家苑三区西北部以及八堡家园西北角的高活力街道都临近城市道路,格畈家园的主要交通道路都穿行于高活力区域。可以推测,高活力街道的分布与主要交通道路相关。

d)从住区类型角度,三种类型住区中居民的生活方式和出行规律不同,其高活力街道在空间上的分布特征与住区类型并无明显关系。可以推测,住区类型对街道活力的时间特征的影响较大,对空间特征的影响较小。

3.高活力街道的物质空间特征分析

随着街道空间设计的精细化发展,基于街景图像数据与机器深度学习的街道空间品质测度方法不断完善,并广泛应用于城市街道空间特征分析[27-30]。为进一步分析高活力街道的空间特征,深化街道更新策略,本文对高活力街道每隔20 m进行一次人工采样,水平高度1.70 m,在每个采样点沿街道延伸方向抓取街景图像,并通过Adobe Photoshop进行后期矫正,共获得172张街景图像。对采集的街景图像通过计算机视觉工具包GluonCV,运用基于全卷积神经网络(FNC)的视觉影像语义分割软件,通过识别图像内各地物的像素值占比来进行指标计算[31-33]。随着学者们对有关空间测度的研究不断深入,天空可视率、界面围合度、界面丰富度、街道通行度、绿视率、机动化程度、街道家具和设施率等指标已在量化评估空间品质方面成熟应用[26,34-36]。因此本文采用上述7个测度指标来分析高活力街道的空间特征,各测度指标的计算方法及含义见表1。

高活力街道客观要素指标的计算结果如图8所示。可以看出,高活力街道的界面围合程度(值为0.49)较高,天空可视率(值为0.16)相对较低,绿视率(值为0.09)较低,表明高活力街道区域内绿化水平较低,建筑密度较大,缺乏供人休闲娱乐的空间。机动化程度和街道通行度在0.20左右,表明街道道路面积较大、人流量大,是住区主要通行路段,可利用空间较少。街道家具和设施率可以有效评估人本视角下街道人性化设施丰富程度,但在研究区域内其值约为0.01,结合街道通行度可以看出,高活力街道很难吸引行人长时间驻留。界面丰富度(值为0.18)较高,表明高活力街道区域内街道元素较多,对于附近居民吸引力较强,但由于设施不足、休憩空间较少,居民无法长时间停留。

三、街区制住区高活力街道的更新策略

综上所述,在时间方面,居民出行活动的规律与工作方式相关,倾向夜晚活动。因此在设计中应当注重物质空间的可见性、安全性以及可达性,丰富活动设施,强调灯光设计。在空间方面,高活力街道可达性高,现存要素丰富,色彩统一度高,整体性强,但也存在着空间紧凑,绿化程度较低,可利用空间较少,空间围合度过高,休闲设施不足等问题。因此在街道设计中,首先明确高活力街道在住区中的分布特征,分析影响街道活力的主要因素,然后根据主要影响因素进行设计。同时还要丰富高活力区域的功能,满足居民和行人休闲、娱乐等需求,打造复合型空间。在具体设计中需要提高街道景观质量,完善街道设施,对底层建筑进行立面改造,提高街道空间渗透率,削弱原有空间的封闭感。

(一)高活力区域外向型街道改造更新

住区外向型街道是住区外部人员接触相对频繁的区域,其街道活力主要受周边环境影响。因此街道空间的改造不仅要满足人们的商业需求,还要设置花坛、树池、座椅、公厕等设施来满足过往人员休憩、驻足、观赏等需求。在具体设计中需要根据周边环境如办公楼、公园、商贸中心或者交通道路来确定设施配置、景观质量、建筑立面、商业种类和规模等。

以九堡家苑三区西北侧边缘街道为例来进行改造更新,具体设计如图9所示。街道北侧为商贸中心和办公楼,南侧为住区边缘住房,商业化程度较高,街道人流量较大。原有街道为双向四车道,非机动车道被停放的私家车挤占,导致非机动车被迫穿行于机动车道和人行道,安全隐患较大,同时也对街道商业造成不利影响。因此在改造更新中,既要保证街道有充足的、且不受干扰的步行空间,又要丰富空间的功能。在交通方面,可以根据道路车流量的时空差异,对人行道和非机动车道采用时段共享的街道模式:在非机动车通行量较小时,允许人行和部分可移动设施的摆放;在非机动车通行量较大时,允许非机动车在步行街道通行,从而扩大街道可利用空间。还可以通过防护栏或绿化带等对非机动车和机动车分隔,避免人车混流。在景观提升和空间利用方面,可以提高住区底商立面的连续性和观赏性,统一沿街商铺的门头样式和色彩风格;利用树池、花台或者景观小品来满足过往行人休憩、遮荫等需求,营造安全舒适、可供观赏的步行环境。在商业布置方面,应当以中小型餐饮、住宿、超市为主,用于满足公司职员、商贩以及外地人员的食宿等需求。

(二)高活力區域主要交通街道改造更新

交通街道作为住区内主要通行道路,人流较大,空间聚集程度较高。该类型街道的商业设施相对完善,空间元素多样,道路空间较大,但也存在着休憩设施缺乏,景观质量较差,空间利用率较低等问题。因此在该类型街道的改造更新中,需要根据人群聚集的时间特征来完善街道休憩、休闲等设施,如在车辆通行较少的时段,统一管理摆放可回收型休憩设施、娱乐设施等。除此之外,还需要提升景观质量,多功能利用道路空间,丰富周边建筑空间功能。

以格畈家园主要交通道路为例来进行改造更新,具体设计如图10所示。该街道是格畈家园住区内部的主要交通道路,街道通行空间大,周边商业种类丰富,街道活力高。但街道空间利用率低,服务设施不完善,很难吸引人员停留。住区车辆乱停乱放挤占了道路边缘的可使用空间,使得人车混合通行,安全性较低。因此在改造更新中,应当扩大居民可使用空间,丰富街道功能性。在街道功能方面,可以将零售超市、社区书屋、棋牌室、文化活动室、社区诊所等置于街道周边,尽可能在该区域内满足居民休闲、健身、学习、消费等需求,从而强化场地活力,打造“社区中心”。在空间利用方面,可以将机动车道和步行道通过绿化设施来分隔,并在绿化带中点缀小型休憩、娱乐设施,使步行空间、休憩活动空间、景观空间与建筑功能空间相结合,提高空间使用效率。

根据住区内人群聚集的时间特征,街道功能由白天的“交通功能”逐渐向夜晚的“休闲表演功能”转变[37]。在设计中需要在居民聚集程度最高时段内满足居民休闲、观赏、交流、表演、服务等需求。如在18:00—20:00,部分街道可以限制车辆通行,在区域内设置座椅、舞台等可移动休闲娱乐设施,拓展户外休闲表演空间。整体上,通过灯光进行视觉引导和景观加强,对建筑肌理以及景观小品、设施等进行展示和美化;或者利用灯光来调节街道空间氛围,控制沿街店铺的灯光亮度,减少灯光的闪烁频率;还可以利用声音来营造街道夜间氛围,如播放轻音乐或通过自然景观设施来减少周围噪音。在细节处,可以利用太阳能供应部分夜间设施用电,对导示板、展墙等具有信息交互功能的设施进行灯光照明[38]。

(三)高活力区域住区内部街道改造更新

受交通、商业等因素影响,住区内街道人群聚集程度差异较大。因此在街道更新中,需要考虑住区人群聚集特征来对住区内部街道进行设计。低活力街道应当以整治为主,如规范电瓶车停放、禁止居民乱搭乱建等行为;对于一般活力街道,可以在宅前空间适当增加休闲设施,满足居民闲聊、棋牌等较少人群参与活动的需要;在高活力街道中,生活型街道空间应当具有以服务居民为主的中小规模零售、餐饮、诊所、活动室等生活服务设施,满足居民消费、休闲、娱乐等需求。

以八堡家园生活型街道为例来进行改造更新。所选街道区域位于以世纪华联为核心的高活力区边缘,人群聚集程度较高,人员流动大,但空间杂乱拥挤,乱搭乱建现象严重,街道空间质量较差。因此在改造更新中,应当注重空间的整齐度、美观度;规范非机动车停放区域,减少杂物对于通行空间的挤占;在庭院空间和街道之间可以设置景墙、景观灯柱或小型绿化等,对空间进行动静分隔。此外,还需对庭院空间杂物进行清理,并设置座椅、桌子等休闲设施为居民邻里互动提供便利。

四、结 语

热力图数据可以直观地反映人群在空间上的聚集程度,通过数据与设计思维的融合,可以弥补传统调研过程存在的局限性。文章通过热力图研究街区制住区人群聚集的时空特征,并结合街景要素分析高活力街道的空间特征。研究表明:在时间方面,不同类型住区的居民工作时间存在差异,使得街道活力在工作日和休息日的变化不同;街道活力在18:00—20:00较高。在空间方面,住区街道活力受住区商业、主要交通街道以及街道外围环境等因素影响较大。高活力街道空间具有较高的吸引力,但存在着空间利用率低、休憩设施不完善、景观质量较差等问题。但文章对于居民活动类别、生活服务设施以及空间品质测度等与街道活力之间的相关性,需要开展进一步的定量研究。

大数据分析与社区改造的结合不仅顺应了大数据与设计深度融合的发展趋势,还延伸了大数据的应用范围。在社区改造过程中,热力数据在居民聚集和居民行为趋势方面的分析可以有效地指导前期分析和后续设计,使社区更新更加契合居民的需求。

参考文献:

[1]黄舒晴,徐磊青.社区街道活力的影响因素及街道活力评价:以上海市鞍山社区为例[J].城市建筑,2017(11):31-34.

[2]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[J].新建筑,2016(1):52-57.

[3]姜蕾.城市街道活力的定量评估与塑造策略[D].大连:大连理工大学,2013:11-15.

[4]司睿,林姚宇,肖作鹏, 等.基于街景数据的建成环境与街道活力时空分析:以深圳福田区为例[J].地理科学,2021,41(9):1536-1545.

[5]黄丹,戴冬晖.生活性街道构成要素对活力的影响:以深圳典型街道为例[J].中国园林,2019,35(9):89-94.

[6]钮心毅,吴莞姝,李萌.基于LBS定位数据的建成环境对街道活力的影响及其时空特征研究[J].国际城市规划,2019,34(1):28-37.

[7]方永华.基于多源大数据的城市街道活力测度与影响机制研究[D].南京:东南大学,2018:14-17.

[8]黄晶,贾新锋,蔡晓敏.街区空间与公共生活关联视角下量化分析方法的价值发现:基于案例比较研究[J].建筑学报,2019(S1):1-7.

[9]刘维维,黄亚琼,康梓杭, 等.基于热力图大数据法对风景园林游憩空间使用的研究:以海南兴隆植物园为例[J].海南大学学报(自然科学版),2019,37(3):268-275.

[10]譚欣,黄大全,赵星烁, 等.基于百度热力图的职住平衡度量研究[J].北京师范大学学报(自然科学版),2016,52(5):622-627.

[11]闵忠荣,丁帆.基于百度热力图的街道活力时空分布特征分析:以江西省南昌市历史城区为例[J].城市发展研究,2020,27(2):31-36.

[12]李军.时变论域下校园交通流拥堵分析与评估[D].长沙:长沙理工大学,2019:45-49.

[13]陈锦棠,邓明亮,梁斌注, 等.建成街道活力时空特征及提质策略研究:以广州市建设新村为例[J].规划师,2021,37(16):13-21.

[14]迟晓露.基于多元数据的传统街区空间活力评价研究:以苏州葑门横街街区为例[D].北京:北京建筑大学,2020:56-66.

[15]吴志强,叶锺楠.基于百度地圖热力图的城市空间结构研究:以上海中心城区为例[J].城市规划,2016,40(4):33-40.

[16]安洁玉.基于热力图大数据的城市景区人群聚集研究:以南昌市主城区为例[J].信息与电脑(理论版),2020,32(20):143-145.

[17]王蓓.基于使用后评价的街区型住区设计策略研究:以锦绣东城住区为例[J].装饰,2017(5):134-135.

[18]熊浩.城市街区制住区规划策略研究[J].城市住宅,2019,26(5):57-59.

[19]田晨.青岛城市街区制住区开放性发展策略研究[D].青岛:青岛理工大学,2018:45-63.

[20]卡尔索普,富尔顿.区域城市:终结蔓延的规划[M].叶齐茂,倪晓晖,译.北京:中国建筑工业出版社,2007:62-85.

[21]成羽.九堡街道:一张“人联网”管全部[J].杭州,2018(2):18-19.

[22]张海林.基于百度热力图的人口活动数量提取与规划应用[J].城市交通,2021,19(3):103-111.

[23]周小玲,毛蒋兴,李青香, 等.基于百度热力图的南宁市人群集聚时空特征分析[J].南宁师范大学学报(自然科学版),2020,37(4):134-139.

[24]张程远,张淦,周海瑶.基于多元大数据的城市活力空间分析与影响机制研究:以杭州中心城区为例[J].建筑与文化,2017(9):183-187.

[25]刘丹丹,张会霞.基于POI数据的公共服务设施空间分布研究:以太原市区为例[J].地理信息世界,2021,28(1):48-54.

[26]姚宇超,宣蔚.多源数据视角下城市街道空间活力测度[J/OL].南京师大学报(自然科学版):1-10.(2022-07-28)[2022-09-17].http://kns.cnki.net/kcms/detail/32.1239.N.20220727.1443.002.html.

[27]王林森,郑重,周素红, 等.基于街景感知的城市空间品质对空间活力的影响作用研究[J].规划师,2022,38(3):68-75.

[28]邵源,叶丹,叶宇.基于街景数据和深度学习的街道界面渗透率大规模测度研究:以上海为例[J/OL].国际城市规划:1-13.(2022-02-15)[2022-09-17].DOI:10.19830/j.upi.2021.241.https://kns.cnki.net/kcms/detail/detail.aspx?doi=10.19830/j.upi.2021.241.

[29]戴智妹,华晨.基于街景的街道空间品质测度方法完善及示例研究[J].规划师,2019,35(9):57-63.

[30]樊冰青,周波,成受明, 等.拉萨街道空间品质测度及优化研究:以林廓环路为例[J].山地学报,2021,39(1):117-128.

[31]白钊成,张家礼.不同尺度下街道空间绿化品质测度研究与提升策略:以杭州市中心城区为例[J].林业与生态科学,2021,36(4):442-450.

[32]Guo J, He H, He T, et al. GluonCV and GluonNLP: Deep learning in computer vision and natural language processing[J]. Journal of Machine Learning Research, 2020, 21(23): 1-7.

[33]Yao Y, Liang Z T, Yuan Z H, et al. A human-machine adversarial scoring framework for urban perception assessment using street-view images[J]. International Journal of Geographical Information Science, 2019, 33(12): 2363-2384.

[34]蔡诗韵,谭少华. 基于图像语义分割的城市绿道服务效能研究[C]//中国城市规划学会.面向高质量发展的空间治理:2021中国城市规划年会论文集(05城市规划新技术应用).北京:中国建筑工业出版社,2021:1079-1091.

[35]周略略,安健,叶宇, 等.基于多源数据的城市街道空间品质测度及特征识别:以广州市为例[J].交通与运输,2022,35(S1):7-13.

[36]唐婧娴,龙瀛.特大城市中心区街道空间品质的测度:以北京二三环和上海内环为例[J].规划师,2017,33(2):68-73.

[37]胡蓉.上海宜居生活圈构筑中的老旧小区公共设施再设计研究[D].上海:东华大学,2018:65-68.

[38]洪歆慧,朱士越.基于扎根理论的夜间沙滩公共设施设计研究[J].设计,2021,34(17):142-144.

(责任编辑:何淑燕)

收稿日期:2022-05-25网络出版日期:2022-12-02

作者简介:潘梦飞(1997— ),男,安徽阜阳人,硕士研究生,主要从事建筑设计方面的研究。

通信作者:潘黎芳,E-mail:lifpan2000@163.com

猜你喜欢
时空特征
基于GIS的广西暴雨洪涝灾害的时空特征与脆弱性评价
中国各省铁路运输效率的测度及时空特征分析
基于数字足迹的自驾车旅游客流时空特征研究
省内流动人口时空特征及其城镇化效应研究
能源活动碳排放核算与减排政策选择
山东省县域城镇化动力机制分析
气候变暖背景下中国冬小麦物候期的时空特征
安徽亳州地区大雾预报模型研究
中国能源消费的二氧化碳排放时空特征分析
我国女子链球项目备战伦敦奥运会重点队员投掷技术的诊断分析