人本主义视角下校园道路空间绿量可视性研究——以广州大学为例

张林

（广州大学建筑与城市规划学院）

1 引言

工业化与城市化的不断推进，城市环境建设为居民日常生活提供了极大便利，但与此同时，系列环境问题也接踵而至，绿地面积不断缩减，时刻威胁着居民健康和生态发展[1]。而城市道路绿化是城市绿地系统的重要构成部分，不仅能改善城市生态环境，还可改善居民生活品质，是衡量城市绿化建设水平的重要标准之一。近年来，一些学者从城市绿化与居民行为关系的研究中认识到，人们在环境中接受的信息90%来自视觉[2]，高可见度的街景绿化可以直接改善社区环境质量和步行空间体验，进而促使人们从人本视角对街景绿化的视觉质量研究[3-4]。

绿视率最早起源于环境心理学分支，是由日本学者青木阳二于1987年提出的，并在2004年被日本政府认定为常规绿化评价重要指标之一[2]。该指标是基于人眼视角对绿色暴露和绿量感知的定量分析，常用于城市街景绿化研究与公共空间景观设计中[5]，对我国景观结构变革和绿化政策建设具有重要的指导意义，是评估城市绿化质量重要的数据形式之一[6]。早期，由于研究手段相对匮乏，城市绿化质量评判主要集中在客观的绿地率、绿地覆盖率以及人均绿化面积等二维平面指标上[7]，忽略了人本感知的重要性。如今，随着计算机发展和图像语义分割技术不断创新，绿视率的研究也愈发成熟，图像获取也由早先传统的现场图像采集逐渐转向百度、谷歌街景的在线下载，其处理方式也趋于批量自动化计算，大大节省了人力和时间成本。相较之下，虽然传统街景采集形式较为繁琐，但在应对部分在线街景难以覆盖的社区、公园以及校园小尺度内部空间，还需借助传统的采样方法[8]。基于此，本文以广州大学道路空间为例，基于语义分割技术，运用计算机深度学习算法对校园街景影像进行测度，旨在为校园规划与管理提供科学有效的改进措施和补充依据。

2 研究区域及数据获取

2.1 广州大学概况

研究基地位于广州市番禺区大学城内，总面积可达131.7hm2，人口密度较高。广州大学按功能可分为教学区和生活区，但两区域内的整体规划设计大不相同，绿化分布也存在差异。因此，为了给师生提供一个舒适宜人的绿色活动空间，本研究选择在此区域开展基于绿视率的校园街景质量研究，以此来测评高校内部的绿化水平。

2.2 数据获取

2.2.1 路网绘制与采样点布置

为了准确分析校园街景绿化质量，本实验提前对校园路网进行摸查，同时结合在线地图确定采样点的位置，具体步骤如下：①基于谷歌地图提取广州大学全部路网数据；②利用arcgis裁剪出广州大学核心路网；③借助arcgis 沿道路等距（100m）生成采样点[6]，最后结合实际路况，适当调整样点位置，剔除部分无法进入或者重复的样点，最终累计采样点共102个。

2.2.2 校园道路图像获取

由于百度街景地图未覆盖到校园尺度，因此本研究主要使用传统的现场采集方式，根据校园路况进行实景拍摄。研究于2023 年3 月晴天进行，时间为早上10 点～下午5 点，相机垂直高度主要固定在1.6m～1.65m，以此来模拟行人的水平视线。采样员结合样点图，并借助“两步走”软件，沿校园道路前进，约每间隔100m 左右进行拍摄，每个采样点都包括四个采集方向（0o、90o、180o和270o），以此作为该点的行人全景视角，最终累计导出街景图像420张，并保留每个采样点的地理坐标。

3 数据计算与处理

3.1 绿视率计算

绿视率指道路图像中绿色像元面积占比，其计算公式（1）为：

式（1）中：GVI为该样点的绿视率，Agi为采样点i图像中绿色像元所占面积，Ai为采样点i图像像元总面积。

全景绿视率是指每个采样点四个方向上绿视率平均值，最大程度还原行人视野范围，其计算公式（2）为：

式（2）中：PGVI为该样点的全景绿视率，GVIim为采样点i第m方向街景图像绿视率[5]。

3.2 道路图像处理

本研究以人眼视野出发，借助深度学习平台来构建卷积网络开源模型，精准实现对街景图像的语义分割处理，并基于ADE-20K 数据集训练，有效识别植物、建筑、天空、汽车等多种环境元素，量化各图像中的植物占比，即各采样点坐标对应的绿化率，在利用ARCGIS实现校园街景绿化率可视化。

4 结果与分析

4.1 绿视率评价标准与分析

本研究主要借鉴日本学家折原夏志对绿视率的相关研究，将其分为为5 个等级：0～5%（极差）；5%～15%（较差）；15%～25%（一般）；25%～35%（较好）；绿视率>35%（很好）[2,9]。计算可知，绿视率范围值在0～0.872，借助ARCGIS软件将其划分为4个区间，并赋予4 种不同颜色：10.5%～29.4%（红色）、29.4%～45.2%（橙色）、45.2%～60.8%（绿色）和60.8%～87.2%（深绿色），其中颜色越红则说明绿视率越低，越绿则说明绿化水平越佳（见图1）。据统计，全校绿化率平均值可达42.56%（教学区44.77%，生活区39.65%），其中绿量感知“较好”及“很好”的样点共89个。由此可见，广州大学校园绿化水平整体较佳，但是从区域分布来看，高绿视率采样点主要集中在教学区，而生活区的绿视率相对较低。

图1 广州大学整体绿视率分布图

4.2 校园绿视率分布影响因素分析

从研究结果来看，广州大学整体绿视率呈现西高东低的趋势（见图1），究其影响原因可总结为：西侧教学区由湖及附属绿地组成的中心生态岛，建筑环岛而设，运动、景观板块穿插其中，路网呈环形放射状。为兼顾师生的日常学习与工作需求，该区域各板块分布均匀，彼此相互交织，局部建筑利用连廊等方式相互连接，道路宽窄适中，景观结构丰富，视野通透，因此街景图像中绿色占比明显增加。

表1 广州大学各采样点绿视率统计表

而东侧生活区主要承担师生的饮食起居，面积相对较小，包括宿舍楼群、饭堂以及各类服务中心。为提高土地利用率，导致该区域内建筑分布集中且排列规整，路网呈方格网状。虽实现了空间使用集约化，但也缩减了绿化面积，仅在宿舍楼群边缘及中间河流带存在绿化，多处绿化有明显的建筑遮挡，从而大幅度降低了行人视野中的绿色要素。

5 讨论与结论

本文基于三维立体空间，从人本视角出发，借助街景图像，对校园绿视率进行定量描述，以此直观反映出校园绿化的建设水平与不足，继而对未来校园规划建设提供新思路。虽然街景图像已成为环境评价的热点趋势，但整体发展仍处于初级阶段，还需完善一些问题，以提高图片识别能力和计算的精确度。

①时效性与有效性。不同时间段植物生长状态不同，夏季各地植物生长趋势大致相同，是最佳的采样时间。而阴雨天则会影响图片颜色的最终呈现，导致计算机识别错误，继而影响绿视率的准确性。

②遮挡物与清晰度。在进行街景图片分析时，应观察图片中是否存在大体量的临时遮挡物，例如人、车等元素，同时也要剔除图片模糊的样本数据，防止研究出现较大误差。

③在线街景数据覆盖范围。目前社区、公园、校园等小尺度内部空间街景数据缺失，校园街景图像仍需借助人工采集方式，耗费人力和时间，增大了科研难度，因此如何更简易获取科学有效的街景数据仍是未来需攻克的重要难题。