基于街景数据的街道景观与餐饮业活力关系研究

樊凯旋, 李 斌, 邢汉发,*, 孟 媛, 王 丽

(1. 华南师范大学地理科学学院, 广州 510631; 2. 山东师范大学地理与环境学院, 济南 250358;3. 香港理工大学土地测量及地理资讯学系, 香港 999077; 4. 山东省国土测绘院, 济南 250013)

街道是城市重要的公共空间,街道空间作为人们休闲散步、驻足停留和商品交易的场所,承载着交通、生活和商业等多种城市功能[1-2]。街道的功能一般与街道空间中的景观要素息息相关,尤其是街道空间所承载的商业功能。这些景观结构最初由规划者设计,并在城市化的进程中不断重塑更新[3-5]。餐饮业是街道商业功能的重要组成部分,其活力作为街道商业空间中有形的、物化的环境所呈现出的空间活力,是居民真实生活水平的侧面反映[6]。因此,为指导城市街道空间设计、提升街道空间餐饮业活力等需求,进行街道空间景观与餐饮业活力的关系研究尤为重要。

近年来,随着时空大数据、在线网络地图的飞速发展与广泛应用,街景图片因其覆盖范围广、免费获取和街道特征丰富等特点,越来越受到学术界和产业界的重视,也为刻画街道空间景观提供了可能。如:LONG和LIU[7]提出一种自动检测街景图片中绿化信息的方法,用于评估街道的绿化程度;MENG等[8]利用图像语义分割技术提取了街景图片中的绿色植物与天空要素,量化了绿视率与天空占比2项指标,分析了这2项指标与城市贫困的关系。同时,有学者研究了城市景观与餐饮业活力的关系,如:陈晓东[9]基于路网、建筑物等众源地理数据,测算了街道宽度等城市形态指标与餐饮业密度等餐饮业活力指标,探讨了城市形态和餐饮业活力之间的关系;XING和MENG[10]采用景观指数法测算了城市景观,探究了路网密度等街道空间景观与餐饮业、住宿之间的关系。已有研究虽然发现了城市景观与餐饮业活力关系的相关性,但是对于街道空间的刻画仅限于街道长宽、路网密度和道路交叉口密度等街道的形态特征,缺少从街景视角下对街道空间中天空、植被、建筑、道路和围墙等多种景观目标的综合测算与分析,对街道空间中景观的刻画不够细致。已有学者研究了街道空间中的绿化、建筑物立面、道路占比、天空占比和街道的混乱程度等街道空间景观对人们活动的影响。如街道空间的绿化、建筑物的围合和天空的占比会对人们的步行活动产生影响[11-13];街道空间中的天空、树木、建筑物和道路等目标构建的开敞度、绿视率、围合度和机动化程度等街道空间测度指标与人们主观感受对照具有对应性[14]。由上述研究可知,街道空间景观会对人们的活动产生影响,有必要进一步分析街道空间景观与街道空间的餐饮业活力的关系。

因此,本文以广州市天河区为研究区域,基于图像语义分割模型从街景图片中提取了街道空间中的建筑物、天空和树木等12种景观目标,构建了围合度、围墙占比、天空占比、绿视率、道路占比和混乱度6个街道景观指数,分别与基于大众点评数据测算出的餐饮业活力进行相关性分析,以期为餐饮业选址、街道空间设计和城市规划提供决策支持。

1 研究区概况与研究方法

1.1 研究区概况与实验数据

以广州市天河区为研究区域。天河区行政区域总面积为137.38 km2,东与黄埔区相连,南与海珠区相望,西与越秀区相接,北与白云区相邻(图1)。本研究根据天河区广州环城高速、广园快速路、华南快速干线和中山大道,将天河区分为北部、西部、西南部和东南部4个区域 ,其中北部包括了广园快速路和广州环城高速以北区域,西部包括了广园快速路、华南快速干线和中山大道围成的区域,西南部为中山大道和华南快速干线围成的区域,东南部为广州环城高速、广园快速路和华南快速干线围成的区域。

图1 研究区概况

本文所采用的实验数据为:2019年的OpenStreetMap(OSM)路网数据、2020年的高德POI数据、2019年的大众点评数据、2020年的人口数据和2019年的街景数据。其中,POI数据通过高德地图API获得;大众点评数据来自大众点评网;人口数据由WorldPop网站(https:∥www.worldpop.org)下载,空间分辨率为100 m;街景数据通过百度地图API获得,沿道路以30 m距离确定街景采集点,共获取了80 700张街景图片。数据的分布情况如图2所示。

图2 研究数据分布情况

1.2 研究方法

本文的研究思路(图3)如下:首先,建立道路缓冲区,提取缓冲区内分布在街道两旁建筑物中的POI数据,利用HDBSCAN对POI数据进行聚类,构建街道空间;其次,基于街景图片,利用图像语义分割模型提取建筑物、树木和天空等街道景观目标,从而构建街道景观指数,以量化街道景观;然后,基于大众点评餐饮业数据,采用核密度估计方法测算餐饮业活力;最后,采用偏相关分析方法,探究街道空间的街道景观与餐饮业活力的关系。

图3 基于街景数据的街道景观与餐饮业活力关系研究总体框架

1.2.1 基于HDBSCAN聚类的街道空间构建 道路、道路两旁的建筑物和生活商业设施组成了街道空间,以往研究大多通过对道路建立缓冲区来表示街道空间。然而,同一条街道穿过城市的不同区域,街道空间的人口、基础设施、餐饮业等分布形状不规则且密度不同,难以确定街道空间的范围与形状。针对这一问题,本文建立道路缓冲区,获取缓冲区内分布在建筑物中的POI数据,实现道路两旁建筑物和生活商业设施的提取(图4A);进一步地,采用HDBSCAN聚类来构建街道空间(图4B)。HDBSCAN聚类是一种适用于处理任意形状和不同密度的聚类问题的层次聚类方法,是DBSCAN聚类方法的拓展[15-16]。在HDBSCAN的聚类过程中,首先根据数据的密度进行空间变换,计算两点间的互相可达距离;然后,建立最小生成树,将树中的所有边按照距离递增排序,以此将边链接的2个子图进行合并,通过层次聚类构建聚合树;最后,对聚类树进行剪枝,根据最小子树的大小限制,合并距离较近的节点,形成最终的聚类结果。

图4 街道空间构建

互相可达距离的计算公式如下:

dmereach-k(a,b)=max{corek(a),corek(b),d(a,b)},

(1)

其中,corek(x)为点x的参数k定义的核心距离,d(a,b)为点a与点b的原始距离。

1.2.2 基于街景数据的街道景观量化

(1)基于图像语义分割的街道景观目标提取。图像语义分割模型通过预测图像中每一个像素的类别,识别出单个图像中特定的目标和目标的边界。本文基于金字塔场景解析网络(PSPNet)[17],对街景图片进行图像语义分割,选择ADE20K[18]为语义分割数据集,提取街景图片中建筑物、围墙、栏杆、广告牌、道路、人行道、汽车、行人、树木、草地、植物和天空12种街道景观目标,并计算不同目标的像素数量。

提取街道景观要素的具体公式如下:

(2)

其中:Ei,object为第i个街景采集点的街景图片中目标object的像素数;o为街景采集点街景图片的方向,其取值1～4分别对应前、后、左、右4个方向;No,object表示采集点方向为o的图片中要素object的像素数。本文中,object为建筑物、围墙、栏杆、广告牌、道路、人行道、汽车、行人、树木、草地、植物和天空12个街道景观目标。

(2)街景视角下的街道景观指数构建。为了从街景的视角下对街道景观进行量化,本文根据街景图片中提取的12种景观目标,构建了天空占比、绿视率、围合度、围墙占比、道路占比和混乱度6个街道景观指标。指标描述如下:

①天空占比为天空在街景图片中所占的比例,反映了街道空间的开阔程度,计算公式如下:

(3)

其中,Tpixel为前、后、左、右4个方向的图片的总像素数。

②绿视率为树木、草地、植物3种街道景观目标在街景图片中所占的比例,反映了街道空间的绿化程度,计算公式如下:

(4)

③围合度为建筑物、广告牌、树木3种街道景观目标组合成的街道立面在街景图片中所占的比例,反映了街道空间的封闭程度,计算公式如下:

(5)

④围墙占比为围墙、栏杆2种街道景观目标在街景图片中所占的比例,计算公式如下:

(6)

⑤道路占比为路面、人行道、汽车3种街道景观目标在街景图片中所占的比例,反映了街道空间道路的宽阔程度,计算公式如下:

(7)

⑥混乱度为街景图片的信息熵,反映了街道空间的混乱无序程度,计算公式如下:

(8)

其中,s为街景图片中的目标数,Pi为第i个目标的像素占比。

1.2.3 街道景观与餐饮业活力关系分析

(1)基于核密度算法的餐饮业活力测算。餐饮业活力是城市餐饮商业空间中有形的、物化的环境所呈现的空间活力[6],可通过街道空间餐饮业的分布密度来体现[19]。本文选择大众点评中的餐饮业点评信息,采用核密度算法[20]得到街道空间中餐饮业的核密度。考虑到数据的空间分布与密度,本文选择街道空间核密度的平均值来表示该街道空间的餐饮业活力。餐饮业活力的量化公式如下:

(9)

其中,v为街道空间的餐饮业活力值,f(k)i为街道空间第i个像素的核密度值,N为街道空间包含的全部核密度栅格像素数。

(2)基于偏相关分析的街道景观与餐饮业活力关系分析。餐饮业的经营需要依赖大量的人流量和密集的活动,在进行街道景观与餐饮业活力关系分析时要考虑人口的影响。偏相关分析可以在控制其他变量的影响条件下分析两变量间的相关性[21]。因此,本文采用偏相关分析,以人口数为控制变量,分析街道景观与餐饮业活力的关系。偏相关系数的公式如下:

(10)

(11)

其中,r(X1,X2)为X1与X2的相关系数,Cov(X1,X2)为X1与X2的协方差,Var[X]为X的方差,r(X1,X2)X3表示控制变量X3后,X1与X2的偏相关系数。偏相关系数越大,代表街道景观与餐饮业活力的相关性越强烈。

2 实验结果与分析

2.1 街道空间构建结果

本文采用OSM路网数据与POI数据构建街道空间:首先,选择天河区城市三级道路、居住区道路等可以人车共同通行的道路,不考虑高速路、台阶和步行路等道路;然后,参考文献[22-23]的方法,获取街道50 m缓冲区内的POI数据,提取道路两旁的建筑物和生活商业设施;最后,使用HDBSCAN聚类对缓冲区内的POI数据进行聚类,确定街道空间的边界,从而构建了230个街道空间。

由街道空间聚类结果(图5)可知:天河区西南部的街道空间面积小、密度高,街道空间由西南向东北方向逐渐扩大,空间分布密度逐渐降低。

图5 HDBSCAN聚类结果

2.2 街道景观量化与餐饮业活力测算结果

本文利用PSPNet图像语义分割模型提取天河区街景图片中的建筑物、树木等街道景观目标,构建并计算了天空占比、绿视率、围合度、围墙占比、道路占比和混乱度6个街道景观指标。采用自然间断法,将街道景观指标值由高到低分为高值、中高值、中值、中低值和低值5类。由街道景观量化结果(图6)可知:(1)从天河区西南部向外,混乱度呈现降低趋势;天河区北部的混乱度以中低值为主。(2)天河区西南部的围合度以中高值为主,西部的围合度以中低值为主。(3)天河区北部的天空占比以中高值为主,其他区域的天空占比以中低值为主,高值分布较少。(4)围墙占比、道路占比和绿视率分布较为均匀,各区均有高值和低值分布。

图6 街道景观测算结果

基于大众点评中的餐饮业点评信息,以50 m为分析半径,利用核密度算法,测算天河区餐饮业活力。由结果(图7)可知天河区的餐饮业活力呈现多中心分布:西南部的餐饮业活力中心主要分布在黄埔大道西沿线;东南部的餐饮业活力中心沿中山大道均匀分布;西部的餐饮业活力中心分布分散;北部的餐饮业活力中心沿龙洞东路分布,主要集中在龙洞区域。

图7 餐饮业核密度分析结果

2.3 街道景观与餐饮业活力关系分析结果

采用偏相关分析方法,将人口数作为控制变量,分析街景视角下的街道景观与餐饮业活力的关系。本文采用文献[24]给出的标准来评估关联强度:系数在0.10～0.29之间代表轻微的关联,在0.30～0.49之间代表中等关联,在0.50以上代表强烈的关联。由分析结果(表1)可知:(1)从整体上看,天河区街道空间的混乱度、天空占比、绿视率、围墙占比均与餐饮业活力呈显著负相关,围合度与餐饮业活力呈显著正相关。这是因为混乱度反映了街道环境的混乱无序程度,直接影响人们在街道活动的体验;天空占比、绿视率和围墙占比会影响人们在街道上步行、休闲娱乐,不利于商业发展,影响餐饮业活力;围合度从行人视角下反映了街道立面对街道环境的封闭程度,高围合度有利于人与街道空间的交流,进而为步行、休闲娱乐提供良好的活动空间,促进商业和人类活动的进行,有利于餐饮业的发展。(2)从局部上看,天河区的西南部主要为中心商务区,该区域的混乱度、绿视率均与餐饮业活力呈显著负相关,相关系数分别为-0.558、-0.622;天河区的北部主要为城郊混合居住区,该区域的围合度与餐饮业活力呈显著正相关,相关系数为0.412;天河区东南部的围合度与餐饮业活力呈显著正相关,道路占比与餐饮业活力呈显著负相关,相关系数分别为0.656和-0.524;天河区西部的混乱度与餐饮业活力呈显著负相关,相关系数为-0.332。结合图8可知:(1)华穗路位于天河区西南部中央商务区,街道立面主要由现代化的高楼形成围合;高地大街位于天河区东南部城中村,主要由低矮的自建房围合。虽然华穗路和高地大街的环境不同,但是街道的高围合促进了街道上人的活动,有利于商业的发展。(2)林机街位于天河区北部,该区域的围墙和栅栏限制了行人在街道上的行动,开阔的天空与道路有利于车辆的通行。(3)华明路、燕成路分别位于天河区西南部与西部,这2个区域的树木茂密,树木分叉过低导致场景阴暗,遮挡餐饮业商铺的广告牌,影响人们的体验,不利于餐饮业的发展。(4)位于天河区北部的富民路、新元大街的街道环境更加混乱,影响行人体验,其混乱度均高于迎龙路和位于天河区西部的先烈东路。

表1 偏相关分析结果

图8 典型街景示例

3 结束语

本文以城市街道所承载的商业功能中的餐饮业为例,对街景视角下的街道景观和餐饮业活力之间的关系进行了分析:基于HDBSCAN聚类构建街道空间,基于街景数据构建街道景观指标,量化街道景观,利用偏相关分析方法探究街道景观与餐饮业活力之间的关系,并在广州市天河区进行实验验证。结果表明:街景视角下的街道景观与餐饮业活力具有相关关系,具体表现为混乱度、绿视率、围墙占比和天空占比均与餐饮业活力呈负相关,而围合度与餐饮业活力呈正相关。

结合本文实验结论,提出以下若干建议:

(1)城市空间设计中可以通过改造道路宽度和道路两旁建筑物的高度来形成合适的街道空间围合度,促进行人与街道空间的互动,提升餐饮业活力。

(2)对街道两旁建筑物的外墙广告、门店招牌和建筑物材料色彩进行设计,建设整洁有序的街道,降低街道空间的混乱度。

(3)对于绿视率高的区域,可以通过种植高分叉植物来营造下层通透的林荫空间,减少围墙栏杆,为行人提供安全舒适、通畅整洁的休闲环境,提高餐饮业活力。

本文基于街景数据的街道景观与餐饮业活力关系研究中的餐饮业活力的测算仅考虑了大众点评餐饮类数据的空间分布与密度,未考虑街道空间的餐饮业人流量、评分和人类活动等对餐饮业活力的影响,街道景观与餐饮业活力的分析也仅集中在广州市天河区。后续研究可以从以下两方面进行改进:一方面,可使用手机信令、位置签到等多源时空数据测算餐饮业活力;另一方面,可在多个不同的研究区域进一步探讨街道景观与餐饮业活力的关系。