基于多源数据的街道环境对个体安全感的影响研究

方智果 王冉冉 刘聪 王振

摘要：以开放街道地图、兴趣点、地理位置，以及图像识别、深度学习等为代表的各种新数据、新技术为定量的街道空间评估带来新的数据源和全新的研究方法与途经。结合上海市打造高品质街道空间的议题背景，以上海街道空间为研究对象，以地图兴趣点、街景图像、三维建筑地图等多源数据为载体，利用深度学习技术与GIS，大规模测度个体安全感感知与城市功能、建筑界面、街道物理3类客体指标。在此基础上，通过数理推导以揭示客体指标与街道安全感知的关系。研究发现：城市功能是影响街道安全感的关键因子，其中街道功能密度比功能混合度对安全感的感知影响更大；店招个数、绿视率对安全感知也具有积极影响。

关键词：安全感；街景图像；深度学习；上海街道

文章编号：1673-8985（2023）02-0109-07 中圖分类号 TU984 文献标志码 A

0 引言

党的十九大报告对公共安全与应急管理工作做了重要部署，并提出“实施健康中国战略”。公共安全与健康保障是提高民众生活品质、提升安全感和幸福感的重要前提。营造可提供安全感的城市环境，对城市特别是街道空间的建设提出挑战。Fruin[1]强调，好的街道空间品质应当是安全感、保障性、连续性、舒适性和吸引力的协同。黄建中等[2]将街道步行可达性、安全感、便捷性和舒适性纳入街道评价体系中。《上海市街道设计导则》围绕“安全、绿色、活力、智慧”4方面提出设计与实施措施。可知，街道的安全感是感知视角最受关注的维度之一。安全感是指所有年龄群体在街道中不受威胁[3]。在街道安全领域，已有研究证明安全不足甚至失序的街道特征或直接或间接影响个体的生理及心理健康，从而导致高风险的个人行为和疾病[4-6]。Gehl[7]指出，即使能完成合乎安全规范的城市设计仍然远远不够，因为“潜在不安全”的空间也会导致空间活力丧失。

从测度方法来看，街道感知与环境之间的研究可分为两类。第一类是进行实地调研或小规模的图片分析。如徐磊青[8]对上海5个不同发展社区的300张百度街景图片进行安全感评定，采用样本检验“街道眼”等街道安全理论。Kamada等[9]分析10条街道空间构成要素与空间感知的相关性，发现建筑物的凹凸会影响“广阔性”感受。Jiang等[10]1开展个体对街道安全感的空间干预实验，认为基于破窗理论的清洁或植被干预没有城市功能干预有效。第二类是利用大数据进行大规模的测度分析。如Naik等[11]793通过对美国5个城市的百万张谷歌街景图像进行机器学习、自动评分，分析社区外观形态与安全感知的关联。Zhang等[12]148在利用麻省理工脉冲学习数据集的基础上，运用机器学习预测安全、活泼等6种人类感知，绘制上海与北京的感知分布图。Harvey等[13]18结合GIS和深度学习技术构建安全感与物质要素之间的回归模型，发现街道绿化、建筑物数量以及高宽比都与安全感正相关。此外，还有许多利用街景图片或三维建筑数据来分析街道的研究[14-16]。

上述研究框架可归纳为“数据获取—数据分析—影响因素分析”。其中，使用图像数据分析与计算机程序来获取大规模、精细化尺度上的街道指标及感知非常值得借鉴。然而上述研究的着重点并非针对安全感知与街道空间的关联展开量化分析。另外，上述研究主要使用单一数据源进行街道感知探索，缺乏使用多源数据的有效集成。

由此，本文利用多源数据及多种技术方法来大规模测度街道指标与安全感知。（1）机器深度学习。在利用麻省理工学院空间脉冲数据集的基础上，将人对视觉环境的评估分数转化为人工智能评分模型，模拟并量化人的安全感知。（2）借助多源数据，采用GIS与图像识别的分析方法，获取3类客体指标。（3）使用SPSS将数据进行数理化分析，揭示客体指标与安全感知的关系，为高品质街道规划设计提供线索（见图1）。