基于街景数据的空间感知与活力特征探究——以昆明老城为例

■ 熊付爱 XIONG Fuai 王 颖 WANG Ying 郑 溪 ZHENG Xi 金楚涵 JING Chuhan

0 引言

“当我们想到一个城市时，首先出现在脑海里的就是街道”[1]，街道是城市中使用频率最高的公共空间之一。无论是城市意象，还是街道美学，本质上都是从人的尺度、活动需求和审美认知角度出发研究街道空间。随着我国城镇化进程的加快，街道建设往往更关注经济发展，而忽略了街道环境质量。在存量规划的背景下，以人为核心的街道空间品质提升是当前城市更新工作的关键。

公共空间感知质量越高，使用者对其依赖程度越高。以往关于人们基本需求的研究多关注在街道环境的舒适感和安全感上[2-4]，这是因为人们更愿意停留在这样的街道环境中。当人们的基本需求得到满足后，便会转向更高层次的需求，如一些学者通过对街道环境宜人性的相关性测度分析，发现绿视率是其中一个重要影响因子[5]。我国对历史空间感知的认识多基于空间句法对城镇历史空间结构的解读[6-7]；2021 年，曹越皓等[8]构建历史空间感知的测度技术框架，结合实例分析其历史空间感知的特征。麻省理工学院城市感知实验室在2010 年研究了城市街道感知的6 个维度，综合了人们对街道感知的基本需求和更高一级的需求，丰富了街道空间感知的维度。

早期因技术方法的局限性，空间感知的研究多聚焦于街道层面的实地访谈和问卷调查等方式，如王德等[9]借助SD 法，分析上海8 条具有代表性的街道空间感知特征与客体指标之间的关系。近年来在新城市科学背景下，涌现出以兴趣点（POI）、地理位置、网络文本及图像识别等新数据、新技术的大尺度城市街道空间感知研究，例如：唐婧娴等[10]基于多时相的街景数据自动测度大规模城市街道空间质量；钮心毅等[11]基于LBS 定位数据分析建成环境对街道活力的影响；狄迪等[12]则构建了一个包含多维度、分指标的城市街道空间品质评价框架，可兼顾街道形态特征以及使用人群的感知与行为特征。

上述研究大多是从街景智能识别、街道品质和街道活力等角度进行探索，但并未研究个体心理感知与人群活动特征及其相关视觉要素的关联性。行人在空间中的活动与感知之间有何特征？街道的哪些视觉要素会影响行人的感知体验？解决这些问题，将有助于街道环境的人性化设计。基于此，本文从行人的主观感知出发，以昆明老城为对象，研究街道空间感知与街道活力特征。

1 研究方法

1.1 技术路线

对街道空间感知与街道活力特征的研究可分3 步进行：①在获取昆明老城OSM 路网数据的基础上，以20 m 为间隔距离，采集街景数据，并通过深度学习方法测度街道主观感知和街道视觉元素；②利用百度热力数据表征街道人群的活力程度，提取高活力高消极的街道分布情况；③分别从高活力下街道视觉元素的统计分析以及基于全部街景感知质量与视觉元素的多元回归分析两个层面，解析行人感知质量与街道活力分布的空间特征，探寻街道视觉元素和使用者主观感知的相关性（图1）。

图1 技术路线

1.2 研究范围

本次研究选取昆明老城为对象，面积为 4.7 km2（图2）。研究范围内有2 个历史文化街区和3 个历史地段，沿用传统的城市空间形制，保留有历史街巷空间，是在较长时间内空间发展与人群相互作用的结果，对于昆明老城街道空间感知与活力研究具有典型性。另外，昆明老城内已经编制多个保护与整治提升规划，重点提升历史地段及历史文化街区内的街道环境品质，因此，昆明老城内的街道空间感知与活力空间特征研究具有重大现实意义。

图2 昆明老城研究区位图

1.3 数据来源

1.3.1 基于百度地图的街景数据获取

在昆明老城范围内绘制道路中心线，并且每间隔20 m 采集并制作街景点数据，共获得949 个街景点数据（图3）。利用百度API 爬取街景图像数据，提取街景点的地理坐标位置，并将地理坐标系转换为百度街景BD-09 标准坐标系；同时，为符合人的视角，将俯仰角度设为20°、水平视场角设为90°，采集4 个方位的视图并进行图像拼接，得到全景街景图像。在此基础上，对获取的街景图像数据进行清洗，去除无效的街景点数据，最终采集到946 张全景街景图像、3 784 张街景图像数据，保证了街道感知评价数据的可靠性。

图3 昆明老城街景点数据采集分布图

1.3.2 人口热力数据

基于百度热力数据，对人群在街道空间中的行为活动进行分析。城市生活中，人群行为具有规则性活动和自发性活动的特征，具体体现在工作日上下班和周末休闲时间[13]。因此，本文选择获取昆明老城在2023 年3月26 日（周末）和2023 年3 月27日（工作日）8:00、11:00、15:00、19:00、22:00 的百度热力图数据。

为了能更加准确地描述街道的活力级别，结合道路等级与实际情况，对主干道、次干道和支路进行成对缓冲，距离分别设置为40 m、30 m 和12 m，并通过掩膜提取工具提取街道的人群热力值。为便于下文的数据分析，对提取后的人群“热力值”进行重分类，并将街道活力值分为1～9级，其中：7～9 级为高活力街道，4～6 级为一般活力街道，1～3 级为低活力街道。本文以街道1 d 的活力平均值代表休息日与工作日之间的活力差别，计算公式为：

式中，H¯ 表示某条街道的活力值；Xi表示在i时刻街道的活力值（i=8:00，11:00，15:00，19:00，22:00），平均值越高，代表街道的活力越高，反映更多的人群集聚。

1.4 图像语义分割

街景图像中，场景语义提取的常见方法包括FCN 、SegNet、PSPNet等。其中，PSPNet（Pyramid Scene Parsing Network）是在FCN 基础上改进的模型，是通过金字塔模块池化提出的金字塔场景解析网络，可以提取浅层和深层信息，完成多层次的语义特征融合，且分割精度较高，是当下使用较为广泛的识别算法之一[15]。基于ADE20K 数据集的PSPNet 模型是将改进后的ResNet50 和金字塔池化模块分别作为编码器和解码器进行场景解析，该数据集中包含有150个日常生活中的物体，分割精度达到79.73%，为城市信息挖掘提供了更多可能[16]。本文即采用这一模型对街景图像的语义信息进行分割。

1.5 街道感知预测

在2010 年麻省理工学院城市感知实验室推出的Place Pulse项目中，通过收集56 个城市超过10 万张的街景图像，评估城市街道空间感知质量，包括美丽、富裕、安全、有趣、无聊、压抑等6 个维度。其中：美丽是衡量街道空间的漂亮程度；富裕是衡量街道的繁华程度；安全是衡量个体对于街道空间给人的安全感；有趣是衡量街道空间的给人的多样性；无聊是衡量街道空间的无趣程度；压抑是衡量街道空间给人的难受程度。这6 个维度细化了人的感知，可提供人们对城市街道空间心理感知的详细图景。此后，基于这6 类城市街道感知，国内外许多学者对城市的人类感知进行了相关研究[17-21]。其中，姚瑶团队[18]研究的开源城市感知模型是基于随机森林算法测度城市空间感知质量的研究方法，该模型对城市感知的误差低于10% 。基于此，本文采用姚瑶团队提供的开源城市感知模型感知昆明老城的街道空间质量，分别对上述6 个维度进行感知质量研究。

2 街道空间感知的活力特征

2.1 街道主观感知质量解析

基于开源城市感知模型，解析昆明老城街道空间6 个维度的感知质量，并以不同色带的饱和度渐变来表示街道空间6 个维度的感知程度（图4）。可以看出：①在感知程度上，压抑和无聊两个维度高于美丽、有趣、富裕和安全维度，是由于部分街道环境未得到显著改善提升造成消极感知强烈，如景虹街等；②美丽维度感知较高的区域多位于学校和绿地滨水路段，如一二一大街、巡津街、翠湖西路、圆通北路等；③有趣维度感知较高的区域集中在滨水空间和商业聚集区，如青年路南段、宝善街、同仁街、南强街等；④富裕维度感知较高的区域多位于城市商务用地周边及繁华的商业街道，如金碧路、巡津路、金碧路等；⑤安全维度感知较高的区域多位于尺度适宜且底商多样的街道，如翠湖西路、巡津路南段、东风西路、钱局街等。

图4 昆明老城街道空间6 个维度感知质量分布图

2.2 街道人群活力分析

对昆明老街休息日与工作日的街道人群时空分布变化进行分析（图5），可以看出：老街休息日的人群活力分布随时间变化出现改变，而工作日人群活力分布并未随时间变化出现较大差异。

图5 昆明老城休息日与工作日分时段人群热力图

（1）休息日的人群主要聚集在潘家湾地铁站附近，除8:00 时段，护国路和金碧路始终是人们集聚的主要道路。另外在15:00 左右，翠湖和昆明动物园也出现了短时人群集聚。总体而言，休息日上午，以交通站点和医院为人群活力的高度集聚区域，转向商业密集道路；下午时段，在以休闲为主的街道上，人群活力出现陡增；晚间时段，人们又转向商业步行街及商业集聚的街道。

（2）工作日8:00 时段的人群活力分布特征与休息日一样，主要在潘家湾地铁站和医院附近街道出现高活力现象。在此后的时间段里，商业性街道附近活力平稳上升，特别是人民中路南侧的街道、护国路和金碧路这类大型商业集聚的街道，始终保持高活力特征。工作日的人群活力分布总体上比较平稳，并未像休息日那样在下午时段出现个别场所人群活力陡增的现象。这是因为周末休息时段，人们更愿意自发前往一些环境较好的休闲街道空间。

（3）不管是工作日还是休息日，在除8:00 以外的其他4 个时间段里，人群始终在人民中路、护国路和金碧路周边的街道保持高活力。这主要是因为，这里不仅集聚了多样的商业空间，有众多的公共资源；而且有两个历史文化街区，可吸引更多其他区域的人群来游玩。

2.3 街道主观感知与街道活力的分布特征

高活力与高感知分析有助于精准发现以往城市更新中难以发现的问题。分别将6 个维度的街道感知质量根据自然间断点法划分为5 类，每个维度得分最高的一类（即得分最高的前13%～18%的街景点）作为该维度高感知代表；在综合工作日与休息日人群街道活力的基础上，通过加权平均计算出昆明老城的街道综合活力评价（图6）；最终提取昆明老城内高活力街道上的高感知街景点进行叠加分析（图7）。

图6 昆明老城综合活力评价图

图7 昆明老城街道高活力与高感知分析图

2.3.1 高活力与高感知空间分布

由图7 可以看出：①美丽与有趣维度在高活力街道上的空间分布相似，主要聚集在五一路南端、连接金碧广场与南强街之间的正义路段与祥云街路段及金鹰购物广场附近的青年路，这些街道拥有尺度适宜的步行空间且富有生气；②富裕维度在高活力街道上分布在文明街南部路段、护国路、青年路及金碧路上，这些街道主要都是商务和商业用地聚集的路段，繁华的商业空间使得个体感知更加强烈，这也是人群高活力的原因之一；③安全维度的高感知街道主要分布在宝善街、南强街、履善巷、云兴巷等街巷尺度适宜、街道设施完善且具有绿化空间的街道；④无聊和压抑维度的高感知在金碧路南部的路段都出现了聚集，如春雷巷路段和书林街等街道空间，这些路段由于大体量的建筑而缺少绿化且街道空间狭窄，导致消极感知强烈。

2.3.2 高活力高消极街道空间分布

在城市更新过程中，历史城区范围内的街道空间不仅是居民交流活动的场所，也是游客进行城市空间感知的主要对象，因此有必要优先改造高活力高消极街道空间，进而为规划人员和城市管理者提供决策依据。基于此，本文将6 个感知维度进一步划分为积极感知和消极感知两类，其中：消极感知包括压抑和无聊维度；积极感知包括美丽、有趣、富裕和安全维度。

昆明老城街道高活力与高消极感知的空间分布如图8 所示。A 区域（东风西路南段）与C 区域（人民中路区域）周边都是以商业用地为主，大体量的商业建筑围合、大尺度的街道空间及毫无特色的建筑更易感知消极；且A 区域比C 区域感知更加强烈，这可能是由于A 区域的非机动车与机动车混行，导致消极感知强烈。B 区域的石山巷至富春街路段和D 区域内的石桥辅、后新街和司马巷周边都是老旧小区，街道空间尺度狭窄，大部分建筑风格统一，小区围墙和混乱的空间组织加剧了消极感知的程度。

图8 昆明老城街道高活力与高消极感知的空间分布图

3 街道空间感知与视觉元素的相关分析

本文分别从高活力高感知的街道视觉元素统计分析和街道空间感知质量与街道视觉元素之间的回归分析进行研究。

3.1 高活力高感知的街道视觉元素分析

为了探寻高活力下街道感知质量与街道视觉元素之间的相关性，对高活力下街道高感知质量的街景视觉元素所占比例进行统计，以此来表征该维度高感知的视觉元素特征。提取高活力高感知占比最高的8 类视觉元素，包括建筑物、车行道、树木、人行道、天空、汽车、墙体及其他视觉元素（表1）。

表1 高活力下高感知街道视觉元素统计表

积极感知方面，树木占比更高。树木不仅能够为行人提供遮荫环境，还可以释放O2，增加行人的舒适感。因此，增加树木的覆盖率，可以有效降低行人的消极感受。

消极感知方面，墙体和建筑物占比更高。这是由于围合的墙体和拥挤的建筑物会增加行人的消极感知，并减弱人们对该街道的积极感知。此外，其他视觉元素在消极感知维度的占比也较高，场景中过多的视觉元素会显得空间杂乱，使行人的消极感知强烈。

3.2 空间感知与街道视觉元素多元回归分析

识别街道空间感知质量的相关视觉元素有助于提升城市街道空间品质，营造更加宜人的公共空间，故对街景数据中的视觉元素进行标准化，得到7 类标准化要素，再与6 个感知维度之间的关系进行多元回归分析。在统计学中，以beta 系数表示各个自变量在回归方程中的系数，统一量纲和取值范围后，绘制标准化系数（表2）。对于回归模型的相关性检验，p值为拒绝原假设的最小显著性水平。当p＞0.05 时，不具有显著相关性；当p＜0.05 时，具有显著相关关系；当p＜0.01 时，表示具有非常显著相关关系。

表2 主观感知与视觉元素的标准化beta 系数表

由回归分析结果可知：不同的视觉元素对于不同的感知维度之间有着不同的影响作用。人行道、天空、汽车等视觉元素对安全、富裕和有趣维度有显著的正向影响，适宜的人行道、开阔的天空及通行的车辆都会增强行人的安全、富裕和有趣感受；植物对美丽维度有显著的正向作用，可以在居民经常通行的路段增加丰富多样的植物和树木，以强化行人在美丽维度的感受；此外，墙体与安全、有趣维度呈现负相关，会使人产生沉闷和乏味感，可以在重要通行路段设计口袋公园或沿街商铺，以降低无聊和压抑的感受。

4 总结与讨论

综上所述，本文从人本视角出发，借助街景图像数据分析行人的主观感知和人群活力特征，解析街道视觉元素与街道活力之间的关联，并对重要特征进行分析。通过将行人的主观感知质量与街道活力进行叠加分析，提取高活力与高消极感知的路段，发现东风西路南段（A 区）、石山巷至富春街段（B 区）、人民中路东段（C 区）以及石桥辅、后新街和司马巷（D 区）4 个区域是高活力高消极路段；通过对主观感知与街道视觉要素的多元回归分析，发现不同的视觉元素对于不同的感知维度之间有不同的影响作用，可据此选择适当的措施，提升人们的积极感知，同时降低消极感知。研究为街道空间感知提供了一套具有可操作性的分析方法，为存量规划背景下街道空间环境的精细化更新改造提供了辅助支持。

当然，本次研究也存在一定的局限性，如：行人的主观感知测度是基于姚瑶团队的开源城市感知模型，并未测度昆明老城内的本地人群的空间感知质量；基于百度热力数据的街道活力研究反映的是街道活力的相对分布情况，而并未表示精确的人群活力分布情况；分析人群街道空间感知相关因素的角度单一，仅从街道的物理特征进行分析不够全面。在后续的研究中，将进一步完善模型，从街道的城市设计品质、经济社会功能、历史文化特征等多角度进行解读，形成多层次的特征因素解析。