街道空间品质测度与影响因素研究——以西安古城为例

杨玉欢,王婷婷,岳清蓉,孟 思,赵 卿

(西北大学 城市与环境学院,西安 710127)

随着城乡发展进入以人为本、重视品质的新时期,我国人居环境建设从重“量”走向提“质”阶段,城市建成环境的科学评估与定量研究亟待展开[1]。街道作为构成城市框架的最基本要素,占据城市面积10%～20%的主要公共活动空间,是人们感知城市最直接、最关键的元素[2]。营造多层次、多元化、高品质的街道空间是体现以人为本、精致城市理念,提升城市居民获得感和激发城市活力的重要举措[3-4]。随着当前城市规划与设计的精细化转型,对街道空间的设计不仅依赖于设计师的经验积累,还需要精准、科学的测度方法作为支撑[1,5]。

对街道空间品质的研究发轫于1960年代[6],Jacobs[7]、Lynch[8]、Lefebvre[9]等学者率先关注街道空间的交往、安全方面的问题,奠定了街道空间理论研究基础。此后,Schuls[10]、Gehl[11]、Attoe和Logan[12]等开始关注街道空间品质、设计方法及活力营造。随着研究的深入,街道空间品质的综合性和系统性逐渐被学者关注,同时也带来了界定和测度的困难[2]。传统对于街道空间品质的测度主要采取社会学、统计学常用的问卷调研、实地调查法,研究对象多为典型个案[13]或某一较小片区[14],如何精细化、大规模测度街道空间品质是长期以来的技术难点[15]。随着新兴大数据的日益多元和不断完善,对城市物质和社会空间进行深入细微的刻画成为可能,亦给街道空间品质的测度带来革命性的改变[2]。相关研究包括:基于POI、OSM等基础地理信息数据,开展街道的功能密度和混合度等的测算[16-17];基于三维建筑数据,测度街道两侧建筑的形态、比例及尺度[18-19];基于新兴的街景图片数据,采用机器学习、图像分割、智能识别等方法测度街道的空间构成要素[20-21];基于街道数据的空间句法评价[22],测度道路可接近性。在研究对象上,多为上海[5]、深圳[23]、北京[24]等经济发达的一线城市,而对于中西部欠发达地区的城市研究较少。研究范围方面,多以整个城市作为研究区域[5],对小尺度的历史文化保护区展开精细化研究相对较少。并且,既有研究主要关注街道魅力[25]、可达性[26]、交往性[27]等街道品质的单一特征,采用一类[15]或几类[3]数据源进行测度,无法反映街道的复合性及使用者的综合需求。在街道空间品质的影响因素研究方面,学者常采用多元线性回归分析[28-30],从街道空间的尺度、建构筑物、服务设施、空间环境等方面测度街道品质、美感、活力等的影响因素,较少从地理学视角采用空间回归模型对影响因素进行探测,因而无法开展影响因素的多因子耦合测度。街道空间品质各种要素有效叠加与互补,共同影响街道空间感知,其空间品质优劣是长期人地耦合互动的结果[15,29],因此值得从地理学视角进一步探测街道空间品质的影响因素及多因子耦合作用关系。有鉴于此,本文以西安古城为例,结合新兴大数据的优势及现有研究不足,基于多源大数据,借助TOPSIS、地理探测器等方法,定量探究街道空间品质特征及其影响因素,以期为高质量发展背景下高品质公共空间营造提供借鉴与启示。

1 数据与方法

1.1 研究区概况

1.1.1 研究区域介绍

西安地处关中平原腹地,拥有“十三朝古都”“丝路起点”等美誉,同时也是第一批国家级历史文化名城,历史文化底蕴丰富。研究区位于西安古城(图1),具体范围为明清城墙以内,含碑林区、新城区、莲湖区3个行政区的主要街道(此处街道为中国行政区划之一,行政地位与乡镇同级,为避免歧义,下文以城市规划设计意义上的“街区”代替),包括柏树林、解放门、南院门、青年路、北院门、中山门、西一路等7个街区。古城是西安文化的代表,内部汇聚了西安钟鼓楼、回民坊、永兴坊等多处历史遗迹及历史街区,是西安老城生活气息最浓厚的地区,其街道空间品质直接影响西安市旅游形象构建及内部居民日常生活的丰富性。

1.1.2 街道空间界定

区别于街区和用地这样由实体边界“圈定”的形态要素,街道和街口等形态要素是一种“由开敞空间主导”、边界相对模糊的对象[18]。对其空间的界定常用定值缓冲法,即不同等级的街道差异化赋予缓冲距离。本文在参照已有研究[19]基础上,结合西安古城街道普遍较窄且两侧建筑物多为老旧居住区和小体量建筑的特点,首先基于路网等级区分生活性道路和交通性道路,其次对生活性和交通性道路分别以道路中心线向外围两侧偏移50、100 m,所形成的箱体空间即为本研究的街道空间范围(图2)。

1.2 数据来源

研究数据涵盖基础道路、空间品质评价与行政区划等数据。其中,基础道路数据来源于OSM平台2021年更新数据(https:// openstreetmap.org/),通过属性表Fclass字段筛选古城内的主要交通性道路和生活性道路。POI数据为使用Python 3.8爬取的百度地图、高德地图数据并互相校正。街景数据来源于百度地图全景地图,部分缺失地段使用360地图全景地图补充,以50 m间隔确定采样点位置,每点从90°、180°、270°、360°截取人视街景图片,街景图尺寸为1 803×860像素,并运用图像语义分割软件提取各采样点建筑界面、天空、绿化等要素的占比。建筑三维数据使用Python 3.8爬取自高德地图的建筑楼宇数据,使用建筑层数乘以3 m得到建筑高度,以此构建西安古城3D场景模型。此外,支撑研究的行政区划等底图数据来源于国家基础地理信息公共服务平台,采用ArcGIS 10.6软件统一至同一坐标系。

1.3 研究方法

1.3.1 街道空间品质测度模型

1)评价指标体系构建

空间品质反映的是城市空间各组成要素在“量”和“质”两方面对城市人群和城市社会经济发展的适宜程度[1,15],现有评价主要从两方面展开:一是基于环境心理学视角,从行人的主观感知角度进行测度[31];二是基于“社会-空间”理论,主张好的空间形态是活动的载体,因此街道品质可以用适宜的尺度、功能复合等指标表征[3,6,15]。考虑到数据的可获取性以及参照已有研究成果[2-3,6,15,31],本文从建成环境方面开展街道物质空间形态的测度,基于POI、街景、建筑楼宇、道路等多源数据,从街道活力、街道魅力度、街道形态、街道可达性等4个维度综合构建西安古城街道空间品质评价指标模型,包含功能密度、功能混合度、绿视率等11个单项指标(表1)。考虑到不同街道指标数据差异较大,对各个指标进行Z-score标准化处理,并使用熵值法计算指标权重[32]。

表1 街道空间品质评价指标体系Table 1 Evaluation index system of street space quality

2)TOPSIS模型

TOPSIS是一种近似理想值的排序方法,通过计算各评价对象与最优方案的相对接近程度,可以精确地反映各评价方案之间的差距[35],适用于根据多项指标、多个方案进行优劣比较。本文借助TOPSIS法计算街道空间品质得分Ci,0≤Ci≤1,Ci越大,表示评价方案越接近最优,即街道空间品质最好。

1.3.2 线密度分析

线密度分析已被广泛应用于探测线要素的空间分布特征,其通过计算线要素在其邻域的密度,进而通过给定的栅格像元反映其空间分布特征。本文借助ArcGIS 10.6中的线密度分析工具探测街道空间品质的空间分布格局。

1.3.3 地理探测器

地理探测器是探测某一现象空间分异性及其驱动机理的一种空间分析模型[36]。本文借助此模型探测街道空间品质空间分异的影响因子,识别因子解释其空间分异以及双因子耦合作用效应的程度。计算公式如下:

式中:q为影响指标的解释力;n为参与回归的街道数量;m为影响因素的数量;ni为影响因素的样本数;σ2为西安古城所有街道空间品质的全局离散方差;σi2为第i街道的离散方差,当σi2≠0时模型成立。q∈[0,1],当q趋近于0时,表明西安古城街道空间品质呈现随机分布,不受影响因素的干扰;反之影响因素的解释能力越强。通过交互探测识别不同影响因子之间的交互作用,对比q(X1∩X2)与q(X1)、q(X2)的大小,判断交互作用类型,具体可参考文献[36]。

2 结果与分析

2.1 街道空间品质影响因子得分空间分布特征

2.1.1 各街区的因子得分分布特征

各街区内的各影响因子得分均值见图3:整体上,不同影响因子在各街区分布差异大,体现出西安古城功能交织、空间复合的特征。一级指标维度方面,街道魅力度在各街区分布相对均衡,其中仅绿视率和空间开敞度存在极化效应,这得益于西安近年来大力开展古城街道品质提升工作,如西安市政府颁布的《“品质西安建设补短板三年行动计划”实施方案》(市办字〔2017〕194号),重点任务为解决沿街建筑质量参差不齐、沿街景观总体效果不好等问题,营造了较好的沿街视觉效果;而街道活力、街道形态及街道可达性3个维度指标在各街区均存在显著的极化效应,表明在设施供给、形态控制以及道路疏通方面还存在较大的提升空间。

街区维度方面,南院门、解放门、西一路、中山门4个街区各影响因子得分整体较佳,这4个街区均为西安市主要旅游接待中心及行政办公中心,分别有关中书院、西安站、陕西省政府、万达广场等,街道功能相对完善;柏树林、青年路、北院门3个街区整体得分不佳且较为均衡,街区分布有众多老旧居住区,包括西仓片区、东仓门片区等,街道空间仍有较大提升空间。

2.1.2 各因子得分的整体空间分布特征

采用自然断点法,将各维度影响因子得分划分为高、较高、一般、较低、低5个等级,并绘制空间分布图(图4)。整体上,不同要素在空间分布上差异显著,并与街区、街道功能高度相关。商业区、行政办公片区街道空间品质好于老旧居住区,交通性道路街道空间品质优于生活性道路。

具体来看,功能密度在古城南侧钟楼片区和东北侧万达商圈片区的街道得分较高,这两片区域是西安古城商业活力中心,各类设施分布集中;而中部地区主要具有行政办公与居住等单一功能,设施分布稀疏,功能密度较低(图4a)。功能混合度在交通性道路的得分显著高于生活性道路,西大街西段以南片区、东北部万达商圈及东南角大差市片区地块功能复合,设施种类齐全,功能混合度高,而中部地区功能单一,功能混合度较低(图4b)。受规划设计标准的影响,交通性道路绿化配置丰富,绿视率高于生活性道路,并且临近公园、广场等开敞空间的道路绿视率要高于西仓片区、东仓门片区等老旧居住区道路(图4c)。由于《西安历史文化名城保护条例》规定明清城墙100 m范围内建筑高度限高24 m,天空可见度高的地区集中在城墙沿线、安远门、含光门和东部片区,而西侧及东南侧居住区街道天空可见度较低(图4d)。人行道可见度在生活性道路上得分显著高于交通性道路(图4e)。建筑界面可见度在古城西侧和南侧较高,特别是平安里、明新西巷等老旧居住社区,建筑贴街而建,而主干道沿线由于规划控制,建筑退界、限高,因此建筑界面可见度较低(图4f)。交通性道路空间开敞度高于生活性道路,建筑分布最密集的西仓片区、圪塔寺片区开敞度最低(图4g)。 建筑密度较高地区集中在古城西侧和南侧,包括北大街以西的北广济街、庙后街,以及南大街南侧柏树林、安居巷等一些老居住区,建筑分布为集中密集,建筑覆盖率高,而中部和东北部的省政府、体育场与万达等以大型商业建筑和公共建筑为主,配置有较多的开敞空间,建筑密度较低(图4h)。古城西部、中南部与东部万达商圈片区的街道由于建筑密集分布或体量较大,容积率较高(图4i)。平均建筑高度呈“东高西低”的格局,低层住区集中分布在西侧,而新建高层住宅及商业办公建筑多位于东侧(图4j)。道路整合度在古城东侧道路呈格网体系的片区以及西南侧道路密集地区的得分最高,尽端路、深入住区内部的道路得分最低(图4k)。

2.2 街道空间品质测度结果

2.2.1 各街区的街道空间品质得分特征

计算出各街区各指标街道空间品质得分Ci的平均值来衡量其综合水平(表2)。各街区平均Ci值都小于0.3,街道空间品质均不佳。街道空间品质从高到低依次为:解放门>南院门>柏树林>中山门>青年路>北院门>西一路,整体上东南片区街区街道空间品质优于西北片区,这是由于西北片区集聚了西安市规模最大的老旧社区连片区之一,由于年代久远,建设标准偏低等历史原因造成老旧小区处于自然发展状态,缺少定期维护修缮,街道空间品质不佳。从各街区街道品质的极差大小来看,从高至低依次为:柏树林>解放门>南院门>青年路>北院门>中山门>西一路,与各街区建成环境差异性成正相关,柏树林、解放门、南院门街区内既有城市商业服务中心(万达广场、火车站等),同时也马赛克式镶嵌着老旧居住小区(庙后街、安居巷等)。

表2 各街区街道空间品质得分特征Table 2 Characteristics of street quality score of each block

2.2.2 街道空间品质空间分布特征

基于自然断点法,将街道空间品质得分划分为高、较高、中、较低和低5个等级。西安古城东部片区街道空间品质整体质量高于中、西部片区(图5a)。东部片区街道建成时间较晚,街道设计标准高于其他街道,因此绿视率、人行道可见度、功能混合度等指标相较其他街道更丰富。而西部片区路网密集曲折,主要为老旧居住建筑密集分布区以及单一功能的行政办公区,由于街道建成环境不佳或功能单一等因素导致街道空间品质较差。从街道空间品质的密度分布图来看(图5b),呈现“三横两纵”的空间格局,“核心-边缘”特征显著,“三横”为西大街—东大街、西新街、莲湖路—西五路,“两纵”为北大街—南大街、和平路—解放路,均为古城的交通骨架。核密度值较低的地区集中分布在各居住片区,由于历史发展惯性,古城内自发形成了大量高密度低多层居住区,空间无序建设造成街道空间狭窄拥挤、绿化较少,不利于各类服务设施的布置,进而影响街道品质。

2.2.3 典型街道空间品质对比分析

从典型高/低品质街道对比分析(表3)来看,高品质街道均具备如下特征:街道活力方面,拥有完善的服务设施,且服务功能多元丰富;街道魅力度方面,具有丰富的绿化、适度的建筑界面、较好的视线穿透力,以及完善的步行交通体系,街道空间具有适宜步行的比例尺度;街道形态中,建筑高度较低、建筑密度及容积率适中;道路与周边交通具有便捷联系,可达性较高。

2.3 街道空间品质的影响因素

2.3.1 单因子探测结果

为进一步探究街道空间品质空间分异的影响因素,基于表1构建的指标体系,运用地理探测器进行因子探测。结果表明(表4),所有因子均通过99%的置信度检验(P<0.01),表明街道空间品质影响因子多元化。4个维度指标对街道空间品质的空间分异均存在一定的解释力,但差异显著。从解释力(q值)的整体强度来看,街道魅力度>街道可达性>街道形态>街道活力;从各因子来看,二级指标解释力排序为:X7>X3>X6>X11>X9>X4>X2>X8>X1>X5>X10。空间开敞度(X7)、绿视率(X3)、建筑界面可见度 (X6)q值大于0.27,且显著高于其他因子,是影响街道品质的主导因子,反映了街道魅力度对街区品质营造的核心作用。街道魅力度指标计算所使用的全景图和三维模型均是以贴近人眼视角下的物质空间形态信息,反映的是对近人尺度的城市空间特征的量化测度。叶宇等[15]研究得出,高品质街道往往具有较高的绿视率和空间围合感,符合环境心理学理论中人的行为习惯和心理需求等特征。由此可见,在西安市古城街道品质提升工作中,应更加关注街道绿化以及适度围合感的步行空间营造,形成空间连续多变、层次丰富的街道体验空间。道路整合度(X11)、容积率(X9)q值大于0.10,对街道空间品质依然具有较高的作用力,是街道空间品质营造中不可忽视的方面。因此,街道空间营造还需加强步行交通网络体系构建,提高道路可接近性,在建筑密集区改造更新时适度“抽稀”建筑,降低建筑密度与容积率,形成虚实相间的魅力街道空间。其余指标q值均小于0.10,对街道空间品质的解释力较弱,在街道提质改造中需要适度把握这些指标,包括天空可见度、功能混合度、建筑高度等因素,均为正负效应参半的指标,如天空可见度过低会造成视线障碍,不利于街道空间景观营造,而过高则会产生暴露风险[37]。

表4 单因子探测结果Table 4 Detection results of single factor

2.3.2 因子交互探测结果

因子交互探测结果(图6)表明,双因子交互作用的驱动力均比单因子独立作用时更强,作用类型包括非线性增强和双因子增强2种,其中非线性增强模式显著多于双因子增强,表明街道空间品质受多种因子的耦合作用。就最佳交互因子而言,街道魅力度内部各因子间的交互作用最强,特别是空间开敞度(X7)、绿视率(X3)、建筑界面可见度(X6),3个因子与其他因子交互作用的强度明显高于其他因子之间的交互作用,进一步表明街道魅力度是决定街道空间品质的主导因子。因此,对街道空间的规划设计及研究应从近人尺度出发,关注人性化街道空间设计要素及设计方法,因地制宜,围绕街道自身的特色营造魅力街道空间。同时,街道空间品质是多个影响因子互耦互馈的结果,对于街道空间的营造要从多维度出发,把握环境心理学及行为学的“空间-行为”作用机制,充分了解各因子间的耦合作用类型,以此形成“1+1>2”的良性循环。

3 结 论

后疫情时代,面对公共空间供给矛盾及经济下行双重压力,完善街道服务水平、提高街道空间品质,不仅是实现高质量发展的重要措施,还能激发街道活力,促进旅游消费,拉动城市经济发展。然而,通过对西安古城街道空间品质的测度发现,街道空间品质整体不佳,特别是连片分布老旧居住社区。在城市更新工作中如何识别街道空间问题进而重构街道空间,完善设施配置,最终形成高品质的完整街道,是当前工作的难点。本文基于多源大数据系统梳理街道空间品质的评价指标体系,采用TOPSIS模型探测西安古城街道空间品质特征,进而通过选取典型街道对比分析建成环境特征,最后借助地理探测器分析街道空间品质的影响因素,得出以下主要结论。

1)不同影响因子的表现在空间分布上差异显著,体现出西安古城功能交织、空间复合的特征。各因子的得分高低与街区、街道功能高度相关,商业区、新建住宅片区好于老旧居住区,交通性道路表现优于生活性道路。

2)各街区Ci均值都小于0.3,街道空间品质不佳。街道空间品质从高到低依次为:解放门>南院门>柏树林>中山门>青年路>北院门>西一路。空间上东部片区街道空间品质整体质量高于中、西部片区,呈现“三横两纵”的空间格局,“核心-边缘”特征显著。

3)影响因子对街道空间品质的解释力强度依次为:街道魅力度>可达性>街道形态>街道活力,街道魅力度对街道品质具有主导作用,特别是空间开敞度、绿视率、建筑界面可见度等从人的尺度感受的街道空间要素,是制约西安古城街道空间品质提升的主要因子。Jacobs[7]、Lynch[8]等城市学家较早提出了街道对组织城市生活的关键作用及关注人性化街道空间的重要性。但当前我国对街道的设计较少关注具体行人的路权及感受,造成街道尺度的失衡,无法解决交通问题的同时还降低了步行可达性[38]。近年来,随着“小街区、密路网”、完整街区等理念得到社会各界的普遍认同,加强街道空间的设计、营造适宜步行的交通环境成为城市更新的重要工作。

4)街道空间品质受多因子复杂耦合作用影响,街道魅力度内部各因子间的交互作用效果明显强于其他因子间的交互作用。街道空间品质是多因子互耦互馈的结果,对于街道的设计应具有系统思维,充分了解系统内部及其和外围要素(建筑、地块功能等)的复杂作用关系,合理地确定设计中的各项指标,形成良性互耦效应。

4 反思与展望

街道空间是由各种空间要素与行为活动构成,并叠加时间维度的复合系统。方智果等[29]对武汉市街道空间活力的影响因素测度研究指出,构成街道空间的各要素之间是相互关联的。但囿于多元线性回归模型对多因子耦合作用测度的局限性,并未能进一步探讨多因子耦合作用类型与程度。本文基于地理探测器,交互探测得出双因子耦合作用的驱动力均比单因子独立作用时更强,作用类型包括非线性增强和双因子增强2种,其中非线性增强模式显著高于双因子增强,该结论进一步补充了现有研究的不足。

空间品质是反映城市人群对城市空间综合需求而形成的评价概念[1],包括使用主体的主观感知与客观的建成环境特征评价等多个方面。然而,受限于数据的可获取性,本文仅从物质空间层面展开街道品质测度,无法从行人的主观感受探讨不同空间环境对空间行为的影响。未来可利用手机信令数据、社交媒体数据等数据源,展开更精细、更全面的测度,以指导街道空间改造工作,助推高品质街道空间营建。