大数据与城市规划 (31).pdf

《大数据与城市规划 (31).pdf》由会员分享，可在线阅读，更多相关《大数据与城市规划 (31).pdf（3页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、新建筑NEW ARCHITECTURE 5/2016 131130 5/2016 新建筑NEW ARCHITECTURE城市问题城市问题作者单位：清华大学建筑学院（北京，100084）街道空间品质的测度、变化评价与影响因素识别基于大规模多时相街景图片的分析Measuring Quality of Street Space,Its Temporal Variation and Impact Factors:An Analysis Based on Massive Street View Pictures摘要街道空间品质对城市形象和公共生活具有重要影响。试图构建“街道空间品质评估品质变化特征识别影

2、响因素分析”的研究框架，利用北京市20052013年已有建设用地上的居住类土地出让信息，获取其周边多年份的街景图片，用于评价街道品质和空间变化判读。研究发现，样本街道的总体品质偏低，改善比例在10%左右，且多为表面化的整治。微观环境的优化措施尚未体现精细化设计理念。关键词空间品质街道空间量化评价街景ABSTRACTStudies of built environment indicate that quality of street space has vital influences on public life and the image of city.In this paper,a n

3、ew approach for quality evaluation and variation identification was proposed.Impact factors were partially recognized afterward.Massive street view pictures were captured as a new dataset to represent street space surrounding the renewal residences in Beijing from 2005 to 2013.The scores show that q

4、uality of the sample street space is generally poor,of which only 10 percent received superficial improvement.The concept of smart design has not been implemented yet.KEY WORDSquality of space,street space,quantitative evaluation,street view picture中图分类号TU984.113文献标志码B文章编号1000-3959（2016）00-0000-06唐婧

5、娴龙瀛翟炜马尧天TANG JingxianLONG YingZHAI WeiMA Yaotian随着我国经济发展进入“新常态”，城市建设从增量扩张过渡到存量提质优化时期，空间品质日渐成为规划管理中的重要内容。街道在城市形态和空间组织中扮演重要角色。街道空间品质的好坏，影响着个体的行为习惯、户外活动的频率、公共健康的水平、城市文化的塑造。遗憾的是，在过去20多年备受瞩目的城市化过程中，“过度机动化”使得街道空间不断被汽车挤占，公共领域（public realm）活动缺乏安全性保障，街道空间设计缺乏活力与吸引力。在当下的转型语境下，街道空间品质、提升改善措施的研究具有重要的价值和意义。一相关研究综

6、述1街道空间品质与测度本文的研究对象为街道空间品质。周进、黄建中（2003）曾对空间领域研究的品质进行过定义，认为城市公共空间品质与城市空间环境质量，即城市物质空间的物理环境质量，十分相似，反映了空间对于使用者的生理适用性1。一些学者使用质量代替品质一词，内容上较为类似，均可理解为使用主体对物质空间感受的现量，对应的英文词汇均为quality。因此笔者认为品质和质量在描述三维空间的生理适宜性和物质属性时，可以相互替换。街道空间品质即三维街道空间环境对于行人的物理适宜性。本文所指的测度（measure），意为测量、评估，即用一个框架体系来评估某种属性。2街道空间品质测度的相关方法学术界长期围绕街

7、道开展讨论，但由于缺乏合理的量化工具，微观三维环境的质量、街道设计要素较难被科学地解释。按照研究数据的类别和评价方式，街道空间品质的传统测度方法可分为两类：第一，主观评价研究，通过问卷调查或当面访谈，获得被访者对观测地点三维环境品质（实景或影像）的意见和认识，一般观测地点范围较小。此类研究积累了很多可参考的品质评价的指标体系，具有代表性的如Reid Ewing等（2013）构建的城市设计质量评价体系2；第二，利用平面二维空间属性、社会属性和城市开放大数据的客观分析，如龙瀛（2016）在新数据环境下，探索了利用数据定量测度城市街道活力和品质的方法3。街道空间品质是由多个要素共同影响的，其效果不是

8、二维平面要素的简单加权，立体空间的感观刺激是综合形成的。技术进步形成的的新数据环境，给空间品质测度带来了新的可能，诸如谷歌、必应、百度、腾讯等街景地图可以让使用者利用360全景迅速获取多个时间点的街道空间实景信息。近年来，城市研究者开始利用街景图片开展研究，试图探索更好的量化方法，阐释或验证理论假设。如Nikhil Naik等（2014）对纽约等5个城市上百万张街景图片进行机器学习、自动评分，测度街道空间的感知性安全度4；Andrew G Rundle等（2011）以纽约37个可步行性很高的街区为对象，将2008年GSV测评结果与2007年的实地调研结果对比，验证街区环境对公共健康、健康行为的

9、影响，并证实街景数据与调研数据的一致性5。Li Xiaojiang等学者（2015）利用谷歌街景评价了曼哈顿东村的绿化水平6。动态街景实现了大尺度范围空间品质的即时水平以及短期内（23年）的改变情况，有助于深化人们对空间的理解和认识。3空间品质的相关理论街道空间属于城市公共空间的一部分。近年来，社会学、经济学领域的学者试图从社会结构演替角度入手，深入地揭示空间品质与社会变化的关系。根据Emest W Burgess（1925）的研究，城市内部人口分异与不同质量的居住区存在对应关系，空间品质的分布与社区收入结构、教育水平有关7。在美国，公共交通好的地方一般空间品质较差，因为贫困的人选择靠近公共交

10、通便利的城市中心居住（Edward L Glaeser等，2008），本质上反映了空间品质与收入水平的匹配关系8。并且，越靠近城市中心的空间品质改善几率越大9。利用街景对社区空间变化进行量化，Nikhil Naik等（2015）探寻美国五个大城市街道空间与人口、经济变化之间的交互作用机制，验证了“同心圆”理论的正确10。北京的城市空间结构比较特殊，城市中心区部分属于历史保护区，因此受到更新改善需求与历史保护要求的双重作用，北京街道品质改善的驱动力来源与西方也有差异。所以，北京城市街道空间品质水平在总体层面的特征，可能与西方呈现不同的结果。本研究拟借助街景，来探寻城市街道空间品质水平、空间变化规

11、律的真实情况。二数据与方法1数据来源本文选择20052013年北京市更新类居住项目外围的街道空间为样本。所用数据主要包括：居住项目基本信息、街景图片数据、开放数据和区位特征数据四类。（1）居住项目基本信息更新类居住项目的基本信息来自北京国土局土地出让公开数据，内容包括：地块级别的土地出让面积、商品房还是保障房等。9年间发放的土地出让信息中，居住类项目共1 974个。（2）街景图片品质评价所用数据为动态街景图片，来自腾讯街景地图。根据土地出让数据中的经纬度位置，在街景地图中人工截取图片。每个位置选择平视视角四个方位；并利用“时光机”获取多个年份的全部街景图（包括20122015四个年度，部分位置

12、只有一个或两个年度的街景图片），由此形成多时间、多方位的图片数据集，共46 286张。（3）开放数据开放数据主要使用了基于位置服务（location based service,LBS）和地图兴趣点（points of interest,POI）数据。LBS数据来源于某互联网公司产品的后台LBS，通过爬虫技术获得，数据按小时聚合，空间尺度为25 m，时间为2015年8月1日和2日14：00-17：00。地图兴趣点（POI）为2014年某地图网站八类POI汇总，计算核密度。（4）区位特征基于四维地图的导航数据，利用ArcGIS计算每个居住项目距离城市中心的距离、距离最近地铁站点距离。此外，还基于

13、导航路网建立道路交叉口图层，计算每个居住项目500 m缓冲区内的道路交叉口密度。2研究方法基于龙瀛和沈尧（2016）提出的“时间空间人”（time-space-people,TSP）模型11，构建“街道空间品质评估品质变化特征识别影响因素分析”的方法框架，探寻新数据环境下街道空间品质评估的新思路（图1）。街道品质评估反映了北京城市尺度的情况，品质变化则对应23年时间维度的变化，影响因素分析使用位置服务数据、兴趣点数据、区位特征数据及部分居住区信1TSP模型支持下的街道空间品质测度、变化识别和影响因素分析的框架表 1街道空间品质整体水平评分标准的具体说明打分项目停驻意愿评分说明很愿意停驻则评分为

14、5参考样片注：1-5分代表打分者在本数据集所涉及的街景环境内，希望停驻的意愿，不涉及多城市的横向对比。若某点位只有第二个时间点的街景图片，则只做停驻意愿打分不做变化项目打分。较愿意停驻则评分为4停驻意愿一般则评分为3较不愿意意停驻则评分为2很不愿意意停驻则评分为1新建筑NEW ARCHITECTURE 5/2016 133132 5/2016 新建筑NEW ARCHITECTURE城市问题城市问题息，探索街道空间品质水平和改善特征与社会活动的相关性。通过兼顾大尺度与精细化粒度的方法，对建成环境形成全新认识，促进补充龙瀛和沈尧（2015）提出的数据增强设计（data augmented desi

15、gn,DAD）方法论的发展12。（1）品质测度采集完街景图像后，首先组织具有城乡规划与设计背景的研究生4人，对街景图片进行感性判断，识别图像变化的类型，之后共同商议街景场景评价的角度。所有意见汇总、筛选后，确定评价体系，并拣选一些空间品质具有明显差异且典型的图片进行集体评分，作为后续评分的标准参考。鉴于街景图片受到季节和天气的影响较大，且打分存在主观性偏差，4位同学最初采取共品质、11类街道空间变化发生的位置特征；运用SPSS进行线性回归，首先探寻街道空间品质水平与区位、人群活动属性、房屋类别（是否为保障房）的关系。之后分析空间变化与已知区位属性、地块属性、人群活动的关系，探究空间改变可能的影

16、响因素。三研究发现1空间品质的测度与影响因素识别（1）空间品质的测度本文以停驻意愿反映空间品质的整体情况。统计1 974个住区的停驻意愿得分，其中打分为5分仅占2.4%，1分占8.82%，大部分为3分，占比52.15%。统计平均值为2.01，标准差为1.47。可见总体的停驻意愿偏低，街道空间品质的综合水平较差，吸引力不足。从空间上看，停驻意愿得分较高的点总体呈分散形态，旧城北部、朝阳区西部聚集了一些得分较高的点（图4）。根据居住区档次类型来看，各类住宅的外围空间品质综合水平与小区的档次相匹配，即：高档住宅小区普通商品房保障房。高档住宅外围街道的停驻意愿平均值为2.89，普通商品房平均值为2.8

17、4，前者只比后者高出0.05分；保障房的平均分为2.49，与前两者有一定差距。高档住宅的房价和物业费高，可用于内部、外部环境改善的资金充裕，但基于上述的统计结果，高档住宅外部的街道空间环境品质并非比普通住宅好很多。由此可以推论，高档住宅与普通商品房小区的差异较少体现在外围环境的质量上。一方面可能是住户对街道的环境品质不敏感，另一方面说明开发主体忽视小区外围环境品质，外围空间品质表4停驻意愿线性回归结果（N=1974）变量AREAJUNCTIONPOILBSCENTERSTATIONAFFORDABLE0R2标准化后的回归系数0.0220.232*0.0260.166*-0.012-0.133*

18、-0.0080.0000.182*P0.01，*P0.05，*P0.1注：WILLINGNESS表示停驻意愿，AREA表示小区土地出让面积（公顷），JUNCTION表示道路交叉口密度（核密度），POI表示兴趣点密度（核密度），LBS表示人口密度（核密度），CENTER表示距离城市中心的距离（米），STATION表示距离最近地铁站点距离（米），AFFORDABLE保障房，0是非保障房，R2是保障房23建筑立面建筑立面底商立面底商立面建筑立面建筑立面围墙围墙人行空间人行空间人行空间人行空间车行空间车行空间同评分的方式，达成共识后再分头打分，评分中有意识去除天气、季节造成的干扰，共历时9天。根据每个

19、位置对应的最新街景图，评判此位置的停驻意愿，以反映该街道空间品质的整体水平。本文在街道空间品质评价部分，仅做综合性判断，在后续的研究里，有必要进一步将街道空间品质评分指标体系进一步分解，可借鉴或改进Reid Ewing等人（2013）所构建的指标体系进一步细化2。评分中，停驻意愿水平被分为五组，并分别对应参考样片（表1）。（2）街道空间品质变化的评价体系街道空间品质变化评价角度和标准确定，按照居住区外围街道空间的剖面功能，将空间品质变化的评价指标归入四个位置大类，即建筑部分、人行道部分、车行道部分、底商或围墙部分的品质改善评价（图2）。再依据空间改变的实际情况，在每个位置大类下设置23个变化子

20、类指标和一个改善效果指标，发生变化为1，没有变化为0；改善效果较好为2分，效果一般为1分，没有效果为0分。总共11个子类指标，构成一个完整的品质评价（图3）。街道空间品质变化的评分标准经过集中打分讨论确定，过程中逐个选出每个子项不同分值对应的样例。参与评分者均需按照讨论结果学习评分标准和参考样例（表2，3）。（3）空间品质及其变化的影响因素识别根据评分统计结果，运用ArcGIS分析街道空间表2总体评价类评分参考样片建筑部分0分组样片（无效）前前前1分组样片（一般）2分组样片（有效）后后后人行道部分车行道部分底商或围墙部分表3细分指标评分参考样片0分组样片（无变化）前前1分组样片（有变化）后后立

21、面色彩变化更改及其他立面清理材质停车空间整治绿化变化成优化街道家具增设车道绿化绿化变化店面招牌变化性装饰变化店面立面通透其他设施变化立面绿化设施及立面通透性变化建筑部分人行道部分车行道部分底商或围墙部分2街道空间品质评价要素的位置断面3街道空间品质变化评价体系及具体评分说明停驻意愿（空间品质）现状道路123454五环内街道停驻意愿得分的空间分布新建筑NEW ARCHITECTURE 5/2016 135134 5/2016 新建筑NEW ARCHITECTURE城市问题城市问题结果表明（表7）5，小区面积对小区周边街道环境部分的改变影响为正且最大，原因可能是土地出让面积越大，住区边界越长，小区

22、周边人行道、车行道或者围墙改造的点越多；保障房的周边也得到了更多的空间改变机会；距离城市中心越远，空间改变的机会越多。单项变化的统计结果显示，距离地铁站越远，人口密度越低，建筑外立面改变的机会越多。小区面积越大、保障房周边城市功能密度越低，则小区周边的人行道改变（如人行道划线）和车行道改变（如停车划线）的机会越多。商品房项目的底商改变相比保障房更多。影响围墙改变的因素众多，距离地铁站越远、商品房、小区面积越大，则围墙改变的机会越多。四讨论与结论本文利用多时相、多角度的街景图片数据，测度北京更新类居住区外围街道空间品质的水平、变化类别特征。研究发现，近年来北京更新类居住区周边的街道空间品质总体较

23、低，吸引力不足。空间品质的综合水平亟待提升。发生空间变化的街道比重占比为10%左右，变化多为简单的表面化整治美化，缺少精细化设计的痕迹。即便是实施了改善措施，也有约一半比例没有看到成效，如居住外立面以刷墙为主，店面招牌更换良莠不齐。小区面积大，周边人行道、车道改善、围墙改善较多；保障房周边各类变化的情况有差异，人行道、车道有很多的改变；但底商和围墙的变化数量不及非保障房，与前述“好的社区会更好，差的社区不易改善”的结论不一致。单项街道品质改善变化的几率与是否靠近中心没有表现出相关性；总体来看，距离城市中心越远，街道空间改变的机会愈多，可能是因为北京二环内多为历史街区，虽然改造的意愿需求强烈，但

24、是改造难度过大，成本居高不下，保护的要求与市场需求形成矛盾，因此改善较难推进；而外围新城则更符合市场规律，较容易发生变化。综上所述，依靠政府政策力量推动的街道空间改善在总体层面上表现出空间随机性，推测可能是交通部门、规划管理部门、市政部门等的多条政策叠加表现出的结果，具体有哪些作用还需要进一步的细分研究，这一结论与其他国家学者在市场化环境中所得到的有差异。从另一角度来说，这也意味着我国街道空间品质改善的驱动力较为多元，更具走向公平化、均质化的可能。西方发达国家自步入21世纪以来，不断反思机动车交通带来的种种弊端，长期倡导绿色、低碳、宜居生活方式和设计理念，重视街道空间品质的改善提升。公共环境的

25、品质、活力，是具有普遍意义的、长期而艰巨的挑战。北京的街道情况在全国来看并非个例，未来环境品质的提升有赖于从意识到实践、从技术到管理的全方位策略。本文利用微观精细粒度数据，开展大尺度街道空间品质的测评，并纳入时间尺度的变化，从而形成时间、粒度、尺度的多维突破，在大数据和开放数据构成的新数据环境下，克服了传统方法中静态化、尺度与粒度折中的局限性，为面向未来的城市设计研究提供了一种新的思路。本文仅是较为初步的探索，在数据质量、方法选择、评价体系构建、对比研究等方面，还有待于进一步完善、深化和拓展。龙瀛为本文通讯作者注释 Jed Kolko的研究对象为发展中国家城市。参考文献1 周进，黄建中.城市公

26、共空间品质评价指标体系的探讨J.建筑师，2003（3）：52-56.2 Ewing R,Clemente O,Neckerman K M,et al.Measuring urban design:Metrics for livable placesM.Washington,DC:Island Press,2013.3 龙瀛.街道城市主义：新数据环境下城市研究与规划设计的新思路J.时代建筑,2016(2):128-132.4 Naik N,Philipoom J,Raskar R,et al.Streetscore:Predicting the perceived safety of one m

27、illion streetscapesC/Computer Vision and Pattern Recognition Workshops(CVPRW),2014 IEEE Conference on.IEEE,2014:793-799.5 Rundle A G,Bader M D M,Richards C A,et al.Using Google Street View to Audit Neighborhood EnvironmentsJ.American Journal of Preventive Medicine,2011,40(1):94-100.6 Li X,Zhang C,Li

28、 W,et al.Assessing Street-level Urban Greenery Using Google Street View and A Modified Green View IndexJ.Urban Forestry&Urban Greening,2015,14(3):675-685.7 Burgess E W.The growth of the city:An introduction to a research projectM/Urban Ecology:An International Perspective on the Interaction Between

29、Humans and Nature.New York：Springer US,2008:71-78.8 Gleaser E L,Kahn M E,Rappaport J.Why do the poor live in cities?The role of public transportationJ.Journal of Urban Economics,2008,63(1):1-24.9 Kolko J.The Determinants of GentrificationJ/OL.Available at SSRN:http:/ Naik N,Kominers S D,Raskar R,et

30、al.Do people shape cities,or do cities shape people?The co-evolution of physical,social,and economic change in five major US citiesR.Cambridge,MA:National Bureau of Economic Research,2015.11 龙瀛，沈尧.尺度城市设计的时间、空间与（TSP）模型：突破尺度与粒度的折中J.城市建筑，2016，16（6）：33-37.12 龙瀛，沈尧.数据增强设计：新数据环境下的规划设计回应与改变J.上海城市规划，2015（2）

31、：81-87.收稿日期2016-06-21表5街道各部分发生变化与改善效果统计空间位置建筑部分人行道部分车行道部分底商部分围墙部分指标立面色彩变化（X1）立面清理、材质更改等其他（X2）居住外立面改善效果一般=1居住外立面改善效果较好=2停车空间整治（X3）绿化改善（X4）街道家具（X5）人行道部分改善效果一般=1人行道部分改善效果较好=2车道细化（X6）绿化（X7）道路改善效果一般=1道路改善效果较好=2店招变化（X8）店面立面（X9）店面改善效果一般=1店面改善效果较好=2围墙通透性（X10）围墙周边绿化及其它设施（X11）围墙改善效果一般=1围墙改善效果较好=2数目84784771684

32、8848847851784484281175555503586456475513最小值00000000000最大值11111111111平均值0.080.070.050.10.110.140.080.320.070.060.12标准差0.270.2530.2120.3070.3070.3450.2690.4660.2570.2330.329总变化点数（X1=1）U（X2=1）=93（X3=1）U（X4=1）U（X5=1）=185（X6=1）U（X7=1）=158（X8=1）U（X9=1）=189（X10=1）U（X11=1）=101变化改善占比 7.53%17.20%45.95%9.19%51

33、.27%10.76%18.52%4.23%54.46%12.87%表6各子项改善情况得分的基本统计（N=1974）变量BUILDINGSIDEWALKROADSTOREWALLSUM最小值000000最大值222228平均值0.090.140.140.090.131.01标准差0.350.400.400.340.391.08注：BUILDING：小区建筑改善评分，SIDEWALK：人行道改善评分，ROAD：车行道改善评分，STORE：底商改善评分，WALL：围墙改善评分，SUM：总体变化统计（各项变化累加）*P0.01，*P0.05，*P0.1表7小区周边街道空间变化的回归结果AREAJUNC

34、TIONPOILBSCENTERSTATIONAFFORDABLEa0样本量R2变量SUM0.191*0.074*-0.0630.0280.104*00.183*0.9418450.031BUILDING0.088-0.029-0.005-0.101*-0.0230.17*0.0910.0318450.042SIDEWALK0.261*0.006-0.153*0.0260.010-0.187*0.216*-0.1028430.039ROAD0.174*-0.037-0.086*-0.0240.026-0.1070.414*-0.0068420.06STORE-0.014-0.030-0.011

35、-0.0300.0200.328-0.052*0.0835530.05WALL0.177*0.014-0.001-0.0090.1370.283*-0.204*-0.0926440.03301234568210的价值没有被充分纳入到房价中。（2）空间品质的影响因素识别使用线性回归模型分析观测点的位置属性、档次、人类活动属性对街道停驻意愿的影响，以反映这些指标对街道空间品质的贡献公式如下：WILLINGNESS=a0+a1*AREA+a2*JUNCTION+a3*POI+a4*LBS+a5*CENTER+a6*STATION+a7*AFFORDABLE+其中，a1-a7为回归分析需要识别的权重系

36、数，a0为常数项，为随机误差。表4中的回归结果显示，小区周边的道路交叉口密度越大，距离地铁站越近，停驻意愿越高，所对应的居住小区外围的街道空间品质也更高，与前述美国公共交通好的地区空间品质差的结论不同。2街道空间品质变化的测度、影响因素识别 与效果评价（1）街道空间变化及品质改善的测度街道空间品质变化的测度包含两个层次，第一个层次仅关注剖面四个位置是否有改变，这种改变可能有效或无效，但都反映了责任部门为环境改善所做的努力。第二个层次则关注空间改善的效果，即有无品质的提升。分类汇总建筑部分、人行道部分、车行道部分发生变化的总量及比例，改善有效的比例及得分空间分布（表5，图5）。结果显示，街道剖面

37、的建筑部分有所变化的占比10.9%。其中改善效果一般的占发生变化的7.53%，改善效果较好的占17.2%，未能产生街道环境改善的达75.27%。底商店面整改的绝对数量是所有变化类型之中最多的，占比34%，未能达到改善效果的占到77.25%，可见店主对底商店面的整改热情高但效果不理想。相比而言，人行道的整改变化绝对数量也达到了185处，占比21.8%，但前后变化并未能改善的占44.86%，大部分人行道变化对城市街道空间品质改善是有效的。车行道部分发生变化的158处，其中改善效果一般的为51.27%，改善效果较好的占发生变化的10.76%。围墙部分发生变化占比15.7%，改善效果一般的占比54.4

38、6%，较好的占12.87%。整改效率最好的是车行道部分、人行道部分和围墙部分，平均分为0.14、0.14、0.13。总体来讲，居住小区建筑和底商的改善效果较差，车行空间、人行空间和围墙的改善效果相对较高（表6）。（2）街道空间变化的影响因素识别使用线性回归模型分析更新小区各项属性对小区周边街道空间变化var总体情况（对应表3中X1-X11）与各个方面变化的关系，公式如下：var=a0+a1*AREA+a2*JUNCTION+a3*POI+a4*LBS+a5*CENTER+a6*STATION+a7*AFFORDABLE+5a5c5e5b5d5f地铁线路现状道路现状道路空间变化单项变化总和（0-8）建筑部分改善（0-2）210210210210现状道路现状道路现状道路现状道路人行道部分改善（0-2）底商部分改善（0-2）围墙部分改善（0-2）车行道部分改善（0-2）5街道空间变化及改善得分情况a单项变化总量的空间分布b建筑部分c人行道部分d车行道部分e底商部分f围墙部分