(2)空间句法关注城市系统的总体“涌现”(Emergence),是一种基于多尺度的实验性质的方法。
空间句法需要模型校核的另一大原因与空间句法自身的特质有关,即空间句法的分析围绕实际建成空间展开,是一种“自下而上”的分析方法,通过局部规则的建立和调整,观察系统在宏观上的总体“涌现”,具有一定的实验性质。当研究人员对某片区进行空间句法分析时,往往要经过选取合适的分析模型、计算半径与分析参数等过程,而上述过程对空间句法计算结果的影响极大,且缺少明确的流程及技术准则。运用空间句法对某片区进行建模分析时,可在轴线模型、线段模型等多种模型的假设下,基于经验选取的多个搜索半径进行计算,结果中整合度、穿行度和可理解度等多个参数皆可用于辅助规划设计。然而在实际工作中,研究人员往往凭借以往经验及代入实验的方法进行探索分析,导致最终计算结果的不确定性。因此,运用空间句法进行分析之前应进行模型校核工作,以减小后续的分析误差。
(3)多源城市数据的发展为空间句法的校核与分析提供了新的视角。
包括百度热力图、各类 POI 数据和大众点评等数据在内的城市数据能便捷地揭示出城市片区的实际功能及城市交通流量状况,因此可以从城市功能和交通流量两个方面对基于句法表达的城市空间结构进行校核,以验证空间句法是否真实表达了城市情况,同时也有助于选择合适的空间句法分析半径,为基于空间句法的城市设计方案提供参考辅助。陶伟等人在研究路网形态对广州市各星级酒店分布的影响时发现,酒店数据根据兴趣点(POI)数据获得,减少了因数据矢量化而产生的工作量。盛强等人结合大众点评网的餐饮业分布与评论数据,对重庆地铁站周边餐馆数量、评论总数与真实客流量及相关句法参数进行对比分析 。总体来看,既有文献中的空间句法校核仍主要基于实测交通流量数据,较少使用多源城市数据(表1)。