随着城市的发展,苏州古城面临着空间品质提升的挑战,其规划急需从以车为本的规划转型为以人为本的规划,尤其要注重慢行系统的改善提升。研究以苏州古城外城河内街道为研究对象(街道段数量为2872段,覆盖面积为14.2km2),以人群活动数据、兴趣点位置数据和街景图片数据等为主要数据来源,运用空间网络分析、机器学习等技术,实现大规模、高精度的古城街道慢行品质评价,为旧城更新提供技术支撑。
研究步骤包含数据收集、多维度评价、慢行品质与街道画像、针对性导控策略四个阶段( 图1)。
在数据收集阶段,研究小组于2018年秋季对研究区域的2872段街道的街景图片开展了收集。街道总长为354.9km,研究抓取了47422 个采样点上94844 张百度街景图片数据(图像分辨率为480×360 像素),平均采样间距约为20m。此外,研究还收集了工作日和周末共10个时间段的LBS 数据,抓取了POI数据点38049个。
研究收集的路网基础数据来源于开源的OSM地图(http://extract.bbbike.org/),POI兴趣点抓取于高德地图。街景数据首先基于路网拓扑计算,保证街景图像能平行于街道的长轴方向,随后再由Python( 是一种计算机程序设计语言)经HTTP URL调用百度街景API(http://api.map.baidu.com/lbsapi/) 获得,通过输入视线垂直和水平方向的角度,以及视点位置数据,可以抓取每一个样本点的街景视图。其中,垂直角度为零,即平视的街景视角;水平角度根据路网形态,抓取平行于道路的前后两张街景视图。此外,LBS数据由Python经HTTPS调用腾讯宜出行平台位置服务API(https://apis.map.qq.com/) 获得。
多维度评价综合了街道慢行品质的环境要素和使用者的适应性两方面,从形态、功能、感知和行为四个维度进行评价。
(1) 在形态维度上,研究基于sDNA对道路的空间组织结构进行了步行适宜性的评价与聚类。sDNA是由卡迪夫大学提出的量化分析工具,可以基于拓扑、角度或米制距离的变化进行分析。由于基于角度距离的可达性被证实与实际观察到的人车行为分布具有良好的相关性,本次研究采用基于角度距离的中间性(Angular Betweenness)作为道路网络可达性的度量值。不同的分析半径反映出街道组织结构对相应距离出行的适应性,500m常被认为是步行舒适距离,大尺度的半径则更适宜车行等通勤交通。研究选择500~10000m的半径对苏州全市街道进行连续分析,在聚类算法的协助下以更大范围的分析视角考虑从步行距离到车行距离的街道空间组织构成特征。
(2) 在功能维度上,研究基于POI分析了街道设施的多样性,并运用ArcGIS,基于香农指数对街道设施的多样性开展量化评价,计算公式如下:
(3) 在感知维度上,研究首先基于街景数据和机器学习进行了街道空间感知评价,并运用卷积神经网络工具(SegNet)对要素类别进行了图像切割。这种方法可以测度天空、建筑、绿化和道路等不同街景要素的占比。考虑到现有研究在国内城市中直接运用这一工具的识别效果良好,故未基于国内图片数据开展进一步的图像标定。其次,再运用机器学习领域的人工神经网络算法(ArtificialNeural Network,简称“ANN”) 构建评价模型。ANN是一种模仿生物神经网络功能的数学算法,一个典型的ANN包括多个神经元(人工节点) 多层互联所形成的一个类似生物神经网络的网状结构。这一非线性的架构使其可以集体地、并行地计算函数的各个部分,对于复杂、多样而又相互交联的建成环境要素分析较为适宜,因此其能够基于相对小样本的街景评价来训练评价模型,进而对所有街景照片进行大规模评价打分。最后,计算每一条街道段的空间感知评价分数,得分越高,人本尺度的感知越好。
(4) 在行为维度上,研究基于LBS数据对人群在街道的行为活力进行分析。研究分别选取了工作日与周末7点、11点、15点、19点和22点共10个时间段收集人群位置信息,保证了数据的代表性。随后,利用ArcGIS对人群位置进行核密度分析,观察人群聚集程度高的地区,再与路网做空间连接分析(Spatial Join Analysis),便于下一步构建评价模型。
为了从形态、功能和感知三个维度对街道慢行品质进行综合评价,研究运用AHP 层次分析法,寻求了二十余位有规划、建筑背景的专家以及硕士、博士研究生,对三个维度进行打分,具体的判断矩阵如下:
在确定维度权重后(表2),经计算获得苏州古城街道慢行品质得分结果,同时获得古城的街道画像。研究将得分前1/2 的街道视为慢行适宜型街道,将得分后1/2 的街道视为慢行品质待优化的街道。随后,再根据街道行为活力的高低,与形态、功能、感知评价得分后1/2 的结果进行叠加分析,得到六类街道:高活力—低适应型街道、高活力—缺设施型街道、高活力—低品质型街道、低活力—低适应型街道、低活力—缺设施型街道、低活力—低品质型街道。
研究最后选取养蚕里弄、幽兰路和西大街某巷段等六条对应不同类型的重点街道进行个案分析,提出相应的导控策略。