【文章编号】1002-1329 (2019)06-0107-08
龙 瀛 (1980-),男,清华大学建筑学院、清华大学恒隆房地产研究中心,特别研究员、博士生导师,中国学会新技术应用学术委员会委员。
唐婧娴 (1991-),女,清华大学建筑学院,博士研究生。
精彩导读
【摘要】 伴随我国人居环境建设从重“量”走向提“质”,城市建成环境的科学评估与定量研究亟待展开,街道作为重要的公共领域,其空间品质与活力成为重要的方向之一。本文从街道空间品质的概念、大规模量化方法和空间品质测度方法三个方面切入,梳理了国内、国外街道空间品质量化研究方法的进展。总体而言,街道物质空间的测度在不同的方面已有一定的方法积累,但少有多种方法的集成应用,利用可获得性高的街景图片进行街道空间测度是国际上新兴的研究方向,空间品质的影响机理研究还有待深入,已有研究少有以科学认识为基础的规划设计方法讨论。
ABSTRACT : The new normal era witnesses the policy shifting from growth planning to quality management. It is in urgent need to carry out the scientific assessment and quantitative research on the built environment. As street is an important public domain, its quality and vitality become one of the major research directions. Focusing on street space, this paper analyzes the existing quantitative approaches of street space in China and abroad from three aspects: the concept of street space quality, the large-scale quantification method, and the measurement method of street space quality. In conclusion, there are a number of measurement approaches for physical street space in various aspects, but the integrated application of the approaches is limited. It is a new research direction in the world to use street view pictures with high availability to conduct street space measurement. The influencing mechanism of the quality and vitality of street space still requires in-depth research, and the discussion about scientific research-based street planning and design methods is lacked in existing studies.
KEYWORDS: big data; quality; measurement; built environment; public space
引言
街道作为慢行交通的主要载体和重要的城市公共空间,在建筑设计、与设计、社会学领域和设计实践中广受关注。为提高宜居性和吸引力,世界上许多知名城市提出了建设友好型街道空间的策略,如大伦敦《更好的城市》(Better Streets),波特兰《绿色街道》(Green Streets),哥本哈根自行车交通策略,以及上海的《街道设计导则》等。街道设计的重要性已经形成共识。2015年中央城市工作会议指出,“城市设计是落实、塑造城市特色风貌的有效手段”,而优质的城市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。街道,这一重要公共空间的品质与活力测度,将辅助设计师更好地落实“创新”“绿色”“共享”的建设理念,促进形成安全、健康、便利的人居环境。
回溯街道空间的研究进程,以雅各布斯(Jacobs)和列斐伏尔(Lefebvre)等为代表的一系列城市研究先驱者在20世纪60年代即开展了街道空间及其社会、经济效应的讨论[1,2]。随后,设计领域的专家开始关注街道的空间特征、街道的设计手法以及如何利用街道来提供更好的城市品质与活力,如盖尔(Gehl)、怀特(Whyte)、林奇(Lynch)和蒙哥马利(Montgomery)等从不同角度所做的定性归纳[3~6]。
然而,时至今日,大多数街道空间的研究工作隶属于定性研究范畴,量化研究比例偏低,街道空间的设计主要依赖于设计师的经验和主观判断,缺乏科学支撑,这主要归结于两个方面的原因。其一,街道尺度的微观数据获取困难,研究者很难通过实地调研获取大范围街道空间的属性数据;其二,受制于城镇化快速发展期的认识局限,对微观环境的重视程度不足,常以粒度较粗的社区地块研究来代表原本内涵丰富的微观环境[7],侧重于空间的社会属性,缺乏人本视角下对街道等空间品质与活力的针对性科学解读,低估了具体类型的公共空间在城市意象营造和提升城市活力方面的作用。
聚焦到街道空间的研究领域,尤因和克莱门特[8]指出,街道空间形态测度(measurement)及其效应(performance)的系统研究是更好地营造场所与公共生活的必要前提。在“测量不可以测量”的呼吁声中[9],近期国内外出现了街道空间测度的热潮。加之全球范围内新数据环境的形成,地图、图像处理的技术突破以及相关领域测度技术的介入,进一步为街道空间量化研究的精细化提供了可能[10~12]。
因此,本文拟围绕街道空间多个方面的测度,选取国内外权威期刊或高引文献,分类综述街道物质空间的大规模量化(含所处的环境特征)方法、空间品质的测度方法和街道空间活力测度三个方面的进展。文末对既有研究的特点展开评述,总结近期的研究动态,为我国街道空间测度的研究及实践提供初步的研究基础。
街道空间品质的定义
街道是指城镇范围内、非交通为主、能承载人们日常社交生活的道路;而街道空间既包括街道本身,还包括与街道相接的对街道活力有直接影响的建筑底层商铺、开敞空间、服务设施等。空间品质(quality of space)是反映城市人群对城市空间综合需求而形成的评价概念,其作为空间的总体质量,反映了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[13]。空间品质的综合性带来了界定和测度的困难。环境心理学和行为学认为,使用主体的感受依赖于空间形态的适宜性,而空间品质可以通过主观感受来反映。因此,既有的理论和实证研究大多采用解构的方式据此进行还原和简化——或从街道形态对于行人的适应性来评价品质,或从使用者主观感知的角度来阐述“品质”。前者一般通过街道若干构成要素的特征和服务水平来反映总体的质量;后者则以“人”为媒介,调查使用者在空间之中的感知。
好的空间形态是街道活动的载体,合适的尺度、绿化水平、休憩空间安排、界面的连续性、光线等,均会对人的活动、人与人的交往产生影响。如连续性的街道将会形成一种友好、完整的秩序;绿化有助于减缓使用者在空间中的压力,影响感知安全性[14];街道的高宽比和围合度会影响行人感知到的尺度规模从而影响他们的停留意愿,一条过度开敞的街道往往意味着高水平的机动化,即高危险性、空气污染、噪音污染和交通事故等,而相比之下,狭窄的街道对步行、日常休息和公众休闲都更为友好;街道的天空比率将影响视线,进而对愉悦感和压力产生一定影响。所以,品质可以借助这些方面的变量来表现,如建筑密度、绿化率、围合性、开敞度、连续性、连接性、高宽比、尺度、整洁度、破败程度等[15~19]。
街道物质空间的量化评价
街道空间一般由街道两侧的建筑(如裙房、住宅和公共建筑等)或构筑物围合(如围墙和栅栏等)而成,形成车行空间和人行空间,植被、小型服务设施都是其重要的构成要素(图1)。已有研究利用不同的数据源对街道物质空间进行量化[23],下面进行展开。
3.1 基于实地调查数据的测度
街道空间品质测度
基于调查的主客观评价主要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、物质空间特征(实景或影像)的意见和认识,一般观测地点范围较小。这种研究方法的优点是人地对应,调查的信息较为可靠,以此为基础积累了若干经典的品质评价指标体系,推动了理论的逐步前进。具有代表性的如阿普尔亚德和林特尔[48]在旧金山三条街道通过现场调查与观察研究交通流量如何影响街道环境品质;盖尔和亨里克[49]的PLPS调查法主要以实地调查的方式,测度人流量、公共空间的停驻活动、公共空间的品质和街道沿街立面的品质;尤因和克莱门特[8]构建的城市设计质量评价体系,通过分析受访者对街道影像的评分,对围合性(enclosure)、人性化尺度(human scale)、通透性(transparency)、整洁度(tidiness)、意象化(imageability)五个空间品质因子进行量化评价。唐婧娴等[40]、李诗卉等[41]针对北京部分地区的街景图片,从停驻意愿角度进行了街道空间品质的设计师主观评价,而唐婧娴和龙瀛[55]则进一步将空间品质按照尤因和克莱门特[8]提出的五个维度进行分解,进而进行人工评分。但是,数据样本的规模限制了调查主客观评价的可测度范围,效率不高,难以应用于城市尺度。
街景图片并非一种方法,但是其成为传统设计理论和调查方法与计算机技术、生物技术等结合的“媒介”。利用街景图片针对街道空间品质的智能评价引起越来越多学者的关注。朗德尔等(2011)[50]以纽约37个可步行性很高的街区为对象,利用谷歌街景图片对街道的美观程度进行评价,并与实地调研结果对比,证实街景评价与主观调查具有较好的一致性。在麻省理工学院媒体实验室(MIT Media Lab)的项目“城市脉冲”(Place Pulse)中,针对采集到的大规模街景图片数据,利用众包方法,通过在线网站(http://pulse.media.mit.edu)由访问者从不同维度评价两两图片体现的品质差异,进而形成机器学习数据集,应用于对更多街道空间的品质评价中。在城市脉冲2.0版本中,品质指标的维度扩展到安全性(safe)、活泼(lively)、富有(wealthy)和漂亮(beautiful)等,萨利斯斯等[51]、乃克等[52,53]、张帆等[54]、哈维等[15]和李晓江等[36]都是基于这一项目的论文。唐婧娴和龙瀛[55]利用肯德尔等[32]所开发的SegNet图像分割工具,将北京和上海中心区的街道空间分解为12项要素(如天空、建筑、道路、树木和汽车等),并与尤因和克莱门特提出的5个空间品质因素进行关联,进而计算分维度的空间品质,唐婧娴和龙瀛[56]构建街道空间视觉品质的多维综合定量测度框架,将街景图像数据、二维空间数据、主观调查相结合,拓展了街道空间品质的方法和维度。
此外,部分研究还涵盖街道多年度动态变化的间接测度和街道空间品质影响机制研究。在传统调研方法的支撑下,空间的变化测度最多细化到社区尺度,利用二维平面属性来代替三维空间属性,通过归纳演绎来分析空间动态变化与社会属性变化之间的关系。街景和机器学习技术的融合带来了这一方向的方法突破。一些学者已经实现了基于机器学习的感知品质动态变化的测度,如乃克等[53]借助两个年度的街景,测度城市的安全性变化系数(urban change coefficient),从而量化了社区三维空间的质量,继而探寻美国5个大城市街道空间与人口、经济变化之间的交互作用机制,发现人口密度、教育水平的提升将促进街道环境品质的改善,街道空间品质的影响符合伯吉斯的“同心圆”(Invasion)理论。另外,在空间品质量化的基础上,机制的研究也不再仅仅局限于理论讨论。哈维等[15]构建了街道安全感知度与物质空间要素之间的回归模型,研究发现,街道两侧建筑构成的形态特征能够解释街道空间品质安全维度的42%,街道绿化和贴线率都对空间品质具有正向影响。类似地,李晓江等[34]则回答了街道绿化对安全性维度的街道空间品质的影响。
研究述评与展望
针对已有研究对街道物质空间、品质测度探讨的上述问题,未来需要在已有基础上增强本土研究的理论性,改进量化模型在集成方面的弱点,重视基本量化前提下的规律研究,重视建成环境、社会环境、经济活力之间的相关机制,继而在规划设计中以科学、精准的结论指导高品质街道空间的营造。此外,规划设计研究与从业者自己采集街道空间的相关数据如街景和视频,进行形态与品质测度,并用于实践,预计将是未来的一个趋势。
注释
参考文献
7 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.
11 龙瀛,叶宇. 人本尺度城市形态:测度、效应评估及规划设计响应[J].南方建筑,2016(5): 41-47.
12 叶宇,张昭希,张啸虎,等.人本尺度的街道空间品质测度——结合街景数据和新分析技术的大规模、高精度评价框架[J].国际,2019,34(1): 18-27.
13 周进. 城市公共空间建设的规划控制与引导: 塑造高品质城市公共空间的研究[M]. 北京: 中国建筑工业出版社,2005.
21 黄建中,胡刚钰.城市建成环境的步行性测度方法比较与思考[J].西部人居环境学刊,2016,31(1): 67-74.
24 王德,卢银桃,朱玮,等. 社区日常服务设施可步行性评价系统开发与应用[J]. 同济大学学报(自然科学版),2015(12): 1815-1822.
25 陈泳,赵杏花.基于步行者视角的街道底层界面研究——以上海市淮海路为例[J].,2014(6): 24-31.
26 徐磊青,康琦. 商业街的空间与界面特征对步行者停留活动的影响——以上海市南京西路为例[J]. 学刊,2014(3): 104-111.
27 龙瀛,周垠.街道活力的量化评价及影响因素分析: 以成都为例[J]. 新建筑,2016(1): 52-57.
28 郝新华,龙瀛,石淼,等. 北京街道活力:测度、影响因素与规划设计启示[J]. 上海,2016(3): 37-45.
29 SHEN Yao,KARIMI Kayvan. Urban Function Connectivity: Characterisation of Functional Urban Streets with Social Media Check-In Data[J]. Cities,2016,55: 9-21.
34 龙瀛,周垠. 图片城市主义:人本尺度城市形态研究的新思路[J]. 规划师,2017(2): 54-60.
LONG Ying,ZHOU Yin. Pictorial Urbanism: A New Approach for Human Scale Urban Morphology Study[J]. Planners,2017(2): 54-60.
35 刘伦,王辉.城市研究中的计算机视觉应用进展与展望[J].,2019,43(1):117-124.
36 LI Xiaojiang,ZHANG Chuanrong,LI Weidong,et al. Assessing Street-Level Urban Greenery Using Google Street View and a Modified Green View Index[J]. Urban Forestry & Urban Greening,2015,14(3),675-685.
37 郝新华,龙瀛. 街道绿化:一个新的可步行性评价指标[J]. 上海,2017(1): 32-36.
40 唐婧娴,龙瀛,翟炜,等. 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[J]. 新建筑,2016(5): 110-115.
41 李诗卉,杨卓,梁潇,等.东四历史街区: 基于多时相街景图片的街道空间品质测度[J]. 北京规划建设,2016(6): 39-48.
42 李智,龙瀛. 基于动态街景图片识别的收缩城市街道空间品质变化分析——以齐齐哈尔为例[J]. 城市建筑,2018(6): 21-25.
44 姜洋,辜培钦,陈宇琳,等. 基于GIS的城市街道界面连续性研究——以济南市为例[J]. 城市交通,2016(4): 1-7.
47 杨滔. 网络聚集的厚度——区域物质空间形态分析初探[J]. 城市设计,2016 (5): 56-67.
55 唐婧娴,龙瀛. 特大城市中心区街道空间品质的测度: 以北京二三环和上海内环为例[J]. 规划师,2017(2): 19-24.
60 ZHANG Zhaoxi,LONG Ying. Application of Wearable Cameras in Studying Individual Behaviours in Built Environments[J]. Landscape Architecture Frontiers,2019,7(2): 22-37.
微信改版后
好多人说不能很方便找到我了
其实把咱们“城市规划”置顶就可以啦
只需要5秒钟哟~
了解更多《》杂志信息,搜索微信号“”或识别下方二维码关注。
关注我们,精彩无限~!