基于空间失序理论的城市街道空间品质大规模测度——以合肥市二环内为例
Large-scale Measurement of the Quality of Urban Street Space Based on Physical Disorder Theory: A Case Study of Area within the Second Ring of Hefei City
【作者】陈 纯,陈婧佳,贾紫牧,邓 铸,马 爽,龙 瀛
【doi】10.3969/j.issn.1000-0232.2020.02.010 * 本文已经在《南方建筑》出版,《南方建筑》于1981年创刊,2008年起由华南理工大学建筑学院接手主办并全新改版。2012-2019年,连续8次被评为中国科技核心期刊(中国科技论文统计源期刊),2017年入选RCCSE核心学术期刊。2018年被美国EBSCO学术数据库正式收录,成为该数据库收录的第一本中国国内建筑艺术/设计类期刊,并入选中国人文社会科学核心期刊,成为第一本入选中国人文社会科学核心期刊的建筑学科期刊。随着城市建设提质优化以及人们对美好生活的追求,空间品质成为城市研究中的重要组成部分。但近年来经济的高速发展,城市空间出现失序。以合肥市二环内区域为案例,以街景图像等多源数据为载体,采用非现场建成环境审计等技术方法,探索合肥市空间失序现象以及不同类型的街道与空间失序程度的关系。结果表明合肥市二环内:(1)整体空间破败程度为35.11%;(2)空间失序要素中以沿街商业要素的失序程度最为严重;(3)商业服务业设施用地街道(B 类)空间品质最差,物流仓储用地(W 类)街道空间品质优质。基于空间失序理论,大规模测度街道空间品质的优劣,在实践上能为未来城市的精细化管理提供重要依据;在理论研究上尝试弥补以往国内城市地理对空间失序研究的空缺。
为了支持本文数据的获取与计算,主要涉及以下四类计算技术:
(1)数据爬取。通过编程语言利用百度地图获得街景图像数据和部分多源开放数据,以支持指标计算。
(2)空间计算。通过利用ArcGIS 的Spatial Join等工具完成在街道尺度上的数据计算,以实现统一空间尺度的运算。
(3)统计分析。通过使用SPSS 24.0 将获取到的指标数据进行数理化分析,以支撑本文的部分结果。
(4)非现场建成环境审计。本文通过非现场环境审计的方法对合肥市二环内的街景图像中展现出的空间品质进行测度。已有文献证明有专业背景的打分团队的审计结果比外行人的审计结果更具有效性[30],因此,本文甄选了有建筑或城市规划专业背景的四位审计员来进行审计。
为了尽可能地减少由于审计员认知背景的差异而造成的统计误差,进行了培训直到共同确立场景评价的角度。受训后的审计员们会基于统一的评分体系对每个街景点四个方向的街景图像进行识别,对图像存在的空间失序要素进行二分法打分,即存在某项失序要素计为1(表1),不存在为0,最终综合各类得分形成对空间品质的评价结果。在正式开始前,为保证数据的精确性,本文先抽取了数量为10%的街景图片让四位审计员打分,对其打分结果进行一致性分析,最终得到的Kappa值为0.83>0.75,打分结果一致性较好,证明虚拟审计具有可操作性,统计的结果可信度强。
表1 空间失序评分参考样片

鉴于图片会受到天气和季节的影响,在审计过程中也有意识去除受到天气、季节与交通状况的影响。
对空间失序程度判定主要基于构建的北京城市实验室(BCL)构建的城市公共空间品质评价指标体系作为街道空间品质的评估指标(表2)。该指标体系依据街景图像所提供的街道景观和建筑立面信息,从中选择有代表性的要素进行分析,具体包括建筑、沿街商业、环境绿化、道路和基础设施等五类一级评价指标以及进一步细分的十九项二级指标。
表2 城市空间品质的指标体系

将根据评估体系测度到的结果根据空间失序程度(Degree of spatial disorder)的公式,计算街道空间的失序状况,可更加客观地表现空间破败现象,具体公式如下:
(1)
式(1)中,D 为整体空间失序程度,n 为存在失序要素的街景点数量,存在失序要素的街景点是指只要该街景点有任一方向的图像识别出任一失序要素,则判定该街景点出现空间失序的现象;N 为总街景点数,共16,258 个点。
本文的街道类型(Street type)性质的划分借鉴龙瀛等学者基于用地类型对街道类型性质的划分[31]。由100m 缓冲范围内地块性质决定,具体公式如下:
(2)
式(2) 中,ST 表示某街道的类型,Pi 为最高类型街道地块的面积,i 为某一类型地块,k 为该地段的地块类别总数。若最高类型地块面积占比超过50%,即ST>50%,则将该类型赋属性给街道。例如R 类占比最高,且超过50%,则街道属性为R,若最高占比大于0但小于50%,则该街道为混合型(mixed),若缓冲范围内不包含明确用地属性的地块,则街道分类为未知(unknown)。
本文根据虚拟审计的结果,计算每个街景观察点在四个方向上的街景图像失序要素总分,每个街景点的分数在0 分到76 分的区间内。其中,0 分是指某个街景点四个方向没有存在任何一项失序要素,76分是指某个街景点四个方向都识别出所有失序要素(共19 个要素)的总分数。
随后通过ArcGIS 进行了空间落位和可视化表达,图6是对街景点的识别出的失序要素总分通过四分位数划分为四个分数段,即1,1-2,2-4,4-34。部分街景点的失序分值为0 的不做显示。图中颜色越深就表明该观察点的空间品质越差。
随后通过空间失序程度的计算公式进行计算(图3),可得出合肥市城市空间失序程度为35.11%,其中瑶海区的空间失序程度最高,为45.01%,随后是新站区,为37.84%,高新区的空间失序程度最低,为20.83%。可以发现外围的东北和西南区域,空间失序较为明显。而中心地区的空间品质相对较好。整体的破败严重的现象呈现出小范围聚集的特点。

图3 合肥市二环内整体空间失序程度
由评价结果可知(表3),从五类一级指标上看,在合肥市二环内空间失序要素中关于沿街商业的占比最大,说明该区域沿街商业的破败程度最为严重。
表3 合肥市二环内空间失序要素占比

从细分的十九项二级指标上看(图4),建筑外立面老旧、铺面老旧/ 污损、招牌老旧/ 混乱成为出现最频繁的前三个空间失序要素。这些将是改善和提升合肥市空间品质的过程中首要需要重点关注,反映出合肥市目前亟需针对破旧、损坏和混乱的建成环境开展维护、修整和有机更新的相关工作。而在合肥市二环内空间品质评价中,无序占道经营和私搭乱建临时建筑物这两个失序要素出现的频率也不低,造成了合肥市二环内出现部分非正式的城市景观。

图4 空间失序要素占比图
从分布特点上看(图5),整体而言各要素失序程度较高的区域一般集中在城市外围。但在失序要素中,如果是老旧、破旧或污损的观察点,基本遍布整个二环内区域,如建筑外立面老旧、铺面老旧/ 污损等失序要素;而其他要素主要分布在城市外围,而且越往外破败程度越高,如植物杂乱、道路未硬化、垃圾堆放/ 丢弃等失序要素,这反映出合肥市二环内城市景观整体呈现出程度不一的老旧、破损现象。而随着城市空间不断且大规模向外延伸,外围区域呈现出:设施发展相对滞后、生态环境脆弱、用地低效等特征,导致出现“垃圾围城”、外围杂乱等城市现象。

图5 街景点的空间失序要素得分图
3.3 针对空间失序与不同类型街道的关系探究
3.3.1 空间分布规律
由于本文是以街景点与用地性质为基础数据,相关测度均为量化指标,因此通过将该数据与街道尺度空间进行连接,基于统一的单元开展空间分析。
本文将每条街道上对应的各街景点空间失序指数的平均值作为相应街道的空间破败指数。并且将街道的空间失序指数通过ArcGIS 分位数划分为5 个等级(图6a),分别代表空间失序程度的高、较高、中、较低、低。

图6 基于路网的各类数据图
街道类型的计算是利用现状的用地性质获取,结果(图6b)显示,总共获得11 类街道类型,分别为居住用地类(R)、公共管理与公共服务用地类(A)、商业服务业设施用地类(B)、工业用地类(M)、物流仓储用地类(W)、公用设施用地(U)、绿地与广场用地类(G)、非建设用地类(E),建设用地类(H),混合型(mixed),未知类(unknown)。在合肥市二环内居住用地类(R 类)的街道数量最多,物流仓储用地类(W 类)的街道数量最少。
本文利用现状用地性质计算出街道类型,其结果与空间失序程度进行统计分析(图7),从图中看出,从街道的功能维度上看,各功能街道空间的失序程度差距不大,其中商业服务业设施用地类(B 类)街道的空间失序程度最为严重,主要受沿街商业(表4)要素的影响;其次是非建设用地类(H 类),而除去未知类用地外,物流仓储用地类(W 类)街道的空间失序程度最低,依靠建筑类的空间失序要素带动。
图7 不同类型街道空间的空间失序程度
表4 影响不同类型街道空间的失序要素

为了响应精细化管理的城市规划要求,本文的研究单元落在更为精细的街道,以街道空间为切入点。而研究方法上,以非现场建成环境审计等关键技术实现街道的大规模的测度,以量化测度的方式客观地分析街道空间,识别空间品质的优劣。
本文在理论环节,以空间失序理论切入,基于失序要素评价体系判别城市空间的品质,选择合肥二环内作为案例城市,弥补了国内地理领域对这类问题的研究空白,对拓展城市地理研究领域和发展空间失序研究领域具有积极意义。
在实际应用上,本文先采用合肥市二环内65,032 张街景图像数据进行多层级的街道空间评价,得出合肥市二环内街道空间整体失序程度为35.11%,其中瑶海区和新站区的空间失序程度最高,应该在合肥市的城市更新中优先重点推进这两个区域的进程。
随后对二环内街道空间的不同失序要素进行评价,结果表明就一级评价指标而言,合肥市二环内的沿街商业失序程度最为严重;而就细分的二级评价指标而言,建筑外立面老旧、铺面老旧/ 污损、招牌老旧/ 混乱、基础设施破损和公共界面破损成为出现最频繁的前五名要素,这些是在改善和提升合肥空间品质的过程中需要首要关注的要素。最后与街道其他数据进行分析对比可得,商业服务业设施用地(B类)街道的空间品质最差,物流仓储用地(W 类)的则相对较好。上述结果均可以为评价和改善城市街道空间品质提供科学有效的借鉴和参考。
就此本文对街道空间提出三点规划设想:
(1)增量。在街道空间的规划应对上,应有侧重点发展弱势区域的街道空间品质,如商业服务业设施用地、功能单一的街道等区域,增加高品质的街道空间,保证城市的均衡发展。对其建筑外立面、铺面和招牌老旧/ 破损的现象,进行及时的更新与规划,同时在更新过程中强调“基调与多样性”,既确保街道风貌的协调,又要不失区域特色。
(2)提质。街道空间应根据不同的街道类型进行差别化设计,对招牌、铺面等沿街商业要素进行重点整改。对已开发的街道进行一体化设计与复合改造,重点设计沿街建筑底部,如通过提高贴线率,改造整治底商界面、剖面,增设过渡空间和街道家具等方式提升街道意象化,促进高质量人居环境的形成与发展,以满足人们对空间品质的高需求与高要求。
(3)落实运营维护,维持日常功能。植物杂乱、垃圾堆放、无序占道经营、私搭乱建临时建筑物、未拆除的施工围墙、公共界面破损等都是中国街道空间里常见的现象。在街道导则上必须落实各相关方的责任,保证街道空间设施的日常运营与维护,禁止无序、故意损坏的行为,避免管理缺位。面临合肥现今的城市修建与基础建设全面铺开,街道施工随处可见,需要在街道空间上保有一定的余位供行人走路和骑自行车的连续与安全通过。在新建的同时保护原有的街道,避免因施工导致的地面坑洼与道路断节,影响行人日常通行。
作者简介
陈纯1,陈婧佳2,贾紫牧3,邓铸4,马爽5,龙瀛6
1清华大学建筑学院,华南师范大学地理科学学院,硕士研究生;
2清华大学建筑学院,硕士研究生;
3清华大学建筑学院,在站博士后;
4清华大学地球系统科学系,博士研究生;
5清华大学建筑学院,博士后;东京大学,助理教授;
6清华大学建筑学院,清华大学恒隆房地产研究中心,清华大学生态规划与绿色建筑教育部重点实验室,研究员
[ 本文引用格式] 陈纯,陈婧佳,贾紫牧,等.基于空间失序理论的城市街道空间品质大规模测度——以合肥市二环内为例[J].南方建筑,2020(2):10-18.