街道植物空间与步行愉悦度的2个关联性
摘要：本研究探讨了街道植物空间形态特征与步行愉悦度之间的关联性。通过线性相关分析（Pearson）筛选出高宽比、顶面通视率、绿视率三个显著相关因子，并通过逐步回归建立了最优线性模型（y=2.146–1.323×顶面通视率–0.617×高宽比），R2为0.616，表明二者存在弱线性关系。进一步运用随机森林算法处理非线性关联，构建了拟合度良好的模型（R2=0.975），并量化了各特征因子的影响权重：绿视率（0.2885）>顶面通视率（0.2388）>面积（0.1841）>形状系数（0.1642）>高宽比（0.0995）>侧面Ⅰ通视率（0.0249）。研究表明，绿视率与顶面通视率是影响步行愉悦度的最关键因素，街道植物空间形态对步行体验的影响主要为非线性关系。
关键词：街道植物空间；步行愉悦度；随机森林；绿视率；顶面通视率；高宽比；非线性关系
2.3.1 线性相关分析
基于SPSS统计分析软件，利用Pearson相关分析识别步行愉悦度相关的街道植物空间形态特征因子，即高宽比、顶面通视率、绿视率（表3）。进一步筛选相关性显著（P<0.1）的影响因子并进行逐步回归分析，得到多元线性回归结果（表4）。
由表4可知，模型3引入街道植物空间的高宽比和顶面通视率构建最优回归模型，即步行愉悦度受到街道植物空间高宽比和顶面通视率的影响，均呈负相关。构建多元线性回归方程式如下：y=2.146–1.323x1–0.617x2（x1代表顶面通视率，x2代表高宽比）。方程中R2为0.712，调整后R2为0.616，模型解释能力为61.6%，多元线性回归法解释的数据集变化程度有限，说明步行愉悦度与街道植物空间特征的线性相关关系弱，但仍存在相关性。
2.3.2 随机森林分析
考虑到街道植物空间特征对步行愉悦度的影响规律存在非线性关系，随机森林法能够有效地处理非线性数据集以及变量之间的相关性[45]，所以选择随机森林算法对影响因素的权重进行计算。
运用IBMSPSSModeler中的“随机树”节点构建随机森林模型，使用组装和字段采样，计算预测变量的重要性。通过验证得到R2为0.975，表明随机森林计算模型拟合程度较好（图9）。
最终得到预测变量为绿视率、顶面通视率、面积、形状系数、高宽比、侧面Ⅰ通视率。进一步通过预测变量的重要性计算各因素权重，得到绿视率的权重为0.2885，顶面通视率的权重为0.2388，面积的权重为0.1841，形状系数的权重为0.1642，高宽比的权重为0.0995，侧面Ⅰ通视率的权重为0.0249。
研究表明，街道植物空间特征中，绿视率、顶面通视率对步行愉悦度的影响权重最大，是步行愉悦度评价最重要的因素；面积、形状系数次之；高宽比的影响权重较小；侧面Ⅰ通视率的影响权重最小。
