研究分析

 

本文将上述与街道可步行性相关的３个维度９个指标的计算结果进行整理．并用自然间断点法将其数值分为五类并映射在ＱＧＩＳ平台中加以比对分析。同时．邀请数位风景园林领域的专家运用层次分析法展开比选，确定各个指标的要素权重（表１）。

 

 

街道空间步行安全性计算结果如图５所示。研究案例范围内的人行道占比数值偏低．没有明显的分布规律。靠近诸如什刹海公园、北海公园等山水要素的区域附近出现人行道指数的高值分布区域。

 

机动化程度可以表征城市街道空间机动车交通的发达程度．更可以侧面反映出不同城市空间机动车侵占道路等现象。将计算结果进行空间映射可以发现：研究案例区域部分主干道区域呈现出高值分布的特征．这些地区交通流量大，机动车拥有道路的主导权．导致非机动车同行者的步行安全感较差。

 

研究范围内整体的环境监视度呈现出与街道等级关联较大的情况，环境监视度高值区域普遍分布在东城区、前门西大街与珠市口西大街之间道路等级较低的街道。南锣鼓巷、白塔寺、北京坊等区域行人游客较多，因此有较高的环境监视度。各类主干道为机动车要道，步行者在街景图像中的占比较小，环境监视度较小。

 

 

日本学者青木阳二指出当绿视率高于２５％时，人会产生绿化条件较好的感受。通过计算，研究区域绿视率平均值为１５．２４％，反映出一般程度的绿化水平。将街道空间步行舒适性计算结果映射到ＧＩＳ平台中（图６），发现整体绿视率的空间分布呈现交错特征．未形成集中的高绿视率街道区域。

 

街道空间天空开阔度反映了天空受遮挡的程度。相较于绿视率在空间分布上呈现的交错特征，天空开阔度与街道围合度均呈现出与道路等级较为密切的分布规律。道路等级越高，天空开阔度越高，街道围合度较低。位于珠市口大街以北的部分倾斜街道的呈现为街道围合度高值集中区域，此处同时也是低绿视率街道分布较广的地区。

 

 

街道空间步行便捷性如图７所示。街景点距公共交通的距离通过网络分析计算得到，可以发现，距离公共交通较远的区域主要分布在城区各大景点以及胡同区域，而绝大部分主干道距离公共交通距离较小。

 

将街道功能密度的计算结果映射至空间中可以发现，具有较高功能密度的区域主要有西单北大街、东直门内大街、鼓楼东大街、王府井大街、崇文门外大街等商业中心。这些区域聚集了较多的城市功能。同时，这些区域也具有较高的街道功能多样性。而什刹海公园以及天安门广场一带由于交通管制等原因，街道功能多样性较低。

 

 

对上述９个指标的数值进行标准化处理后，映射到数值１-５的区间，根据上述层次分析法确定的权重进行要素汇总：

 

式中．Ｓ，为前述表１中各类街道空间可步行性的评价指标；Ｘ为各指标对应权重。

  

 

在此基础上得出各街景点的街道可步行性，采用自然间断点法将街道可步行性分为五级并映射至空间进行呈现。为了便于结果分析，将研究区域划分为间隔５００ｍ的１２个圈层（图８），并统计各圈层范围内街道可步行性指数（图９）。

 

发现随着圈层属的增加．街道可步行性呈现出“减少一增大一减小”的趋势，但总体上来说，可步行性还是呈现了先上升后归于平稳的趋势。研究区域街道可步行性均值为２．９４，属于中级水平。局可步行性街道主要集中在东四北大街到东直门南大街之间的东西向的胡同区域以及太平桥大街与西单南大街之间的区域。此部分街道绿视率以及设施丰富度和多样性普遍较好。

 

低可步行性街道集中分布在长安街一带，这些区域的街道尺度较大，不利于行人使用。除上述区域外，研究区域整体的可步行性空间分布规律较为散乱。

 



 

为进一步分析街道可步行性的影响因素，本文统计各圈层语义分割结果的要素占比（图１０），同时绘制了ＰＯＩ兴趣点热力图（图１１）。随着圈层数的增大，大部分景观视觉要素的变化平稳。城区外围的ＰＯＩ密度普遍比城区中心的ＰＯＩ密度要高，故可步行性指数受到了一定的影响。

在视觉要素方面引起可步行性指数波动的主要是建筑要素的下降、绿色植被要素的上升与机动车视觉要素的上升，其中前两种视觉要素的街景占比更大，对街道可步行性的影响更为显著。

 

3讨论与总结   

 

 本文将街景数据与POI数据结合，在考虑了景观视觉要素与街道可步行性关联的同时，兼顾了街道所承载的各项城市功能对街道可步行性指数的影响。本研究采用圈层法描述计算结果，能更为直观地描述行人从城区外部往中心城区移动的可步行性感受。研究结果表明:步行者视觉上的舒适度与安全度越高、越接近各类设施便捷的区域，街道可步行性越高。建筑视觉要素与绿色植被视觉要素对于街道可步行性指标的影响较大。因此，在城市更新过程中，风景园林师可以通过提高绿色基础设施的空间品质，为行人创造一个安全舒适的城市步行空间。  

 

   与此同时，本研究仍然存在一定的局限性，首先，本研究缺乏对街道动态功能特征的测度，在下一步研究中，将尝试引人如手机信令、人群轨迹等与步行者行为模式有关的数据，进一步提升分析结果的准确性。其次，随着风景园林大数据技术的不断发展，下一步研究有望将道路材质、街道界面、街道绿化类型等与街道可步行性有关联的大数据纳人分析框架中，并采用数据众包的形式收集数据，进一步推动相关方向的研究，为创建美丽宜居的城市环境提供决策支持。