基于街景图片的城市街道空间品质对比研究

关可汗，赵 莹*

（1.长春市规划编制研究中心，吉林 长春 130000）

街道作为城市最基本的公共产品，与城市居民的日常出行、社交活动有着极为密切的关系，也是展现城市风貌，塑造高品质、高活力城市空间的重要区域。注重以人为本的城市街道设计与建设，打造富有生机、充满魅力、感受舒适的城市街道空间，对于提升城市形象，加快现代化宜居宜业城市建设步伐有着重要的作用。国内外学者已对街道空间品质进行了相关的定性理论研究[1-2]，为后期街道空间品质测度的定量化研究奠定了基础。采用实地踏勘和问卷调查的形式进行量化评估时，由于数据获取方式效率较低，研究范围受限，常以一条或多条街道为研究对象[3-6]。 随着大数据在城市问题等研究领域的应用逐渐广泛，基于街景图片的城市街道空间品质分析也得到了越来越多学者的关注，如李诗卉[7]等借助街景图片探究了历史街区街道空间品质与街区商业化之间的关系；李智[8]等以腾讯街景图片为载体，评判了齐齐哈尔中心城区3 a间街道空间品质的变化情况；叶宇[9]等基于街景图像数据与机器学习算法构建了大规模且精细度高的街道场所品质测度方法；龙瀛[10]等利用网络街景数据开展了城市空间品质测度、街道绿化水平评价以及城市意向分析等方面的研究；唐婧娴[11]等通过计算机图像识别技术分割得到的物质要素，从绿视率、街道开敞度、界面围合度和机动化程度4个客观角度对街道的品质进行了评价；Oh K[12]基于街景图片，通过计算机图像识别技术对城市街道空间景观的视觉构成进行了解析。丰富多样的网络数据为街道空间品质的宏观研究提供了便捷的渠道，为空间定量化测度分析提供了重要支撑，也提升了评测的准确性与客观科学性。本文基于道路街景图片、网络POI数据以及OSM路网数据，通过计算机图像识别与机器学习技术，从物质空间和主观感知两个维度建立了街道空间品质测度评价指标体系，对上海、武汉、哈尔滨和长春4个城市的街道品质进行了对比分析，从而发现长春市街道品质的特征和问题所在，以期为长春市街道空间品质优化提升提供一定的辅助参考。

1 研究区概况与数据来源

路网数据采用OSM，即开放街道地图，是一个网上地图协作计划，能为用户提供完全免费的地理信息服务[13]。由于其具有免费、覆盖全球、更新快、现势性强等优点，已成为许多研究的基础数据。为了了解长春市街道空间品质的具体水平，本文横向选取上海、武汉、哈尔滨和长春4个不同规模的城市作为研究对象，其中上海选取中环324.28 km2范围，包含街道34 520条；武汉选取三环534.15 km2范围，包含街道26 981条；哈尔滨选取四环602.14 km2范围，包含街道19 464条；长春选取四环298.18 km2范围，包含街道18 420条。

城市功能型指标分析采用网络POI数据。编写Python数据采集程序，从网络开放平台获取上海、武汉、哈尔滨、长春4个城市研究区范围的POI数据，其中上海中环60.53万条；武汉三环44.75万条；哈尔滨四环25.66万条；长春四环18.82万条。

街景采集点位根据OSM路网数据每隔40 m提取，并确定每个街景采集点的地理坐标，其中上海中环共84 756个采集点；武汉三环共101 641个采集点；哈尔滨四环共82 783个采集点；长春四环共75 062个采集点。通过百度街景API获取4个城市研究区的海量街景图片。由于每张百度全景静态图片分辨率被限制为 1 024×512，考虑到图片数据的清晰度和处理速度，因此每个街景采集点采用3个不同角度的3幅街景图片，每幅街景图片的视角均为120e，再将其拼接形成全景图片，这样可以更准确地对视点周围街道建成环境进行全方位分析评价，最终每幅全景图片的分辨率可达 3 072×512。

2 研究方法

2.1 街景要素识别

本文基于DeepLabv3算法对城市街景图片中的车行道、步行道、建筑物、墙体、围墙栅栏、杆、信号灯、指示牌、植被、山体、天空、行人、骑车人、轿车、卡车、公交车、火车、摩托车、自行车等19类要素进行要素分割，以较高的准确度得到各要素在街景图片中的所属分类，每个街景采集点有唯一的要素分割信息。街景要素分割后的结果是与原始街景图片对应的要素模式图片，如图1所示。这些要素模式图片虽然携带所有的城市要素信息，但还没有对应的空间属性和量化结果，因此图片要素识别结果需通过程序批量计算要素模式图片中各类要素的占比，并与街景采集点的ID链接，使街景要素识别的量化结果空间化，再由街景采集点将识别到的要素量化信息统一整合到各城市的道路矢量数据中。

图1 街景要素识别分割效果

2.2 指标体系构建

城市街道空间品质包括反映其空间个性特色的物质空间和使用主体的内在心理感受两个方面。参考以往学者关于空间品质研究的论述与解读，街道物质空间主要集中在街区尺度、沿街功能、建筑界面、可停留空间、步行可达等方面，而主观心理感受则集中在城市物质空间作用下的安全感、互动性、交往性、舒适性等方面。维卡斯•梅赫塔[14]的街道安全性测试结果表明，街道必须给行人带来充分的安全感，人们才会愿意使用它；而机动车则是影响人们安全感知的因素，大量行使车辆和停车场将使行人的安全感降低。青木阳二提出人视野中绿色所占比重对人居环境空间中人的感知有明显影响[15]。Lofland L H[16]在城市色彩方面的研究表明，当人们在感受任意空间时，会对其有一个整体的第一印象的色彩判断，街道空间也是如此，而空间环境的不同色彩会对人们的情绪造成不同的影响。另外，天空可见度、和谐感、可步行性、绿视率、道路机动化、建筑界面等指标也在空间要素评价研究中被提及[17-18]。本文经过筛选与补充，构建了街道空间品质测度指标体系，分为5大类、11个小指标因子（5个物质空间因子和6个主观感知因子），如 表1所示。其中，路网密度由OSM计算获取；功能多样性为每条街道上POI中类的种类值；社交界面为街道对应的POI商业设施密度值；要素均匀性采用辛普森多样性指数来衡量；交通标识为街景图片中交通信号灯和指示牌所占比例；路面可行性为街景图片中步行空间与车行空间的比值；车辆干扰指数为街景图片中机动车与机动车道的比值；绿色视觉指数为街景图片中植被所占比例；天空可视指数为街景图片中天空所占比例；色彩氛围度需要先识别出每幅街景图片中 5种主导色彩，再根据缪岑岑[19]研究中的色彩评分标准计算平均值；界面围合度为街景图片中建筑物、墙体等构筑物所占比例。

由于各评价指标的数值范围有所不同，部分指标间的量级差异较大，将突出数值较高的指标在综合分析中的作用，使得最终结果出现偏差，因此为了保证结果的可靠性，需对原始指标结果进行归一化处理，以便于不同单位或量级的指标进行加权求和。正向指标和负向指标分别采用式（1）和式（2）进行归一化处理。

式中，Xi为指标原始值；Xmax和Xmin分别为每个指标的最大值和最小值；i为街景采集点编号。

采用层次分析法确定权重，利用街道空间品质测度、一级分类和二级分类构建层次分析法中的目标层、准则层和方案层，再利用yaahp软件计算得到最终的权重，结果如表1所示。

表1 街道空间品质测度指标体系

3 研究结果分析

3.1 指标对比

街道空间品质测度指标体系中11个指标因子的结果如表2所示，可以看出，上海市的路面可行性、路网密度、绿色视觉指数、社交界面和界面围合度5个指标因子的单项分值最高，但天空可视指数分值最低，这些都较符合大城市在街道设计和规划上建设实施比较完善成熟的特征；武汉市的功能多样性分值最高，其他多个指标因子也有较高评价得分；哈尔滨市的车辆干扰指数和色彩氛围度分值较高，说明虽然哈尔滨市街道色彩使人较舒适但车辆也较拥挤，安全感不足；长春市的天空可视指数和要素均匀性分值最高，其他指标则多与哈尔滨相似，评分较低。对11个指标因子进行归一化处理，并根据层次分析法确定的权重对 4个城市指标进行加权求和，得到最终的总体街道空间品质值。结果表明，上海中环的总体街道空间品质最好，平均值为0.580；其次为武汉三环，总体街道空间品质平均值为0.519；哈尔滨四环和长春四环的总体街道空间品质平均值分别为0.450和0.418。

表2 原始指标因子结果对比

3.2 街道空间品质分布

采用相同的分级标准对4个城市的综合街道空间品质进行分类显示，结果如图2～5所示，可以看出，各城市街道品质基本呈“多中心—放射延展”式的空间分布形态，有多个较高品质的街道集聚核心，并向外部线性延伸，其中上海中环和武汉三环内存在多个高品质街道集聚连片区域，以大学城、大型综合商场、人气旅游景点为主，并能连片带动周边地区的街道品质；哈尔滨四环内高品质街道集聚区域相对较小，且分布较零散，但整体也以大学周边、综合商场以及旅游景点为主；长春四环内高品质街道主要分布于主干路并以线状延伸，包括西安大路、春城大街、南湖大路、世纪大街、人民大街、新民大街、解放大路、自由大路等，同时向桂林路商圈、东北师范大学、吉大南岭校区、汽开家属区、吉大前卫校区等周边延伸；长春市低品质街道主要集中在解放大路和吉林大路以北的连片区域，以老旧城区为主，街道环境维护较差，交通秩序较乱。总体而言，长春市高品质街道呈间断性“点—线”状分布，没有形成良好的面状连续性，高品质街道集聚效果较弱。

图2 上海中环街道空间品质分布

3.3 品质分级对比

图3 武汉三环街道空间品质分布

图4 哈尔滨四环街道空间品质分布

图5 长春四环街道空间品质分布

根据街道得分分级标准进行占比统计，得到4个城市的高品质、中高品质、中品质、中低品质和低品质5个等级街道空间品质的对比情况，如图6所示，可以看出，上海市高品质街道数量占比虽略低于武汉市，但其高、中品质街道数量远高于其他城市，且中低品质和低品质街道数量占比很少，因此上海市街道整体的空间品质在数值上具有绝对优势，街道品质评分最高；武汉三环整体与上海相似，高品质街道数量占比最高，中高品质和中品质的街道数量占比相对较高，而中低品质和低品质街道数量占比则较少，仅次于上海市；而哈尔滨市和长春市的道路品质占比特征与上海市和武汉市有明显差异，二者均表现为高品质和中高品质道路占比较少，中品质及以下的道路占比较多的特征，其中长春市高品质街道占比最低，仅为6.90%，哈尔滨市低品质街道占比最高，达18.16%，接近上海市低品质街道占比的3倍、武汉市低品质街道占比的两倍，优少差多的趋势整体拉低了哈尔滨市和长春市的街道品质得分，使其街道空间品质评分远低于上海市和武汉市。

图6 各城市街道品质等级分类占比

3.4 道路等级分类对比

从道路等级角度分析各城市的街道空间品质特征，结果如图7所示，可以看出，上海、武汉、哈尔滨3个 城市的街道空间品质均随道路等级降低而升高，即 支路的街道空间品质均值最高、其次是次干路、最后是主干路；但长春四环内的街道空间品质与其他城市有所不同，长春市次干路的街道空间品质最高，其次是主干路，最后是支路，其原因在于长春四环内大部分中低品质和低品质街道分布于支路。另外，从不同城市同等级道路相互对比来看，长春市主干路街道空间品质较高，仅低于上海市；次干路街道空间品质也明显高于哈尔滨市，略低于上海市和武汉市；而支路街道空间品质则明显低于其他3个城市，因此，应进一步注重加强支路街道品质提升工作。

图7 各城市道路等级分类对比

4 结 语

目前城市道路空间快速扩张，以往设计工作普遍将重点放在增加道路宽度、满足未来车辆通行需求上，而忽视了人们对街道空间品质的主观感受。本文对比 分析了上海、武汉、哈尔滨和长春4个城市的街道空间品质情况，以期更深刻地了解长春市的街道空间品质水平。未来在规划设计的初期，应高度重视塑造高品质街道空间的构思工作，把握好城市街道空间品质的主要控制要素，融合多专业，把提升街道空间品质作为塑造城市高质量环境目标的基础工作。就长春市而言，首先应在现状高品质街道间断区域着重加强品质建设，通过分析其他城市的高品质街道成因，合理规划街道周边的用地性质，打造业态丰富的商业活动场所，适度开发旅游景点，加强高品质街道的连续性；其次应加强支路街道空间品质改造，拉升长春市街道空间品质的整体水平，应当从增加街道沿线绿化、强化人行活动空间和丰富商业场所种类等方面关注支路的改造建设，提升长春城市的整体形象；再次由车辆干扰指数可知，长春市的车辆与行车道占比较高，道路拥挤程度较高，随着城市发展，道路扩张蔓延较快，应及时增加、新建道路的交通标识标志，完善支路、无名路的交通信号灯、导向标识等；最后应适当提高长春市视觉色彩氛围，通过对建筑色彩的合理规划，提升街道视觉感受和空间品质。