葉宇 張靈珠 顏文濤 曾偉

1 引言

1.1 街道綠化：重要性及實踐導(dǎo)控難點

在近年來宏觀政策強調(diào)以人為本的背景下，城市設(shè)計實踐與導(dǎo)控逐步從“增長優(yōu)先”向“品質(zhì)提升”轉(zhuǎn)型，市民日益提升的空間品質(zhì)需求催生了對于人本視角的街道綠化品質(zhì)的研究。國際實證研究顯示，具有高可見度的街道綠化能直接改善市民對于所在社區(qū)的空間品質(zhì)感受和可步行性，更易接觸的城市綠化還能有效增進(jìn)場所感、舒緩壓力和促進(jìn)戶外活動與交往[1]。在中國，中央城市工作會議和國家新型城鎮(zhèn)化規(guī)劃所推動的“以人為本”的轉(zhuǎn)型也正是這一需求的映射。在宏觀政策有相應(yīng)要求的同時，當(dāng)前中國城鎮(zhèn)化也正走入對于空間品質(zhì)需要日益提升的階段，人本視角的街道空間品質(zhì)，包括街道綠化，正成為關(guān)注重點之一[2]。

盡管如此，當(dāng)前國內(nèi)外的規(guī)劃導(dǎo)控仍以依賴衛(wèi)星遙感影像的綠化率作為綠化程度高低的核心標(biāo)準(zhǔn)，但這種自上而下的鳥瞰視角測度不一定與市民的實際感受相一致[3]。從人本視角出發(fā)的街道綠化測度整合了人眼視角的綠化可見度與可達(dá)性的結(jié)果，在理論上能更好地反映市民實際感受到的綠化程度和街道空間品質(zhì)，但在規(guī)劃導(dǎo)控實踐中往往難以操作。

以往人本視角的街道綠化研究大多是基于手工拍攝的街道圖片來開展，不滿足規(guī)劃實踐所需的規(guī)模性和時效性；也有學(xué)者通過圖像處理軟件來逐一提取街道圖片中的綠色像素點比例，從而實現(xiàn)更為細(xì)致的測度[3-4]。這類基于手工的分析能準(zhǔn)確地開展小規(guī)模的研究，但由于技術(shù)所限在數(shù)據(jù)搜集和處理方面較為繁瑣，難以滿足規(guī)劃實踐需求，進(jìn)而導(dǎo)致實踐中推廣運用困難。

1.2 新技術(shù)下的新可能性

隨著以計算機技術(shù)和多源城市數(shù)據(jù)為代表的新技術(shù)和新數(shù)據(jù)的迅猛發(fā)展，新城市科學(xué)（New Urban Science），即依托深入量化分析與數(shù)據(jù)計算途徑來研究城市的學(xué)科模式，在過去的10年中正逐漸興起。近年來以百度街景、谷歌街景等為代表的街景數(shù)據(jù)的普及為高精度街景數(shù)據(jù)的迅速獲取提供了新的可能[5-6]。這一新數(shù)據(jù)已被運用在街道安全程度[7]，街道綠化率測度[3,8-9]，以及城區(qū)片區(qū)中的街道空間品質(zhì)高低[10-11]等研究上。

與此同時，機器學(xué)習(xí)技術(shù)的迅猛發(fā)展為準(zhǔn)確、自動化地提取街景圖片中的綠色特征提供了新的可能。以SegNet等為代表的機器學(xué)習(xí)算法運用深度卷積神經(jīng)網(wǎng)絡(luò)構(gòu)架能準(zhǔn)確實現(xiàn)街景圖片信息的深度處理，能有效識別圖片中的天空、人行道、車道、建筑、綠化等多種要素[12]。而以支持向量機等為代表的機器學(xué)習(xí)算法則能根據(jù)圖片特征對于街景數(shù)據(jù)進(jìn)行高效清洗和特征識別。這類技術(shù)能夠?qū)崿F(xiàn)對于多類、多色綠化要素（如灰色樹干、紅色花朵等）的整體提取和測度，不再局限于以往類似研究中所使用的色彩區(qū)間提取法易被干擾的問題，提升了綠化品質(zhì)感受測量的準(zhǔn)確度。

此外街道綠化的可接觸程度也有了更為合適的分析技術(shù)來協(xié)助測度。以往研究常常將綠化的可接觸度簡化成為服務(wù)半徑分析，而忽視了對于市民日常生活中散步、通勤等典型行為的考量。換而言之，市民通行于城市街道中的每一刻都在感受綠化的影響，這是相對于到訪公園更為高頻度的感受體驗?？臻g網(wǎng)絡(luò)分析，作為對于街道空間結(jié)構(gòu)特征抽象和可達(dá)性測度的工具，可以有效測度由街道空間組構(gòu)所決定的可達(dá)性高低[13]。

在一系列新技術(shù)的推動下，對于人本視角的街道綠化開展高效、大規(guī)模的測度，進(jìn)而協(xié)助精細(xì)化的規(guī)劃導(dǎo)控實踐已成為可能。

2 研究方法與實驗設(shè)計

2.1 研究案例與分析框架

本文的研究范圍為上海市中環(huán)線以內(nèi)區(qū)域，總面積約400km2。在1998—2015年期間，市區(qū)綠化覆蓋率從19 %增加至38%，人均公共綠地面積也增加了4倍。盡管如此，中心城區(qū)特別是內(nèi)環(huán)以內(nèi)的綠化建設(shè)仍處于還歷史舊賬階段。上海市中心城區(qū)人口密度高、開發(fā)強度大，在該區(qū)域展開研究，能為城市高密度地區(qū)空間品質(zhì)提升提供指導(dǎo)意義。

研究分5個步驟進(jìn)行（圖1）。首先通過百度地圖API提取街道路網(wǎng)數(shù)據(jù)，基于此確定各個街景數(shù)據(jù)采樣點的地理坐標(biāo)數(shù)據(jù)以及各個采樣點的視線方向，最終通過HTTP URL形式調(diào)用百度街景API來實現(xiàn)海量的街景數(shù)據(jù)獲取。隨后采用基于機器學(xué)習(xí)相關(guān)算法進(jìn)行數(shù)據(jù)清洗和圖像分割，對街景數(shù)據(jù)進(jìn)行處理，剔除容易影響綠化率判讀的季節(jié)因素進(jìn)而提取每一個采樣點的綠化可見度。隨后采用空間網(wǎng)絡(luò)分析工具對街道的日常行為①與通勤行為可達(dá)性進(jìn)行量化測算。隨后將街景綠化可見度與可達(dá)性進(jìn)行整合分析，根據(jù)街道可達(dá)性與街景綠化可見度的匹配程度，得到街道的“日常綠化可接觸度”指標(biāo)，從而識別具備進(jìn)一步發(fā)展?jié)摿Φ慕值?。最后，從人本視角出發(fā)的、基于街景數(shù)據(jù)的街道綠化可見度評價也會與傳統(tǒng)上普遍使用的，基于衛(wèi)星遙感影像的片區(qū)綠化率測度開展比較。

2.2 基于百度街景的大規(guī)模街景數(shù)據(jù)獲取與清洗

研究基于百度地圖數(shù)據(jù)來獲取上海中心城區(qū)（中環(huán)以內(nèi)）道路網(wǎng)絡(luò)數(shù)據(jù)，并基于此在百度街景API協(xié)助下等間距抓取了近7萬個采樣點。中心城區(qū)范圍內(nèi)共有13 672條街道段，總長2 611 079 m，平均采樣間距約為40m。圖2 為分布在道路網(wǎng)絡(luò)上的所有取樣點，放大區(qū)域可清楚看到每一個樣本點的具體位置（圖2）。

街景視圖獲取是通過HTTP URL來調(diào)用百度街景的API查詢獲得。通過輸入視線水平和垂直方向的角度以及視點位置數(shù)據(jù)，可以抓取每一個樣本點的街景視圖，每張圖片包含了位置點唯一標(biāo)示符、經(jīng)緯度、視線的水平角度和垂直角度等信息。為了獲取貼近人本視角的綠化可見度，每一個樣本點的視線垂直角度統(tǒng)一設(shè)置為0°，即平視②。在視線水平角度方面，先根據(jù)每一個采樣點位置及街道路網(wǎng)形態(tài)計算平行和垂直于道路方向的視角，然后根據(jù)計算所得的特定視角分別抓取平行于道路（前、后）和垂直于道路方向（左、右）共4張街景視圖，每個視線方向的視角為90°。這樣的采集形式正好可以對視點周圍的建成環(huán)境形成全面囊括（圖3）。每張圖片大小為480×360像素。

1 研究設(shè)計框架Research framework

本研究所中街景數(shù)據(jù)的抓取在2017年春季開展。在百度地圖API所提供的時間戳（Timestamp）的協(xié)助下對于冬季照片做篩除或替換③。通過這一操作，季節(jié)變化對于街景綠化產(chǎn)生的影響可以被較好的控制，提升了街景數(shù)據(jù)對于實際情況的代表性。

2.3 基于機器學(xué)習(xí)的街景綠化可見度分析

對街景視圖綠化可見度的解析采用基于機器學(xué)習(xí)算法的卷積神經(jīng)網(wǎng)絡(luò)工具（SegNet）提取圖像特征（圖4）。其將圖片中的像素點識別為天空、人行道、車道、建筑、綠化等要素類型，在此基礎(chǔ)上可計算每張圖片中綠化要素所占的比例。本研究直接沿用了SegNet提出機構(gòu)（劍橋大學(xué)）的識別模型和訓(xùn)練圖片庫。考慮到現(xiàn)有的探索性研究在中國城市中直接運用這一工具的識別效果良好[5]，故未基于中國圖片數(shù)據(jù)開展進(jìn)一步的圖像標(biāo)定和再訓(xùn)練。

2.4 基于空間網(wǎng)絡(luò)分析的街道可達(dá)性分析

在圖論基礎(chǔ)上衍生出的城市空間網(wǎng)絡(luò)表示方法為交通網(wǎng)絡(luò)的全局可達(dá)性考量提供了多種可能。本研究采用基于ArcGIS平臺的空間設(shè)計網(wǎng)絡(luò)分析軟件（sDNA）[14]分析路網(wǎng)的可達(dá)性，其采用GIS平臺建立道路中心線模型，與目前能獲取的大多數(shù)地圖兼容性較好。

sDNA對最“短”路徑的考量可基于拓?fù)?、角度或米制距離的變化，由于基于角度距離的可達(dá)性值已被證實與觀測到的人車行為分布具有很好的相關(guān)性，因此本研究采用基于角度距離的中間性（Angular Betweenness）作為道路網(wǎng)絡(luò)可達(dá)性的度量值。

在空間網(wǎng)絡(luò)分析中，不同分析半徑下的可達(dá)性結(jié)果對應(yīng)著相應(yīng)距離出行行為對道路的選擇度。如果在小尺度的半徑限制下計算，則計算只考慮該半徑范圍內(nèi)的街道段，這意味著系統(tǒng)只能識別街道段之間的局部關(guān)系。反之，大尺度的半徑將更大的區(qū)域納入分析，可以突出通勤可達(dá)性高的主要道路。在上海，500m常被認(rèn)為是步行舒適距離[13]；根據(jù)最新的城市出行半徑大數(shù)據(jù)報告，截至2016年12月，上海市平均工作日出行半徑的中位數(shù)是6.2km[15]；因此這2個距離被選則作為日常步行與通勤行為的分析半徑。

3 分析與結(jié)果

3.1 人本視角的街景綠化測度：綠化可見度與可接觸度的整合

圖5 為中心城區(qū)各采樣點的綠化可見度，以及整合了樣本點數(shù)據(jù)的每條街道的綠化可見度值。通過將各個采樣點的數(shù)值賦給其最鄰近的各個街道段，以平均值計算可得到各街道段的綠化可見度值。中心城區(qū)所有街段的平均綠化可見度為20.8%，其中，綠化可見度值最大的為63.1%（表1）。內(nèi)環(huán)以內(nèi)區(qū)域的街道長度占總街道長度的45.9%，綠化可見度比例占總數(shù)的55.8%，內(nèi)環(huán)與中環(huán)之間街段的綠化可見度相對較差（街道長度占54.1%，綠化可見度比例為45.2%）（圖5）。

2 自動化抓取街景視圖采樣點分布Distribution of sampling points for capturing street greenery images

3 街景綠化可見度提取示例Street greenery images capturing example

圖6為基于日常步行和通勤2種分析半徑測算的上海中心城區(qū)道路網(wǎng)絡(luò)可達(dá)性?？梢钥吹?，當(dāng)分析半徑為500m時，可達(dá)性較高的道路大多集中在核心城區(qū)街道較短、交叉點較多的區(qū)域；當(dāng)分析半徑為6 000m時，可達(dá)性較高的道路在整個范圍內(nèi)分布較為均勻，主要為貫穿各區(qū)的城市主干道與次干道。兩種分析半徑結(jié)果可大致反映不同出行距離時的道路流量潛力分布：短距離出行往往選擇生活性街區(qū)，以日常步行行為為主；遠(yuǎn)距離出行往往選擇主要道路，以通勤行為為主（圖6）。

4 街景綠化可見度提取示例Street greenery extraction examples

5 上海中心城區(qū)街景綠化可見度分析Street greenery of central Shanghai

6 上海中心城區(qū)街道可達(dá)性Street accessibility of central Shanghai

表1 上海中心城區(qū)街景綠化可見度Tab. 1 Street greenery of central Shanghai

根據(jù)街景綠化可見度以及可達(dá)性的不同可將街道分別等分為高中低3類，對街景綠化度最優(yōu)或最劣的1/3街道與步行/通勤可達(dá)性最高或最低的1/3街道進(jìn)行疊合分析，可以得到“步行綠化可接觸度”及“通勤綠化可接觸度”等概念的直觀展現(xiàn)，例如步行可達(dá)性高且街景綠化度高、步行可達(dá)性高但街景綠化度低、通勤可達(dá)性高且街景綠化度高、通勤可達(dá)性高但街景綠化度低等系列類型（圖7）。其中比較值得注意的是兩類情況。一類是將綠化可見度最低與可達(dá)性最高的街道進(jìn)行疊合從而得到具有高選擇度但缺乏綠化可見度的街道，這是綠化規(guī)劃亟待改善的重點區(qū)域。反之將綠化可見度最高與可達(dá)性最低的街道進(jìn)行疊合則代表了具有高選擇度且有較好綠化可見度的街道?；诖?，圖8的紅色線段代表了具備進(jìn)一步發(fā)展?jié)摿Φ慕值?，這些街道具備較高的步行或通勤可達(dá)性，但同時缺乏綠化可見度（圖8）。

3.2 人本視角 V.S. 自上而下：基于街景圖像的綠化品質(zhì)測度與基于衛(wèi)星遙感影像的片區(qū)綠化率

本研究利用衛(wèi)星遙感影像數(shù)據(jù)測定研究區(qū)域內(nèi)96個街道辦的綠化覆蓋率指標(biāo)，并與相應(yīng)街道辦的街景綠化可見度指標(biāo)進(jìn)行比較。對于基于衛(wèi)星遙感影像的綠化覆蓋率指標(biāo)（NDVI）與基于人本視角的街景綠化可見度的相關(guān)性進(jìn)行分析顯示（表2），基于衛(wèi)星遙感影像的綠化率與街景綠化可見度之間的相關(guān)關(guān)系較弱（r=0.492，n=96）。計算各片區(qū)內(nèi)“通勤綠化可接觸度”和“步行綠化可接觸度”高的街道數(shù)量或長度與區(qū)域內(nèi)街道總數(shù)量或總長度的比值，將其和片區(qū)的綠化覆蓋率進(jìn)行相關(guān)性分析，發(fā)現(xiàn)它們之間并不存在相關(guān)關(guān)系。這意味著以往傳統(tǒng)上單純依賴衛(wèi)星影像綠化率作為核心考核指標(biāo)的做法存在一定不足，不論對于日常步行還是通勤行為，基于衛(wèi)星遙感影像的綠化率提升，不一定會帶來綠化可接觸度高的街道數(shù)量增加。城市綠地系統(tǒng)規(guī)劃時，增加綠化覆蓋率主要是以面塊的形式，缺乏對街道綠化的考慮。然而，人眼可見的綠化才是與居民生活品質(zhì)直接相關(guān)的因素，納入街景視角的街道綠色可見度，可提供人本視角的綠化評價指標(biāo)。

圖9中對于上海中心城區(qū)綠化覆蓋率與綠化可見度的進(jìn)一步分析顯示，大塊的城市公園能有效提升基于衛(wèi)星遙感影像的片區(qū)綠化率，但對于市民在日常生活中的綠色可接觸度則未必有幫助，如圖9中的類型A區(qū)域。而具有相對細(xì)密路網(wǎng)和道路綠化的類型B區(qū)域則與之相反，人本視角的街道綠化可見度水平則可能高于自上而下視角的片區(qū)綠化率（圖9）。

4 討論與展望

4.1 上海市中心城區(qū)的街景綠化評價

分析顯示，盡管核心城區(qū)（內(nèi)環(huán)以內(nèi)）的平均街景綠化可見度（21.03%）要略高于非核心城區(qū)（20.22%），但從綠化可接觸度的分布情況來看：步行行為中具有高可接觸度而低綠化可見度的街道有82%分布在核心城區(qū)，僅有18%分布在非核心城區(qū)；相比較而言，通勤行為中具有高可接觸度而低綠化可見度的街道有68%位于核心城區(qū)，32%位于非核心城區(qū)?？梢娚虾Ｖ行某菂^(qū)的街景綠化分布在人本視角下并不均衡，其中核心城區(qū)由于高密度開發(fā)對綠化種植面積的限制，使得其綠化可接觸度的提升顯得尤為迫切。

鑒于此，在空間資源有限的城市區(qū)域，應(yīng)考慮積極采用其他形式在潛力街道上提升街景綠化可見度。可考慮在街道微更新中著力推動若干重點街道段上的垂直綠化建設(shè)，也可考慮在控規(guī)中通過容積率轉(zhuǎn)移條件來鼓勵街頭綠地的進(jìn)一步建設(shè)。分析結(jié)果表明，分析區(qū)域的街景綠化品質(zhì)在通勤尺度和步行尺度上都有很大的提升空間，通過量化測度識別街景綠化可見度與可接觸度之間的差異，有望進(jìn)一步鑒別可提升綠化潛力的空間，協(xié)助規(guī)劃導(dǎo)控。

4.2 邁向人本視角的街景綠化測度與導(dǎo)控

上述分析可見，將街景綠化可見度分析與空間網(wǎng)絡(luò)分析結(jié)合是有效度量市民綠化體驗較為快速和直接的方法，使得在短時間內(nèi)開展大規(guī)模且高精度的精細(xì)化街景綠化測度與導(dǎo)控成為可能，讓街景綠化不再僅局限于小規(guī)模研究層面，而能夠迅速向大規(guī)模的實際導(dǎo)控邁進(jìn)?？紤]到街景數(shù)據(jù)源的普遍性，這一分析框架有望運用于有百度或騰訊街景覆蓋的多個大中城市。

7 上海中心城區(qū)街景綠色可達(dá)類型Types of street green accessibility of central Shanghai

8 上海中心城區(qū)街道可達(dá)性與綠化可見度疊合分析Streets with high accessibility and low greenery

9 上海中心城區(qū)綠化覆蓋率與綠化可見度疊合分析Green coverage and street greenery of central Shanghai

表2 上海中心城區(qū)片區(qū)綠化率與街道綠化品質(zhì)的相關(guān)性（以街道辦為單位）Tab. 2 Correlation analyses between green coverage and street greenery (in unit of sub-district)

此外，街景綠化測度的另一優(yōu)點在于其優(yōu)先考慮人眼視角的綠化可見度。當(dāng)前廣泛使用的，基于衛(wèi)星遙感影像的綠化覆蓋率指標(biāo)與街景綠化可見度之間的相關(guān)度較為一般，這一結(jié)果指出了當(dāng)前城市規(guī)劃中容易被忽視的一個問題，即如何同步提升城市綠化覆蓋率與人眼視角所能感受到的街景綠化可見度？若是一味地以基于衛(wèi)星遙感影像的綠化率作為核心指標(biāo)，在政策導(dǎo)向上很可能會促使規(guī)劃實施偏向可以輕易拔高片區(qū)綠化率的大型公園，而相對忽視對于市民來說更常見、更易接觸的街道綠化。雖然市中心的大型公園一直是市民很受歡迎的休閑徒步空間，但出于用地現(xiàn)狀考慮，目前中國大中城市基本不太可能在市中心新設(shè)大型公園，片面對于城市綠化率的強調(diào)和爭創(chuàng)各類園林城市的需求可能會在一定程度上推動遠(yuǎn)郊大型公園的過度發(fā)展。這樣固然可以迅速提高城市總體綠化率，但市民在日常生活中能頻繁接觸的綠色未必能有效增加。

由此可見，增加人本視角的綠化測度指標(biāo)可以為全面的城市綠化評估提供決策支持，可成為現(xiàn)有規(guī)劃導(dǎo)控的必要補充，進(jìn)而助推“以人為本”的規(guī)劃導(dǎo)控的落實。具體來說，在總體規(guī)劃和綠地系統(tǒng)規(guī)劃層面上應(yīng)完善指標(biāo)配比，將人本視角的綠化測度指標(biāo)與基于衛(wèi)星影像的綠化率相結(jié)合。在控制性規(guī)劃和城市設(shè)計導(dǎo)則的層面進(jìn)一步鼓勵和推動街角綠地的建設(shè)，提升人本視角的綠化品質(zhì)。社區(qū)更新背景下的社區(qū)花園建設(shè)亦可成為一個有效途徑[16]。

4.3 研究局限、未來改進(jìn)與實踐導(dǎo)控拓展

本文的研究及方法仍有一定的局限性。首先，街景圖像數(shù)據(jù)是通過街景采集車為基礎(chǔ)獲得。部分適宜居民步行的空間不適宜機動車輛通行，因而導(dǎo)致這部分空間缺乏街景圖片數(shù)據(jù)而不能納入整體分析，可能會在一定程度上影響分析結(jié)果。后續(xù)計劃將通過手工和無人機采集的方式進(jìn)行補充。其次，本研究中街景圖片數(shù)據(jù)的采集點視高為車載街景采集系統(tǒng)的高度，相較于大部分人的視線高度略高。在未來的研究中考慮嘗試投影變換的方法對原生街景數(shù)據(jù)做修正。再次，目前研究在綠化可見度的高、低劃分上缺乏系統(tǒng)的實證分析支撐。由于實際規(guī)劃管理中“個體視覺感知”標(biāo)準(zhǔn)差異較大，因此目前的高、低標(biāo)準(zhǔn)需要進(jìn)一步細(xì)化。后續(xù)計劃采用大規(guī)模網(wǎng)絡(luò)問卷與小樣本專家打分的形式綜合確定各類綠化可見度的歸屬區(qū)間。

未來的進(jìn)一步研究將考慮擴(kuò)大分析的時間范圍及內(nèi)容，如獲取歷史街景視圖數(shù)據(jù)，以監(jiān)測綠色可接觸度隨時間的變化；或在調(diào)查城市綠化對居民健康和幸福感的影響時，將街道綠化可見度值納入分析要素?，F(xiàn)有文獻(xiàn)對不均衡的城市綠化分布與居民健康之間的關(guān)系已經(jīng)有所研究[8]，精細(xì)化尺度的街景綠化度評估有望為這方面研究帶來全新的視角。

總的來說，新城市科學(xué)所衍生的數(shù)據(jù)獲取和分析技術(shù)等方面的協(xié)同進(jìn)步，極大程度上深化了我們對于城市空間特征及其影響的評價精度與粒度，進(jìn)而使“人本”設(shè)計不再只是口號性的呼吁，而是首次使基礎(chǔ)數(shù)據(jù)采集、設(shè)計生成與使用評價等各方面均具備可操作性[17]。在這一趨勢下，必將涌現(xiàn)越來越多新的數(shù)據(jù)環(huán)境和新方法，將應(yīng)用于規(guī)劃設(shè)計實踐中，為以人為本的高品質(zhì)場所營造提供新的途徑。

注釋：

① 這里“日常行為”指的是居民的各種日?；顒樱缟习?、回家、購物等習(xí)慣性行為，偶發(fā)性活動不在本文的考慮之列。

② 盡管將拍攝角度設(shè)為0°在少部分有高大樹冠的場景中會缺失部分綠化信息，但鑒于本文的研究重點是人們對綠化環(huán)境的體驗度而非對樹冠綠量精細(xì)測量，該視線角度可基本滿足研究的需要。

③ 文中圖表均由作者自繪。