景观服务视角下城市街区感知测度及空间分布特征
时间：2023-01-16 17:05:03 来源：柠檬阅读网 本文已影响 人 
胡一可 张天霖 王磊 何捷
城市街区不仅是由城市建筑、公共服务设施、交通系统集成的物质空间，更是承担商业、文化等一系列活动的社会空间[1]，具有多元性和复杂性。近年来，城市形态及其功能日益复杂化，显著改变了城市街区环境。城市街道的建设往往注重经济效益，却忽视了街区品质的营造[2]。城市生态风险骤增，社会问题日益突出[3]，导致人类福祉（human well-being）下降。
人类福祉是指健康、幸福并且物质上富足的生活状态[4]。既包括物质层面，也包括精神层面。景观空间作为自然-人文复合系统，承担社会、文化、生态多重功能。城市街区景观空间作为居民日常生活与游憩中占比极高的公共空间类型，能够从近人尺度提供文化服务、供给服务、调节服务以及生境服务，是促进人类福祉提升的关键[5]。研究表明，高质量的城市街区环境不仅能够振奋精神，有效降低多种心理疾病的发病率[6]，更能促进户外活动的开展[7]，进而提升居民身体素质。同时，城市街区景观空间是居民日常活动的载体，是居民形成场所归属感、提升生活幸福感的关键所在[8]。
量化评价是明确景观服务功能并指导景观提升实践的基础。对于景观服务的评价分为物质和精神两方面（图1）。依托于生态系统服务的相关理论，对于景观空间的物质支持功能已经形成了较为完善的评价体系，涉及固碳释氧、调节气候、维持生物多样性等多个方面[9-10]。随着环境心理学的发展以及“场所精神”理论的提出，景观感知已经得到普遍重视[11]，其服务功能与物质支持功能重要性相当。然而，如何量化景观空间的精神感知服务功能一直是研究的难点，阻碍了景观服务体系的进一步完善，亟待形成有指导性的感知评价体系。
传统的问卷调查和实地访谈虽然能够在一定程度上进行情感量化评价[12-13]，但由于耗时长、成本高、受访人群有限、指标理解差异等问题，难以形成统一的评价标准，且不能从城市尺度进行大范围、细粒度的量化探究。深度学习技术的发展为解决这一问题提供了新的途径。Zhang等[14]基于深度学习的场景语义分割方法，构建了场景中的视觉要素与感知的量化方法；
Li等[15]通过构建卷积神经网络和深度学习网络模型，探究了城市景观环境对居民健康状况的影响。
本研究引入街景大数据和深度学习技术，利用收集超过百万次的麻省理工学院 Place Pulse感知评价众包数据集（简称MIT Place Pulse数据集）进行测量和评价，参照数据集收集结果，以安全、活力、美丽、富裕、压抑、无聊为感知评价指标，从统计学上消除认知差异，形成共识性指标体系。选取上海市黄浦区作为研究区域，利用SegNet图像语义分割算法从图像中提取视觉景观要素信息；
利用MIT Place Pulse数据集训练深度学习模型，评估居民对6项指标的感知情况，从城市街区物理环境与居民心理感知关联性的层面加以解释，以期从宏观尺度上量化城市街区感知情况及空间分布特征，指导实际城市建设和景观设计中先评价、后实施、再评价的过程，为景观服务体系的构建和完善提供新的思路和方法。
2.1 研究区域概况
上海市黄浦区（北纬121°28′，东经31°13′48″）地处上海市中部核心区域，全区面积20.52 km2[16]。根据第七次全国人口普查数据，黄浦区常住人口662 030人，人口密度达3.23万人/km2[17]，属于典型的高密度城市街区。区域内经济、社会活动密集，老旧社区较多，服务设施相对落后，建成空间与自然要素混合程度较高。同时，区域内百度街景图像数据资源丰富，有利于保证研究结果的精确度（图2）。
2.2 街景图像数据采集与语义分割
本研究通过百度地图采集街景图像。为了对上海市黄浦区街道品质的居民感知水平进行全面测度，在开放地图（OpenStreetMap,OSM）网站下载路网数据，每隔50 m设置并生成百度街景图像采集点，在GIS中对街景采集点进行视线方向计算，确保所有街景图像采集点的视角平行于该道路的空间前进方向。整个研究区域，共生成了24 575个采集点。随后通过Python语言构建统一资源定位符（uniform resource locator, URL），调用百度街景地图的应用程序编程接口（application programming interface, API），从4个方向分别获取 90°街景图片共98 300张，并拼贴形成样本点的360°街景全景图片，共获得24 574张。图像的像素设置为可访问返回的最大数值1 024×512像素的街景图像。
构建深度学习网络用于街景图像语义分割（图3）。训练数据集为gADE_20K数据集，包含了天空、道路、汽车、植物等150个日常生活场景中的元素。研究中应用的SegNet图像语义分割法是由剑桥大学团队于2015年开发并公布的图像分割的开源项目，可以对图像中的物体进行像素级别的精确分割。该网络主要由编码网络（encoder）与解码网络（decoder）两部分组成。encoder主要对物体信息进行压缩提取，decoder将提取后的语义信息还原至输入图像尺寸，即每个像素都可以分类对应物体信息的颜色。训练结果显示训练集精度为90.83%，验证集精度为89.95%，表明该模型可以较好地实现街景图像的解释性工作。
2.3 基于街景图像的居民感知评价
本研究以VGG卷积神经网络结构为基础构建深度学习网络（图3），通过MIT Place Pulse数据集进行城市环境感知训练[18]。该数据集将感知分为安全、活力、美丽、富裕、压抑和无聊6项指标。已有研究基于该感知分类从城市居民健康[15]、城市安全性[19]、城市网红空间识别[20]等方面进行了探索，并证明该6项指标能够完整地表述人类感知情况，且居民的文化背景、收入水平、种族等差异不会对结果造成偏差[19]。基于上述原因，本研究选取这6项感知指标全面评估空间品质对景观服务的影响，并进行综合计算以消解单独感知指标在空间分布上的误差。
训练神经网络模型进行街景图像感知的两两比较判别，从而模拟居民对两张街景图片的感知评估。训练验证集不同感知指标预测精度显示如下：安全（81.25%）、活力（78.13%）、美丽（84.37%）、富裕（81.25%）、压抑（81.25%）、无聊（78.13%）。采用Microsoft TrueSkill算法将成对比较的图像进行排名并获得感知分数[21]，针对24 575张街景图像进行了122 875次对比预测，然后将各感知分数进行归一化处理并将分数区间映射至[0，1]。TrueSkill算法认为每张街景图像感知分数在所有图像中符合正态分布N（μ，δ2），且设定计算6项感知的均数μ与δ均取相同数值，因而归一化后的6项感知结果可以进行相加求均，从而获得综合感知得分，计算式如下：
式中：Ptotal指对特定图像i的总体感知得分；
Psafety为图像i的安全感知得分；
Plively为图像i的活泼感知得分；
Pbeautiful为图像i的美丽感知得分；
Pwealthy为图像i的富裕感知得分；
Pdepress为图像i的压抑感知得分；
Pboring为图像i的无聊感知得分。
2.4 多元线性回归分析
城市街区环境感知往往受到多个因素的共同影响。相较于单一的自变量预测，由多个自变量的最优组合来共同预测因变量更为有效也与实际情况更为匹配，因此多元线性回归模型更具有实用价值。本研究基于SPSS 23.0统计分析软件，以影响街区环境的3项主要视觉景观要素（绿视率、天空视率、建筑视率）作为解释变量，构建多元线性回归模型，从而研究城市街区环境视觉要素与各类感知情况及综合感知情况之间的关联性，通过计算模型的Beta标准回归系数比较不同视觉景观要素对居民感知的影响强度差异，进而对景观感知服务功能进行解释。
3.1 不同视觉景观要素的空间分布
城市街区环境的主要视觉景观要素为绿视率、天空视率以及建筑视率[6]，本研究以此为基础，提取和分析了街景图像语义分割结果，得到上海市黄浦区视觉景观要素基本信息（表1）。绿视率、天空视率、建筑视率平均值分别为0.080、0.247、0.148，表明该地区总体上建筑密度较高，绿化率较低。不同地点的绿视率、天空视率、建筑视率的变化范围较大，表明该地区整体上视觉构成要素较为杂乱。
表1 视觉景观要素基本信息（n=24 575）Tab. 1 Basic information of visual landscape elements (n=24 575)
黄浦区街区绿视率普遍较低，其空间分布呈现“西高东低”的特征（图4-1）。区域内绿视率存在明显的空间异质性，表明该区域居民的绿色感知在空间上存在较大差异。建筑视率较高的区域往往具有较低的绿视率，这可能是由于高密度的建筑群和狭窄的街道限制了绿化空间，建议在外滩街道、豫园街道等绿视率低值聚集区域适当增加垂直绿化，丰富该区域的绿化资源，从而提升黄浦区整体绿化水平。
天空视率空间分布呈现“东高西低”的特征（图4-2）。天空视率高值主要聚集于黄浦江沿岸区域，该地区多为带状滨江广场，建筑密度较低，视野较为开阔。豫园街道、老西门街道建筑密度较高，但仍具有较高的天空视率。这可能是由于该区域多为历史文化街区或老旧小区，建筑层数普遍较低，因此对天空开敞度不构成较大影响。但同时，绿视率较高的街区也具有较低的天空视率。Gong等[22]认为复杂的街道树木将影响天空的开敞度，进而降低了天空视率，与本研究的结果相一致。
建筑视率高值集中于黄浦区中部和北部（图4-3），如南京东路街道、外滩街道、豫园街道、老西门街道。这些地方多为金融中心、商务中心、历史文化街区以及老旧小区。高密度的建筑群增加了人本视角下的建筑比例，将形成更多的“闭合感”。研究区域西侧多为高质量楼盘和公园绿地，城市结构较为疏朗，建筑密度较低。黄浦江沿岸有着较多的景区、广场、公园等开放空间，建筑视率也处于较低水平。
3.2 视觉景观要素聚类分析及空间分布
为了进一步探究城市街区环境中视觉景观要素的空间分布规律，对绿视率、天空视率、建筑视率展开K-Means聚类分析，分类数量根据经验及多轮实验后设置为3。最终得到3组聚类结果，分别代表以绿化为主导的绿色空间、以天空为主导的蓝色空间和以建筑为主导的灰色空间（图5），聚类中心值分别为（0.178，0.101，0.076）、（0.060，0.349，0.099）、（0.027，0.236，0.266）。
结果表明，上海市黄浦区的灰色空间主要集中于南京东路街道、外滩街道、老西门街道和豫园街道，该区域建筑密度极大，天空开敞度不足，绿化覆盖率极低，属于典型的人工要素占主导地位的城市环境。蓝色空间主要集中于小东门街道、半淞园路街道、五里桥街道，该区域具有大量景区、广场及滨江步道，建筑及树木的遮挡较少，城市构成要素相对单一。绿色空间主要集中于瑞金二路街道、淮海中路街道，该区域以居住用地、公共设施用地和绿地为主，建成时间较晚，空间布局较合理，自然要素充足。
上海市建成区绿地整体覆盖率为39.6%，其中黄浦区绿化覆盖率约为19.37%[23]，低于全市平均水平。本研究结果也表明，上海市黄浦区整体绿色视觉要素比例较低，表现出“缺绿”的现象。这一现象在老旧城区尤为明显。黄浦江沿岸步道自然要素比例也较低，表明该区域硬质铺装较多而绿化不足。在未来建设中应着重关注老旧小区和滨河广场的绿化情况，注重城市绿色空间各要素水平的平衡发展，促进城市街区环境中自然要素与人工要素的融合。
4.1 不同感知指标的空间分布特征
本研究基于MIT Place Pulse数据集预先训练的模型进行计算，得到上海市黄浦区所有街景图像的安全、活力、美丽、富裕、压抑和无聊6项感知指标得分。通过插值法将图像点及其感知分数与街区进行空间连接。采用自然断点法进行划分，将居民感知分数分为6个区间，将不同类型感知指标的空间分布特征在地图上可视化（图6）。同时，选取了具有代表性的街景图像进行展示（图7），每张街景图像右下方的感知雷达图可以直观显示城市街区感知特征。参考Ma等[24]研究并结合本研究结果，将综合感知得分在0.65以上街区定义为积极感知空间，综合感知得分在0.35～0.65的定义为中等感知空间，综合感知得分在0.35以下的定义为消极感知空间。
不同感知类型的空间分布具有较大差异。区域东北侧人口稠密地区相较于西南侧人口稀疏地区往往具有更高的活力感和压抑感。通过进一步对比街景图像（图7）发现，人口稠密地区往往具有较长的建成时间、较高的建筑密度、复杂的街区环境以及数量众多的行人。这可能是该地区活力感的主要来源。Zhang等[19]研究表明，密集且短小的街道网络往往具有更高的活力感，与本研究结果相一致。Jacobs[25]曾倡导缩小街区面积，增加路径选择和功能多样性，从而提升街区活力。但是本研究结果进一步表明，单纯缩小街区面积以提升活力是片面的，紧凑的街道网络、密集的建筑群以及复杂的街区要素使得视觉空间受到挤压和限制，增加了居民的压抑感。
安全感知与环境的空间配置和物理特征具有直接联系[26]。一般认为，城市街区中的建筑和行人将感知主体包围，能够对人产生积极的安全暗示。然而，本研究中人口密度和建筑密度较高的豫园街道和老西门街道却呈现了较低的安全感水平。主要因为该区域的服务设施较差，老旧的遮阳篷、肮脏的栅栏以及夜晚照明的缺失带来了较差的安全体验。有研究表明，功能单一且有序的环境能够提升居民安全感[27]。本研究中安全感较高的区域在物理特征上往往表现为整洁路面、高质量绿化以及有序的建筑组织。
美丽感和富裕感的空间分布具有高度一致性，高值区域主要分布于西侧地区以及黄浦江沿岸。在城市发展中，高质量的环境建设依赖于其管理能力和经济水平，促使居民日常对二者的感知较为相似。上海市黄浦区美丽感和富裕感感知得分较高的地区整体分布较广，进一步体现了上海市较高的现代化城市建设水平、经济实力以及近年来城市环境提升的成果。黄浦江南侧沿岸是无聊感的高值聚集区。沿岸景区的大量硬质化铺装和形制相似的建筑，难以形成吸引力。景区的同质化是目前中国城市景观所面临的重要问题。如何优化景区空间结构，使其不仅具有旅游功能，而且对周边居民更具有吸引力，均值得进一步探究。
4.2 不同感知指标的相关性分析
对6项感知指标进一步做相关性分析（图8）。结果表明，富裕感与安全感（Pearson相关性系数为0.33，下同）、美丽感（0.33）均呈现极显著正相关关系。目前中国城市发展模式正在从高速发展转向高质量发展，经济发展水平较高区域的城市空间品质逐步提高，富裕感与其他积极感知已形成正向联系。富裕感与活力感（-0.10）具有极显著负相关关系，这表明了虽然城市空间质量在逐步提高，但仍然缺乏“以人为本”的基础设施建设。安全感与活力感（0.36）、美丽感（0.46）、富裕感（0.33）均具有极显著正相关关系，表明高品质的城市环境有利于提高居民安全感。城市环境的压抑感近年来逐渐受到学者的广泛关注，已经成为衡量城市居住体验的重要因素[28]。环境品质的提升有利于减少居民消极感知，切实提升生活体验。另外，压抑感与富裕感（-0.06）的负相关关系较弱，一定程度上反映了富裕感知导向的景观营建难以对居民情感产生积极影响。
4.3 城市街区综合感知的空间分布特征
为了更进一步分析和评价城市空间品质，将城市街区的综合感知情况在地图上进行可视化分析（图9）。整体而言，城市中积极感知空间与消极感知空间均呈现聚集分布的趋势，积极感知空间集中于黄浦区西侧，消极感知空间集中于东侧。其中，老旧社区区域感知得分较低，为消极感知空间聚集区域，表明其居民居住体验欠佳，空间品质有待提升。黄浦江沿岸硬质景观较多且缺乏绿化，所造成的压抑感和无聊感主导了该地区综合感知情况，使其也成为消极感知空间聚集区域。新建住宅和公园绿地的感知得分较高，表明该地区具有良好的宜居性。同时，高速公路、城市快车道、主干道沿线均为消极感知空间，显示了这些道路类型对居民生活的干扰作用。道路破坏了黄浦区西部积极感知空间的连续性，造成了积极感知空间的割裂，不利于居民在日常生产生活中获得良好体验。因此，高速公路、城市快车道、主干道等道路附近区域应该在城市规划建设中得到重点关注，如何利用合理的方式缓解其消极影响值得进一步探究。
进一步与街道行政区划结合，将每一个街道行政区划内的城市综合感知得分进行叠加平均并映射到地图中，从而对各行政区的综合感知进行评价（图10，表2），高感知得分代表该街道环境品质较高，反之则代表该街道环境品质较低。其中综合感知评价极好的街道共有2个，分别是淮海中路街道和打浦桥街道；
综合感知评价良好的街道共有3个，分别为南京东路街道、瑞金二路街道、半淞园路街道；
综合感知评价较好的街道有3个，分别为外滩街道、豫园街道、五里桥街道；
老西门街道的综合感知评价一般，小东门街道感知评价较差。这一结果表明，黄浦区整体感知情况较差，且低综合感知评价的空间主要分布于老旧城区。有研究表明，老西门街道和小东门街道的人口核密度较高[29]，而本研究结果显示了其较低的综合感知得分。这意味着黄浦区大量人口生活在街道感知体验欠佳的区域，街道环境品质较低，环境公平性亟待提高。
表2 10个街道行政区划综合感知得分（n=24 575）Tab. 2 Comprehensive perception score of 10 sub-district administrative divisions (n=24 575)
4.4 视觉景观要素与居民感知回归分析
进一步分析视觉景观要素与各类感知的多元线性回归结果（图11），街区环境视觉要素与各类感知指标回归的Beta标准化系数均达到极显著（p＜0.01），表明这3项视觉景观要素能够影响居民感知。利用方差膨胀因子（VIF＜10）进行共线性诊断，表明视觉景观要素之间不存在共线性。结果表明，绿视率、天空视率、建筑视率对安全感、活力感均具有正向影响，其中建筑视率增加能够显著提升活力感，Beta标准化系数达到0.382。富裕感和美丽感受到绿视率的正向影响，受到天空视率、建筑视率的负向影响，其中富裕感主要受到建筑视率的限制，而美丽感受到天空视率、建筑视率的限制均较大。绿视率能够有效地降低压抑感，其Beta标准化系数达到-0.409，天空视率对压抑感也有一定的限制作用。无聊感与天空视率正向相关，意味着天空开敞度越高越使人感到无聊。
整体而言，绿视率能够给居民带来积极感知，且影响较大，而天空视率、建筑视率均会在一定程度上使居民产生消极感知。既有研究往往将绿视率与活力、安全、压力等感知指标单独分析，结果却是片段化的[30]。本研究结果表明，街区的绿视率与综合感知的Beta标准化系数达到0.335，这意味着绿化的增加对居民综合感知的促进程度高达33.5%。进一步对比可知，绿视率对居民感知的积极促进作用主要通过增加安全感和美丽感，减少压抑感和无聊感来实现。
天空视率、建筑视率对于综合感知的影响是负向的，但影响均较弱。天空视率、建筑视率对于感知的影响往往具有两面性。建筑视率、天空视率的增加，能够有效提升安全感、活力感，但同时也会减少富裕感、美丽感，增加无聊感。其较弱的影响作用意味着，建筑视率和天空视率的大小对于居民整体感知不具有决定性作用。建筑和天空对于人类感知的影响更多取决于建筑的新旧程度、建筑表皮整洁程度、天际线的美观与否等，均对感知有一定的影响，从街景图像中可以清晰地观察到这一点（图7）。因而，在具体的城市建设中，应该首先明确区域感知营建的目标，有针对性地进行规划设计，合理控制建筑视率和天空视率，这对于现代城市建设是至关重要的。
绿视率对感知的正向影响作用已经得到普遍的证实。绿视率的增加有利于缓解城市居民心理压力、增强幸福感，甚至对于居民的身体健康具有促进作用[31-32]。本研究表明绿视率对于居民的安全感、活力感、富裕感、美丽感均具有促进作用，而对于压抑感、无聊感均具有抑制作用，进一步证明了绿视率的普适价值，肯定了植物绿化对于提升城市景观服务功能的积极主导作用。在当今城市由增量发展向存量发展的背景之下，高密度大型城市街区难以开辟大面积绿地。未来城市规划建设应着重发展屋顶绿化、阳台绿化、建筑墙面绿化、构筑物绿化等，不仅可以提升绿视率，同时能够消解建筑视率、天空视率的消极影响，提升景观服务功能。现有城市规划方法往往缺乏对于感官体验和公众参与的关注，很大程度上是因为难以在城市尺度量化居民感知情况，形成有共识性的感知评价体系。本研究通过深度学习与街景图像的结合，将不同感知情况在地图上进行可视化，能够更快、更准确地掌握城市基本情况，这将有助于城市规划者针对不同感知导向的区域快速采取特定的处理措施，并为其他领域的研究者提供参考。
城市街区景观能够提供多种景观服务功能，而精神感知服务功能量化一直是研究的难点。本研究通过深度学习技术解译街景图像，实现了大规模城市环境中居民感知的测量和空间布局分析。研究表明：1）黄浦区绿视率、天空视率、建筑视率平均值分别为0.080、0.247、0.148，绿色空间、蓝色空间、灰色空间均呈现随城市功能特征聚集的规律，整体绿色视觉要素较匮乏，尤其体现在老旧社区；
2）街区环境感知情况整体较差，积极感知空间与消极感知空间具有明显的空间分异，西部地区的空间品质优于东部；
3）绿视率能够显著提升居民综合感知水平，其影响程度高达33.5%，主要通过增加安全感和美丽感，减少压抑感和无聊感得以实现，而建筑视率和天空视率对于综合感知的影响较为复杂，总体上具有较弱的限制作用。这一结果揭示了城市街区环境的感知规律及影响机制。鉴于开源的街景图像数据，本研究提出的方法可以拓展量化不同城市景观空间感知情况，从而完善景观服务评价体系，为从宏观尺度上评价精神感知服务功能提供新的思路和方法。
图表来源(Sources of Figures and Tables)：
文中所有图表均由作者绘制。其中图2、4～6、9、10底图来源于国家自然资源部标准地图服务系统的标准地图，审图号：GS(2016)1584号；
图7底图来源于百度地图街景图片（2019—2021年）。
