许琛
上海同济城市规划设计研究院有限公司 200082
摘要：街道是居民日常使用的公共活动空间，也是联系城市各种功能的纽带。文章基于多元数据对五角场区域街道活力进行定量分析，探索影响街道活力的因素以及不同街道类型与街道活力因子之间的关系。研究发现，街道两侧功能混合度对街道活力的影响最为显著，除此之外，不同类型街道活力的关键影响因子也不同，街道绿化率对生活型街道的影响较大，周围土地开发强度对商业街道的影响较大，街道功能密度对公共管理和公共服务街道的影响较大。
关键词：街道活力；网络数据；街道绿化率；上海五角场
1. 引言
街道是居民日常使用的公共活动空间，也是联系城市各种功能的纽带。随着我国城镇化快速推进，道路建设取得了较大的成就，极大地改善了居民出行条件，但在道路规划设计中，以机动车为主导的方式使得道路的交通功能越来越突出，反而忽视了人的使用。在以人民为中心的价值观引导下，重塑街道人本属性尤为重要，那么哪些要素会影响人群使用街道是目前需要解决的问题。
20世纪初，简?雅各布斯认为长度短、行人多、功能混合、建筑多样是影响街道活力的4个基本条件[1]。扬?盖尔从功能混合、开敞空间等方面分析对街道活力的影响[2]。戈登卡伦认为城市街道空间的多样性将带来生机与趣味[3]。
国内学者基于大数据对街道活力作了相关研究，探索街道活力与各活力因子之间的关系，但研究尺度较为宏观，本文选择数据更为精细的人群定位数据，以及增加街道绿化率、街道可达性等量化分析指标，从中微观尺度探索影响街道活力的因子以及影响程度。
2. 研究范围与数据
2.1 研究范围
本文选择上海市五角场及周边区域为研究范围，研究范围北至殷行路、南达周家嘴路、西至逸仙路和曲阳路以及大连路、东临军工路，面积约35.08平方公里。（图1）
研究范围内有“江湾-五角场”商业中心，黄兴公园、杨浦公园，以及不同年代的居住社区，整体空间形态丰富、街道类型多样，是较为理想的研究对象。
2.2 研究数据
本文研究数据主要包括街景图片、互联网地图兴趣点（POI）、某互联网LBS定位数据、建筑轮廓及高度数据，数据时间为2019年5月。
（1）道路路网
通过在线地图网站爬取研究范围内的矢量数据，并在Arcgis中经过制图综合与拓扑处理得到优化的矢量数据，然后结合百度地图对缺失的道路网进行补充，最终参与研究分析的道路路段有692条（图1）。
（2）地图兴趣点（POI）
采用百度地图API功能，通过编程进行网络爬取，获得与城市街道活力相关的兴趣点（图2），总计10381个，涉及餐饮、体育休闲、公共设施等不同类型。
（3）街景图片
本文采用百度地图街景数据，利用网络爬虫方法对同一条街道每隔50米的间隔，进行东、南、西、北4个方向街景图片的抓取，图片像素大小为850*490，共抓取有效图片7716张。
（4）某互联网LBS定位数据
数据来源于某互联网公司人群出行LBS（Location-Based Service）数据，数据空间尺度为25m。该数据记录人群的位置信息，可以用来表征街道活力。通过爬虫技术获得2019年5月11和5月12日的数据，这两天分别为周六和周日，天气晴朗，适宜外出。考虑到上海居民周末外出习惯，本文选择这两天14：00-19：00时间段每隔1小时的人群定位数据。
（5）建筑轮廓及高度数据
建筑轮廓及高度数据来源于百度地图的矢量建筑信息，通过数据爬虫抓取，获得研究范围内共计17164栋建筑矢量数据。
.png)
图1 研究范围及路网图 图2 研究范围内POI分布图 图3 街道人口密度分布图
（图纸来源：作者自绘） （图纸来源：作者自绘） （图纸来源：作者自绘）
3. 研究方法
3.1 指标体系构建
街道活力从字面上可以理解为街道上开展活动的人的数量多少以及开展活动的丰富程度，其外在特征为某条街道人口密度的大小，内在因素是影响人群聚集活动的构成要素。
本文根据研究区域的数据可用性与街道特征，利用互联网定位数据表示街道活力，街道活力的影响因素包括交叉口数量、街道特征(宽度、长度)、街道绿化率、周边土地开发强度、街道功能密度、街道功能组合和交通可达性。
3.2 指标体系量化方法
（1）街道人口密度
街道人口密度反映街道活力，本文选择休息日14：00-19：00每隔1小时的数据取平均值来反映街道人口密度。具体做法是将每条街道一定缓冲区范围内，不同时间段人口数量的平均值除以街道长度，以去除街道长度对结果的影响。
（2）街道类型
街道两侧兴趣点类型代表着街道的功能，本文对街道中心线进行100m缓冲区分析，统计每条街道不同类型兴趣点数量占比。若某类设施占比超过50%，则定义该类设施类型为街道的主导功能；若设施占比均未超过50%，说明该街道主导功能不明显或功能较少，则为其他街道。按照上述规则可分为生活型街道、商业型街道、公共管理与公共服务型街道、其他街道。在计算之前需要对各类兴趣点进行数据处理，处理方法是将某街道该类兴趣点总数除以研究范围内该类兴趣点总数。
（3）街道交叉口密度
街道交叉口密度表示一个街区道路相交的数量，反映了街区尺度大小。其计算方法首先是将每条道路相交的点计算出来，然后计算每条道路一定范围内相交点的数量，最后除以每条道路各自范围的面积。
（4）街道绿化率
街道绿化率可以反映街道品质。本文借鉴郝新华关于街道绿化的研究，通过 python 编程计算街景照片绿色像素点数量与总像素数量的比值，从而得到街景照片的绿色比例。
（5）街道功能密度
首先计算出每条街道两侧缓冲区范围内兴趣点总数，再者计算每条街道的长度，然后利用兴趣点总数与长度比值来表示街道功能密度。缓冲区距离结合研究范围内的街道宽度确定为50m。
（6）街道功能混合度
街道功能混合度指街道周边不同类型兴趣点混合程度，可以采用信息熵公式进行计算，具体公式如下：DI=-∑P(i)log(2,P(i)) (i=1,2,..n)，式中n表示本次研究兴趣点类型总数，P(i)表示某类兴趣点占所在街道兴趣点总数的比例。在计算之前首先需要对各类兴趣点进行数据处理，处理方法是将某街道该类兴趣点总数除以研究范围内该类兴趣点总数。
（7）周边地块开发强度
周边地块开发强度是指街道两侧地块开发强度，本文采用街道两侧150m缓冲区范围内建筑总面积除以缓冲区面积表征该项指标。
（8）交通可达性
交通可达性包括两个指标，一个是从街道中点到最近的地铁入口的距离，另一个是街道内公交站点密度。
4. 研究结果
4.1 街道活力指标空间分布特征
（1）街道人口密度分布
基于互联网LBS定位数据得出休息日14：00-19：00每隔1小时的人口分布密度，从图中可以看出五角场商业中心、控江路紫荆广场、国和路中原城市广场人群聚集度较高，同济大学、复旦大学、居住社区公共中心的人群聚集度次之。在Arcgis中采用空间相交聚合的方法将人口分布密度连接到对应的街道，得出街道人口密度分布图（图3）。
（2）街道类型分布
根据兴趣点的分析，研究范围内包括四种街道类型，其中居住型街道数量最多，占比71.12%，主要分布在各居住社区的周边；公共管理与公共服务型街道占比7.5%，主要分布在几所高等院校周边以及新华医院、长海医院周边；商业型街道占比21.24%，主要分布在五角场商业中心、江湾体育场、紫荆广场周边；其他街道占比较少，主要是五角场商业中心的商住混合街道、江湾体育场周边的体育与居住混合街道，以及高等院校周边教育与居住混合的街道。
（3）街道交叉口密度分布
通过计算街道交叉口密度并进行可视化分析（图4），可以看出“江湾-五角场”区域的街道交叉口密度最高，四平路街道、控江路街道辖区内居住小区周边的街道交叉口密度相比殷行街道、新江湾城街道辖区内居住小区的街道交叉口密度要高。
（4）街道绿化率分布
本文通过python编程对7716张街景图片的绿色像素比例分析后，将分析结果赋值到对应街道上，并参照相关研究将绿色像素比例数值小于等于0.15，0.15-0.25，0.25-0.5，大于0.5进行分类，分别对应不同级别的绿化程度，从而得到街道绿化率空间分布图（图5）。从图中可以看出，安徒生童话乐园、杨浦公园、黄兴公园周边街道，以及延吉东路的绿化率较高。
（5）街道功能密度分布
通过对兴趣点数据分析并可视化后（图6），可以看出街道功能密度较高的区域分布在大学路、国济陆、国达路、政通路，以及紫荆广场周边的道路，如控江路、江浦路。整体上来看，除五角场核心区域的街道外，中环路以南区域的街道功能密度比中环路以北区域的街道功能密度要高。
.png)
图4 街道交叉口密度分布图 图5 街道绿化率分布图 图6 街道功能密度分布图
（图纸来源：作者自绘） （图纸来源：作者自绘） （图纸来源：作者自绘）
（6）街道功能混合度分布
通过对兴趣点数据分析并可视化后（图7），可以看出高混合度的街道较为分散，没有呈现出明显的集聚特征，除新江湾城街道辖区内没有高混合的街道外，其他区域均有高混合度的街道。
（7）周边地块开发强度分布
通过对街道两侧建筑物开发强度进行计算，可以看出研究范围整体开发强度不高，多层建筑与小高层建筑较多，高层建筑较少。高层建筑主要分布在淞沪路、控江路、曲阳路两侧（图8）。
（8）交通可达性分布
采用距离轨交站点距离以及街道两侧公交站点密度两个指标来综合考量交通可达性，根据数据分析可以看出江湾体育场周边区域，以及控江路街道、殷行街道辖区内居住小区内的交通可达性相对较好（图9）。
.png)
（图纸来源：作者自绘）
4.2 街道活力构成因素分析
为研究街道活力构成因素对街道活力的影响程度，可以采用多元线性回归方法进行数学模型分析，参与分析的街道为设计时速小于等于40km/h的生活型街道、商业型街道、公共管理与公共服务型街道。回归计算公式如下：LNpi=β0+β1* denroai +β2* visgrei +β3* gondeni +β4* gondivi +β5* farroai +β6* busdesi +β7* len i +β8* wid i，式中回归变量LNp为某条街道LBS定位人口密度的自然对数，因变量中busdes表示可达性、denro表示街道交叉口密度、farroda表示周边地块开发强度、wid表示街道宽度、visgre表示街道绿化率、gonden表示街道功能密度、len表示街道长度、gondiv表示街道功能混合度，i表示第i条街道。
回归结果如图10所示，图中包括生活型街道、商业型街道、公共管理与公共服务街道，以及三类街道整体的回归分析结果。
.png)
图10 街道活力构成因素回归分析图
（图片来源：作者自绘）
总体而言，街道功能混合度和功能密度以及交叉口密度对不同类型的街道活力有明显的正向影响。周边土地开发强度和交通可达性对街道活力有一定影响，但影响程度相对较低。街道绿化率对街道活力呈现负影响作用，原因可能是商业中心及商业广场需要更多的硬质铺地供人们驻足，以及新江湾城道路整体绿化率相对较高，但人群密度较低。
从不同街道类型分析结果可知，居住型街道活力受街道绿化率、街道功能密度和功能混合度的影响较大，其他因素对居住型街道活力影响相对较小。周围土地的开发强度、街道功能密度和功能混合度对商业街活力有很大的影响，街道绿化率对商业街活力有负面影响，原因可能是商业中心及商业广场需要更多的硬质铺地供人们驻足。道路两侧用地功能密度和功能混合度以及交叉口密度对公共管理和公共服务街道的影响较大，街道绿化率和交通可达性对此类街道活力也有一定的正向影响。
5. 结语
本文采用不同类型的网络数据对影响城市街道活力的因素进行逐一评价，通过数据定量分析方法得出各因素对街道活力的影响程度。研究发现街道功能密度、街道功能混合程度和街道交叉口密度对城市街道活力有很大影响，这符合“小街区、密路网”的理念以及土地使用的功能混合，在规划设计中营造开放式、混合功能的街区将有助于提升街道活力。此外，在商业中心适当提高开发强度有助于提升商业街道的活力；在居住型街道增加绿化植物种植，会提高街道舒适度，居民更愿意在街道上开展日常活动，有助于提升街道活力。
街道活力构成因子对街道活力的影响并非一成不变，未来可进一步研究完善的方面包括：一是采用更高精度的人群定位数据，能区分驻足人群和过往人群，排除过往人群对分析结果的影响。二是可以从不同时间维度来研究街道活力影响的因素，例如工作日与休息日，冬季与夏季等。三是可以深入挖掘街景图片信息，从街道两侧建筑高度与街道宽度的比例来分析对街道活力的影响。
参考文献
[1] JACOBS J. The Death and Life of Great American Cities(50th anniversary edition)[M]. New York: Sources Toronto Canada, 2009.
[2] GEHL J. Life between buildings[M]. Covelo: Island Press, 2003.
[3] 扬?盖尔著，何人可译.交往与空间[M]. 北京：中国建筑工业出版社,2002.
作者简介：许琛（1992-03），男，汉族，湖北应城，职位：规划师，研究方向：国土空间规划、城市规划大数据分析。