世界步行日 | 街道视觉可步行性评估及其对居民步行活动的影响——以南京市为例
导读
今天（9月29日）是世界步行日，可步行性是建成环境中的一个重要特征，用于衡量建成环境对人们步行活动的友好程度。本文提出街道视觉可步行性概念框架并构建了街道视觉可步行性评估指标体系，以南京为例探究不同区域居住社区街道视觉可步行性的差异，并基于11个社区的问卷调查数据，使用多层线性回归模型，测度了街道视觉可步行性因素对社区居民步行活动的影响。结果表明：（1）街道视觉可步行性的各个指标在城市尺度上呈现出不同的空间分异，且与城市开发形态相关性较大；（2）街道视觉可步行性中的街道高宽比和人群聚集度对居民步行活动的影响较大，居住社区街道高宽比和谐、街道活力高的周均居民步行时间更长；（3）个体层面的年龄和学历因素也对居民步行活动产生了影响，老年人步行活动时间普遍较高，而高学历的居民周均步行活动时间更短。
本文字数：7621字
阅读时间：23分钟
作者 | 黄志强，张航，章云睿，郭文韬
南京大学建筑与城市规划学院
关键词
视觉可步行性；步行活动；机器学习；街景图片；多层线性回归；影响因素
01
引 言
步行活动作为城市居民最普遍的一种运动方式，已经被证明可以提高居民健康水平。可步行性是建成环境中的一个重要特征 [1]，用于衡量建成环境对人们步行活动的友好程度。国内外对可步行性的研究主要集中在两个方面：一是可步行的评估测度，二是可步行性的外部影响效应探究。
在可步行性评估上，传统的可步行评估通过调查问卷获取居民对社区、街道步行环境水平的主观感知，对社区、街道的可步行性进行评价，典型的方法以美国的邻里环境步行性测量表（NEWS）、英国行人环境评估系统（PERS）、新西兰的社区街道审查系统（CSR）[2]为代表。基于居民主观感知的评估可能因居民个体因素差异产生误差，评估结果很难准确且客观地反映街道真实可步行性水平，且问卷调查费时费力，难以大规模展开。此外，也有基于步行活动相关影响因素，构建定量评估模型的客观定量评估方法。其中代表性的方法是2007年美国学者提出的“步行指数（Walk Score）”，主要对设施可达性和多样性进行测度反映服务设施便捷性对出行的影响[3]，一些学者[4-7]将交通污染、人口年龄特征、交通安全等指标纳入步行指数评价，对指标体系进行优化。客观定量评估的结果相对准确可靠，但指标设置与居民使用者感知不完全匹配，难以反映行人感知视角的街道可步行性水平。
近年来多源地理大数据和计算机技术的进展为探索街道景观提供了新工具，杨俊宴通过街景图片分割技术提取街景特征，构建了系统性的街道可步行性测度指标体系[8]。通过街景图片和地理大数据客观评价街道空间环境，以代表行人的观点，一定程度上忽视了行人的心理感知。Zhou Hao则提出视觉可步行性的概念，通过街景图片衡量行人主观舒适度来测度街道的主观可步行性[9]，进一步反映了个人对环境体验的感知，但其构建的指标体系没有充分考虑行人对空间的多维感知，忽略了对于行人来说更为重要的安全感知、美学感知等因素。
在可步行性的外部影响效应方面，已有研究证实了高可步行性的社区居民往往拥有更好的整体健康状况 [10-11]，更高的主观生活质量[12-13]，以及更高的社会资本[14]，也更乐于参与政治活动。可步行性较高的社区通过鼓励经济交易和社会交流提高房地产价值[15-16]。
总的来说，学者们在提出客观地反映个人对环境体验感知的可步行性测度方法上已经做出了先验性的探索，但仍存在两个亟待解决的问题：（1）缺乏全面系统的街道视觉可步行性评价指标体系；（2）街道视觉可步行性对居民步行活动的影响机制待深入探索。
因此，本文在已有研究[9]基础上构建街道视觉可步行性评估指标体系，并通过街景图片和机器学习新数据新方法，探究南京市不同区域居住社区街道视觉可步行性的差异，并使用多层线性回归模型，研究不同社区街道视觉可步行性水平对社区居民步行活动的影响，深入剖析居民适宜步行、喜爱步行的街道应该具有的特征，为街道公共空间设计提供切实可行的参考建议。
02
研究思路
2.1街道视觉可步行性测度
2.1.1选择评价指标
根据街道空间要素模拟行人对街道空间要素的主观感知，感知特征包括街道高宽比、绿化水平、机动车拥挤程度、界面通透度等，结合已有研究中反映步行者对街道环境的主观心理感知要素，可以将行人主观感知特征归纳为安全性、美观性、舒适性、社交性四个维度（图2-1）。因此，本文从视觉安全性、视觉美观性、视觉舒适性、社视觉交性四个维度建立评价体系。
图2-1 街道视觉可步行性概念框架
资料来源：作者自绘
视觉安全性受机动交通的影响最大，大流量的机动交通和停在路边的车辆都会使行人在街道空间中的安全感降低。道路交通状况越复杂则需要越多的交通标识和交通信号灯指示和疏导交通，复杂的路况导致行人安全感降低。充足舒适的步行空间能够大大提高步行者的感知安全。因此本文选取步行道比例、机动交通影响指数和交通标识指数三个指标来测度街道的视觉安全性。
视觉舒适性主要和街道的绿化水平、天空视野以及界面有关，已有研究表明绿视率越高能使人产生积极的心理感知，开阔的天空视野可以充分延展人的眼部视线，通透的界面能够延展街道空间视觉范围，给步行者带来更加丰富的空间体验。因此本文纳入街道绿视率、天空开敞度和界面通透性三个指标表征街道视觉舒适性。
街道界面是影响街道视觉美学的重要因素，合适的高宽比和连续的街道界面营造良好的步行体验，众多学者倡导通过沿街完整、连续的建筑立面来营造统一有序、充满活力的城市街道[52]，因此本文选取街道高宽比和界面连续性两个指标表征街道的视觉美观性。
街道空间作为城市公共空间的重要组成部分，承担了重要的社会交往功能，社会交往活动的产生需要人、活动和交往场所三个必要因素。街道空间中人群集聚能够提高街道活力，而临街商业建筑能够提供多样的服务，集聚更多人流，从而激发更多的社会交往行为。因此本文采用人群集聚度和社交界面指数两个指标来表征街道的视觉社交性。
2.1.2构建评价模型
由于各评价因子的量纲和数量级存在差异，本文使用min-max标准化方法对各指标的原始数据进行数据的标准化处理。同时，本文采用AHP层次分析法建构层次结构模型，通过Matlab实现指标权重自动计算以及一致性检验，确定各指标权重（表2-1）。街道视觉综合可步行性计算公式为：
上式中𝑋i为第n个指标得分，Di为第n个指标权重。
每个社区的综合可步行性则为该社区缓冲区范围内各街道视觉综合可步行性得分的平均值。
表2-1 街道可步行性评价指标体系
2.2街道视觉可步行性对居民步行活动影响机制
研究采用多层线性回归模型量化测度街道可步行性对居民步行活动的影响。模型分为两层，第一层为400个居民样本，第二层为11个社区单元，个体样本嵌套于小区单元之中。模型因变量为居民一周步行时间，个体层级自变量为年龄、学历、收入、是否拥有汽车等，社区层级自变量为街道视觉可步行性的十二个指标。
图2-2街道视觉可步行性对居民步行活动影响机制研究路径
资料来源：作者自绘
多层次模型相对于单层次模型的优点在于：充分考虑了数据的嵌套性特点，可将不同地理层级要素对步行活动的影响区分开来，并精确计算每个地理层级要素对解释步行活动总体差异的贡献程度。本文采用的随机截距模型，公式如下：
Sij=α+βXij+γYij+μj+εij
式中：个体i(1-400)嵌套于小区单元j(1-11)中，Sij为居民一周步行时间，为模型的因变量。Xij则为个体层级变量（年龄、学历、收入等），Yij为社区单元层级变量（社区街道可步行性各指标）；μj表示小区层面的残差，体现了小区层级的随机效应；εij 则为个体层面的残差；α为误差项。
03
数据与方法
3.1研究对象界定
南京市早在2017年发布《街道设计导则》，开始关注街道空间的人性化转型。本文选取南京市主城区11个区位、建成年代、周边建成环境等条件差异显著的小区作为研究对象。相关研究表明[17]，居民步行活动主要发生在距家1500m区域范围内。本文根据11个研究小区单元的边界，建立半径为1500m的缓冲区，选择各小区单元缓冲区内的街道作为街道视觉可步行性评估对象。
图3-1 研究对象空间分布
资料来源：作者自绘
3.2数据来源及处理
百度街景图片利用Python爬虫脚本在百度地图开放数据平台抓取，为更符合人眼观测视角并提高街景语义分割精度，将每个视点的街景瓦片自动拼合成一张全景街景图片，共获取街景图片15436张全景街景图片。并通过PSPnet模型算法和机器深度学习数据集（Cityspace Dataset）对街景中人、车、道路、植物、围墙等19种要素进行识别，统计指定要素所占图片面积比例，并通过地理信息将统计结果链接到对应的街道上开展分析。
图3-2 研究对象空间分布
资料来源：网络
图3-3 PSPnet算法街景语义分割示例
资料来源：算法识别结果
居民步行活动数据来源于作者2020年11月-12月在南京市11个社区发放的问卷数据，共发放问卷450份，有效问卷413份，问卷中居民身体活动状况采用中文版The International Physical Activity Questionnaire(IPAQ)-Short Form进行调查，记录受访者最近一周内的步行活动的总时间、频率和距离，并做归一化处理。此外，还对居民的性别、年龄、学历、家庭收入、是否有小汽车等个人及家庭属性进行调查。
04
实证分析
4.1街道可步行性空间分布特征
南京市11个社区街道综合视觉可步行性测度均值为0.5280，最低的是左邻右里社区（0.4795），最高的是翠林山庄社区（0.5604）。越靠近城市中心的社区，街道综合视觉可步行性低值街道占比越多。
图 4-1 南京市11个社区街道综合可步行性分布
资料来源：作者自绘
在视觉安全性方面，步行道比例有较为明显的空间分异规律，位于中心城区的社区街道步行道比例较高，而位于新城或郊区的社区街道步行道比例较低。而机动车干扰指数和交通标识指数没有明显的空间差异性。
图 4-2步行道比例、机动交通干扰程度、交通标识指数指标空间分布
资料来源：作者自绘
在视觉舒适性方面，绿化可视率和天空可视率都呈现出明显的“中心——外围”水平差异的分布规律。可能原因是中心的城市建设密度较高，一定程度上影响了街道的视野景观环境体验。天空可视率呈现简单明确的圈层式分布。界面通透性指标在各研究社区没有明显的空间分布规律。
图 4-3 绿地可视率、天空可视率、界面通透性指标空间分布图
资料来源：作者自绘
在视觉美观性方面，街道高宽比的空间分布差异性较为显著，居安里、御水湾花园、五福里几个位于城市中心区的小区周边的街道高宽比更高，位于较偏远地区的仙林新村、云燕园、左邻右里小区周边的街道高宽比存在明显的低值，说明这些小区周边街道的道路等级相对较高且城市建设密度较低。不同小区的界面连续性不存在显著的空间差异。
图 4-4 界面连续性、街道高宽比指标空间分布图
资料来源：作者自绘
在视觉社交性方面，人群聚集度指标呈现出明显的圈层式递减空间特征。在城市中心区的居安里小区的人群聚集度为最高，而较偏远地区的几个小区周边街道人群聚集度接近0。这也与普遍认知一致，在城市建设密度相对较高的中心成区，一般会发生较多的社交休闲活动。而视觉社交性中的社交界面指数未呈现显著的空间分布规律。
图 4-5 人群聚集度、社交界面指数指标空间分布图
资料来源：作者自绘
4.2居民步行活动影响因素
4.2.1描述性统计
个人属性方面，男性占样本量的48.43%，略低于女性样本。受访居民的平均年龄为42.09岁，其中有62.33%的样本量处于18~50岁之间的青中年龄段。18岁以下的受访者占比最少（5.08%）。在受教育程度上，本科学历的居民最多（42.13%），硕士及以上学历的居民占比最低（9.21%），有50%以上的受访居民为本科及以上学历。在BMI指数一项中，60.05%的居民BMI处于正常水平，但仍有23.97%的居民超重，BMI评分为肥胖的居民占比为8.72%，超重和肥胖比例较高。在家庭收入方面，小于10万及大于30万的居民分别占总体受访居民的38.98%和14.77%。在生活水平方面，有62.47%的受访居民拥有房屋产权，53.51%的居民拥有一辆私家车。
图 4-6 南京市11个受访小区的周均步行时间
资料来源：作者自绘
按变量属性，分类统计居民的步行活动时间，受访的南京市居民一周平均步行时间为301分钟。不同年龄、性别、BMI、家庭收入、私家车拥有量居民的周均步行时间在统计学上的差异不显著，不同教育水平的居民在周均步行时间方面有显著差异，初中及以下学历的居民周均步行时间最长高于高中学历居民（375.8min/298.3min，P<0.05）、本科学历居民（375.8min/273.8min，P<0.05）和硕士以上学历居民的（375.8min/235.8min，P<0.05）;不同住房所有权的居民在周均步行天数方面有显著差异，自由住房的居民周均步行天数显著高于租房者（5.91天/5.18天，P<0.05）和住房归家人所有者(5.91天<5.11天，P<0.05)。周均步行时间在不同小区中的差异较为显著。综上推断，南京市居民的步行活动可能受到个体家庭属性与邻里环境的双重影响。
4.2.2步行活动时间影响效应的空模型
为了检验多层线性模型的适用性，首先在HLM软件中构建社区环境对居民步行活动时间影响的空模型，即判断不同社区的居民平均一周步行活动总时间是否存在差异。模型卡方值为21.70（P<0.05），表明模型通过检验。空模型所得的组间方差（社区层面）估计值（1725.36）远远大于其标准误（2.05），说明居民步行活动时间的差异一定程度上来自于社区间的差异（表4-1）。具体而言，根据组内和组间的方差贡献，计算得到组间相关系数（ICC）为0.032，空模型的Deviance为5480.78。似然比检验（LR test）结果表明，多层模型的解释力度显著高于单层模型。因此，采用多层线性模型能够有效探究居民步行活动时间的影响因素。
表4-1 南京市社区居民步行活动时间影响的多层线性模型（HLM）
注：因变量（Y）为居民一周步行活动总时间（单位：min）；+表示P<0.1，*表示P<0.05，**表示P<0.01，***表示P<0.001；ICC=组间方差/（组内方差+组间方差）；组间方差缩减比=（空模型组间方差－组间方差）/空模型组间方差。
4.2.3个体因素对居民步行活动的影响
表4-1中，模型一展示了剔除无显著影响变量后的个体层面因素对居民步行活动时间的影响。其中，因变量为居民一周步行活动总时间（单位：min），自变量剔除了影响不显著且会对后续模型产生干扰的性别、家庭年收入、工作单位性质、住房产权性质和拥有小汽车数量等变量，最终保留年龄（连续变量）和学历（分类变量）两项，并将学历做哑变量处理，以学历在初中及以下为参照组。
结果显示，随着年龄的增长，居民步行活动时间显著增加，但增加的幅度较小（系数=1.59），这可能是由于高龄人群更愿意并且有时间进行社区范围内的步行活动。与初中及以下学历的居民相比，更高学历的居民的每周步行活动时间显著较低，且学历越高，步行活动时间越短（如硕士及以上学历的系数=-103.15，P<0.05）。已有研究表明中随着学历的提高，居民步行出行的概率不断降低的[17-19]。
4.2.4社区街道视觉可步行性对居民步行活动的影响
在考虑社区层面因素对居民步行活动时间的影响时，对街道视觉可步行性评价的十项二级指标进行了筛选。首先通过共线性诊断剔除了天空可视率和交通标识指数两项变量，保证余下变量的共线性统计VIF值均小于10。其次利用多元线性回归选取了系数具有统计学意义的五项社区层面自变量放入HLM模型的level 2中，分别为步行道比例、街道绿视率、街道高宽比、界面连续性和人群集聚度指数。
表4-1中模型二结果显示，把社区街道视觉环境变量加入模型一后，社区层面的方差估计值（组间方差）下降为912.18，其方差缩减比达到了47.71%，Deviance为5368.52，比空模型降低了112.26。这表明所选取的社区街道视觉可步行性指标能够一定程度上解释居民步行活动时间在社区层面上的异质性。其中，社区建成环境中的街道高宽比对居民步行活动时间有显著的负向预测作用。具体而言，每增加1单位的街道高宽比指数，将会降低333.54分钟的一周步行总时间。由于本研究中街道高宽比以1.5为基准进行归一化处理，因此该项指数越高，表明街道高宽比偏离1.5越远，即呈现“过宽马路”或“窄路高楼”的特点。结果显示，过于偏离适宜街道高宽比的社区，居民的步行活动时间越少。这也印证了过高（或过低）的街道高宽比会降低步行流量的相关研究结论 [20]。
在街道视觉社交性维度中，街道平均人群集聚度对居民步行活动时间有显著的正向预测作用。具体而言，每增加1单位的人群集聚度指数，将会增加314.55分钟的一周步行总时间，可见人群越多的社区，居民的步行时间也越长。但是研究发现，模型中的其他社区街道环境属性变量（步行道比例、街道绿视率、界面连续性）对步行活动时间的预测作用无统计学意义。
05
结论与讨论
本文构建了街道视觉可步行性评估指标体系，以南京为例探究不同区域居住社区街道视觉可步行性的差异，并基于11个社区的问卷调查数据，使用多层线性回归模型，测度了街道视觉可步行性因素对社区居民步行活动的影响。结果表明：
（1）社区街道综合视觉可步行性水平在城市尺度上并无明显空间分异，视觉可步行性的各个指标却在城市尺度上呈现出不同的空间分异。
（2）视觉可步行性的空间分异与城市开发形态相关性较大。绿视率、天空可视率、人群集聚度呈现明显的圈层分布结构，中心区的高密度建设严重影响了天空暴露，同时也促进了绿化景观要素的集聚，而郊区则呈现出蓝天白云、宽阔大马路的景象。街道可步行性的空间分异一定程度上是由中心区的紧凑式开发和郊区的蔓延式开发的差异所导致的。
（3）街道视觉可步行性对居民步行活动的影响主要体现在街道高宽比和人群聚集度两方面。街道高宽比和1.5的偏差值与居民步行活动呈显著负相关关系，可见适宜的围合感能促进行人的步行和交往活动。此外，较好的人群集聚度也能促进行人的出行和对街道空间的使用。
（4）个体层面经济社会属性也对居民步行活动产生了影响。回归结果表明，老年人的步行活动频率普遍较高，而高学历水平的居民呈现出低水平的步行活动频率，这可能与他们主要选择小汽车的出行方式有关。
必须指出，本文尚存诸多不足。一方面是问卷调查样本不足，受限于调研人力物力，研究仅选取了11个居住小区，这可能是导致部分指标回归结果不显著的原因。其次，问卷调查法仍受制于受访者的主观判断，难以反映居民步行活动真实水平，未来可以考虑和大数据结合，利用手机信令数据、社交媒体数据等大数据测度居民的步行活动水平。另一方面，受限于数据获取，用商业用地代替商业界面并不能反映真实的可供居民行人交往的公共空间水平，未来可考虑利用深度学习技术自动识别商业界面。
参考文献（上滑查看全部）
[1] Oishi, S., M. Koo and N.R. Buttrick, The socioecological psychology of upward social mobility. American Psychologist, 2019. 74(7): p. 751.
[2] NEWS-CFA: Confirmatory factor analysis scoring for neighborhood environment walkability scale [EB/OL]. [2015-07-05].
[3] 卢银桃, 王德, 同济大学建筑与城市规划学院. 美国步行性测度研究进展及其启示[J]. 国际城市规划, 2012, 27(1):10-15.
[4] 董世永,龙晨吟.基于模糊综合评价的住区可步行性测度方法及发展策略研究——以重庆典型住区为例[J].西部人居环境学刊,2015,30(01):106-112.
[5] 顾浩,周楷宸,王兰.基于健康视角的步行指数评价优化研究：以上海市静安区为例[J].国际城市规划,2019,34(05):43-49.
[6] 吴健生, 秦维, 彭建,等. 基于步行指数的城市日常生活设施配置合理性评估——以深圳市福田区为例[J]. 城市发展研究, 2014, 21(010):49-56.
[7] 周垠,龙瀛.街道步行指数的大规模评价——方法改进及其成都应用[J].上海城市规划,2017(01):88-93.
[8] 杨俊宴,吴浩,郑屹.基于多源大数据的城市街道可步行性空间特征及优化策略研究——以南京市中心城区为例[J].国际城市规划,2019,34(05):33-42.
[9] Hao Zhou , Shenjing He , Yuyang Cai , et al. Social inequalities in neighborhood visual walkability: Using street view imagery and deep learning technologies to facilitate healthy city planning[J]. Sustainable Cities and Society, 50.
[10] Frank, L., et al., Urban form relationships with walk trip frequency and distance among youth. Am J Health Promot, 2007. 21(4 Suppl): p. 305-11.
[11] Götz, F.M., S. Yoshino and A. Oshio, The association between walkability and personality: Evidence from a large socioecological study in Japan. Journal of Environmental Psychology, 2020. 69: p. 101438.
[12] JaŠKiewicz M , Besta T . Is Easy Access Related to Better Life? Walkability and Overlapping of Personal and Communal Identity as Predictors of Quality of Life[J]. Applied Research in Quality of Life, 2013, 9(3):505-516.
[13] Zhao Y , Chung P K . Neighborhood environment walkability and health-related quality of life among older adults in Hong Kong[J]. Archives of Gerontology & Geriatrics, 2017, 73:182.
[14]Leyden Kevin-M. Social capital and the built environment: the importance of walkable neighborhoods[J]. American Journal of Public Health, 2003, 93(9):1546-1551.
[15] Leinberger, C. and M. Alfonzo, Walk this way: The economic promise of walkable places in metropolitan Washington, DC. 2012.
[16] 曹恩溯, 日常服务设施可步行性评价及效应分析, 2017, 武汉大学. 第 61页.
[17] 姜玉培,甄峰,孙鸿鹄,王文文.健康视角下城市建成环境对老年人日常步行活动的影响研究[J].地理研究,2020,39(03):570-584.
[18] 李赛赛. 居民出行特征与出行幸福感和健康的关系分析[D].东南大学,2019.
[19] 孙莹莹. 郑州市居住区步行可达性对居民步行出行的影响机制研究[D].河南大学,2019.
[20] 徐漫辰,庹川,叶竹,曹永茂.基于人群需求特征的空港地区城市风貌塑造——以郑州空港实验区总体城市设计中的城市风貌引导为例[J].福建建筑,2019(11):1-6.
*本文为2021中国城市规划年会论文。
【免责声明】本公众号发布的内容仅供学习交流使用，不以任何形式进行牟利。内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系，我们将于第一时间协商版权问题或删除内容。内容为作者个人观点，不代表本公众号立场和对其真实性负责。
你可能还想看这些
龙瀛：街道可步行性——围绕步行指数与步行环境的几个探索
点击图片阅读全文
绿色出行，你我同行——中国城市规划学会联合举办2022年绿色出行与共享骑行发布会
点击图片阅读全文
全国科普日 | 如何通过绿色出行，推动以人民美好生活需要为核心的高质量发展？
点击图片阅读全文