15分钟城市的量化评分︱空间大数据解读社区现状，城市洞察平台助力美好社区设计

January.11 2024

一览众山小

可持续城市与交通

Neighbourhood Scoring System

for 15-Minute City Design

15分钟城市的

社区评分系统

实时城市洞察

>一览众山小<

>可持续城市<

>与交通<

2024

一览众山小

团队简介

原文/Cesar Cheng, Houssame Eddine H’sain, Aleksei Kondratenko, Rutvik Deshpande, Rishan Antonio, Maciej Nisztuk, Naomi Bachtiar, Tejas Chavan, Camiel Weijenberg, Sayjel V. Patel

翻译/赵倩宇 沈德瑶 凌微 刘元锋 

陈悦 傅志颖 邢跃

编辑/众山小    排版/黄飘

校核/众山小    文献/周琪

导读

在城市发展的进程中，存量开发和高质量发展已成为新的焦点，而“15分钟生活圈”的概念也逐渐受到重视。为了打造一个美好的社区生活，我们需要对社区的现状进行全面的了解。那么如何分析复杂的现状数据、得出客观的评价信息并将这些信息以直观的方式呈现给利益相关方呢？结合空间大数据和地理信息系统或许能为我们提供答案。

一览众山小为您提供本文英文原文下载（参考文献1，请后台留言下载）

摘要

本文介绍了一套新的社区评分体系，基于地理位置信息定量评估社区设计质量。该评分体系以各类基于网络的API为数据源，根据Carlos Moreno的15分钟城市框架中的五个标准，定义并计算社区质量量化评估的四项维度：邻近性、密度、多样性和满意度。此外，该体系还提供了描述性统计、交通二氧化碳排放估算和基于网络的空间聚类分析的功能。本白皮书概述了体系框架和技术实现路径，并以卡尔加里、迪拜和巴黎三个社区作为案例进行功能演示和比较分析。

关键词: 城市可达性, 十五分钟城市, 城市可持续性, 数据支撑设计, 交通排放

“

1. 引言

15分钟城市是一种分散式城市规划布局模式。通过在15分钟的步行或骑车范围内提供各类服务设施，减少居民日常生活和通勤中对机动车的使用需求，从而减少碳排放（文献1）。这样的城市规划将有助于帮助城市更好应对气候变化挑战，并通过打造更加人性化的城市空间，提高居民的生活质量（文献2）。随此概念而来的，是对高密度且平衡的城市建设的追求，缩短城市各功能空间之间的距离，增强城市韧性和可持续性。

尽管其在许多城市，如马德里、米兰、渥太华和西雅图，这一概念的价值已经得到了实践与认同，但是仍有几个问题阻碍了15分钟城市的实施。目前的文献综述并没有提供普适的标准或方法来判定一个城市空间是否符合15分钟城市的标准（文献3、4、5）。此外，评估整个城市内各个点位的步行可达性也是具有挑战性的。这通常只能由训练有素的专家通过先进的空间分析工具、全面的城市数据集和地理信息系统（GIS）软件来实现。为了解决这些问题，需要在通用的设计工具中采用一套普适的15分钟城市指标。

在本文中，我们介绍了这些问题相应的前沿研究。遵循Carlos Moreno教授提出的15分钟城市框架（文献6），我们引入了“DBF城市洞察”——这是一个由Digital Blue Foam“DBF”开发，应用在在线设计工具中的新的社区评分系统（图1）（以下称DBF城市洞察平台）。基于特定的地理位置，该系统可以检索背景数据，并通过一组评价分数进行分析，生成可视化图表，并展示给定社区的空间质量。这个评分系统基于构成城市模型基础的四个主要原则，着重在推进行人流动性和服务可达性，这四个主要原则是：满意度、多样性、密度和邻近性。本研究的主要贡献在于创造了新颖的工具、框架和度量标准，使设计师、规划者和开发者能够对社区配置进行定量评估。通过利用这些工具，利益相关者可以高效地确定需要提升的区域，从而最终有助于实现15分钟城市理念在各地的实施。

▲ 图1、DBF城市洞察可以通过一组直观的分数对任何社区的质量进行定量评估，并提供用户界面来支持15分钟城市设计。

“

2. 相关工作

近年来，地理空间数据分析和城市设计领域的研究人员越来越倾向于利用数据来评估城市结构，并根据预定义的绩效指标生成城市场景。以往的研究已经催生了各种工具和服务，使规划者能够采用数据驱动的方法进行城市设计。我们在这些服务提供的信息基础上进行了延伸，并结合了额外的度量标准、用户界面和社区评分系统。我们的评分系统可以在城市干预的项目开发早期阶段提供完整的信息分析。表1总结了DBF城市洞察平台与各种现有方法的基准对比情况（文献7、8、9）。

▲ 表一、城市洞察平台与其他工具的基准对比

“

3. 方法论

在本节中，我们定义 DBF 15 分钟城市系统中的关键特征、方程和程序。

“

3.1 概述  

图 2 总结了在线设计工具中用于鉴定社区资格的总体方法。基于特定的地理位置提出的邻域评分系统能够：[1]检索周围环境数据，[2]执行各种邻域分数的计算（邻近性、密度、多样性、满意度），[3]执行统计和地理空间聚类分析，[4] 为用户提供有价值的城市洞察和改进社区设计的建议，及 [5] 生成可视化来描述给定社区的空间质量，所有这些都在交互式在线用户平台内进行。

▲ 图2、DBF城市洞察系统流程图

“

3.2  数据来源 

洛斯-莫雷诺提出的城市功能，将城市中的便利基础设施按生活、工作、消费供应、就医、娱乐和学习等功能进行分类。DBF 系统从网络应用程序接口中查询归属于这些基本类别的便利设施数据，如：公交车站、医院、购物中心和学校。HereAPI 地理空间数据是本平台数据的来源，它可以是根据用户指定的坐标预先计算出的等时区内的数据，也可以是距离等时区一定搜索半径内（如25km）的数据。这些数据可以通过其他数据源，如当地政府官方数据集进行补充；当研究区域内可用的开放源码数据不足或不能准确反映现场的实际情况时，也可以由用户根据现场的实际情况补充。然后，利用检索到的特定地点数据得出关键指标--邻近性、密度、多样性和满足度得分。在通过空间聚类分析以确定街区内是否存在明显的的便利设施聚集地之外，还估算了前往15min等时线以外的便利设施所造成的交通碳排。

“

3.3  等时性  

要在 "15分钟城市 "的概念框架下对街区质量进行评分，必须同时考虑时间和空间两个维度。为此，我们采用了等时线分析法，该方法通常用于描述特定出行方式（如步行、骑自行车、开车）在特定道路网络中的出行时间。等时线是一组与起点时间距离相等的端点。我们利用等时线来定义从相关区域中心点步行或骑行15分钟可以到达的范围（图3）。然后，在该15分钟等时圈寻找需要到达的城市基础设施。

▲ 图3、15分钟步行及骑行圈

“

3.4  人口对便利设施的需求  

虽然目前的便利设施是通过基于网络的应用程序接口查询的，但为了进行社区评估，必须确定每个便利设施的需求量。这种需求在很大程度上取决于文化特点、人口状况和其他相关因素。虽然用户可以自行选择该值，但我们还是设计了默认值来辅助评估过程。这些默认值可作为评估起点，并可根据个人喜好和情况进行定制。为了估算每种生活便利设施的人均需求量，我们在网上查找了北美、欧洲和亚洲国家的统计数据，并将查找结果的平均值作为默认值。以药房为例：

· 在美国，每10万人约有 26 家药店

· 在欧洲，每10万人约有 27 家药店

· 在中国，每10万人约有 43 家药店

因此，我们将每10万人拥有32家药店（人均0.00032）作为默认值。所有其他设施需求量默认值的确定也采用了相同的方法。

“

3.5 估算默认人口数概述  

街区评估中对便利设施的需求量是按人均确定的，因此人口数量是一个关键因素。准确估算指定区域内的人口数量需要当地政府提供数据。然而，考虑到我们的工具在全球范围内的适用性，获取每个地点的人口数据具有挑战性。为了解决这个问题，我们为用户提供了自行灵活输入人口数据的方法，同时也提供了一个默认值作为实用的解决方案。这样，用户就可以根据自己所在地区的具体情况进行评估的同时，确保在没有官方人口数据或难以获得官方数据的地区也能使用该工具。我们找到了全球中等密度城市每平方公里（实验中15分钟步行圈的典型面积）的人口密度（表2）。然后，我们找到了这些城市之间的平均值，即约7600人/平方公里，并将其作为默认人口值（图4）。

▲ 表二、全球中密度城市的人口密度

▲ 图4、默认人口数

“

3.6 出行次数 

对于交通出行的二氧化碳排放量，我们估算了每年前往每个便利设施的出行次数。与需求量类似，尽可能使用统计数据，在统计数据缺失的情况下，对每月的出行次数进行了假设。例如：

• 世界范围内，通常上课天数为190天，因此可以估算出每年上学（往返）的次数为380次。

• 去往餐馆的出行数据也不存在。因此，粗略假定每月2次，每年24次，共计48次（往返）。

“

3.7 社区满意度得分  

社区满意度得分是一个值，它代表了在15分钟步行等时线区域棚内发现的城市设施满足人口需求的百分比。公式1概述了用于计算社区满意度得分的公式:

n:等时线内需要的城市设施数量

d:在等时线内发现的城市设施数量

▲ 公式1：社区满意度得分计算

▲ 图5、DBF城市洞察社区满意度得分界面预览。界面显示了六种城市功能的满意度分数，以及社区的满意度分数

“

3.8 社区多样性得分   

多样性是根据人和物理空间来创造混合社区的概念。在我们的研究中，我们考虑了城市多样性，衡量了各种便利设施的分布。步行距离内不同城市服务之间的适当平衡使社区更加充满活力和活力。辛普森多样性指数(Simpson 's diversity index)在生物学中通常用于衡量生物多样性，是一种反映有限种群内类型差异的定量指标。该指标使用在15分钟等时线内发现的城市设施的人口。我们对原公式稍作修改，当某些类别的设施根本不存在时，就会扣分。因此，我们得到的公式不能给服务严重不足的社区打高分，那里只有很少的城市服务设施。公式2用于计算28个不同服务类别的社区多样性得分。

▲ 公式2：社区多样性得分公示

▲ 图6、DBF城市洞察社区多样性评分界面预览。显示了每个类别总体多样性得分和设施数量。

“

3.9 社区临近性得分  

社区邻近性维度侧重于确保居民能够快速获得城市服务和设施，而无需花费时间和资源在出行上(公式3)。社区邻近性得分范围为0到1。在指定位置并计算15分钟等时线区域后，我们确定每个类别中满足社区人口需求所需的位置数量，如果在15分钟步行等时线内找到该数量，则该社区的最大邻近性得分为1。否则，我们将继续递增200米的搜索半径，直到找到所需的便利设施数，或达到相当于3公里的最大允许搜索半径设置。每次我们增加搜索半径时，我们通过找到足够的便利设施以满足需求所需的迭代次数与达到最大搜索半径所需的最大迭代次数之间的比率来减少邻近性分数。

k:为满足社区需求的城市设施迭代数量    

m:在3公里半径内允许的最大迭代次数

▲ 公式3：社区邻近性得分公示

▲ 图7、DBF城市洞察社区邻近性得分界面预览。除了步行等时线外，还显示了邻近圆(半径从1公里到3公里，步幅为200米)。一些学习和看护设施在1公里范围之外，这使得它们的接近性得分低于其他类别

“

3.10 社区密度评分  

密度指标重点关注人口数量与服务分布是否平衡。

密度评分通过对范围内可提供的便利设施数量与居住人口所需的设施数量(公式4)做比较来表示社区的平衡程度。社区应提供与居住人口需求数量相匹配的便利设施。密度评分范围从0(不满足社区人口需求的便利设施)到2(多于社区人口需求的便利设施)，平衡社区的得分接近1。

▲ 图8、DBF城市洞察平台社区密度评分界面预览。界面提供了每个城市功能类别的人均便利设施数量，以及社区的总体得分。在图示这一具体情况下，社区服务不足，因此得分低于1。

“

3.11  社区二氧化碳得分

本文对交通中二氧化碳排放量进行估算，以评估缺乏必要便利设施对环境的影响。如果所有必需的设施都可以使用，并且在距离社区15分钟步行范围内有足够的数量，那么该社区的二氧化碳得分为零。

除此以外，我们搜索15分钟等时线以外的类似设施，并根据公式5估算经常开车前往这些地点所造成的二氧化碳排放量。我们假设所有在步行等时线之外的出行都将由汽车完成。为了准确地估预估出行时间和从起点到所需设施的确切路线，我们使用了HERE的API。它使用实时(交通)和历史(交通速度)信息来计算特定的汽车行驶路线。例如，汽车行驶路线沿着仅汽车准入的高速公路，避开不可达区域(如步行区)，同时遵守单行道等道路限制和季节性封闭等分时管理规则。由此得出的数字是该社区人口在一年内造成的交通总二氧化碳排放量。

𝑇𝑇𝑎𝑖 : 从原点到类别i中所需便利设施a的出行时间(从API调用到HERE API)

𝑇𝐶𝑎i : 每年的出行算在第一类的给定的便利设施a(在分章3.6中描述)。

Pop: 人口规模。以每辆车坐15个人来计算。

𝐸 𝑐𝑎r: 汽车二氧化碳排放率，取0.17g/s

▲ 公式5: 社区密度评分公式

▲ 图9、DBF城市洞察平台社区二氧化碳评分界面预览。该界面提供了15分钟步行距离外每个设施所需的与汽车出行相关的社区交通总二氧化碳排放量。此外，还显示了准确的汽车行驶路线。

“

3.12  空间聚类分析

为了识别社区内的空间聚类，我们使用了无监督机器学习方法。DBSCAN 21空间聚类算法用于识别网络中最短路径下彼此距离最大的城市特征集群。用户可以设置集群中每两个点之间允许的最大距离，以及构成集群所需的最小点数。这一功能有助于识别社区内特定使用类别的密集区域。

▲ 图10: 确定了餐厅类别的集群

“

4. 网页平台开发

使用上述的方法，DBF构建了一个平台，能让用户快速评估社区质量，为城市发展决策提供支撑信息（图11）。在平台介绍界面，用户可以使用地图，在其中搜索特定位置并放置图钉标注，然后获得该地点 15 分钟可达范围内的各项得分，从而开展对该区域的研究。图12说明了全球不同社区的分析结果，展示了各种数据的可用级别。分数的准确度与给定区域能找到的数据质量有关。当数据不足，或者在线资源未涵盖当前城市范围时，用户可以通过实地调查上传最新信息。

▲ 图10、DBF城市洞察用户界面设计工具，用于“15分钟城市”规划和开发

▲ 图11、分析不同地点的不同社区

“

5. 案例研究

使用15分钟城市系统探索并比较三个社区：米兰的布雷拉;迪拜的卓美亚和卡尔加里的伍德新月。这三个地区是增量式开发的城市代表，且践行15分钟城市设计原则。其中米兰的布雷拉社区代表先进水平。通过一套直观而有针对性的指标体系，本对比研究展示了DBF城市洞察社区评分系统如何对项目实现15分钟设计原则的程度作出评估。

“

5.1 案例研究一：意大利米兰布雷拉

米兰布雷拉(Brera, Milan)在步行15分钟可达范围内配置了大部分基本设施（图12 上）。布雷拉的社区建设方式与15分钟城市原则高度统一，因此在社区满意度、多样性和邻近性等指标上得分较高。同时，该地区的密度得分相当高（1.83），表明该社区能够为比当前更多的人口提供公共服务。此外，该地区的交通二氧化碳排放量很低，有限的排放主要来自上学、放学等教育通勤（图12下）。总体上，这个区域是步行导向街区的典范。

▲ 图 12、米兰布雷拉：步行15分钟的等时线内遍布基础设施（上）。交通碳排放来自等时线外的教育通勤（幼儿园）

“

5.2 案例研究二：迪拜朱美亚 

迪拜朱美亚(Jumeirah,Dubai)积极调动零售杂货店、餐厅、办公室和企业为本社区居民提供就业机会（图13上）。然而，该地区与交通节点、户外空间、政府机构和公共设施之间缺乏联系。并非所有的重要设施都位于15分钟的步行范围内等时线内（图13下），因此该社区的满意度和多样性得分不高，二氧化碳排放量处于平均水平，密度得分适中（1.00）。

▲ 图13、迪拜朱美亚：步行15分钟的等时线内以娱乐设施为主（上）。部分便利设施相距等时线甚远，造成大量交通碳排放

“

5.3 案例研究三：卡尔加里伍德新月

卡尔加里伍德新月(Wood Crescent, Calgary)大部分基本设施配置不足（图14左）。因此大量生活需求需驱车前往15分钟步行区域以外的地点来满足（图14右）。这导致该社区在满意度、多样性、密度和邻近性上的得分均较低。此外，由于在可步行的等时线中便利设施配置有限，交通产生的二氧化碳排放量较高。显然该案例社区步行友好程度较低，属于机动车导向的社区。

▲ 图 14、卡尔加里伍德新月。步行15分钟的等时线内几乎没有公共设施，大部分设施集中在区域外的购物中心（上）。交通碳排放主要来自前往远在步行等时线外的设施

“

6.  案例讨论

表二展示了这三个不同社区之间的直接比较研究。这些街区之间的定量清晰展示了按照 15 分钟城市设计准则，空间规划和地理分布如何影响一个社区为居民提供服务的能力。默认人口密度为每平方公里上人口数量，我们根据邻域面积调整了人口数量，保障分析的精确度。米兰布雷拉社区在所有指标中得分最高，同时因交通产生的二氧化碳排放量最低；而卡尔加里伍德新月社区得分最低，对汽车依赖程度高，产生的排放量也最高。这一对比强调了可持续城市设计对降低交通领域碳排放的重要性，并量化了步行导向街区与机动车导向街区之间的差异——两个社区的人均碳排放量差高达25倍。

在完成对社区的研究后，用户还可以在模型中自定义新建建筑，并通过相关算法进行体块计算。该模型可以对更大的地理范围进行定位，展示全城的地理环境特征。该系统可根据新规划方案计算更新后的15分钟街区评分，为设计和迭代提供参考。

▲ 表三. 使用DBF-15分钟城市社区评分系统比较三个社区的得分：邻近性、多样性和满意度三项得分介于0和1之间（0-0.5低，0.5-0.8适中，0.8-1高），密度得分介于0和2之间（0-0.7低，0.7-1.3适中，1.3-2高）

“

7. 数据验证

为了验证研究结果，我们将各国人均汽车排放量的官方数值与我们的结果进行了比较。我们将各国公路运输二氧化碳排放量的数据依次乘以系数0.5（汽车排放约占道路排放总量的50%）和0.7（70%的汽车出行发生在城市地区）。表4展示了结果。在卡尔加里一个机动车导向的社区，我们的估计值最为接近，这类社区代表了加拿大典型的城市空间。我们对迪拜的估值差距较大，那里的卓美亚社区相较阿联酋的典型城区可步行性更强。最大的误差出现在米兰，那里的布雷拉社区步行非常友好，但这并不能代表意大利的典型城区的情况（典型城区往往位于规模较小的城市，必须开车才能到达部分生活设施）。

▲ 表四：人均交通二氧化碳排放量的数据验证

交通碳排放的估算工作正在推进，并即将获批，届时我们将能更好地使数据结果与基准值保持一致。我们将加入更复杂的交通模拟，从而更好地反映城市中的人员流动情况（例如，即使在步行范围内有足够的办公空间，大部分居民也可能倾向于去市中心上班）。这些修改将增加我们二氧化碳排放量的计算量。此外，我们还将整合交通网络，将非驾车前往步行范围外的情景纳入考量。

“

8. 总结

本文描述了一套新的框架、工具和方法，将 15 分钟城市概念从理论推向实际应用。本白皮书从三个方面介绍了我们推进 15 分钟城市设计的工作：首先，我们搭建了多源整合的数据平台，为用户提供特定社区/项目的可步行性、可达性和可持续性的信息。其次，该平台通过一套直观的评分标准（邻近性、密度、多样性、满意度）简化街区量化评估的过程，同时提供基于网络的空间聚类分析和交通二氧化碳排放量预测。第三，平台通过采用友好的用户界面，为不具备城市设计、网络理论和空间分析高级技术知识的用户提供帮助，使他们可以更直观地展示自己的观点。

最终，我们提出一种方法，根据15分钟设计标准来定量比较街区城市空间质量。我们的案例研究表明，我们的平台能够成功量化步行导向和机动车导向街区的多维度表现，清楚地展示街区中缺失的便利设施和潜在的城市干预措施。

结语

这项工作是开发基于地理信息的实时工具帮助街区设计和规划的第一步。最终，通过向所有利益相关者（包括居民、设计师、规划师、开发商和政策制定者等）提供街区质量分析的工具，我们希望帮助社区集体决策的过程，促进各方更快更好地达成共识。社区的利益相关者借助本工具共同发现城市规划中缺失的元素，挖掘潜在的突破点，以创建更适合步行、更方便和更多样化的街区。

全文终

可持续城市与交通

一览众山小

2024年，与我们来一场步履不停的旅程

In 2024, join our endless journey

En 2024, participez à notre voyage sans fin

2024年、私たちと絶え間ない旅に出かけよう

En 2024, únete a nuestro viaje interminable.

في عام 2024، انضم إلى رحلتنا اللانهائية.

2024, ร่วมเดินทางกับเราในการผจญภัยที่ไม่มีที่สิ้นสุด

2024, எங்களுடைய நிரந்தர பயணத்தில் சேருங்கள்.

一览众山小

可持续城市与交通

参考文献百度网盘下载

参考文献 1

请后微信公众号台留言

或者电邮 [e-mail] 下载

一览众山小-可持续城市与交通

我们 | 作为独立的专业志愿者团体

秉承 | 专业理想与价值观

信守 | 非营利原则

愿景 | 帮助中国城市可持续发展

关注 | 城市、交通、大数据与气候

至今 | 遍布全球980名志愿者网络

推送 | 近3000篇原创专业译文

感谢 | 过去10年多来您的支持

报名 | 后台留言关键词“志愿者”了解

2014-2024 © 转载请注明：

转载自公众号“一览众山小-可持续城市与交通”