中小尺度街道更新设计的体系构建和数据采集

1研究设计

 

本研究以上海市瑞金二路街道为研究对象，主要包括街道品质与活力评估、基于评估结果识别街道问题与潜力2个部分。前者结合传统数据与新数据，对品质、活力涵盖的18项因子进行测度并得到相应评分。后者通过建立“品质-活力”评价矩阵，将街道分为4类画像，分别提出4类规划设计路径，并通过雷达图直观解读街道状况。具体包括指标体系构建、数据采集、指标测度评分、“品质-活力”耦合分析、街道画像5个步骤。

 

1.1研究区域

 

“衡山路-复兴路历史文化风貌区”（简称衡复历史风貌区）是上海首批以立法形式认定和保护的12个历史文化风貌区之一，也是上海中心城区规模最大、优秀历史建筑最多、历史风貌格局保存最完整的风貌区。《上海市黄浦区单元规划（2021—2035年）》和《黄浦区衡复历史街区城市更新“十四五”规划》提出，衡复历史风貌区将以“全球城市历史风貌保护的衡复样本、品质提升与精细治理的示范街区”为目标，优先完善公共服务和公共空间，全面打造有温度的社区、宜步行的街区和有活力的园区[15-16]。

 

衡复历史风貌区内具有独特的城市肌理与街道空间，街道类型丰富，空间利用率高，街道公共空间更新潜力大。因此，本研究选取位于衡复历史风貌区内东侧的黄浦区瑞金二路街道作为实证对象（总面积为1.98km2）。研究区域内共包括20条街道，可根据街道交叉口细分为64条街道分段，本研究以街道分段为基本分析单元（图1）。

 

1.2评价指标体系构建

 

由于研究目的和尺度的差异，研究人员通常采用不同的调研方式进行测度评价，因此街道空间品质与活力的测度并未形成统一的指标体系与研究方法[17]。本研究的对象为中小尺度街区，故在运用新数据快速获取街道客观评价的同时，引入基于人本尺度的实地调研评价，构建基于多源数据的街道评价矩阵。

 

既有理论与实证研究选取的街道测度因子基本可分为空间形态、功能属性、风貌感知和行为使用4个维度[14]。其中前3个维度与街道品质相关，而行为使用维度与街道活力相关。

 

1）空间形态维度指街道的二维及三维空间的形态特征。选取步行可达性以反映街道被经过的概率大小，即街道空间的“机会潜力”[3]。历史街区街道大多狭窄，故选取步行尺度与步行无障碍性指标反映步行舒适度[18]，选取底层界面通透性代表街道界面的“深度”，反映行人在该界面的视觉感受[19]。

 

2）功能属性维度指街道中和使用功能相关的属性，常用指标为基于兴趣点（pointofinterest,POI）的功能密度与多样性评价[10]。

 

因夜间照明水平能够显著影响街道行人行为安全，故选取此指标来反映街道夜间照明情况，可与夜间活力对应[20]。

 

3）风貌感知指人在街道上能感知到的街道风貌特色，研究区域内突出的风貌特色为悬铃木大道与历史建筑，故选取绿视率[21]与特征建筑密度[17]来反映人群风貌感知。

 

4）行为使用维度与街道活力相关，指人群在街道空间内的聚集程度。本研究选取工作日、双休日、节假日3类典型日，来反映街道空间活力在一天内的差异；并参考已有文献[22]总结的上海中心城区空间活力一日波动特征，将每类典型日细分为3个时段。

因凌晨街道公共空间活力较低，故最终选取活力急剧上升期（07：00—12：00）、平缓上升与恒稳高峰期（13：00—18：00）、急剧下降期（19：00—23：00）3个时段，反映街道活力在不同时段的差异。综上，本研究将街道测度因子分为4个维度18类评价指标，并提出各类别下的测度因子定义与数据来源（表1）。

 

 

1.3数据采集与归一化

 

1.3.1研究数据采集

 

本研究的数据主要包含路网数据、POI数据、街景数据、位置服务（locationbasedservices,LBS）数据、传统数据等。

 

1）路网数据为上海市瑞金二路街道提供的计算机辅助设计（computeraideddesign,CAD）地形图，用于分析街道步行可达性。因原始路网细节过多，故先对街道进行简化。再根据一般情况下较为舒适的出行距离，取分析半径r=400m，采用sDNA计算步行道路的中间性。

 

2）POI数据于2022年3月取自高德地图，用于分析功能密度与多样性。POI共分为9类，以街道实际宽度外扩5m为街道缓冲区，选取街道缓冲区内的POI进行后续分析[10]。运用POI数据计算街道两侧功能密度与多样性，功能密度高意味着街道设施的密集程度高；功能多样性高意味着街道设施种类多、数量分布均匀，说明该街道能提供多样的功能服务，满足不同使用者的需求。具体计算式为ai式中：D为功能密度；H为功能多样性；n表示POI种类总数；表示第i类POI的数量；L为街道长度；A表示POI数量总数。

 

3）街景数据提供了从平面视角向人本视角转化的可能。街景图像分析出的绿视率比以往的二维平面绿化率更加贴近人的风貌感知视角，其获取可通过应用程序接口（applicationprogramminginterface,API）来实现。本研究以20m为间距获取街道各点2019年①的百度街景数据（各点包括前、后、左、右4个方向），共1876张图像。再运用基于深度学习全卷积网络（fullyconvolutionalnetworksforsemanticsegmentation,FCN）的视觉影像语义分割软件，分割出每张图片中的绿化要素，并计算其所占百分比。各点绿视率为前、后、左、右4张街景图片的平均绿视率，各条街道绿视率为街道上各点的平均绿视率。

 

4）LBS数据主要基于移动终端产生的位置空间定位，能够较为准确地反映连续时空的活力强度，被广泛用于人群活力采集。数据来源于上海市城市更新及其空间优化技术重点实验室、同济大学建筑与城市规划学院技术中心与百度合作提供的由百度采集的手机用户特征信息中的客流数据，其以100m×100m方格为最小单元。

选取2020—2021年10个晴朗日的07：00—23：00进行数据计算（工作日选取2020-11-09、2021-02-22、2021-05-10、2021-08-09，周末选取2020-11-15、2021-02-27、2021-05-15、2021-08-14，节假日选取2020-10-01、2020-10-02）。

由原始数据生成泰森多边形，即可计算出各方格中的客流密度。本研究假设手机用户在二维用地平面中均匀分布，该小时的街道客流量为街道缓冲区内的客流数与街道长度的比值[22]。最后根据所分时段，分别计算9个时段街道每小时客流量与街道长度的比值，代表人群活力。

 

5）运用传统数据可得到某些当前技术下新数据难以获取的实时数据或未开源的数据，对新数据信息进行补充，包括底层界面通透性、步行尺度、步行无障碍性、夜间照明、特征建筑密度。

底层界面通透性需在实地调研中借助两步路等定位软件进行距离计算，得到街道两侧底层通透界面（如透明商铺、透绿围墙、巷子口等）占街道界面比例。实地调研拍照记录各街道人行道使用情况及宽度、铺地平整状况、有无盲道、夜间路灯及建筑灯光状况，以便后续对步行尺度、步行无障碍性、夜间照明现状进行评分。

特征建筑密度需通过文献查阅与实地调研两方面获取：一是通过查阅《上海市衡山路-复兴路历史文化风貌区保护规划》与黄浦区文物保护管理所相关网站获取街旁优秀历史建筑与一般历史建筑分布，反映街旁建筑的历史底蕴；二是从人本视角出发，实地调研拍照记录立面具有特色的建筑，反映人们行走在街道上能直观感受到的建筑风貌。

本研究综合考虑了建筑的历史底蕴与立面表现进行评分，以评分与街道长度的比值作为街道特征建筑密度，其中优秀历史建筑与立面特色建筑均记作1.0分，一般历史建筑记作0.5分。

 

1.3.2指标体系归一化

 

为便于后续综合评分与叠加分析，将上述18个关键性指标所得到的结果转换为0~1的评分。对步行可达性、底层界面通透性、功能密度、功能多样性、特征建筑密度5个因子进行线性函数归一化处理。绿视率评分转换方式借鉴折原夏志的5段评价法[23]，并根据研究对象具体情况略做修改（表2）。步行尺度、步行无障碍性、夜间照明的评分准则根据全域情况而制定[18]，依据评分表给各街道两侧人行道分别进行评分，以两侧得分平均值作为该街道得分（表3）。