【文章导读】街道空间研究进展与量化测度方法综述
街道是城市肌理的主要构成要素，是城市空间组织的基本骨架，是人们感知城市形态的重要场所，也是城市规划管控中的重要抓手[1]。街道空间研究经历了宏观到微观、定性到定量、理性主义到人本视角的转变，可概括为城市形态学视角、现代功能主义、人本视角和街道空间量化分析四个阶段。
1
街道空间研究进展
1.1 城市形态学视角
街道研究最早可追溯至19世纪初城市形态学的三个主要学派：英国康泽恩（Conzen）学派、意大利穆拉托里-卡尼吉亚（Muratori-Caniggia）学派和法国凡尔赛（Versailles）学派[2]。康泽恩学派基于地理学视角，在1960年明确提出街道是城镇平面的构成要素[3]；同一时期，凡尔赛学派基于建筑类型、规划视角对街道肌理展开研究[4][5]。城市形态学侧重有形、标志性城市平面形态结构要素以及基于类型学、规划视角的街道肌理研究，街道作为平面图中的“无形”要素，在微观层面、三维形态特征的重要性尚未引起重视。
1.2 现代功能主义视角
20世纪初，现代主义建筑师构想了以机动车为出行主体的城市建设模式，街道设计以机动车通行效率为目标，强化了街道的交通属性，高速公路成为新的道路形态模式[6]。《雅典宪章》从功能主义出发，按照通行速度和流量将道路按等级划分，提倡人车分流。街道作为公共空间的社会性、场所性等多重功能属性被弱化，成为连接各个功能区的城市基础设施[7]。由于缺乏街道步行环境建设，不完整、不便利、体验不佳的步行空间进一步巩固了机动车在出行方式中的主导地位，路权逐渐向机动车倾斜，街道被道路“替代”。
1.3 人本视角
20世纪60年代起，诸多学者从微观尺度、人性化视角探讨街道空间的形态与活力特征。凯文·林奇的城市意象五要素中，街道既是路径也是边界，交汇形成节点，围合形成区域[8]。简·雅各布斯从社会学视角，提出营造街道活力需要短的街道、足够人流密度、功能混合、建筑年代的混合[9]。芦原义信基于空间美学和人对街道感受，提出街道宽高比指标，这是首次学者以指标的方式定量评价街道空间[10]（表1）。
▲ 表1 | 街道空间研究经典理念
随着机动车出行带来的安全、环境问题日益凸显，街道步行性、场所性逐渐得到重视。1963年，波尔提出庭院式道路模式（Woonerf），打破了现代功能主义人车分离的道路模式，提倡道路共享，路权属于所有出行主体[11]。1970年代，美国提出完整街道概念，认为街道设计应为各年龄段、全部街道使用者提供安全的出行环境[12]。至此，道路重新回归街道。研究认为，除通行性以外，街道还应具有满足居民休憩、交谈、活动的社会性与场所性，并从微观物理形态、使用者主观感知评价方面丰富了街道三维空间研究。
1.4 街道空间量化分析崭露头角
2
新数据环境下的街道空间量化研究
在21世纪新兴数据、技术双重推动下，以街道与人两个主体为发点，新数据环境下的街道研究分为两类：基于客观物理空间的街道空间形态量化测度、基于使用者视角的街道量化评价研究。
2.1 街道空间形态量化测度
（2）Rhino等建模软件的普及提供了新工具、新思路。其策略是在Rhino中建立街道模型，构建涵盖街道界面形态、空间比例、天空可视域等的指标体系，通过Grasshopper编辑算法程序，快速、批量获取街道数据进行量化测度[18]。
（3）街景图片可以客观反映街道空间要素，易获取、更新速度快、覆盖范围广，结合以卷积神经网络为代表的图像识别技术，可实现以街道为粒度、以城市为尺度的自动化街道空间要素、指标识别，弥补了街道细部构成要素研究的空白。目前多使用多光谱遥感影像、MATLAB②、SegNet③等工具（图1）对街道绿视率进行定量研究[19][20][21]，采用DenseNet④对城市街道高宽比、两侧建筑对称性和街道所处复杂地理位置进行多维度量化测度[22]。
2.2 街道量化评价
街道空间是使用者进行交流、活动的载体，客观的街道空间形态量化测度是以使用者为出发点的街道量化评价的基础。
（1）街道空间感知量化评价：基于使用者对街道空间形态、街道细节环境的主观感受形成的评价，主要包括人工打分评价和模型算法评价。
针对街道停驻意愿主观打分、街景识别对比过程无法精确、细化描述使用者对街道空间的感知问题，从围合性、人性化尺度、通透性、整洁度和意象性等层面建立指标体系，进行街道空间主观评价，用以定量、细致刻画街道空间使用者的主观感受[23] ，成为一种有效方法。
模型算法自动化评价，是采用ELO评分算法⑤将专家对小规模街景图片评价转为数值评价标准，构建以人工神经网络⑥为基础的评价模型，通过模型对街景图片、专家评分的学习和训练，实现对大规模、高效、快速的街道空间感知评价[24]。
（2）街道步行性量化评价：当前公认的步行性测度方法是基于日常设施布局的步行指数。
针对本土化设施分类及权重，通过在单点步行指数中增加时间衰减规律计算，在面域步行指数中以地块人口密度为权重并进行差值计算[25]，采用功能混合度代替功能密度进行权重分配[26]等，实现步行指数优化。
步行指数以二维平面视角测度步行性，侧重街道设施布局和多样性，但忽略了街道空间环境对步行性的影响。新近的研究构建了涵盖街道通畅性、便利性、舒适性、安全性层面的街道可步行性测度体系（表3），分别对应街道平面属性、设施服务水平、街道形态构成要素和使用者主观感受，提出了基于三维空间视角的街道步行性量化方法[27]。
▲ 表3 | 街道可步行性测度体系
（3）街道活力量化评价：活力是街道场所性、社会性的量化评价指标，以人口密度作为表征数据。
典型研究是通过手机信令、微博签到或互联网LBS获取人口密度数据，构建包含街道自身与周边特征的量化指标体系，通过多元线性回归发现区位、功能密度、功能混合度等与街道活力的影响关系[28][29]（表4）。
3
总结
在理论发展和数据技术推动下，街道空间研究在内容上，由街道要素描述转变为可大规模量化的空间要素指标体系分析；在方法上，从现场调研、问卷调查、访谈等传统方法转变为矢量路网数据、POI数据等与GIS相结合的二维平面分析方法、街景图片数据与图像识别技术相结合的街道三维空间分析方法，形成了非现场、自动化的量化测度方式。新数据、技术的涌现，可以实现以街道为粒度，以城市、区域为范围的大尺度、高精度、高效率的街道空间研究，有助于精确评估街道空间形态及其演化，助力系统化、科学化的街道空间整体管控和规划设计。由于在统一指标体系、建立管理数据库、深入机理探索等方面存在不足，目前与街道空间管控、规划设计有效融合不足。研究也发现街道品质因素中“空间形态—主观感知—行为活动”的递进关系，可以将主观感知评价作为中间桥梁，建立街道空间形态与行为活动的影响机制研究方法。本文撰稿：高巍 贾梦涵 赵玫 高勇 孟浩瀚
注释：
① Depthmap，英国伦敦大学学院空间句法团队开发的空间分析软件，最早应用的空间句法软件之一；sDNA(Spatial Design Network Analysis)，英国卡迪夫大学学者受空间句法影响开发的空间句法软件。除Depthmap、sDNA外，空间句法分析工具还有UNA(Urban Network Analysis)、MCA(Multiple Centrality Assessment)等。
② MATLAB是一款可以实现图像处理的数学软件。
③ SegNet是卷积神经网络的算法之一，可以对道路、车行道、人行道、建筑、天空、树木、车辆、自行车、行人、柱体、围栏、标识共12种街道要素进行识别。
④ DenseNet是卷积神经网络的算法之一，由于具有将前面全部层的识别结果向下一层输入的模型特征，提高了模型对识别特征的利用，加强了特征在层与层之间的传递效率，从而实现提高图像识别、分类的准确度的目的。
⑤ ELO评分算法是美国物理学家阿帕德·埃洛基于统计学建立的对弈水平评估算法。
⑥ 人工神经网络(Artificial Neural Network，ANN)是模仿神经元活动的数学模型，可以通过学习模仿人类的思考方式实现定性与定量相结合的评价。
参考文献：[1] 匡晓明，徐伟. 基于规划管理的城市街道界面控制方法探索[J]. 规划师，2012，28(6)：70-75. KUANG Xiaoming，XU Wei. Urban Planning Management Based Street Facade Control Methods[J]. Planners， 2012，28(6):70-75.
[2] 段进，邱国潮. 国外城市形态学研究的兴起与发展[J]. 城市规划学刊，2008(5)：34-42. DUAN Jin，QIU Guochao. The Emergence and Development of Overseas Urban Morphology Study[J]. Urban Planning Forum，2008(5):34-42.
[3] CONZEN M R G. Alnwick，Northumberland: A Study in Town-Plan Analysis (Transactions and Papers，Institute of British Geographers，No.27)[M]. London:George Philip，1960: 3-122.
[4] MOUDON A V. Urban Morphology as an Emerging Interdisciplinary Field[J]. Urban Morphology，1997，1(1):3-10.
[5] DARIN M. The Study of Urban Form in France[J]. Urban Morphology，1998，2(2):63-76.
[6] 韩冬青，方榕. 西方城市街道微观形态研究评述[J]. 国际城市规划，2013，28(1):44-49.
HAN Dongqing，FANG Rong. An Overview of Researches on Street Form in the West with Micro Measure[J]. Urban Planning International，2013，28(1):44-49.
[7] 马歇尔 S. 城市设计与演变[M]. 陈燕秋，等，译. 北京:中国建筑工业出版社，2014. MARSHALL S. Cities, Design and Evolution[M]. CHEN Yanqiu et al., trans. Beijing: China Architecture & Building Press, 2004.
[8] LYNCH K. Joint Center for Urban Studies. The Image of the City[M]. Cambridge，Mass:M.I.T. Press，1960.
[9] JACOBS J. The Death and Life of Great American Cities[M]. New York: Random House，1961.
[10] 芦原义信. 街道的美学[M].尹培桐，译. 天津:百花文艺出版社，2006：46-47. ASHIHARA Y. The Aesthetic Townscape[M]. YIN Peitong, trans. Tianjin: Baihua Literature and Art Publishing House, 2006:46-47.
[11] 克劳 C H，陈祯耀. 交通安宁:前联邦德国道路交通的新概念[J]. 国外城市规划，1993(1):32-36. KLOW C H, CHEN Zhenyao. Traffic Calming: A New Concept of Road Traffic in the Former Federal Republic of Germany[J]. Urban Planning Overseas, 1993(1):32- 36.
[12] 徐磊青. 街道转型:一部公共空间的现代简史[J]. 时代建筑，2017(6)：6-11. XU Leiqing. Transition of Street: A Brief History of Public Space[J]. Time + Architecture, 2017(6):6-11.
[13] HILLIER B，HANSON J. The Social Logic of Space[M]. Cambridge: Cambridge University Press，1984.
[14] 叶宇，庄宇. 城市形态学中量化分析方法的涌现[J]. 城市设计，2016(4)：56-65. YE Yu, ZHUANG Yu. The Raising of Quantitative Morphological Tools in Urban Morphology[J]. Urban Design, 2016(4):56-65.
[15] 王建国. 城市设计[M].第3版. 南京:东南大学出版社，2011. WANG Jianguo. Urban Design[M]. 3rd Edition. Nanjing: Southeast University Press, 2011.
[16] HARVEY C，HALL L A，TROY A，et al. Streetscape Skeleton Measurement and Classification[J]. Environment and Planning B:Urban Analytics and City Science， 2017，44(4).
[17] 姜洋，辜培钦，陈宇琳，等. 基于GIS的城市街道界面连续性研究——以济南市为例[J]. 城市交通，2016，14(4)：1-7. JIANG Yang，GU Peiqin，CHEN Yulin，et al. Continuity of Street Facade Analysis with GIS: A Case Study of Jinan City[J]. Urban Transport of China，2016，14(4):1-7.
[18] 曲冰，冷嘉伟，马婕. 城市商务核心区街道空间形态量化描述与评价方法研究[J]. 新建筑，2019(6)：9-14. QU Bing, LENG Jiawei, MA Jie. A Study on the Quantitative Description and Evaluation Method of Street Spatial Form in the City Business District[J]. New Architecture, 2019(6):9-14.
[19] LI Xiaojiang, ZHANG Chuanrong, LI Weidong, et al. Assessing Street-Level Urban Greenery Using Google Street View and a Modified Green View Index[J]. Urban Forestry & Urban Greening, 2015, 14(3): 675-685.
[20] 郝新华，龙瀛. 街道绿化:一个新的可步行性评价指标[J]. 上海城市规划，2017(1)：32-36，49. HAO Xinhua，LONG Ying. Street Greenery: A New Indicator for Evaluating Walkability[J]. Shanghai Urban Planning Review，2017(1):32-36，49.
[21] 叶宇，张灵珠，颜文涛，等. 街道绿化品质的人本视角测度框架——基于百度街景数据和机器学习的大规模分析[J].风景园林，2018，25(8)：24-29. YE Yu, ZHANG Lingzhu, YAN Wentao, et al. Measuring Street Greening Quality from Humanistic Perspective: A Large-Scale Analysis Based on Baidu Street View Images and Machine Learning Algorithms[J]. Landscape Architecture, 2018, 25(8):24-29.
[22] HU Chuanbo，ZHANG Fan，GONG Fangying，et al. Classification and Mapping of Urban Canyon Geometry Using Google Street View Images and Deep Multitask Learning[J]. Building and Environment，2020，167.
[23] 唐婧娴，龙瀛. 特大城市中心区街道空间品质的测度——以北京二三环和上海内环为例[J]. 规划师，2017，33(2)：68-73. TANG Jingxian，LONG Ying. Metropolitan Street Space Quality Evaluation:Second and Third Ring of Beijing，Inner Ring of Shanghai[J]. Planners，2017，33(2):68-73.
[24] 叶宇，张昭希，张啸虎，等. 人本尺度的街道空间品质测度——结合街景数据和新分析技术的大规模、高精度评价框架[J]. 国际城市规划，2019，34(1)：18-27. YE Yu, ZHANG Zhaoxi, ZHANG Xiaohu, et al. Human-Scale Quality on Streets: A Large-Scale and Efficient Analytical Approach Based on Street View Images and New Urban Analytical Tools[J]. Urban Planning International, 2019, 34(1):18-27.
[25] 黄建中，胡刚钰. 城市建成环境的步行性测度方法比较与思考[J]. 西部人居环境学刊，2016，31(1)：67-74. HUANG Jianzhong，HU Gangyu. Comparison and Thinking of the Walkability Measure Methods on Urban Built Environment[J]. Journal of Human Settlements in West China，2016，31(1):67-74.
[26] 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(1)：88-93. ZHOU Yin, LONG Ying. Large-Scale Evaluation for Street Walkability: Methodological Improvements and the Empirical Application in Chengdu[J]. Shanghai Urban Planning Review, 2017(1):88-93.
[27] 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(5)：33-42. YAN Junyan, WU Hao, ZHENG Yi. Research on Characteristics and Interactive Mechanism of Street Walkability Through Multi-Source Big Data: Nanjing Central District as a Case Study[J]. Urban Planning International, 2019, 34(5):33-42.
[28] 龙瀛，周垠. 街道活力的量化评价及影响因素分析——以成都为例[J]. 新建筑，2016(1)：52-57. LONG Ying，ZHOU Yin. Quantitative Evaluation on Street Vibrancy and Its Impact Factors:A Case Study of Chengdu[J]. New Architecture，2016(1):52-57.
[29] 郝新华，龙瀛，石淼，等. 北京街道活力:测度、影响因素与规划设计启示[J]. 上海城市规划，2016(3)：37-45. HAO Xinhua，LONG Ying，SHI Miao，et al. Street Vibrancy of Beijing:Measurement，Impact Factors and Design Implication[J]. Shanghai Urban Planning Review，2016(3):37-45.
原文介绍
《街道空间研究进展与量化测度方法综述》2022年第3期，第106-114页。
高 巍，北京交通大学建筑与艺术学院城乡规划系主任，教授，中国城市规划学会城市更新学术委员会委员。 贾梦涵，世源科技工程有限公司，规划师。赵 玫，北京理工大学设计与艺术学院副教授，本文通信作者。高 勇，北京大学遥感与地理信息系统研究所副教授。孟浩瀚，北京大学遥感与地理信息系统研究所硕士研究生。【基金项目】教育部人文社会科学基金项目“基于TOD理念的城市轨道交通站域空间设计与评价研究”(18YJA760015)资助；国家自然科学基金项目“场所视角下利用地理大数据感知城市时空动态”(41971331)资助。【全文下载】文章已在知网首发，复制并搜索下方网址，或点击下方“阅读原文”，即可下载阅读全文。
欢迎在朋友圈转发，转载请在后台留言
官方投稿网址：http://www.planning.com.cn微博：http://weibo.com/cityplanningreview微信号：chengshiguihuazazhi电子期刊：App Store搜索“城市规划”(支持iPad下载)国内统一刊号：CN 11-2378/TU国际标准刊号：ISSN 1002-1329【免责声明】本公众号推文目的在于信息交流与共享。若有来源误注或侵犯了您的合法权益，请持权属证明与本公众号联系，我们将及时更正、删除，谢谢。
这篇关于【文章导读】街道空间研究进展与量化测度方法综述的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！