胡达天

（武汉职业技术学院 湖北 武汉 430074）

0 引言

城市街道作为城市公共区域的线性空间，类似于人体的血管，保证城市正常运转，是城市的重要组成部分。街道空间作为城市居民生活、通勤和社交的重要场所，其良好的环境设置、空间布局，有利于提升街道空间品质，促进社会生活和谐发展，对于满足人们追求美好生活有着重要的意义。

随着城市建设和发展，城市建设规模扩张，传统感性认知城市空间方法无法满足城市精细化管理需求。但是，随着科学技术的发展，出现了一系列的互联网感知数据，其易获取性、实时性为城市空间分析、评估提供了基础数据底座。同时，结合多源数据融合、计算机图像处理等技术发展，城市空间从二维平面空间研究向三维立体空间量化研究发展，为城市街道空间精细化、智能化管理提供了可能[1]。

1 国内外研究现状

在城市规划中，街道空间布局对规划师的设计经验和主观感受相关性较高。街道空间的设计与研究主要采用定性的方式进行研究，定量的方式还主要在局部区域进行试点研究[2]。这是由于城市街道微观尺度动态实时空间属性数据获取难度较大，同时，设计师对微观环境的重视程度不足，现场调研常以社区地块或街道研究来代表微观环境，缺乏具体类型的公共空间在城市意象营造和提升城市活力方面的作用。

在街道空间品质量化分析的方法中，主要以街道组成要素和街道立面为核心，构建量化的评估指标体系，利用地理信息、三维建模和图像识别等技术，进行量化测度。其中，地理信息主要是以二维路网数据为基础，融合建筑物、手机信令等属性信息，进行空间分析和可视化展示。姜洋等[3]运用GIS 技术对济南城市街道开展研究，分析街道界面连续性在城市内的空间分布及影响因素。三维建模主要是对街道从二维空间向三维空间转变，为街道空间的分析评判提供了新思路、新方法。曲冰等[4]通过建立三维模型，对街道界面形态、街道高宽比、建筑高低错落度、天空可视域等方面，对商务街区三维空间的量化测度。街景图片可以获取街道景观、界面细节等街道空间细部构成要素，图像识别技术可以对其进行量化分析，弥补了街道细部构成要素的研究空白。基于街景图片数据，利用SegNet、DenseNet 等图像识别算法，对大城市的街道绿化进行定量研究[5]。

本文利用多源数据，按照不同街道特性，自动识别和分类不同街道类型，以人为本，从街道空间的活力性、多样性、舒适性和便捷性等维度，建立数学模型，进行量化评估，为城市管理者和设计者提升街道空间品质提供更加直观和客观的量化支撑。

2 多源数据的街道空间品质量化研究

2.1 街道类型分类

基于《武汉市中心城区街道设计导则》，利用道路网和POI 等多源数据，建立数学模型。按商业街道、生活服务街道、景观休闲街道、历史文化街道、交通街道、综合街道等类型，实现街道自动分类。

2.1.1 商业街道

商业街道是沿线以零售、餐饮、商务办公、酒店等商业为主，具有一定服务功能或业态特色的街道。按照量化分类的方法，当街道内餐饮、购物、娱乐、公司的POI 总个数占街道内POI 总数的百分比＞50%，认定该条街道为商业街道。

2.1.2 生活服务街道

生活服务街道是沿线以服务本地居民和工作者的中小规模零售、餐饮、生活服务类设施以及公共服务设施为主的街道。按照量化分类的方法，当街道内餐饮、购物、娱乐、住宅、生活设施的POI 总个数占街道内POI 总数的百分比＞50%，认定该条街道为生活服务街道。

2.1.3 景观休闲街道

景观休闲街道是滨水、临山等景观风貌突出、沿线设置集中成规模休闲活动设施的街道。按照量化分类的方法，当街道内POI 含有风景名胜，认定该条街道为景观休闲街道。

2.1.4 历史文化街道

历史文化街道是历史文化及风貌特色突出的街道。按照量化分类的方法，当街道内含有文化设施，认定该条街道为历史文化街道。

2.1.5 交通街道

交通街道是机动车交通功能强、交通量大，非交通性活动较少，以非开放式界面为主的街道。按照量化分类的方法，当街道车道数大于4 认定该条街道为交通街道。

2.1.6 综合街道

综合街道是功能与界面类型混杂程度校高，或兼有两种以上类型特征的街道。按照量化分类的方法，当街道拥有≥3 种街道类型时认定为综合街道。

2.2 评价指标体系

利用街景图片、路网数据、POI 数据等多源数据，结合机器模型对数据进行提取分析出的绿视率、道路率、天空率和建筑率等数据[6-8]，从舒适性、便捷性、活力性、多样性和安全性5 个方面构建的12 项指标体系，对街道进行量化评估，见表1。

表1 街道量化评估指标体系

3 研究数据及成果

3.1 研究范围

本文以武汉市三环内为研究范围开展研究，总面积约900 km²。

3.2 研究数据

3.2.1 路网数据

本文采用Open Street Map 的三环内道路，并以道路交叉点进行分段，共计6 702 条城市街道信息作为研究样本。并与实测路网数据进行融合，包括道路宽度、车道数、道路类型、路名等属性信息。

3.2.2 百度街景

利用百度API，通过编写Python 爬取百度地图街景图片，按照道路中心线每隔50 m 间距，按照90 度获取每个位置取4 张图片，共24 842 个位置点，99 368 张街景图片，所有图片均与空间位置点进行关联匹配。

3.2.3 POI 数据

采集研究范围内与城市活力相关的高德POI 数据共60万余条。并将POI 数据进行清洗和分类，包括商业、酒店、零售、文化娱乐、交通站点、历史风貌、购物、住宅设施共8 类。

3.3 图像识别技术

图像识别主要分为目标识别和图像分割两类算法。目标识别是对图片中的对象进行识别、分类，可用来统计计数，比如交通路口的车流量和人流量统计。图像分割是以图片的像素为基础，进行要素分割，统计图片中各要素占比。本文主要采用YOLO V5 和DeepLab3 卷积神经网络算法来进行图像识别和分割，见图1。

由于深度学习需要大量学习样本，而图像分割勾选样本需要耗费大量的人力物力，本文采用了自监督学习的模式。在模型训练前期，使用公开Cityscapes 数据集训练模型，其包含来自50 个不同城市的街道场景，拥有5 000张在城市环境中驾驶场景的高质量像素级注释图像。在得到一个预训练模型后，再使用样本数据优化模型。图像分割结果图见图2。

3.4 分析结果

3.4.1 街道分类结果

按照前文所述的街道量化分类计算方法，其结果见图3，与人工分类的结果进行比对，识别结果准确率为85%。街道分类结果的计算精度受到POI 结果影响较大。

3.4.2 街道空间品质量化评估结果

按照前文所述的算法，对街道的绿视率、建筑率、公交便捷性、生活便捷性、功能混合度和路网密度评估结果，见图4。

（1）街道绿视率

东湖风景区、红钢城片区、南湖狮子山地区、龟山片区、江汉经济开发区、后湖居住组团等片区街道绿视率较好。主要干道沿线、王家湾居住片区、四新地区、白沙洲片区等片区街道绿视率较差。

（2）街道建筑率

汉口三环沿线、汉阳二环线、武昌白沙洲大道沿线、关山大道沿线、后湖居住组团，杨园片区、中北路片区建筑率较高。

（3）街道公交便利性

实现街道100 m 内公交站点数量分析，基本可以覆盖三环内。

（4）街道生活便利性

商业集中区、成熟居住功能片区生活便利性较好，城市快速路沿线、新建居住片区、风景区等片区生活便利性较差。

（5）街道功能混合度

汉口一环内、江汉路、汉正街等片区；汉阳的王家湾、钟家村等片区；武昌的武昌古城、中北路、珞喻路沿线、南湖居住片区、光谷广场、红钢城片区等区片的功能混合度较高。

（6）街道路网密度

汉口一环内、江汉开发区、古田片区、武昌古城片区、红钢城片区等区片的路网密度较高。城市快速路沿线、东湖风景区等区片的路网密度较低。

4 结语

本文基于多源数据，从城市街道便捷性、舒适性、活力性和多样性等多个维度对街道空间品质进行定量分析研究，弥补了传统规划中对街道空间尺度和影像因素研究不足。通过研究发现，当前，基于多源数据的街道空间品质研究方法有了较大的突破，受城市区位和功能定位等因素影响，不同街道具有不同的环境、社会、历史、经济、人口等方面的特征，街道的评估与街道空间的管控、规划设计等环节融合还有待进一步加强。下一步，将结合专家打分，将客观评估与主观判断进行有机结合，提高量化评判的科学性和准确性。

此外，图像易识别、易获取性为公众参与提供可能。随着科学技术发展，开发街景影像采集和识别小程序，使得公众可以利用手机采集社区周边现状图像，并均可进行识别，为公众参与规划提供了可能；同时，针对逐步积累的居民、学者和规划设计人员采集的街景数据，可以在宏观尺度分析城市各社区情况。