黃健文，朱雪梅，徐 瑩，熊 璐，張偉國(guó)

（1. 廣東工業(yè)大學(xué) 建筑與城市規(guī)劃學(xué)院，廣東 廣州，510090；2. 中國(guó)城市科學(xué)研究會(huì) 城市更新專業(yè)委員會(huì)，廣東 廣州，510090；3. 廣州市人文社科重點(diǎn)基地，廣東 廣州，510090；4. 華南理工大學(xué) 建筑學(xué)院，廣東 廣州，510641）

嶺南地區(qū)夏長(zhǎng)冬短、潮濕多雨，亞熱帶季風(fēng)海洋性氣候特點(diǎn)孕育了與之依存的獨(dú)特的人性化城市空間. 歷經(jīng)歲月仍作為居民主要生活場(chǎng)所的嶺南城市舊城區(qū)，是社會(huì)交往發(fā)生和集體印記承載的城市空間，大多仍保持著功能緊湊且適宜步行的物質(zhì)空間形態(tài). 2009年廣東省在國(guó)家“三舊”改造特殊政策扶持下[1]，積極開展多元化的舊城更新實(shí)踐與探索，近年在《住房和城鄉(xiāng)建設(shè)部關(guān)于推進(jìn)老舊小區(qū)改造試點(diǎn)工作的通知[2017]322號(hào)》的引導(dǎo)下，省內(nèi)各城市舊城區(qū)逐步出現(xiàn)了一批以“老舊小區(qū)”為載體的舊城改造項(xiàng)目. 住房和城鄉(xiāng)建設(shè)部對(duì)“老舊小區(qū)”定義為“2000年以前建成的環(huán)境條件較差、配套設(shè)施不全或破損嚴(yán)重、無(wú)障礙建設(shè)缺失、管理服務(wù)機(jī)制不健全、群眾反映強(qiáng)烈的住宅小區(qū).”然而，“三舊”改造政策的主要目標(biāo)是“節(jié)約集約用地”[2]，老舊小區(qū)改造不能罔顧原有物質(zhì)空間形態(tài)長(zhǎng)年積淀的獨(dú)特性，針對(duì)以步行為主要出行方式的空間本底特征研究仍有待加強(qiáng)，城市物質(zhì)空間形態(tài)定量研究更是舊城更新進(jìn)程中需要解決的重要科學(xué)問(wèn)題. 因此，本文嘗試借助多源大數(shù)據(jù)的信息研究嶺南地區(qū)各地城市老舊小區(qū)，探索相關(guān)物質(zhì)空間形態(tài)的量化指標(biāo)特征與內(nèi)在關(guān)系，旨在有效引導(dǎo)老舊小區(qū)更新延續(xù)舊城空間形態(tài)邏輯，維育空間緊湊特性.

1 相關(guān)研究綜述

國(guó)內(nèi)外相關(guān)研究主要集中在城市物質(zhì)空間形態(tài)的建筑密度和街區(qū)尺度的特征分析與定量評(píng)價(jià):伯格豪斯和豪普特(Berghauser & Haupt)[3]通過(guò)基本的數(shù)值量度解釋密度的多種含義和量度方法，在理清了建筑密度的相關(guān)內(nèi)容和參照指標(biāo)之后，指出需要將多種建筑密度指標(biāo)結(jié)合成一種整體性的評(píng)價(jià)方法；埃利斯(Ellis)[4]通過(guò)對(duì)8組形態(tài)相似或迥異的城市圖底肌理進(jìn)行同尺度對(duì)照分析，仔細(xì)探討了圖底分析如何描述城市空間格局并揭示其相應(yīng)的建設(shè)活動(dòng)；任春洋[5]通過(guò)對(duì)高密度方格路網(wǎng)與街道演變進(jìn)程的回顧，歸納出其價(jià)值和形式特征并進(jìn)一步分析它在中國(guó)的適用性；董春芳[6]用更簡(jiǎn)單易懂的方式解釋了空間伴侶(Spacemate)的理論基礎(chǔ)和應(yīng)用，為城市密度的解讀提供了新的方法. 以上研究是空間形態(tài)特征分析在建筑密度、空間格局和路網(wǎng)與街道方面的探索，而中微觀層面的定量評(píng)價(jià)也已同時(shí)引起了學(xué)術(shù)界的關(guān)注. 周鈺[7]通過(guò)分析城市和街道實(shí)例，研究街道界面密度與建筑密度之間的數(shù)值關(guān)系；黃燁勍[8]通過(guò)對(duì)90個(gè)大城市的對(duì)比分析歸納出了街區(qū)適宜尺度的具體判定特征；楊俊宴[9]以邊界分形維數(shù)、斑塊破碎度、地塊離散度、街坊形狀指數(shù)等測(cè)度城市新區(qū)的尺度肌理， 并以城市空間原型拓?fù)?、圖底關(guān)系轉(zhuǎn)換等分析方法解析新區(qū)的空間形態(tài). 從研究趨勢(shì)來(lái)看，城市空間形態(tài)的特征分析與定量評(píng)價(jià)已由宏觀層面深入到中微觀層面，并由以往的單一測(cè)度向綜合測(cè)度的趨勢(shì)發(fā)展.

2 研究方法

本課題研究采用“圖底分析”為方法核心，以嶺南地區(qū)老舊小區(qū)典型案例的適宜步行范圍內(nèi)的空間形態(tài)量化指標(biāo)進(jìn)行分析比較. 對(duì)于數(shù)據(jù)的分析和比較，主要采取兩種方式. 一種是單一數(shù)據(jù)的比較，注重分析不同老舊小區(qū)之間的空間形態(tài)各類指標(biāo)差異和指標(biāo)主要分布區(qū)間，另一種是數(shù)據(jù)之間的雙變量相關(guān)性分析，用于分析空間形態(tài)各類指標(biāo)之間的潛在關(guān)系.

2.1 研究樣本選擇

本課題的研究對(duì)象為從廣東省21個(gè)城市舊城中選取較有代表性的75個(gè)老舊小區(qū)，廣州、佛山、東莞、深圳各采集6個(gè)樣本，其他城市各采集3個(gè)樣本. 這是由于廣東省政府實(shí)施“三舊”改造采取了試點(diǎn)城市的方式，其中廣州、佛山、東莞、深圳4個(gè)大型城市被定點(diǎn)為“三舊”改造試點(diǎn)，并且這4個(gè)城市的老舊小區(qū)面積較廣，因此本研究將其作為主要統(tǒng)計(jì)城市增加樣本數(shù)量，見(jiàn)表1.

表1 75個(gè)嶺南地區(qū)老舊小區(qū)樣本所屬社區(qū)及主要生活性街道(來(lái)源：團(tuán)隊(duì)制作)Tab.1 75 communities and major living streets belonging to the old residential neighborhoods in the Lingnan area (Source： team drawing)

此外，老舊小區(qū)的案例均為面積大小不等的住宅小區(qū)，為統(tǒng)一不同案例的空間形態(tài)以便于進(jìn)行比較和分析，研究團(tuán)隊(duì)劃定了一個(gè)以住宅小區(qū)主要生活性街道為中心，800 m×800 m的量化指標(biāo)測(cè)算區(qū)域(以下簡(jiǎn)稱“測(cè)算方域”). 測(cè)算方域選擇主要來(lái)自兩方面原因:一方面考慮與老舊小區(qū)空間形態(tài)直接相關(guān)的居住生活功能. 以居住為主體的老舊小區(qū)在行政性上歸屬城市社區(qū)管理，城市社區(qū)里最主要的生活性街道，通過(guò)聚集多層次的零售商鋪商店及多類型的公共服務(wù)設(shè)施，為社區(qū)提供多樣性的居住功能支持. 選擇800 m×800 m的方域范圍基本可以完全納入這些生活性街道，較好體現(xiàn)緊湊性空間形態(tài)的老舊小區(qū)居民活動(dòng)核心區(qū)域；另一方面則源自于一個(gè)普通成年人10 min的步行距離. 一個(gè)正常的人在正常情況下的步行速度一般是4～7 km/h，也就是10 min的步行距離在667～1167 m左右. 這里取人的步行速度為5 km/h，那么一個(gè)人在10 min的步行距離為833 m[10].因此，800 m×800 m的大小與距離均較適合作為測(cè)算老舊小區(qū)空間形態(tài)量化指標(biāo)的基準(zhǔn)范圍.

2.2 測(cè)算指標(biāo)注釋

在城市中微觀空間層面上，主要通過(guò)“圖底分析”方法來(lái)揭示老舊小區(qū)空間形態(tài)邏輯. “圖形—背景”分析鮮明地呈現(xiàn)出實(shí)體與空間、建筑與街道的關(guān)系，提供了深入解析城市平面結(jié)構(gòu)特征的研究基礎(chǔ)[11]. 通過(guò)對(duì)測(cè)算方域的深入觀察，團(tuán)隊(duì)選取中微觀空間層面相對(duì)較能呈現(xiàn)空間形態(tài)邏輯的要素——建筑和道路，其相關(guān)量化指標(biāo)包括建筑物數(shù)量、用地面積、建筑毛密度、建筑平均周長(zhǎng)、建筑周長(zhǎng)標(biāo)準(zhǔn)差、建筑平均面積、建筑面積標(biāo)準(zhǔn)差、道路總長(zhǎng)度、道路交叉口數(shù)量(見(jiàn)表2).

表2 空間要素測(cè)算指標(biāo)注釋(來(lái)源：團(tuán)隊(duì)制作)Tab.2 Annotations for the measuring indicators of spatial elements (Source： team drawing)

2.3 多源大數(shù)據(jù)采集

多源大數(shù)據(jù)的數(shù)據(jù)采集內(nèi)容，主要來(lái)自于兩種地圖數(shù)據(jù)，一種是像素化地圖數(shù)據(jù)，另一種是矢量化地圖數(shù)據(jù). 而多源大數(shù)據(jù)采集過(guò)程大致分成3部分:前期數(shù)據(jù)觀察，中期數(shù)據(jù)收集和后期數(shù)據(jù)整理. 前期首先通過(guò)對(duì)網(wǎng)絡(luò)地圖進(jìn)行觀察并選定75個(gè)嶺南地區(qū)老舊小區(qū)樣本的測(cè)算方域，然后通過(guò)插件對(duì)像素化地圖數(shù)據(jù)進(jìn)行轉(zhuǎn)化以及對(duì)矢量化地圖數(shù)據(jù)進(jìn)行提取，最后截取和整理測(cè)算方域內(nèi)所需要的空間要素測(cè)算指標(biāo)，如圖1所示.

2.3.1 像素化地圖數(shù)據(jù)

圖1 多源大數(shù)據(jù)采集過(guò)程框架圖(來(lái)源：團(tuán)隊(duì)制作)Fig.1 Acquisition process framework of Multi-source big data(Source： team drawing)

像素化地圖數(shù)據(jù)主要依托“天地圖”網(wǎng)站，該網(wǎng)站是我國(guó)地理信息公共服務(wù)平臺(tái)，其覆蓋范圍從宏觀的中國(guó)全境到微觀的縣市乃至鄉(xiāng)鎮(zhèn)、村莊，數(shù)據(jù)內(nèi)容包括不同詳細(xì)程度的交通、水系、境界、政區(qū)、居民地、地名等信息數(shù)據(jù)以及不同分辨率的地表衛(wèi)星影像數(shù)據(jù)等. 其中，“天地圖·廣東”(http：//www.tianditugd.com)是國(guó)家“天地圖”的省級(jí)節(jié)點(diǎn)，由廣東省國(guó)土資源廳監(jiān)制，廣東省國(guó)土資源技術(shù)中心提供技術(shù)支持，是“數(shù)字廣東”地理空間框架建設(shè)的重要組成部分，主要目的是統(tǒng)籌利用地理信息資源，為社會(huì)公眾提供一站式、便捷的地理信息服務(wù)，發(fā)揮測(cè)繪成果在國(guó)民經(jīng)濟(jì)中的價(jià)值. 它高度集成了全省現(xiàn)有的基礎(chǔ)地理信息數(shù)據(jù)，包括影像、地名、地址、三維地形和部分專題數(shù)據(jù)，實(shí)現(xiàn)了國(guó)家、省、市三級(jí)在線互聯(lián)互通(見(jiàn)圖2). 因此，本研究將其作為測(cè)算方域內(nèi)建筑指標(biāo)數(shù)據(jù)收集的主要來(lái)源，并通過(guò)使用谷地地理信息系統(tǒng)網(wǎng)站(http：//www.goodygis.com)地圖和實(shí)地調(diào)研對(duì)其進(jìn)行補(bǔ)充完善.

圖2 “天地圖廣東”網(wǎng)站在線地圖界面(來(lái)源：http：//www.tianditugd.com)Fig.2 Interface of “Tianditu·Guangdong” online map (Source：http：//www.tianditugd.com)

2.3.2 矢量化地圖數(shù)據(jù)

矢量化地圖數(shù)據(jù)則提取自O(shè)penStreetMap(簡(jiǎn)稱OSM)開源地圖網(wǎng)站(https：//www.openstreetmap.org).團(tuán)隊(duì)借助專業(yè)3D造型軟件Grasshopper軟件中的ELK編程插件，通過(guò)對(duì)OSM導(dǎo)出的osm格式文件進(jìn)行轉(zhuǎn)換，生成包含多種類城市信息的矢量化地圖數(shù)據(jù). 例如，在OSM界面中通過(guò)對(duì)廣州珠江新城中軸線區(qū)設(shè)定所需要的范圍，即可導(dǎo)出該范圍的包含城市信息的osm格式文件，然后再通過(guò)grasshopper軟件中的ELK編程插件對(duì)osm格式文件進(jìn)行轉(zhuǎn)換，生成的是包括部分建筑邊線、主要道路中心線、次要道路中心線，高架橋中心線、地鐵及城市軌道交通中心線和海岸及湖岸線的矢量化地圖，加以整理后能提取到測(cè)算方域內(nèi)的道路、水域、山體等空間形態(tài)測(cè)算指標(biāo)(見(jiàn)圖3).

3 數(shù)據(jù)統(tǒng)計(jì)與可視化

圖3 ELK插件生成的珠江新城中軸線區(qū)矢量化地圖(來(lái)源：團(tuán)隊(duì)制作)Fig.3 Vector map for the central axis area of Zhujiang New Town generated by ELK plug-in (Source： team drawing)

在多源大數(shù)據(jù)的采集基礎(chǔ)上，團(tuán)隊(duì)分別對(duì)每個(gè)嶺南地區(qū)老舊小區(qū)樣本的測(cè)算方域進(jìn)行了數(shù)據(jù)測(cè)算與整理，以此建構(gòu)由75個(gè)樣本所組成的數(shù)據(jù)總表. 首先，測(cè)算由像素化地圖轉(zhuǎn)化的數(shù)據(jù)指標(biāo). 建筑數(shù)量、建筑周長(zhǎng)、建筑面積指標(biāo)均由高分辨率的像素化地圖轉(zhuǎn)化為建筑物矢量圖，再導(dǎo)入CAD軟件且基于測(cè)算方域直接統(tǒng)計(jì)得出. 其次，將所有樣本的建筑周長(zhǎng)、建筑面積數(shù)據(jù)按標(biāo)準(zhǔn)差公式進(jìn)行統(tǒng)計(jì)，即能計(jì)算出建筑平均周長(zhǎng)、建筑周長(zhǎng)標(biāo)準(zhǔn)差、建筑平均面積和建筑面積標(biāo)準(zhǔn)差的指標(biāo)數(shù)據(jù). 再次，測(cè)算由矢量化地圖提取的數(shù)據(jù)指標(biāo). 道路矢量圖由osm格式文件提取得到，基于測(cè)算方域通過(guò)grasshopper軟件中的ELK插件計(jì)算出道路總長(zhǎng)度以及道路交叉口數(shù)量. 此時(shí)可通過(guò)對(duì)照疊合建筑物與道路矢量圖的衛(wèi)星地圖，不僅可檢查建筑物與道路的準(zhǔn)確性，還可以為制作測(cè)算方域的黑白“圖底”做準(zhǔn)備(見(jiàn)圖4). 最后，測(cè)算由像素化地圖和矢量化地圖配合統(tǒng)計(jì)的數(shù)據(jù)指標(biāo). 用地面積和建筑毛密度既需要利用像素化地圖轉(zhuǎn)化得到的建筑物數(shù)據(jù)，也需要利用矢量化數(shù)據(jù)提取得到的水域和山體數(shù)據(jù)，兩方面配合統(tǒng)計(jì)得出指標(biāo)數(shù)據(jù).

圖4 疊合建筑物與道路矢量圖的衛(wèi)星地圖(來(lái)源：團(tuán)隊(duì)制作)Fig.4 Satellite map stacked with buildings vector and roads vector(Source： team drawing)

除了進(jìn)行數(shù)據(jù)統(tǒng)計(jì)，團(tuán)隊(duì)還通過(guò)Grasshopper軟件平臺(tái)處理生成建筑周長(zhǎng)與面積數(shù)據(jù)的可視化圖表. 如廣衛(wèi)社區(qū)樣本的可視化圖表，除了呈現(xiàn)測(cè)算方域的衛(wèi)星地圖、黑白“圖底”、生活性街道照片以及一系列空間要素測(cè)算指標(biāo)，還展現(xiàn)了建筑周長(zhǎng)與面積的對(duì)向趨勢(shì)排列圖表(表示測(cè)算方域內(nèi)所有建筑周長(zhǎng)與面積按大小次序排布并反映各自變化趨勢(shì)的圖表)和位置順序排布圖表(表示測(cè)算方域內(nèi)所有建筑周長(zhǎng)與面積按先自東至西再自北至南地理位置排布的圖表)，藉此直觀反映老舊小區(qū)建筑尺度的變化情況(見(jiàn)圖5).

圖5 廣衛(wèi)社區(qū)樣本的數(shù)據(jù)與可視化圖表(來(lái)源：團(tuán)隊(duì)制作)Fig.5 Data and visual charts for the Guangwei community sample(Source： team drawing)

根據(jù)75個(gè)樣本的測(cè)算指標(biāo)數(shù)據(jù)，可統(tǒng)計(jì)得出嶺南地區(qū)老舊小區(qū)典型案例測(cè)算方域內(nèi)的空間形態(tài)各項(xiàng)指標(biāo)的匯總數(shù)據(jù)(見(jiàn)表3). 同時(shí)，這些量化指標(biāo)可以作為重要的數(shù)據(jù)基礎(chǔ)，進(jìn)一步實(shí)行反映空間要素相互關(guān)系的雙變量相關(guān)性分析.

4 相關(guān)性分析

4.1 概念與方法

相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，從而衡量?jī)蓚€(gè)變量因素的相關(guān)密切程度[12]. 為充分利用75個(gè)嶺南地區(qū)老舊小區(qū)樣本的空間要素指標(biāo)，團(tuán)隊(duì)采用了SPSS(Statistical Product and Service Solutions，統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案)軟件分析這些指標(biāo)的相關(guān)性. SPSS相關(guān)性分析主要生成兩個(gè)關(guān)鍵數(shù)值. 一是皮爾森相關(guān)系數(shù)(Pearson correlation coefficient)，也稱皮爾森積矩相關(guān)系數(shù)[13]，是一種線性相關(guān)系數(shù). 皮爾森相關(guān)系數(shù)是用來(lái)反映兩個(gè)變量線性相關(guān)程度的統(tǒng)計(jì)量[14]. 皮爾森相關(guān)系數(shù)絕對(duì)值越大，表示兩個(gè)數(shù)據(jù)之間的相關(guān)性越大；二是顯著性水平. 顯著性水平是指發(fā)生小概率事件的概率，可作為判斷兩個(gè)指標(biāo)是否顯著相關(guān)的重要標(biāo)準(zhǔn)[15]. 在SPSS分析表中，顯著性水平以*號(hào)標(biāo)記在皮爾森相關(guān)系數(shù)之后. *表示相關(guān)性在0.05 層上顯著，則表示兩個(gè)指標(biāo)顯著相關(guān). **表示相關(guān)性在 0.01層上顯著，則表示兩個(gè)指標(biāo)極顯著相關(guān).

為了能夠有效衡量?jī)蓚€(gè)變量因素，并且更加清晰地分析空間要素指標(biāo)之間的關(guān)系，團(tuán)隊(duì)將空間要素指標(biāo)分成3個(gè)組. A組是建筑量度方面的建筑數(shù)量和建筑毛密度. B組是道路量度方面的道路總長(zhǎng)度和交叉口數(shù)量. C組是建筑尺度方面的建筑周長(zhǎng)和面積. 針對(duì)這些指標(biāo)的相關(guān)性分析不僅在組內(nèi)進(jìn)行，而且還在組與組之間展開.

4.2 各組內(nèi)部的相關(guān)性

4.2.1 A組：建筑數(shù)量與建筑毛密度

運(yùn)用SPSS軟件導(dǎo)入75個(gè)嶺南地區(qū)老舊小區(qū)樣本的建筑數(shù)量與建筑毛密度指標(biāo)數(shù)據(jù)，得到兩個(gè)變量之間的相關(guān)系數(shù)矩陣. 數(shù)據(jù)顯示，建筑數(shù)量與建筑毛密度之間的皮爾森相關(guān)系數(shù)為0.506，相關(guān)性在0.01層上顯著. 通過(guò)相關(guān)系數(shù)分析，表明建筑數(shù)量與建筑毛密度呈顯著正相關(guān)(見(jiàn)圖6). 同時(shí)，根據(jù)公式建筑毛密度=(建筑平均面積×建筑數(shù)量)/用地面積，可見(jiàn)建筑毛密度和建筑數(shù)量所具有的數(shù)理關(guān)系，由于樣本的建筑平均面積將近90%集中在100～400 m2區(qū)間，同時(shí)老舊小區(qū)樣本的用地面積內(nèi)僅有較低比例的水域和山體，建筑平均面積和用地面積的數(shù)據(jù)基本穩(wěn)定，可見(jiàn)它們對(duì)建筑毛密度和建筑數(shù)量的關(guān)系影響并不大. 綜合以上推斷，75個(gè)嶺南地區(qū)老舊小區(qū)樣本測(cè)算方域內(nèi)，存在著建筑數(shù)量與建筑毛密度成正比變化的共性特征. 如果在改造中大幅度減少或增加老舊小區(qū)的建筑數(shù)量，必須注意此舉措下對(duì)小區(qū)建筑毛密度的顯著正相關(guān)性影響.

4.2.2 B組：道路總長(zhǎng)度與交叉口數(shù)量

從B組兩個(gè)變量之間的相關(guān)系數(shù)矩陣可以得知，道路總長(zhǎng)度和交叉口數(shù)量之間的皮爾森相關(guān)系數(shù)為0.538，相關(guān)性在0.01層上顯著，表明道路總長(zhǎng)度和交叉口數(shù)量呈顯著正相關(guān). 而且從相關(guān)系數(shù)示意圖反映出數(shù)據(jù)點(diǎn)基本大部分分布在趨勢(shì)線兩側(cè)，則表明道路總長(zhǎng)度和交叉口數(shù)量呈現(xiàn)出正向線性相關(guān). 雖然道路總長(zhǎng)度和交叉口數(shù)量難找到數(shù)理上的公式關(guān)聯(lián)，但是正向線性相關(guān)已表明道路總長(zhǎng)度的增加會(huì)帶來(lái)交叉口數(shù)量的增加，促使車輛在老舊小區(qū)及周邊的交叉口等候和頻繁減速，有助于產(chǎn)生更安全舒適的步行環(huán)境.

表3 75個(gè)嶺南地區(qū)老舊小區(qū)樣本空間要素指標(biāo)匯總(來(lái)源：團(tuán)隊(duì)制作)Tab.3 Indicators of spatial elements of 75 old residential neighborhoods in the Lingnan area (Source： team drawing)

續(xù)表3

**：在 0.01 水平（雙尾）上顯著相關(guān)。*:在0.05 水平（雙尾）上顯著相關(guān)。

圖6 A組兩個(gè)變量之間的相關(guān)系數(shù)矩陣與示意圖(來(lái)源：團(tuán)隊(duì)制作)Fig.6 Correlation coefficient matrix and schematic diagram betweentwo variables in group A (Source： team drawing)

4.2.3 C組：建筑周長(zhǎng)與面積

C組兩個(gè)變量可分別呈現(xiàn)為平均值與標(biāo)準(zhǔn)差值，平均值用來(lái)衡量變量數(shù)據(jù)的平均水平，標(biāo)準(zhǔn)差值用來(lái)衡量變量數(shù)據(jù)的離散程度. 從相關(guān)系數(shù)矩陣可以得知，建筑周長(zhǎng)平均值與面積平均值之間的皮爾森相關(guān)系數(shù)為0.966，建筑周長(zhǎng)標(biāo)準(zhǔn)差值與面積標(biāo)準(zhǔn)差值之間的皮爾森相關(guān)系數(shù)為0.737，相關(guān)性都在0.01層上顯著，表明建筑周長(zhǎng)和建筑面積總體呈顯著正相關(guān). 另外，建筑周長(zhǎng)平均值與標(biāo)準(zhǔn)差值之間的皮爾森相關(guān)系數(shù)為0.681，建筑面積平均值與標(biāo)準(zhǔn)差值之間的皮爾森相關(guān)系數(shù)為0.594，相關(guān)性都在0.01層上顯著，亦即建筑周長(zhǎng)與面積的平均值越高，則數(shù)據(jù)的離散程度越大. 返回觀察75個(gè)老舊小區(qū)樣本黑白“圖底”，平均值的增高大部分情況是因?yàn)槌蟪叨冉ㄖ谋壤龃螅鼈兘ㄖ荛L(zhǎng)和占地面積較大，拉高平均值，同時(shí)使數(shù)據(jù)之間的差距變大.

4.3 各組之間的相關(guān)性

4.3.1 A組和B組

從相關(guān)系數(shù)矩陣可以看出，在A組和B組的任一變量之間，建筑數(shù)量和交叉口數(shù)量以及道路總長(zhǎng)度、建筑毛密度和道路交叉口數(shù)量并沒(méi)有顯著的相關(guān)性，只有建筑毛密度和道路總長(zhǎng)度的皮爾森相關(guān)系數(shù)為-0.272，相關(guān)性在0.05層上顯著，呈較顯著負(fù)相關(guān). 這說(shuō)明老舊小區(qū)當(dāng)?shù)缆房傞L(zhǎng)度變化時(shí)，老舊小區(qū)的建筑毛密度會(huì)隨之有一定的反向變化，但這種相關(guān)性強(qiáng)度低于建筑量度組內(nèi)建筑數(shù)量和建筑毛密度的相關(guān)性強(qiáng)度(見(jiàn)圖7).

圖7 A組與B組變量之間的相關(guān)系數(shù)矩陣與建筑毛密度和道路總長(zhǎng)度相關(guān)系數(shù)示意圖(來(lái)源：團(tuán)隊(duì)制作)Fig.7 Correlation coefficient matrix between two variables in group A and group B, and schematic diagram between the gross building density and the total road length (Source： team drawing)

4.3.2 A組和C組

A組的建筑物數(shù)量和C組的所有建筑周長(zhǎng)和面積相關(guān)數(shù)據(jù)的皮爾森相關(guān)系數(shù)為-0.786、-0.591、-0.751和-0.450， 相關(guān)性均在0.01層上顯著，具有顯著負(fù)相關(guān)性，表明老舊小區(qū)當(dāng)建筑物數(shù)量變化時(shí)，建筑周長(zhǎng)和面積都極可能反向變化. A組的建筑毛密度和C組的建筑均周長(zhǎng)的皮爾森相關(guān)系數(shù)為-0.339，相關(guān)性在0.01層上顯著，具有顯著負(fù)相關(guān)性，表明當(dāng)老舊小區(qū)建筑毛密度變化時(shí)，小區(qū)建筑均周長(zhǎng)隨之反向變化. A組的建筑毛密度和C組的建筑均面積的皮爾森相關(guān)系數(shù)為-0.237，相關(guān)性在0.05層上顯著，具有較顯著負(fù)相關(guān)性，表明當(dāng)老舊小區(qū)建筑毛密度變化時(shí)，小區(qū)建筑均面積隨之有一定的反向變化，這種相關(guān)性強(qiáng)度低于建筑物數(shù)量變化對(duì)建筑尺度變量的相關(guān)性強(qiáng)度(見(jiàn)圖8). 其余組間變量，建筑毛密度和建筑周長(zhǎng)標(biāo)準(zhǔn)差和面積標(biāo)準(zhǔn)差這兩項(xiàng)指標(biāo)并沒(méi)有顯著相關(guān)性，表明老舊小區(qū)建筑毛密度變化與小區(qū)內(nèi)個(gè)別建筑尺度的特殊變化基本不相關(guān).

4.3.3 B組和C組

從相關(guān)系數(shù)矩陣得知，B組的道路總長(zhǎng)度、交叉口數(shù)量和C組的建筑平均周長(zhǎng)、建筑周長(zhǎng)標(biāo)準(zhǔn)差、建筑平均面積、建筑面積標(biāo)準(zhǔn)差均無(wú)明顯的相關(guān)性. 同時(shí)，以道路交叉口數(shù)量和建筑均面積相關(guān)系數(shù)示意圖的數(shù)據(jù)分布情況為例，可以看出數(shù)據(jù)的偏移幅度很大，反映了道路量度的指標(biāo)數(shù)據(jù)與建筑尺度的指標(biāo)數(shù)據(jù)的相關(guān)性很弱，這表明老舊小區(qū)道路量度方面的改變基本與建筑尺度方面的變化無(wú)必然聯(lián)系(見(jiàn)圖9). 反之，當(dāng)老舊小區(qū)局部的建筑更新出現(xiàn)尺度方面的變化，也不會(huì)必然導(dǎo)致道路總長(zhǎng)度或交叉口數(shù)量的變化.

圖8 A組與C組變量之間的相關(guān)系數(shù)矩陣與建筑毛密度和建筑均面積相關(guān)系數(shù)示意圖(來(lái)源：團(tuán)隊(duì)制作)Fig.8 Correlation coefficient matrix between two variables in group A and group C, and schematic diagram between the gross building density and the average building area (Source： team drawing)

圖9 B組與C組變量之間的相關(guān)系數(shù)矩陣與道路交叉口數(shù)量和建筑均面積相關(guān)系數(shù)示意圖(來(lái)源：團(tuán)隊(duì)制作)Fig.9 Correlation coefficient matrix between two variables in group B and group C, and schematic diagram between the road intersection number and the average building area (Source：team drawing)

5 結(jié)語(yǔ)

老舊小區(qū)改造是當(dāng)前嶺南地區(qū)城市更新進(jìn)程中的重要內(nèi)容. 在經(jīng)濟(jì)新常態(tài)下，政府部們一再?gòu)?qiáng)調(diào)推進(jìn)老舊居住小區(qū)改造的目標(biāo)是“有序?qū)嵤┏鞘行扪a(bǔ)和有機(jī)更新”[16]. 但在推進(jìn)落實(shí)目標(biāo)的各項(xiàng)工作之前，本文認(rèn)為仍需要進(jìn)行更深入的前期空間形態(tài)分析，以量化研究作為各空間要素及其關(guān)系的科學(xué)評(píng)價(jià)基礎(chǔ). 這有助于審視和認(rèn)清嶺南地區(qū)老舊小區(qū)自身的空間形態(tài)邏輯和特性，更好地輔助老舊小區(qū)更新規(guī)劃和設(shè)計(jì)決策.

本研究結(jié)合多源大數(shù)據(jù)采集75個(gè)嶺南地區(qū)老舊小區(qū)樣本數(shù)據(jù)，嘗試以定量研究的方式對(duì)微觀尺度的空間要素進(jìn)行量化分析，初步得出了以下幾點(diǎn)反映老舊小區(qū)空間形態(tài)量化指標(biāo)及要素關(guān)系判定特征的分析結(jié)論:

(1) 通過(guò)對(duì)老舊小區(qū)樣本的空間形態(tài)指標(biāo)統(tǒng)計(jì)，呈現(xiàn)出現(xiàn)狀較普遍的空間要素指標(biāo)范圍： 建筑數(shù)量集中在500～1 500之間(樣本占67%)；建筑毛密度集中在 35%～45%(樣本占56%)；建筑平均周長(zhǎng)集中在40～100 m(樣本占92%)；建筑平均面積集中在100～400 m2(樣本占86%)；道路總長(zhǎng)度集中在5 000～8 000 m(樣本占63%)；道路交叉口數(shù)量集中在10～30(樣本占77%).

(2) 在建筑量度、道路量度、建筑尺度3組變量?jī)?nèi)部，包括建筑數(shù)量與建筑毛密度、道路總長(zhǎng)度與交叉口數(shù)量，以及建筑周長(zhǎng)與面積，均呈現(xiàn)顯著正相關(guān)性，相關(guān)性分析有效證實(shí)了這種空間要素分組所具有的合理性，以及提示了老舊小區(qū)改造時(shí)調(diào)整其中一個(gè)要素對(duì)同組要素的必然干擾.

(3) 在建筑量度、道路量度、建筑尺度3組變量之間進(jìn)行兩兩相對(duì)的相關(guān)性分析，大體呈現(xiàn)出組間關(guān)系的強(qiáng)弱對(duì)比:建筑量度與建筑尺度＞建筑量度與道路量度＞道路量度與建筑尺度，揭示了包含建筑數(shù)量與建筑毛密度這兩個(gè)指標(biāo)的建筑量度對(duì)老舊小區(qū)整體空間形態(tài)的重要性. 其中，建筑物數(shù)量與建筑均周長(zhǎng)和均面積都存在呈現(xiàn)顯著負(fù)相關(guān)性，表明改造中建筑物數(shù)量的適度保持，離不開對(duì)老舊小區(qū)各改造項(xiàng)目建筑周長(zhǎng)和面積的總體平衡控制.

(4) 從微觀空間形態(tài)的圖底分析來(lái)觀察，與老舊小區(qū)空間界面最直接相關(guān)的建筑周長(zhǎng)指標(biāo)，是塑造舒適步行環(huán)境的重要基石. 通過(guò)以反映局部建筑尺度劇變情況的周長(zhǎng)標(biāo)準(zhǔn)差為參照點(diǎn)，可以比較出除建筑數(shù)量呈顯著負(fù)相關(guān)性外，建筑毛密度、道路總長(zhǎng)度及交叉口數(shù)量均無(wú)顯著相關(guān)性，揭示了在老舊小區(qū)改造中局部的建筑尺度變化所產(chǎn)生對(duì)步行環(huán)境的負(fù)面影響(如臨街建筑數(shù)量減少)，可以通過(guò)引導(dǎo)其他空間要素的改造(如增加交叉口數(shù)量降低車速)進(jìn)行修補(bǔ)，充分利用弱相關(guān)性的有利條件.

基于多源大數(shù)據(jù)的空間形態(tài)量化研究，在一定程度上簡(jiǎn)化了空間形態(tài)的變量，雖然相對(duì)于傳統(tǒng)研究方法有一定的進(jìn)步意義，但受限于數(shù)據(jù)提取的方法和分析技術(shù)的尚未完善，老舊小區(qū)的圖底場(chǎng)景與現(xiàn)實(shí)仍有一定差距，將在以后的研究中不斷補(bǔ)足和改進(jìn). 此外，本研究?jī)H僅只是促進(jìn)老舊小區(qū)修補(bǔ)和有機(jī)更新的研究路徑之一，老舊小區(qū)更新仍存在一系列讓城市決策者需多方權(quán)衡的強(qiáng)烈訴求，包括如何進(jìn)行復(fù)雜產(chǎn)權(quán)下的土地再開發(fā)？什么方式實(shí)施交通微循環(huán)改善？怎樣切實(shí)加強(qiáng)歷史文化保護(hù)與利用？如何讓民生設(shè)施改善更為公平公正？等等[17]. 這些問(wèn)題，在物質(zhì)空間形態(tài)領(lǐng)域已難以全面回答，必須突破城市空間形態(tài)研究，進(jìn)入城市社會(huì)與經(jīng)濟(jì)層面，結(jié)合老舊小區(qū)空間形態(tài)領(lǐng)域的研究成果進(jìn)行更為綜合的深入分析.