萬傳瑋 王榮華 孫欣琨

(江蘇師范大學地理測繪與城鄉(xiāng)規(guī)劃學院，江蘇 徐州 221116)

引言

城市街道是居民日?；顒雍屯ㄐ械闹匾部臻g。但隨著機動交通的飛速發(fā)展，帶來了部分城市街道空間失序、街區(qū)配套設施不足、機動車過多、綠化景觀缺乏等一系列問題，導致居民在街道空間的安全感知下降。塑造舒適安全的城市街道空間，提升居民對城市的安全感知是建設安全健康城市的基礎。

已有研究表明，街道客觀環(huán)境與街道的安全性有著密切的聯(lián)系。蘇俊伊等研究了北京的街道景觀要素和安全之間的關系，發(fā)現(xiàn)街道環(huán)境復雜度、空間密閉度和植被密度與街道安全呈負相關[1]；而徐磊青等研究發(fā)現(xiàn),提高街道綠視率、管理水平和沿街建筑美感可以有效提升街道的安全感知，非機動車則降低了安全感知[2]。江文津等以2個美國城市街景圖片為例探索了影響街道安全感知的因素，發(fā)現(xiàn)管理程度與界面透明度對街道安全感知的提升影響顯著，而綠色植被、機動車與安全感知評價之間沒有顯著相關的關系[3]；周麗則從街道底界面、街道側界面以及2個界面相互作用形成的空間出發(fā)，發(fā)現(xiàn)植物綠化、功能設施、建筑立面及附屬設施的設置和空間尺度等是影響街道景觀安全的主要方面[4]。前人關于街道客觀環(huán)境與其安全性之間的關系的研究結論并不一致，需要進行深入研究。

隨著大數(shù)據(jù)及計算機語義分割技術的發(fā)展，越來越多的學者將其應用到城市公共空間問題的研究領域當中，并在城市街道空間品質(zhì)、街道活力、街道景觀等方面進行了一系列的論證研究。如唐靜嫻利用多時相、多角度的街景圖片數(shù)據(jù)，對北京更新類居住區(qū)外圍街道空間品質(zhì)水平進行測度評價[5]。徐磊青等基于虛擬街道模型探究了建筑界面與綠視率對街道體驗的影響[6]。葉宇則運用python程序?qū)志皵?shù)據(jù)進行大規(guī)模的抓取，并結合機器學習算法SegNet提取街景圖像中綠視率、天空可見度、建筑界面、道路機動化程度、步行空間、多樣性6個關鍵空間特征對上海市的街道品質(zhì)進行評估[7]。但借助街景數(shù)據(jù)并結合計算機圖像識別技術，對街道客觀物質(zhì)要素對居民的安全感知影響的研究還不夠深入。為此，本研究基于百度街景數(shù)據(jù)與計算機語義分割技術，在對徐州市老城區(qū)街道安全感知進行定量分析的基礎上，深入探討街道安全性與街道景觀要素之間的關系，為提升城市街道安全提供借鑒參考。

1 研究區(qū)域概況及數(shù)據(jù)來源

1.1 研究區(qū)域

選取徐州市老城區(qū)內(nèi)的9條主要街道作為研究案例：淮海路、和平路、建國路、青年路、蘇堤路、民主路、西安路、中山路、解放路,這些道路均為生活性商業(yè)街道且功能性質(zhì)基本一致，見圖1?；春Ｂ贰⑶嗄曷?、和平路和建國路為東西走向，其他5條道路為南北走向。徐州市作為淮海經(jīng)濟區(qū)中心城市，省域副中心城市，擁有908.38萬常住人口；承擔著重要的經(jīng)濟、交通、科技、醫(yī)療等職能。其老城區(qū)是發(fā)展最為成熟的中心區(qū)域，居住、商業(yè)氣息濃厚，更是代表著徐州市未來發(fā)展“門面”；在新時代城市更新的背景下，街道空間安全感的提升對徐州市建設高質(zhì)量健康城市有著重要的現(xiàn)實需求及意義。

圖1 研究案例道路示意圖

1.2 百度街景圖片的獲取

路網(wǎng)數(shù)據(jù)通過OSM(開放街道地圖)獲取，經(jīng)過QGIS和ArcMap進行矢量化、地理配準和簡化處理，以50m為間距確定每個街景采樣點地理坐標。編寫Python數(shù)據(jù)采集程序，設置街景圖片采樣點參數(shù)，批量輸入地理坐標，通過百度地圖全景靜態(tài)圖API獲取相關的街景圖片。經(jīng)過反復調(diào)試、實驗與篩選，最終確定獲取垂直視角為15°、水平方向為0°(前)，水平視角為120°且分辨率為1024×512的街景圖片，如圖2。9條街道共選取街景圖片480張。

圖2 百度街景圖片示例

2 研究方法

2.1 安全感知評價方法

通過問卷調(diào)查的方式，采用李克特7級量表法，對獲取的百度街景圖片進行主觀安全感知評價，1分代表極不安全，7分代表極安全。為保證每條道路街景圖片出現(xiàn)的隨機性，將480張街景圖片隨機打亂并匿名編號為1～480，按等差數(shù)列每30個為1組，分16組。如，第1組問卷圖片集為1、31、61、91…451。共設置16份問卷，通過問卷星進行線上發(fā)放，每份問卷以回收至少30份有效樣本量為最低標準。問卷填寫人在進行問卷街景圖片打分前，需對圖片進行整體預覽后，對所有街景圖片有所了解后再進行評價。道路街景圖片最終得分均采用取平均值的方式進行處理。

2.2 街景要素識別

本文使用目前最新一代神經(jīng)網(wǎng)絡DeepLab-V3+算法對480張街景圖片進行語義分割，DeepLab-V3+是2018年由谷歌技術團隊基于卷積神經(jīng)網(wǎng)絡系統(tǒng)開發(fā)出的進一步優(yōu)化版的算法，其算法識別綜合了像素的局部光譜信息和像素的全局整體結構信息來提取圖像特征，可以較為精準(82.1%)地識別各種形式的照片。選用CityScapes數(shù)據(jù)集對街景圖片中車行道、人行道、建筑物、圍墻、柵欄、桿、信號燈、指示牌、植被、地形山體、天空、行人、汽車等19類較為常見的要素進行識別分割。如圖3所示。在得到語義分割圖后，對各景觀要素進行提取，并測算各類景觀要素在要素分割圖中的占比。

圖3 街景圖片要素分割示意圖

2.3 街景要素指標測度

通過對公共空間安全感[2]及街道空間品質(zhì)[8]的相關研究分析，結合本實驗街景圖片的特征，最終將19類街道景觀元素合并為6個客觀要素指標。

2.3.1 綠視率

綠視率是指街景圖片中綠色植被所占的比例，其計算公式：

綠視率=綠化植被面積/圖像總面積×100%

2.3.2 天空開敞度

天空開敞度是反映街道空間開闊程度一個重要指標，其計算公式：

天空占比=天空面積/圖像總面積×100%

2.3.3 界面圍合度

界面圍合度是指街道兩側界面建筑物及圍墻或其他構筑物圍合街道空間的程度，其計算公式：

界面圍合度=(建筑+圍墻)面積/圖像總面積×100%

2.3.4 機動化程度

機動化程度是用來反映街道交通通行的狀況，其計算公式：

機動化程度=(車行道+機動車)面積/圖像總面積×100%

2.3.5 道路附屬設施率

道路交通附屬設施率是指交通信號燈、指示牌等設施占總圖像面積的比例，其計算公式：

道路附屬設施率=(信號燈+指示牌+桿+圍欄)面積/圖像總面積×100%

2.3.6 行人慢行交通率

行人慢行交通率對建立步行友好型街道，緩解道路交通擁擠現(xiàn)象具有重要意義。其計算公式：

行人慢行交通安全性=(人行道+行人+非機動車)面積/圖像總面積×100%

3 結果分析

本次調(diào)查共發(fā)放問卷601份，回收問卷601份，剔除選項相同的無效問卷74份，最終有效問卷527份，有效問卷率87.7%。通過問卷信度分析可以得出，本次調(diào)查問卷Cronbach’s(克隆巴赫)系數(shù)值均大于0.9，具有較高的可信度。

3.1 居民主觀安全感知評價分析

根據(jù)居民對徐州市老城區(qū)內(nèi)9條街道安全感知評價計算得出，9條街道的安全感知評價得分分布在4～5分區(qū)間，其中6分以上以及3分以下得分較少，可見9條街道的安全性水平一般，見圖4。

圖4 不同分值區(qū)間分布

通過單因素方差分析發(fā)現(xiàn)，不同道路之間的街道安全感知評價得分是具有顯著差異的，見表1。9條街道的安全感知評價排序依次為建國路>淮海路>和平路>中山路>西安路>蘇堤路>解放路>民主路>青年路；其中建國路街道的安全感知評價最高(5.007)，而青年路的安全感知評價最低(3.736)，見圖5。

表1 不同街道的安全感知評價差異性

圖5 徐州市不同街道安全感知評價均值

3.2 客觀要素指標對比分析

9條街道的平均綠視率為21.4%；結合江蘇省城鎮(zhèn)化和城鄉(xiāng)規(guī)劃研究中心相關研究實踐表明，9條街道的總體綠視率較好，但不同道路的綠視率差異較大，部分道路綠視率水平普遍偏低，如和平路(12.3%)、淮海路(12.3%)、中山路(15.1%)；天空占比與界面圍合度平均值分別為20.5%、22.2%，其中青年路的天空占比最低(2.9%)，可能是由于道路狹窄且街道樹木較多，遮擋了天空，導致街道視野不開闊。除蘇堤路界面圍合度較低(13.8)外，其他街道界面圍合度相似；9條街道的機動化程度差異不大，道路附屬設施率建國路最好(7.0)，青年路最差(1.3)，行人慢行交通率蘇堤路最高(6.2)，和平路、淮海路和中山路均較低(2.5)，如表2所示。

表2 徐州市老城區(qū)主要街道客觀指標要素對比

3.3 居民主觀安全感知評價與客觀指標要素的關系分析

3.3.1 相關性分析

通過SPSS統(tǒng)計分析軟件對街道空間主觀安全感知與街道空間客觀要素的關系進行相關性分析得出，街道安全感知與天空占比、道路附屬設施率的Pearson相關系數(shù)分別為0.148、0.563，呈現(xiàn)顯著正相關關系(p<0.01)；與機動化率、行人慢行交通率及界面圍合度的Pearson相關系數(shù)分別為-0.324、-0.231、-0.148，呈顯著負相關關系(p<0.01)；與綠視率的Pearson相關系數(shù)為0.055，相關性不顯著，見表3。說明增加天空占比和道路附屬設施或降低機動車、行人慢行交通和界面密度能提升居民對街道的安全感知評價。

表3 相關性分析結果

3.3.2 逐步線性回歸分析

相關性分析只能說明兩者之間的關系，但各景觀要素之間也存在相互影響，即自變量之間存在著混雜干擾，從而影響回歸模型運算結果的準確性，因此需進一步使用逐步線性回歸分析。由表4可以得出，道路附屬設施率、綠視率、天空占比、行人慢行交通率與機動化率依次進入回歸模型，而界面圍合度并未進入模型；調(diào)整后的R2為0.367，顯著性均小于0.05水平，說明道路附屬設施、綠視率、天空占比、行人慢行交通率與機動化率這5個客觀指標能夠解釋徐州市老城區(qū)街道安全感知評價的36.7%。VIF全部小于5，意味著5個自變量之間不存在多重共線性，本次的運算結果準確可靠。

表4 逐步線性回歸分析結果

道路附屬設施率、綠視率、天空占比與安全感知呈顯著正相關的關系，說明道路附屬設施率、綠視率與天空占比越高，街道的安全感知就越高。而行人慢行交通安全性和機動化程度與街道安全感知呈顯著負相關的關系，即行人慢行交通安全性和機動化程度越高，街道的安全感知評價也就越低；反之亦然?；谝陨戏治?，得出自變量與因變量之間的回歸方程：

街道空間安全感=4.324+9.360×道路附屬設施率+0.838×綠視率+0.823×天空占比-4.116×行人慢行交通安全性-1.207×機動化程度

街道景觀要素對徐州市老城區(qū)內(nèi)9條街道安全感知的影響程度依次為道路附屬設施率>行人慢行交通率>機動化程度>綠視率>天空占比。

4 討論與結論

4.1 街道安全感知評價的影響因素

本研究從居民主觀安全感知評價角度出發(fā)，探究影響街道安全感知評價的影響因素，以徐州市老城區(qū)部分街街景照片為例進行相關實驗，通過回歸分析發(fā)現(xiàn)：道路附屬設施對街道安全感知評價具有重要意義，說明完善的道路設施設計可以對街道使用者起到警示或提醒的作用，對街道安全發(fā)揮著不可或缺的作用[9]；綠視率對街道安全感知的提升影響顯著，可能是由于綠視率能夠提高街道的美學偏好，從而提升了安全感知；行人慢行交通率及機動化程度會降低了街道安全感知，這些結論在一定程度上印證了徐磊青[2,6]、葛亞軍[10]等的研究結論。

4.2 提升街道安全感知的優(yōu)化策略

為創(chuàng)建更安全的城市街道，提高居民的安全感知。筆者結合本文對影響街道安全因素的分析，對今后城市街道的設計和改造工作提出一些建議與參考。

本研究發(fā)現(xiàn)道路附屬設施與街道安全之間呈正相關的關系，是影響街道安全性的最大因素；因此，在設計街道空間時，應注重道路設施的合理配置。如道路標識設施的設置需突出醒目、容易辨別，規(guī)范并維護好交通標志、交通信號燈、護欄和其他設施；人行橫道可以進行彩色涂色，通過改變地面色彩變化提高過街空間可識別性；另外可以采取高品質(zhì)的路面鋪裝和足夠數(shù)量的垃圾桶等措施來提升街道整潔度，從而提升居民的街道安全感知。

多維度營造綠地空間，提升街道綠視率。綠地作為提升城市街道安全的重要載體，可以利用欄桿、圍墻、建筑外立面等增設垂直綠化；鼓勵街道空間與社區(qū)花園、口袋公園等參與式綠地的融合銜接進行街道綠化提升。由此，在彌補破舊建筑立面增加建筑美感，提升街道綠視率的同時還起到了加強街道空間的活力的作用。

在街道空間設計中應注意街道與樹木以及周圍建筑的關系，創(chuàng)造適當?shù)目臻g尺度。控制好街道寬高比，保證一定的視野開闊度，增加天空占比，增強街道安全性。

盡管本研究發(fā)現(xiàn)機動交通及慢性交通均降低了街道的安全感知，但街道承載著城市道路的主要交通功能，因此不可盲目限制機動車出行，造成城市道路交通壓力?？梢酝ㄟ^設置減速帶、限速、改變交通路線等措施，改善道路交通環(huán)境，降低機動車速度，以確保交通通行安全，提升街道安全。

4.3 結論與不足

本文利用街景圖像數(shù)據(jù)與計算機語義分割技術，以徐州市老城區(qū)9條主要街道為對象，研究了城市街道安全感知與街道客觀景觀要素之間的關聯(lián)性。研究發(fā)現(xiàn)：9條街道的安全感知評價整體一般，且不同道路的安全感知評價差異顯著，建國路的總體評價最高，青年路最低，安全性有待提升。9條道路的客觀景觀要素中，綠視率、天空占比、道路附屬設施占比和行人慢性交通占比差異較大；而界面圍合度，機動化程度差異不大。街道安全感知評價與道路附屬設施、行人慢行交通、機動車、天空占比、綠視率高度相關，道路附屬設施影響最大。在未來的城市街道規(guī)劃設計中，應把握好影響城市街道空間安全的主要要素，綜合考慮街道的生態(tài)、安全、功能等多方面，有效提高街道安全性，建設健康宜居城市。

依托大數(shù)據(jù)和計算機技術，能夠進行大規(guī)模的街道空間分析并有效提升研究的客觀性。本文中對街景圖片中道路、山體、樹木、人行道、天空等要素進行了分割識別，但由于百度開放平臺提供的街景圖片數(shù)據(jù)來自不同年份，因此不同年份、季節(jié)的街景圖片可能會造成結論的偏差；街道兩旁的建筑門窗、底層商鋪形式可能也會影響街道安全感知評價，街道的寬度、形式、長度等也可能會影響安全感知評價，因此后續(xù)會對影響街道安全感知的景觀要素進行深入分析。