樊凱旋, 李 斌, 邢漢發(fā),*, 孟 媛, 王 麗

(1. 華南師范大學地理科學學院, 廣州 510631; 2. 山東師范大學地理與環(huán)境學院, 濟南 250358;3. 香港理工大學土地測量及地理資訊學系, 香港 999077; 4. 山東省國土測繪院, 濟南 250013)

街道是城市重要的公共空間,街道空間作為人們休閑散步、駐足停留和商品交易的場所,承載著交通、生活和商業(yè)等多種城市功能[1-2]。街道的功能一般與街道空間中的景觀要素息息相關,尤其是街道空間所承載的商業(yè)功能。這些景觀結構最初由規(guī)劃者設計,并在城市化的進程中不斷重塑更新[3-5]。餐飲業(yè)是街道商業(yè)功能的重要組成部分,其活力作為街道商業(yè)空間中有形的、物化的環(huán)境所呈現(xiàn)出的空間活力,是居民真實生活水平的側面反映[6]。因此,為指導城市街道空間設計、提升街道空間餐飲業(yè)活力等需求,進行街道空間景觀與餐飲業(yè)活力的關系研究尤為重要。

近年來,隨著時空大數(shù)據(jù)、在線網(wǎng)絡地圖的飛速發(fā)展與廣泛應用,街景圖片因其覆蓋范圍廣、免費獲取和街道特征豐富等特點,越來越受到學術界和產(chǎn)業(yè)界的重視,也為刻畫街道空間景觀提供了可能。如:LONG和LIU[7]提出一種自動檢測街景圖片中綠化信息的方法,用于評估街道的綠化程度;MENG等[8]利用圖像語義分割技術提取了街景圖片中的綠色植物與天空要素,量化了綠視率與天空占比2項指標,分析了這2項指標與城市貧困的關系。同時,有學者研究了城市景觀與餐飲業(yè)活力的關系,如:陳曉東[9]基于路網(wǎng)、建筑物等眾源地理數(shù)據(jù),測算了街道寬度等城市形態(tài)指標與餐飲業(yè)密度等餐飲業(yè)活力指標,探討了城市形態(tài)和餐飲業(yè)活力之間的關系;XING和MENG[10]采用景觀指數(shù)法測算了城市景觀,探究了路網(wǎng)密度等街道空間景觀與餐飲業(yè)、住宿之間的關系。已有研究雖然發(fā)現(xiàn)了城市景觀與餐飲業(yè)活力關系的相關性,但是對于街道空間的刻畫僅限于街道長寬、路網(wǎng)密度和道路交叉口密度等街道的形態(tài)特征,缺少從街景視角下對街道空間中天空、植被、建筑、道路和圍墻等多種景觀目標的綜合測算與分析,對街道空間中景觀的刻畫不夠細致。已有學者研究了街道空間中的綠化、建筑物立面、道路占比、天空占比和街道的混亂程度等街道空間景觀對人們活動的影響。如街道空間的綠化、建筑物的圍合和天空的占比會對人們的步行活動產(chǎn)生影響[11-13];街道空間中的天空、樹木、建筑物和道路等目標構建的開敞度、綠視率、圍合度和機動化程度等街道空間測度指標與人們主觀感受對照具有對應性[14]。由上述研究可知,街道空間景觀會對人們的活動產(chǎn)生影響,有必要進一步分析街道空間景觀與街道空間的餐飲業(yè)活力的關系。

因此,本文以廣州市天河區(qū)為研究區(qū)域,基于圖像語義分割模型從街景圖片中提取了街道空間中的建筑物、天空和樹木等12種景觀目標,構建了圍合度、圍墻占比、天空占比、綠視率、道路占比和混亂度6個街道景觀指數(shù),分別與基于大眾點評數(shù)據(jù)測算出的餐飲業(yè)活力進行相關性分析,以期為餐飲業(yè)選址、街道空間設計和城市規(guī)劃提供決策支持。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況與實驗數(shù)據(jù)

以廣州市天河區(qū)為研究區(qū)域。天河區(qū)行政區(qū)域總面積為137.38 km2,東與黃埔區(qū)相連,南與海珠區(qū)相望,西與越秀區(qū)相接,北與白云區(qū)相鄰(圖1)。本研究根據(jù)天河區(qū)廣州環(huán)城高速、廣園快速路、華南快速干線和中山大道,將天河區(qū)分為北部、西部、西南部和東南部4個區(qū)域 ,其中北部包括了廣園快速路和廣州環(huán)城高速以北區(qū)域,西部包括了廣園快速路、華南快速干線和中山大道圍成的區(qū)域,西南部為中山大道和華南快速干線圍成的區(qū)域,東南部為廣州環(huán)城高速、廣園快速路和華南快速干線圍成的區(qū)域。

圖1 研究區(qū)概況

本文所采用的實驗數(shù)據(jù)為:2019年的OpenStreetMap(OSM)路網(wǎng)數(shù)據(jù)、2020年的高德POI數(shù)據(jù)、2019年的大眾點評數(shù)據(jù)、2020年的人口數(shù)據(jù)和2019年的街景數(shù)據(jù)。其中,POI數(shù)據(jù)通過高德地圖API獲得;大眾點評數(shù)據(jù)來自大眾點評網(wǎng);人口數(shù)據(jù)由WorldPop網(wǎng)站(https:∥www.worldpop.org)下載,空間分辨率為100 m;街景數(shù)據(jù)通過百度地圖API獲得,沿道路以30 m距離確定街景采集點,共獲取了80 700張街景圖片。數(shù)據(jù)的分布情況如圖2所示。

圖2 研究數(shù)據(jù)分布情況

1.2 研究方法

本文的研究思路(圖3)如下:首先,建立道路緩沖區(qū),提取緩沖區(qū)內分布在街道兩旁建筑物中的POI數(shù)據(jù),利用HDBSCAN對POI數(shù)據(jù)進行聚類,構建街道空間;其次,基于街景圖片,利用圖像語義分割模型提取建筑物、樹木和天空等街道景觀目標,從而構建街道景觀指數(shù),以量化街道景觀;然后,基于大眾點評餐飲業(yè)數(shù)據(jù),采用核密度估計方法測算餐飲業(yè)活力;最后,采用偏相關分析方法,探究街道空間的街道景觀與餐飲業(yè)活力的關系。

圖3 基于街景數(shù)據(jù)的街道景觀與餐飲業(yè)活力關系研究總體框架

1.2.1 基于HDBSCAN聚類的街道空間構建 道路、道路兩旁的建筑物和生活商業(yè)設施組成了街道空間,以往研究大多通過對道路建立緩沖區(qū)來表示街道空間。然而,同一條街道穿過城市的不同區(qū)域,街道空間的人口、基礎設施、餐飲業(yè)等分布形狀不規(guī)則且密度不同,難以確定街道空間的范圍與形狀。針對這一問題,本文建立道路緩沖區(qū),獲取緩沖區(qū)內分布在建筑物中的POI數(shù)據(jù),實現(xiàn)道路兩旁建筑物和生活商業(yè)設施的提取(圖4A);進一步地,采用HDBSCAN聚類來構建街道空間(圖4B)。HDBSCAN聚類是一種適用于處理任意形狀和不同密度的聚類問題的層次聚類方法,是DBSCAN聚類方法的拓展[15-16]。在HDBSCAN的聚類過程中,首先根據(jù)數(shù)據(jù)的密度進行空間變換,計算兩點間的互相可達距離;然后,建立最小生成樹,將樹中的所有邊按照距離遞增排序,以此將邊鏈接的2個子圖進行合并,通過層次聚類構建聚合樹;最后,對聚類樹進行剪枝,根據(jù)最小子樹的大小限制,合并距離較近的節(jié)點,形成最終的聚類結果。

圖4 街道空間構建

互相可達距離的計算公式如下:

dmereach-k(a,b)=max{corek(a),corek(b),d(a,b)},

(1)

其中,corek(x)為點x的參數(shù)k定義的核心距離,d(a,b)為點a與點b的原始距離。

1.2.2 基于街景數(shù)據(jù)的街道景觀量化

(1)基于圖像語義分割的街道景觀目標提取。圖像語義分割模型通過預測圖像中每一個像素的類別,識別出單個圖像中特定的目標和目標的邊界。本文基于金字塔場景解析網(wǎng)絡(PSPNet)[17],對街景圖片進行圖像語義分割,選擇ADE20K[18]為語義分割數(shù)據(jù)集,提取街景圖片中建筑物、圍墻、欄桿、廣告牌、道路、人行道、汽車、行人、樹木、草地、植物和天空12種街道景觀目標,并計算不同目標的像素數(shù)量。

提取街道景觀要素的具體公式如下:

(2)

其中:Ei,object為第i個街景采集點的街景圖片中目標object的像素數(shù);o為街景采集點街景圖片的方向,其取值1～4分別對應前、后、左、右4個方向;No,object表示采集點方向為o的圖片中要素object的像素數(shù)。本文中,object為建筑物、圍墻、欄桿、廣告牌、道路、人行道、汽車、行人、樹木、草地、植物和天空12個街道景觀目標。

(2)街景視角下的街道景觀指數(shù)構建。為了從街景的視角下對街道景觀進行量化,本文根據(jù)街景圖片中提取的12種景觀目標,構建了天空占比、綠視率、圍合度、圍墻占比、道路占比和混亂度6個街道景觀指標。指標描述如下:

①天空占比為天空在街景圖片中所占的比例,反映了街道空間的開闊程度,計算公式如下:

(3)

其中,Tpixel為前、后、左、右4個方向的圖片的總像素數(shù)。

②綠視率為樹木、草地、植物3種街道景觀目標在街景圖片中所占的比例,反映了街道空間的綠化程度,計算公式如下:

(4)

③圍合度為建筑物、廣告牌、樹木3種街道景觀目標組合成的街道立面在街景圖片中所占的比例,反映了街道空間的封閉程度,計算公式如下:

(5)

④圍墻占比為圍墻、欄桿2種街道景觀目標在街景圖片中所占的比例,計算公式如下:

(6)

⑤道路占比為路面、人行道、汽車3種街道景觀目標在街景圖片中所占的比例,反映了街道空間道路的寬闊程度,計算公式如下:

(7)

⑥混亂度為街景圖片的信息熵,反映了街道空間的混亂無序程度,計算公式如下:

(8)

其中,s為街景圖片中的目標數(shù),Pi為第i個目標的像素占比。

1.2.3 街道景觀與餐飲業(yè)活力關系分析

(1)基于核密度算法的餐飲業(yè)活力測算。餐飲業(yè)活力是城市餐飲商業(yè)空間中有形的、物化的環(huán)境所呈現(xiàn)的空間活力[6],可通過街道空間餐飲業(yè)的分布密度來體現(xiàn)[19]。本文選擇大眾點評中的餐飲業(yè)點評信息,采用核密度算法[20]得到街道空間中餐飲業(yè)的核密度。考慮到數(shù)據(jù)的空間分布與密度,本文選擇街道空間核密度的平均值來表示該街道空間的餐飲業(yè)活力。餐飲業(yè)活力的量化公式如下:

(9)

其中,v為街道空間的餐飲業(yè)活力值,f(k)i為街道空間第i個像素的核密度值,N為街道空間包含的全部核密度柵格像素數(shù)。

(2)基于偏相關分析的街道景觀與餐飲業(yè)活力關系分析。餐飲業(yè)的經(jīng)營需要依賴大量的人流量和密集的活動,在進行街道景觀與餐飲業(yè)活力關系分析時要考慮人口的影響。偏相關分析可以在控制其他變量的影響條件下分析兩變量間的相關性[21]。因此,本文采用偏相關分析,以人口數(shù)為控制變量,分析街道景觀與餐飲業(yè)活力的關系。偏相關系數(shù)的公式如下:

(10)

(11)

其中,r(X1,X2)為X1與X2的相關系數(shù),Cov(X1,X2)為X1與X2的協(xié)方差,Var[X]為X的方差,r(X1,X2)X3表示控制變量X3后,X1與X2的偏相關系數(shù)。偏相關系數(shù)越大,代表街道景觀與餐飲業(yè)活力的相關性越強烈。

2 實驗結果與分析

2.1 街道空間構建結果

本文采用OSM路網(wǎng)數(shù)據(jù)與POI數(shù)據(jù)構建街道空間:首先,選擇天河區(qū)城市三級道路、居住區(qū)道路等可以人車共同通行的道路,不考慮高速路、臺階和步行路等道路;然后,參考文獻[22-23]的方法,獲取街道50 m緩沖區(qū)內的POI數(shù)據(jù),提取道路兩旁的建筑物和生活商業(yè)設施;最后,使用HDBSCAN聚類對緩沖區(qū)內的POI數(shù)據(jù)進行聚類,確定街道空間的邊界,從而構建了230個街道空間。

由街道空間聚類結果(圖5)可知:天河區(qū)西南部的街道空間面積小、密度高,街道空間由西南向東北方向逐漸擴大,空間分布密度逐漸降低。

圖5 HDBSCAN聚類結果

2.2 街道景觀量化與餐飲業(yè)活力測算結果

本文利用PSPNet圖像語義分割模型提取天河區(qū)街景圖片中的建筑物、樹木等街道景觀目標,構建并計算了天空占比、綠視率、圍合度、圍墻占比、道路占比和混亂度6個街道景觀指標。采用自然間斷法,將街道景觀指標值由高到低分為高值、中高值、中值、中低值和低值5類。由街道景觀量化結果(圖6)可知:(1)從天河區(qū)西南部向外,混亂度呈現(xiàn)降低趨勢;天河區(qū)北部的混亂度以中低值為主。(2)天河區(qū)西南部的圍合度以中高值為主,西部的圍合度以中低值為主。(3)天河區(qū)北部的天空占比以中高值為主,其他區(qū)域的天空占比以中低值為主,高值分布較少。(4)圍墻占比、道路占比和綠視率分布較為均勻,各區(qū)均有高值和低值分布。

圖6 街道景觀測算結果

基于大眾點評中的餐飲業(yè)點評信息,以50 m為分析半徑,利用核密度算法,測算天河區(qū)餐飲業(yè)活力。由結果(圖7)可知天河區(qū)的餐飲業(yè)活力呈現(xiàn)多中心分布:西南部的餐飲業(yè)活力中心主要分布在黃埔大道西沿線;東南部的餐飲業(yè)活力中心沿中山大道均勻分布;西部的餐飲業(yè)活力中心分布分散;北部的餐飲業(yè)活力中心沿龍洞東路分布,主要集中在龍洞區(qū)域。

圖7 餐飲業(yè)核密度分析結果

2.3 街道景觀與餐飲業(yè)活力關系分析結果

采用偏相關分析方法,將人口數(shù)作為控制變量,分析街景視角下的街道景觀與餐飲業(yè)活力的關系。本文采用文獻[24]給出的標準來評估關聯(lián)強度:系數(shù)在0.10～0.29之間代表輕微的關聯(lián),在0.30～0.49之間代表中等關聯(lián),在0.50以上代表強烈的關聯(lián)。由分析結果(表1)可知:(1)從整體上看,天河區(qū)街道空間的混亂度、天空占比、綠視率、圍墻占比均與餐飲業(yè)活力呈顯著負相關,圍合度與餐飲業(yè)活力呈顯著正相關。這是因為混亂度反映了街道環(huán)境的混亂無序程度,直接影響人們在街道活動的體驗;天空占比、綠視率和圍墻占比會影響人們在街道上步行、休閑娛樂,不利于商業(yè)發(fā)展,影響餐飲業(yè)活力;圍合度從行人視角下反映了街道立面對街道環(huán)境的封閉程度,高圍合度有利于人與街道空間的交流,進而為步行、休閑娛樂提供良好的活動空間,促進商業(yè)和人類活動的進行,有利于餐飲業(yè)的發(fā)展。(2)從局部上看,天河區(qū)的西南部主要為中心商務區(qū),該區(qū)域的混亂度、綠視率均與餐飲業(yè)活力呈顯著負相關,相關系數(shù)分別為-0.558、-0.622;天河區(qū)的北部主要為城郊混合居住區(qū),該區(qū)域的圍合度與餐飲業(yè)活力呈顯著正相關,相關系數(shù)為0.412;天河區(qū)東南部的圍合度與餐飲業(yè)活力呈顯著正相關,道路占比與餐飲業(yè)活力呈顯著負相關,相關系數(shù)分別為0.656和-0.524;天河區(qū)西部的混亂度與餐飲業(yè)活力呈顯著負相關,相關系數(shù)為-0.332。結合圖8可知:(1)華穗路位于天河區(qū)西南部中央商務區(qū),街道立面主要由現(xiàn)代化的高樓形成圍合;高地大街位于天河區(qū)東南部城中村,主要由低矮的自建房圍合。雖然華穗路和高地大街的環(huán)境不同,但是街道的高圍合促進了街道上人的活動,有利于商業(yè)的發(fā)展。(2)林機街位于天河區(qū)北部,該區(qū)域的圍墻和柵欄限制了行人在街道上的行動,開闊的天空與道路有利于車輛的通行。(3)華明路、燕成路分別位于天河區(qū)西南部與西部,這2個區(qū)域的樹木茂密,樹木分叉過低導致場景陰暗,遮擋餐飲業(yè)商鋪的廣告牌,影響人們的體驗,不利于餐飲業(yè)的發(fā)展。(4)位于天河區(qū)北部的富民路、新元大街的街道環(huán)境更加混亂,影響行人體驗,其混亂度均高于迎龍路和位于天河區(qū)西部的先烈東路。

表1 偏相關分析結果

圖8 典型街景示例

3 結束語

本文以城市街道所承載的商業(yè)功能中的餐飲業(yè)為例,對街景視角下的街道景觀和餐飲業(yè)活力之間的關系進行了分析:基于HDBSCAN聚類構建街道空間,基于街景數(shù)據(jù)構建街道景觀指標,量化街道景觀,利用偏相關分析方法探究街道景觀與餐飲業(yè)活力之間的關系,并在廣州市天河區(qū)進行實驗驗證。結果表明:街景視角下的街道景觀與餐飲業(yè)活力具有相關關系,具體表現(xiàn)為混亂度、綠視率、圍墻占比和天空占比均與餐飲業(yè)活力呈負相關,而圍合度與餐飲業(yè)活力呈正相關。

結合本文實驗結論,提出以下若干建議:

(1)城市空間設計中可以通過改造道路寬度和道路兩旁建筑物的高度來形成合適的街道空間圍合度,促進行人與街道空間的互動,提升餐飲業(yè)活力。

(2)對街道兩旁建筑物的外墻廣告、門店招牌和建筑物材料色彩進行設計,建設整潔有序的街道,降低街道空間的混亂度。

(3)對于綠視率高的區(qū)域,可以通過種植高分叉植物來營造下層通透的林蔭空間,減少圍墻欄桿,為行人提供安全舒適、通暢整潔的休閑環(huán)境,提高餐飲業(yè)活力。

本文基于街景數(shù)據(jù)的街道景觀與餐飲業(yè)活力關系研究中的餐飲業(yè)活力的測算僅考慮了大眾點評餐飲類數(shù)據(jù)的空間分布與密度,未考慮街道空間的餐飲業(yè)人流量、評分和人類活動等對餐飲業(yè)活力的影響,街道景觀與餐飲業(yè)活力的分析也僅集中在廣州市天河區(qū)。后續(xù)研究可以從以下兩方面進行改進:一方面,可使用手機信令、位置簽到等多源時空數(shù)據(jù)測算餐飲業(yè)活力;另一方面,可在多個不同的研究區(qū)域進一步探討街道景觀與餐飲業(yè)活力的關系。