街道步行指數的大規模評價
——方法改進及其成都應用 *

周 垠 龍 瀛

街道步行指數的大規模評價
——方法改進及其成都應用 *

周 垠 龍 瀛

步行交通對于城市可持續發展的積極意義，已經得到國際、國內的廣泛接受和肯定，可步行性評價也得到了越來越多的關注。基于國際上流行的WalkScore的評價思路，對其計算方法進行簡化，并加入街道環境影響因子，對成都市一、二圈層區縣內的街道可步行性展開綜合評價。根據可步行性的評價結果，與人口空間分布展開相關分析，評價臨街設施分布的合理性；并對比分析住宅類街道（R）、公共管理與公共服務類街道（A）和商業服務業設施類街道（B）的可步行性的差異及不同類型街道的圈層分布差異。研究表明，住宅類街道可步行性最高，其次為公共服務類街道，商業類街道可步行性相對較低；然后分析了市中心、區縣中心、地鐵口、商業綜合體等區位因素對街道可步行性的影響，其中原市中心（天府廣場）對街道可步行性的影響最大，其次為區縣中心，地鐵口和商業綜合體能一定程度提升周邊街道可步行性。

可步行性 | WalkScore | 街景 | 人本尺度 | 成都

周 垠

成都市規劃設計研究院規劃師，碩士

龍 瀛（通訊作者）

清華大學建筑學院

副教授，博士生導師，博士

伴隨我國城鎮化進程的加快，城市人口和空間規模不斷擴張，城市居民的出行總量和出行距離大幅增長，機動化出行比例迅速上升，道路設計以車行為主導，步行環境在很長一段時間不受重視。步行是人類的本能和需要，是健康且最為低碳的出行方式。推廣步行理念，鼓勵步行友好的街道發展，能為城市居民和城市發展本身帶來諸多好處[1-2]。同時，步行城市為人們審視城市空間提供了一個自下而上的人本視角，能夠讓人們擺脫鳥瞰視角宏大但比較粗糙的敘事，讓市民深入體驗城市空間的細節，讓城市空間富有人文關懷、生活氣息和藝術氣質[3]。關于城市街道可步行性的研究，也逐漸受到重視。

可步行性是一種空間屬性，描述了空間對于人們步行出行的引導能力，具體是指出發地和目的地之間的空間鄰近性及兩點間步行的便捷性和舒適性[4]。步行指數被公認會影響行人活動，部分研究以地塊或者街區為研究單元，通過住宅密度、容積率、道路交叉口密度、用地混合度等因素計算步行指數，嘗試分析收入水平與步行上班的關系[5]、與空氣質量的關系[6]，與行人活動的關系[7]。步行指數的評價方法眾多，其中最直接的方法是統計步行者的數量和從事的活動[8-9]。Reid Ewing通過街景視頻剪輯和專家評分的方法，觀察人的活動，評估了城市意象、圍合度、人性尺度、透視性、復雜性、識別性、連續性和一致性對步行行為的影響[10-13]。觀察或監測的人流量和人口密度雖然客觀性強，但并不能反映行人的活動目的和種類，無法判別活動的積極性，且成本高[14]。因此，需要探索定量評價街道可步行性的方法，并提供一套統一的測度指標和計算方法，用于不同街道和城市之間的縱向對比。

目前關于可步行性的測度指標，主要有兩個不同的研究方向：一個側重于街道（或地塊）的功能，也就是在這里步行的目的[15-18]；另外是從街道的設計來考量，也是就步行的環境要宜人、安全等[19-20]。2007 年，美國研究者提出了基于日常設施布局的“步行指數”（WalkScore）的概念，主要考慮了日常設施的種類和空間布局，同時，引入了步行距離衰減、交叉口密度、街區長度等因素，提高測度的準確性。它是目前唯一的國際性量化測度可步行性的方法，已在美國、加拿大、澳大利亞等國家廣泛應用。吳健生等人采用WalkScore的研究思路，將設施分類與權重本地化，并將距離衰減簡化為分段函數，計算了深圳市福田區步行指數[21]。WalkScore是典型的功能主導的計算方法，且考慮了街道的連通性，但忽略了街道環境。因此，本研究嘗試著將街道環境指標對WalkScore進行修正，以對街道可步行性展開綜合評價。

1 研究范圍與數據

1.1 研究范圍

本文研究區域為成都市，位于四川盆地西部、成都平原腹地，境內地勢平坦，河網縱橫，物產豐富，農業發達，自古就有“天府之國”的美譽。2016年5月，經國務院同意，發改委和住建部聯合印發《成渝城市群發展規劃》指導文件，文件中將成都定位為國家中心城市。成都市域分為3個圈層，共19個區市縣，一圈層包含5個，二圈層包含6個，三圈層包含8個。由于第三圈層的區縣街景圖片未能覆蓋，本文的研究范圍為成都市一、二圈層區縣，總面積約3 678 km2（圖1）。

圖1 成都市域資料來源：作者自繪。

1.2 研究數據

本文數據主要包括如下幾類：街道可步行性評價的數據，包括路網、設施分布、街景圖片；測度街道人口的手機信令數據；現狀用地數據。

（1）路網。源于2014年的測繪數據，道路不僅僅是網絡分析的基礎，也是可步行性評價的基本單元。原始路網數據細節過多，且存在可能的拓撲錯誤等問題，因此需要進行制圖綜合與拓撲處理，簡化為拓撲無誤的道路中心。

（2）設施分布。運用網絡爬蟲的方法，爬取某大型地圖網站的POI數據（2014年），然后參照WalkScore設施分類標準，對POI數據重分類，分為雜貨店、餐館與酒吧、銀行等。

（3）街景圖片。運用網絡爬蟲的方法，與騰訊街景地圖提供的應用程序接口，每隔50 m獲取一個點的街景圖片（2016年），用于街道環境評價。

（4）街道人口。街道人口數據通過手機信令數據來推測，為了減少日常必要性活動（比如上下班）對人口密度分布規律的影響，本文選取2015年9月某個周末下午14:00—17:00的手機信令數據來反映與街道可步行性相關的人口密度[22]。

（5）用地類型。參考《城市用地分類與規劃建設用地標準（GB50137—2011）》，將原始地塊數據分為9類：R（居住用地）、A（公共管理與公共服務用地）、B（商業服務業設施用地）、M（工業用地）、W（物流倉儲用地）、S（道路與交通設施用地）、U（公用設施用地）、G（綠地與廣場用地）和TESHU（其他用地）[22]。

2 研究方法

2.1 街道可步行性指標體系

本研究在WalkScore的評價體系基礎之上，嘗試對街道功能和街道環境進行綜合評價。街道功能的評價方法類似于WalkScore，但部分設施需要本地化，比如將茶館納入咖啡店這一類。街道環境變量可通過街景圖片識別，目前已經實現街道綠化的自動計算方法，而街道鋪裝、沿街立面設計等因素目前還未能實現計算機自動評價，暫未納入本次計算（后續將進一步研究），評價指標體系如圖2。

2.2 設施服務水平

設施服務水平計算的總體思路參照WalkScore，首先對POI數據重新分類，并給不同類型賦予相應的權重；基于分類之后的結果，和簡化、拓撲處理的路網，構建網絡數據集，計算各類POI的400 m、800 m、1 200 m、1 600 m、2 400 m的服務范圍；各類POI的服務范圍乘以相應的衰減系數后，按權重疊加即可得到設施服務水平的評價結果。

相對WalkScore的計算方法，本研究在如下兩方面有所簡化：

（1）重點考慮設施的功能混合度，不考慮功能密度。比如，400 m范圍內有1個雜貨店和2個雜貨店權重相同，重要的是設施的多樣性，能滿足日常生活的需求。已有研究表明，街道功能混合度對街道活力的影響高于街道功能密度[22]，且簡化之后計算速率大大提高。參照WalkScore的設施分類與權重賦值的方法，部分設施本土化，比如將咖啡店和茶館劃為一類，設施分類及權重如表1。

（2）計算采用分段函數，400 m內設施服務無衰減，400—800 m衰減系數為0.9，800—1 200 m衰減系數為0.55，1 200—1 600 m衰減系數為0.25，1 600—2 400 m衰減系數為0.08，距離超過2 400 m不考慮服務水平（圖3）。

圖2 街道可步行性測度指標體系資料來源：作者自繪。

圖3 距離衰減函數資料來源：作者自繪。

圖4 街道綠化率計算方法資料來源：作者自繪。

表1 設施分類及權重

2.3 街道綠化

城市街道綠化水平一直是評價城市環境和環境品質的重要因素之一。良好的街道綠化可使人心情平靜，減少道路路面的熱島效應，吸收大氣中其他有害物質能力，吸塵，隔音，降噪。街景圖片是一種人本視角判斷街道綠化水平的重要數據源，圖片的自動獲取與客觀分析降低了調研成本，且提升了評價的科學性。

筆者曾選取成都市內騰訊街景地圖覆蓋的所有街道（街景地圖僅覆蓋了第一、二圈層區縣）為研究對象，每50 m選一個樣本點，通過騰訊地圖提供的應用程序接口，用Python程序提取每個樣本點前、后、左、右、正上方5個方向近百萬張街景圖片，運用MATLAB圖像識別的方法，分析每張圖片綠色植被面積占比，客觀評價每個點的平視綠化率和仰視綠化率，街道的綠化率為該街道上所有樣本點的平均值，方法如圖4[23]。

種植喬木可改善道路空間尺度關系、降低空曠感、塑造道路景觀等功能，進而提升街道可步行性。因此，本次研究選取“林蔭率”代表街道綠化水平，即仰視綠化率（圖5）。運用ArcGIS等數量分級的方法，將仰視綠化率等數量分5級（圖5），清晰地反映出：中心5城區仰視綠化水平總體高于周邊區縣，特別是二環內，明顯高于其他區域。

圖5 街道仰視綠化水平資料來源：作者自繪。

圖6 可步行性綜合評價結果資料來源：作者自繪。

2.4 綜合評價

本次研究綜合考量街道的功能和街道環境，街道功能即上述設施服務水平，街道環境目前實現了街道綠化率的程序自動計算。通過專家打分確定綠化對街道可步行性的影響權重，影響系數為0.15，即仰視綠化率最高的街道得分為1，仰視綠化率最低的得分為0.85，其他街道綠化得分介于0.85—1.0。計算方法如下：

式中，Green_V表示某條街道的仰視綠化水平；Greenmax表示研究范圍內仰視綠化的最大值；Green為參與街道可步行性評價的最終綠化水平；wi表示某類設施的影響權重；Walk表示本研究評價的可步行性結果；i表示不同類型的設施；j表示不同的步行距離；Si,j表示某類設施和步行距離的服務范圍；DDi,j表示設施的距離衰減系數。

3 結果分析

3.1 步行指數綜合評價結果

根據如上方法，對成都街道可步行性綜合評價結果如圖6。由圖可知，成都市中心城區的可步行性明顯高于二圈層區縣；在中心城區內，總體而言，以天府廣場（成都的幾何中心）為中心，隨著距離的增加，可步行性逐漸降低；西邊的可步行性整體高于東邊，南邊高于北邊；周邊區縣，溫江縣的可步行性高于其他區縣。根據手機信令數據反映的人口密度數據和本研究步行指數的評價結果可知，兩者的皮爾遜相關系數為0.517，通過0.05水平顯著性檢驗。

為了便于清晰地展示出不同方法評價結果的差異性，本文給出成都市中心城區內，街道可步行性的計算方法改善前（功能主導）和改善后（綜合考量功能和環境）的評價結果（圖7）。采用等數量分級的方法，將評價結果分為10級。若沿用WalkScore的計算思路，步行指數最高的等級在春熙路、四川大學、玉林片區、雙楠片區集中（圖7a）。綜合評價的結果，總體規律與左圖一致，但春熙路步行街由于綠化較差，評價水平明顯降低；部分區域環境良好，比如浣花溪公園、杜甫草堂等區域綜合評價的結果明顯提升，更符合實際情況。

本研究根據街道兩側用地性質，將街道類型劃分為9類[22]。下面將重點對比不同圈層、不同類型與日常生活息息相關的幾類街道的可步行性：公共管理與公共服務類街道（A）、商業服務業設施類街道（B）、住宅類街道（R）。圖8清晰地反映了如下規律：

（1）總體上，一圈層區縣街道可步行性明顯高于二圈層；

（2）無論哪個圈層，R類街道可步行性最高，其次為A類，B類街道可步行性相對較低；

（3）隨著圈層的變化，不同類型街道圈層之間的可步行性差異相當（數值為10左右），其中B類街道受圈層的影響略高，R類略低。

圖8 不同類型街道可步行性評價結果資料來源：作者自繪。

3.2 步行指數的解釋模型

本研究步行指數的評價考慮了設施的功能多樣性、街道的連通性和綠化水平，其中設施功能是主要影響因素。設施的布局受多種因素的影響，而設施的布局受區位影響較大，本文考慮影響可步行性的區位因素如下：與原行政中心的距離（即天府廣場）、與新行政中心的距離（在原行政中心的位置南遷9.5 km）、區縣中心、地鐵口距離、商業綜合體距離。參與回歸分析的街道樣本有33 732條，回歸分析結果如表2，新行政中心影響未通過0.05水平顯著性檢驗，已剔除。

從回歸分析的結果可知，街道可步行性受原市中心的距離影響最為顯著（距離市中心越近，街道可步行性越高），區縣行政中心的距離影響次之，離地鐵口和商業綜合體能一定程度上促進附近臨街設施的分布，進而促進街道可步行性。

4 結論與討論

成都街道可步行性評價是基于筆者與合作者曾經提出的街道城市主義[24]、圖片城市主義[23]等理論研究基礎之上的，對人本尺度城市形態研究的一次實踐嘗試。本文基于WalkScore的研究思路，綜合考量街道的功能和街道環境，基于人本視角引入了街景圖片，獲取街道環境，并計算街道的仰視綠化率，對成都市二圈層區縣街道可步行性展開評價。

從理論上而言，綜合考量街道功能和街道環境的影響，是對Walkscore計算方法的優化；在實踐中，考慮街道功能多樣性，以及采用分段函數替代連續函數計算設施服務的距離衰減系數，大大降低了計算的時間，便于大范圍推廣計算。

本研究的計算結果表明：成都市二圈層區縣內街道可步行性與人口分布較為一致，即人口密度高的區域可步行性高，說明成都臨街功能布局較為合理；成都街道可步行性的區位因素影響因子中，天府廣場最為明顯，區縣中心、地鐵口、商業綜合體對周邊街道可步行性的提升有一定促進作用；住宅類街道可步行性最高，其次為公共管理與公共服務類街道，商業服務業設施類街道可步行性相對較低。

表2 可步行性區位影響因子回歸分析

然而本文也有待進一步優化的地方，比如街道環境的影響目前僅僅實現了街道的仰視綠化率的程序自動計算，其他指標比如街道鋪裝、沿街立面的好壞已實現人工判讀的方法來評價[25]，但難以用于大范圍的研究，后續可通過機器學習的方法實現自動街道環境評價，從而對可步行性計算進一步完善。

References

[1]自然資源保護協會. 2015年中國城市步行友好性評價報告[R]. 2016. Natural Resources Defense Council. 2015 Walkability evaluation report of Chinese cities[R]. 2016.

[2]自然資源保護協會. 中國城市步行友好性評價（階段性報告）[R]. 2014. Natural Resources Defense Council. Walkability evaluation report of Chinese cities[R]. 2014.

[3]朱力，張楠. 人民日報新知新覺：城市規劃應重視步行者視角[EB/OL].（2016-08-04）[2016-12-01]. http://opinion.people.com.cn/n1/2016/0804/c1003-28609054.html. ZHU Li, ZHANG Nan. New knowledge and new sense of people's daily: urban planning should pay attention to the perspective of pedestrians[EB/OL].（2016-08-04）[2016-12-01]. http://opinion.people. com.cn/n1/2016/0804/c1003-28609054.html.

[4]盧銀桃，王德. 美國步行性測度研究進展及其啟示[J]. 國際城市規劃，2012，27（1）：10-15. LU Yintao, WANG De. Walkability measuring in America and its enlightenment[J]. Urban Planning International, 2012, 27(1): 10-15.

[5]Frank L D, Sallis J F, Saelens B E, et al. The development of a walkability index: application to the neighborhood quality of life study[J]. British Journal of Spores Medicine, 2010, 44(13): 924-933.

[6]Marshall J D, Brauer M, Frank L D. Healthy neighborhoods: walkability and air pollution[J]. Environmental Health Perspectives, 2009, 117(11): 1752-1759.

[7]Rundle A G, Sheehan D M, Quinn J W, et al. Using GPS data to study neighborhood walkability and physical activity[J]. American Journal of Preventive Medicine, 2016, 50(3): e65–e72.

[8]Lo R H. Walkability: what is it?[J]. Journal of Urbanism: International Research on Place making and Urban Sustainability. 2009, 2(02): 145-166.

[9]黃建中，胡剛鈺. 城市建成環境的步行性測度方法比較與思考[J]. 西部人居環境學刊，2016，31（1）：43-47. 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): 43-47.

[10]Ewing R, Clemente O, Handy S, et al. Identifying and measuring urban design qualities related to salkability——final report[R]. Princeton, NJ: Robert Wood Johnson Foundation, 2005.

[11]Ewing R, Handy S, Brownson R, et al. Identifying and measuring urban design qualities related to walkability[J]. Journal of Physical Activity and Health. 2006(3): 223-240.

[12]Ewing R, Handy S. Measuring the unmeasurable: urban design qualities related to walkability[J]. Journal of Urban Design, 2009, 14(1): 65-84.

[13]Ewing R, Cervero R. Travel and the built environment[J]. Journal of the American Planning Association, 2010, 76(3): 265-294.

[14]劉迎賓. 深圳市桃源街區可步行性測度及驗證研究[D]. 哈爾濱：哈爾濱工業大學，2013. LIU YingBin. The walkability measurement and the validation study of the Taoyuan District in Shenzhen[D]. Harbin: Harbin Institute of Technology，2013.

[15]Cervero R, Kockelman K. Travel demand and the 3Ds: density, diversity, and design[J]. Transportation Research Part D: Transport and Environment, 1997, 2(3): 199-219.

[16]Forsyth A, Hearst M, Oakes J M, et al. Design and destinations: factors influencing walking and total physical activity[J]. Urban Studies, 2008, 45(9): 1973-1996.

[17]Frank L D, Pivo G. Impacts of mixed use and density on utilization of three modes of travel: single-occupant vehicle, transit, and walking[J]. Transportation Research Record, 1994 (1466): 44-52. Krizek K J, Johnson P J. Proximity to trails and retail:

[18]Doyle S, Kelly-Schwartz A, Schlossberg M, et al. Effects on urban cycling and walking[J]. Journal of the American Planning Association, 2006, 72(1): 33-42.

[19]Active community environments and health: the relationship of walkable and safe communities to individual health[J]. Journal of the American Planning Association, 2006, 72(1): 19-31.

[20]Southworth M. Designing the walkable city[J]. Journal of Urban Planning and Development, 2005, 131(4): 246-257.

[21]吳健生，秦維，彭建，等. 基于步行指數的城市日常生活設施配置合理性評估——以深圳市福田區為例[J]. 城市發展研究，2014（10）：49-56. WU Jiansheng, QIN Wei, PENG Jian, et al. The evaluation of walkability and daily facility distribution reasonability of Futian District, Shenzhen based on WalkScore[J]. Urban Development Studies, 2014 (10): 49-56.

[22]龍瀛，周垠. 街道活力的量化評價及影響因素分析——以成都為例[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.

[23]龍瀛，周垠. 圖片城市主義：人本尺度城市形態研究的新思路[J]. 規劃師，2016. LONG Ying, ZHOU Yin. Picture urbanism: understanding human scale urban form with the lens of geotagged pictures[J]. Planners, 2016.

[24]龍瀛. 街道城市主義，新數據環境下城市研究與規劃設計的新思路[J]. 時代建筑，2016（ 2）：128-132. LONG Ying. Street urbansim: a new perspective for urban studies and city planning in the new data environment[J]. Time Architecture, 2016 (2): 128-132.

[25]唐婧嫻，龍瀛，翟煒，等. 街道空間品質的測度、變化評價與影響因素識別：基于大規模多時相街景圖片的分析[J]. 新建筑，2016，168（5）：110-115. TANG Jingxian, LONG Ying, ZHAI Wei, et al. Measuring quality of street space, its temporal variation and impact factors: an analysis using massive street view pictures[J]. New Architecture, 2016, 168(5): 110-115.

Large-scale Evaluation for Street Walkability: Methodological Improvements and the Empirical Application in Chengdu

The significant effect of walking on urban sustainability has attracted worldwide attention. More and more walkability evaluation studies have been conducted in recent years. In this paper, we revised the evaluation method for WalkScore via introducing street greenery and applied the revised method in Chengdu. The application results reveal that streets in residential areas are associated with greater WalkScore, in comparing with those in business areas. In addition, streets being closer to the city center, sub centers, subway stations and shopping centers have greater WalkScore values as well.

Walkability | WalkScore | Street view | Human-scale | Chengdu

1673-8985（2017）01-0088-06

TU981

A