城市街道景觀特征與連續性評價方法研究

周韜 鄭文暉 陳啟泉

隨著城市的迅速發展與人們對城市建設問題的深入認識，人們對城市街道景觀設計的認識已不再局限于三維空間建構，如尺度、比例等內容，而更傾向于在街道中的空間體驗與視覺感受。從視覺感知的角度看，構成街道的要素如界面、綠化等與道路共同形成了對城市街道空間的視覺認知，反映了城市不同區域的空間特征。視覺感受是人們感知城市空間最直接的方式之一，基于視覺認知的城市街道景觀設計已成為城市設計研究的重要內容之一。

1 相關研究綜述

在城市街道設計的感性認識方面，國外學者已有了大量研究成果。如Kevin Lynch對市民進行城市感知調查，總結了城市認知的幾類要素：道路、區域、邊界、節點和標志物[1]。Jane Jacobs認為街道的形成有賴于兩旁建筑物的圍合[2]。蘆原義信則將街道空間形態量化，并以此為基礎討論不同形態的街道對空間認知產生的影響[3-4]。

近年來，國內學者在街道空間的連續性方面開展了大量研究。如金廣君探討了街道墻的構成規律和設計要點[5]。周可斌提出了“街道連續性”的概念，探討了街道界面連續性的意義，并提出了街道側界面連續性控制的具體指標與方法[6]。周鈺等學者嘗試以參數來表示街道界面整體認知差異[7]，并在隨后的研究中以量化的方法對街道界面與城市形態的關聯性進行了討論[8]。姜洋等學者則以GIS為手段，發現街道界面連續性與建筑密度、容積率和路網密度呈現顯著的正相關關系，與道路寬度存在負相關關系[9]。以上研究均屬街道三維空間模型構建及其相關因素范疇。研究中多以貼線率為重要指標，以三維空間尺度數據反映空間及其連續性特征。

1 實景照片Scene photo

2 街道景觀認知畫面Street visual cognition of scene photo

3 貼線率情況1Build-to-line ratio situation 1

4 貼線率情況1相應視覺認知Visual cognition of build-to-line ratio situation 1

5 貼線率情況2Build-to-line ratio situation 2

6 貼線率情況2相應視覺認知Visual cognition of build-to-line ratio situation 2

在街道景觀感知方面，國外學者的研究非常有啟發意義。Bin Jiang等學者邀請受驗者參加特里爾社會應激測試（Trier Social Stress Test），通過測試受驗者的唾液皮質醇與皮膚電傳導變化來反映街道樹木覆蓋率（Ensities of Tree Cover）對緩解人體心理壓力的作用[10]。Chester Harvey從街道的安全性感知出發，提出“街景骨架”（Streetscape Skeleton）的概念，并以GIS為研究工具，對安全性感知要素測試，通過建立回歸模型發現對空間圍合性相關指標如樹木遮蔽率（Tree Canopy）、街區的建筑數量、街道交叉口的比率、街道界面的高寬比等要素對街道安全性感知影響較大[11]。Dongying Li等學者以青少年對自然環境的關注度與心理感知為研究對象，為每位受驗者佩戴GPS工具，記錄受驗者每天所在位置的谷歌街景地圖畫面，并讓受驗者填寫心理測試問卷，以此揭示青少年對自然環境的關注度與心理感知之間的關聯性[12]。國外學者大多從客觀觀測角度對人體心理感知進行量化測試，用于測試受驗者的樣本大多是相互獨立或片段式的圖像數據。在此基礎上，國內學者在相關研究方面進行了拓展。梁凱、劉曉惠在視覺分析的基礎上，提出適應不同地段環境特征的道路景觀設計策略[13]。邵鈺涵、劉濱誼使用體驗性景觀標注法配合照片導向面試過程，結合針點記注法的基本原理來收集有效數據，發現雖然受訪者的偏好絕大部分都受到街道景觀美學視覺質量本身的影響，景觀美學質量越高，共識越趨于統一[14]。龍瀛和葉宇在大數據時代的技術支持下提出了“人本尺度城市形態”（Human-scale Urban Form）概念，強調對城市感知的重要性[15]，并以北京和上海為例，利用街道微觀尺度的圖像數據，通過要素客觀構成分析和使用者主觀評價，對北京和上海的街道空間品質進行了測度分析[16]。徐磊青等探討了迷人街道的2個變量：建筑界面與綠視率對街道體驗的影響，并使用VR技術使受驗者體驗虛擬街道模型，分析結果表示建筑界面和綠視率都影響了街道的迷人體驗，但是界面影響第一，綠視率第二[17]。懷松垚從出行行為、主觀感受、主觀認知度等方面系統性地梳理了近十余年來新數據、新技術在城市公共空間品質研究中的應用進展，為城市空間品質的提升和優化提供了定量化依據[18]。

在以上理論與實踐中，大多數學者著重于對街道空間形態及其品質評價等方面進行定性定量分析，取得了重要的研究成果。但在街道視覺景觀特征的量化方法方面，少有研究涉及。街道景觀感知的相關研究多數集中在街道的綜合品質感受方面，研究對象多是片斷式的圖像數據，而在對連續的街道景觀特征研究方面略有欠缺。原因可能是街道景觀特征的概念模糊，缺乏準確定義，難以以數據的方式量化。筆者希望在現有的基礎上，對街道景觀特征進行歸納量化，并將街道景觀視為斷片式景觀畫面的集合，以圖像數據為基礎研究其連續性評價方法。

2 研究對象與研究方法

2.1 研究對象

2.1.1 街道景觀特征與認知畫面

在以往的研究中，多數文獻對以視覺認知為基礎的街道景觀特征描述較模糊，缺乏準確定義。但根據相關文獻[10-12]的研究基礎，對街道景觀的描述大多以綠視率、開敞度等要素作為討論對象。因此，在本研究中將街道景觀要素分為3類：天空、建筑（含地面）、綠化。為對此3類要素進行系統性的歸納和總結，需要借用計算機視覺領域中的“圖像語義（分割）”概念①。“圖像語義（分割）”是指通過計算機對圖像數據的處理運算，對圖像中的目標進行切割劃分，并賦予語義標簽，使分割出來的目標圖像具有可識別性。本研究借用圖像語義分割的概念，引申為“街道景觀認知畫面”。以圖1、圖2內容為例，以相機拍攝到的城市街道景觀照片（圖1）模擬人眼接收到的視覺信息，使用AutoCAD軟件將3類要素以抽象化的形式分類表現為“街道景觀認知畫面”（下文簡稱為“認知畫面”，圖2）。認知畫面中偶有如汽車、天線等建筑要素之外的遮蔽物進入畫面中，在繪制過程中進行部分糾偏。街道景觀特征由多片段集合連續的認知畫面所反映，并以3類要素在畫面中所占比例的數值對其進行量化，要素在畫面中所占比例的數值在本研究中可稱為“畫面占有率”。

7 拍攝點選取原則示意Shooting point selection principle

8 貼線率計算方法示意The method of calculating the build-to-line ratio

9 B2點貼線率計算范圍示意The build-to-line ratio calculation range of point B2

10 調研對象區域位置Location of investigation objects

11 拍攝點編號Shooting point number

2.1.2 貼線率與連續性

貼線率是引申自美國“街道墻”（street wall）概念的產物。美國建筑師威廉 阿特金森（Wiiilam Atkinson）首次提出街道墻概念，用以控制街道界面的連續性。紐約市在1916年首次實行的新分區法中，街道墻是其中的一個重要概念[5]。經文獻[19]考證，在中國，“貼線率”（build-to-line ratio）一詞最早出現在《深圳市羅湖區分區規劃1998—2010》（2001）第六章第二十二條中。此后，在部分城市制定的相應的城市設計管理條例或法規中，各自給出了相應的貼線率計算方法②。以《上海市控制性詳細規劃技術準則》（2016年修訂版）為例，其中的貼線率定義為：建筑物貼建筑控制線的界面長度與建筑控制線長度的比值，計算公式為：貼線率（P） = 街墻立面線長度（B）/ 建筑控制線長度（L）╳ 100%[20]。

通過建立簡單的電腦模型考察貼線率對街道景觀的影響，從定性的角度看（圖3～6），在相同道路等級的情況下，建筑貼線率的不同導致了街道景觀視覺認知畫面的差異。從街道空間連續性研究的角度看，貼線率被認為是影響城市街道界面連續性的重要因素之一。如《街道界面密度與城市形態的規劃控制》[8]《基于GIS的城市街道界面連續性研究：以濟南市為例》[9]在對街道界面連續性的討論中，街道連續界面貼線率數據的穩定性被視作衡量界面連續性的重要指標。依據這一標準，在連續的街道片段景觀認知畫面中，各類要素所占畫面比例的穩定性可被視為衡量街道景觀連續性的重要指標。在本研究中，除了定性之外，筆者將從定量的角度考察貼線率與畫面占有率之間的關系，并考察兩者之間連續性的相互關系與影響。

2.2 研究方法

根據選定的研究對象，可以制定研究方法如下。

2.2.1 選取拍攝點

在選取的調研對象街道中，按既定方向在道路一側的人行道行進，以約100m距離為單位，按照路口—街區中點—路口的原則選取拍攝點，使用相機對街道景觀進行逐點連續拍攝。局部可按路網結構等實際情況對拍攝點進行調整（圖7）。將拍攝好的照片歸納表現為認知畫面。考慮到冬季樹木落葉對圖像數據收集的影響，調研時間一般定于秋季。

2.2.2 計算畫面占有率

計算街道景觀認知畫面中的畫面占有率，以百分數表示。在根據照片（圖1）繪制的街道景觀認知畫面（圖2）中，天空占有率為26.67%，建筑占有率為70.03%，綠化占有率為3.30%，三者合計100%。街道的景觀特征可以由連續的認知畫面所反映，并以3類要素在畫面中所占比例的數值對其進行量化。

以調研對象街道為單位，根據拍攝點的行進順序統計各項要素畫面占有率及其變化特征，以此數據的波動性反映景觀連續性的變化特點。

2.2.3 計算貼線率

在本研究中，以《上海市控制性詳細規劃技術準則（2016年修訂版）》為參照，以當地城市的城市規劃管理條例為依據，將每塊場地相對于道路的退線距離作為建筑控制線距離，以此進行貼線率計算。考慮到建筑建成的年代差距較大，少部分建成年代較早的建筑沒有按照管理條例執行退線要求，出現建筑基地與建筑控制線相交的情況，也以貼線情況計算。具體計算原則如圖所示（圖8）。計算公式為：

12 贛江大道A1點實景照片Scene photo of Ganjiang Avenue point A1

13 贛江大道A1點認知畫面Visual cognition of Ganjiang Avenue point A1

14 紅谷大道B1點實景照片Scene photo of Honggu Avenue point B1

15 紅谷大道 B1點認知畫面Visual Cognition of Honggu Avenue Point B1

16 豐和大道 C1點實景照片Scene photo of Fenghe Avenue point C1

17 豐和大道 C1點認知畫面Visual cognition of Fenghe Avenue point B1

根據步驟1的拍攝點取點位置，逐一計算相應拍攝點的平均貼線率（圖9），B1點與B3點處于道路交叉口區域，貼線率計算為0。B2點處于街道中點區域，因此計算道路兩側貼線率并取平均值，該平均值計為該拍攝點位置貼線率。以下各拍攝點貼線率計算方法均以此為原則。

2.2.4 計算畫面占有率方差與貼線率方差

根據步驟1與步驟2的統計結果，計算各街道畫面占有率數據與貼線率數據的方差。方差用來表述數據的波動性，方差越大，則數據波動性越大，由此可以認為某項要素的連續性較差。反之則連續性較好。

計算調研對象街道的畫面占有率樣本方差，計算公式為：

式中：Var（S）表示各項要素的畫面占有率樣本方差，Si表示每個拍攝點某項要素的畫面占有率，表示某項要素占有率平均值，n表示樣本數量。

計算調研對象街道的貼線率樣本方差，計算公式為：

式中：Var（P）表示各街道貼線率樣本方差，pi表示各拍攝點位置貼線率，表示貼線率平均值，n表示樣本數量。

2.2.5 相關性分析

通過對各拍照點位置的畫面占有率與貼線率做相關性分析，考察貼線率如何影響街道景觀特征。將各調研對象街道數據輸入SPSS軟件計算做相關性分析，以R值表示數據之間關聯性的強弱。

3 數據采集與分析

根據以上制定的研究方法開展研究，對調研對象進行數據采集與分析，過程如下。

3.1 確定調研對象

本研究選取的調研對象街道為江西省南昌市紅谷灘中心區的3條南北向城市主干道，分別是贛江大道、紅谷大道和豐和大道（圖10）。紅谷灘新區是為拓展城市規模，構建“一江兩岸”城市發展格局而設立的城市新區。該區的城市建設活動大多是在城市規劃管理條例限制下進行的，3條主干道上的城市設施已比較完善，用地性質與建筑功能多樣，相比其他街道較為適合作為調研對象。分析結果可以有效地反映城市建設過程中相關城市規劃管理條例③對城市的控制程度及其對城市街道景觀產生的影響。

3.2 繪制認知畫面，計算畫面占有率

考慮到冬季樹木落葉對綠化畫面占有率的影響，調研時間選定為2017年10月－11月。以八一大橋引線為起點，以南昌大橋引線為終點，按由北向南的方向，沿各條道路西側人行道行進。以路網關系為基礎，按照路口—街區中點—路口的原則選取拍攝點，使用數碼相機按行進順序逐點連續拍攝實景照片。為便于研究，將贛江大道編號為A，紅谷大道編號為B，豐和大道編號為C。選取的拍攝點在每條街道上具有對應關系，具體位置如圖所示（圖11）。繪制每個拍攝點的街道景觀認知畫面（圖12～17），以街道為單位將數據計算統計如表所示（表1～3）。

3.3 計算貼線率

本研究的調研對象位于南昌市，按照《南昌市城市規劃管理技術規定（2014）》相關條例，參照研究方法步驟3，確定調研對象的建筑控制線如圖所示（圖18）。計算各拍攝點的平均貼線率，結果如表所示（表4）。

贛江大道東臨贛江，作為城市景觀帶規劃，西側受到綠線控制④無法計算沿道路貼線率，因此數值為0。總體來看，紅谷大道與豐和大道的建筑貼線率都處于較低水平，究其原因可以考慮如下：1）紅谷灘新區從籌劃建設至今20年左右，除幾條主干道城市設施完善以外，有部分地段仍處于建設當中。2）規劃建設過程中受現代主義規劃思想影響，城市街道設計方法以“軸線”為主，強調道路的交通功能，而對人體尺度的街道設計考慮略有不足。3）城市建設以高層建筑居多，對建筑密度與容積率要求嚴格，因此很多建筑在規劃設計時傾向設計集散廣場與開敞綠地，多數建筑的退線距離遠大于管理條例要求的距離。綜合以上原因，使3條調研對象街道的貼線率均處于較低值。

3.4 計算畫面占有率方差與貼線率方差

根據表圖可以發現（圖19～21，表1～3），在各調研街道中，按照既定行進順序三類景觀要素的畫面占有率呈現一定的波動性。但僅根據以上圖表無法以明確的指標對畫面占有率的波動性進行衡量，因此需要對各要素畫面占有率數據計算樣本方差。同時，為考察貼線率與街道景觀連續性的關聯性，需要計算各拍攝點貼線率的樣本方差，計算結果如表所示（表5）。

表1 贛江大道（街道A）街道景觀認知畫面占有率統計表（部分省略）Tab.1 Statistical table of cognitive screen occupancy rate of Ganjiang Avenue (Street A) landscape (partially omitted)

表2 紅谷大道（街道B）街道景觀認知畫面占有率統計表（部分省略）Tab.2 Statistical table of cognitive screen occupancy rate of Honggu Avenue (Street B) landscape (partially omitted)

表3 豐和大道（街道C）街道景觀認知畫面占有率統計表（部分省略）Tab.3 Statistical table of cognitive screen occupancy rate of Fenghe Avenue (Street C) landscape (partially omitted)

18 調研對象街道控制線Control line of survyed streets

19 贛江大道街道景觀認知畫面占有率統計Statistical graph of cognitive screen occupancy rate of Ganjiang Avenue landscape

20 紅谷大道街道景觀認知畫面占有率統計Statistical graph of cognitive screen occupancy rate of Honggu Avenue landscape

21 豐和大道街道景觀認知畫面占有率統計Statistical graph of cognitive screen occupancy rate of Fenghe Avenue landscape

將表5的計算結果可視化，如圖所示（圖22）。街道B的天空占有率方差數值較小，可以認為街道B認知畫面的天空占有率變化的波動性較小，與平均值的偏離程度較小，由此認為街道B中該項要素的連續性較好。比較其他兩類要素占有率的方差，發現街道B的方差數值均為最小。因此，相比于其他兩條街道，街道B（紅谷大道）認知畫面的各類要素占有率變化的波動性較小，顯示出平穩的變化狀態。3條街道當中，按景觀連續性的平穩程度排序，可以得出街道B＞街道A＞街道C。

從貼線率的角度來看，街道A受到城市規劃條例中綠線控制的影響，因此貼線率計算為0。街道C的貼線率數據方差小于街道B，因此可以認為街道C的貼線率數據穩定性較高。

3.5 相關性分析

為考察貼線率如何影響街道景觀特征，使用SPSS軟件對各拍攝點的貼線率數據與畫面占有率數據進行相關性分析（表6）。

一般認為，|R|≥0.800時為兩變量間高度相關，0.800＞|R|≥0.500時認為兩變量中度相關，0.500＞|R|≥0.300時認為兩變量低度相關。從表6計算結果看，貼線率與天空占有率的相關性在統計學意義上比較明顯，呈現低度顯著負相關關系。究其原因，貼線率僅僅反映建筑界面的連續性，但無法反映界面的形態如界面的高度、長度等。在建筑形態沒有較大差異的情況下，貼線率的變化會帶來部分街道景觀的變化；在建筑形態差異較大的情況下，即使貼線率相同，不同的建筑形態如建筑密度、容積率等指標的改變，依然會使街道景觀認知畫面出現不同。

4 總結

筆者基于人體視覺認知，以認知畫面與貼線率為研究對象，將景觀要素分為天空、建筑、綠化3類，使用連續的圖像數據量化街道景觀特征。以樣本方差計算結果來看，紅谷大道景觀要素的連續性體現出較為平穩的狀態。在影響因素方面，使用SPSS軟件考察街道中各拍攝點貼線率與畫面占有率的關聯性，發現貼線率與天空占有率呈現低度顯著負相關關系。其原因可以認為貼線率是控制界面連續性的有效手段，但無法控制用地的建筑密度與容積率等與建筑形態關系有關的指標。

綜合以上論述，筆者提出以視覺認知畫面為基礎的城市街道景觀特征及連續性評價方法，將貼線率與樣本方差納入評價指標體系，以數值的方式反映出人對街道景觀特征的感知狀況，以利于在城市設計階段對城市街道景觀認知進行把握與控制。但由于筆者的調研樣本數量較少，尚無法證明貼線率數據的穩定性與畫面占有率的穩定性存在必然關聯。因此，目前的分析研究只是階段性成果，在今后的研究中將增大樣本數量，考察除貼線率之外的影響因素，構建完整的評價指標體系。

22 各街道拍攝點數據方差計算Calculation of data variance of street shooting points

表4 調研對象街道拍攝點位置貼線率統計表（部分省略）Tab.4 Statistical table of build-to-line ratio of each shooting point position in every street (partially omitted)

表5 各街道拍攝點數據方差計算表Tab.5 Variance calculation table for each street shooting point data

表6 各拍攝點貼線率與畫面占有率相關性分析Tab.6 Correlation analysis of each shooting point data between build-to-line ratio and value of screen occupancy

注釋：

① 圖像語義（分割）是 AI 領域中一個重要的分支，是機器視覺技術中關于圖像理解的重要一環。普通的圖像分割往往是根據圖像的顏色紋理進行劃分區域，而語義分割是基于一個語義單元，例如將人，車等目標從圖像中分割出來。

② 江蘇省住房和城鄉建設廳在2011年印發的《江蘇省城市規劃管理技術規定（2011年版）》第3.4.4.1條提到貼線率的概念（附錄七術語釋義，第9條），并認為應在詳細規劃或城市設計中提出控制要求，江蘇省各城市均按各自實際情況提出相應的實施細則。《上海市控制性詳細規劃技術準則（2016年修訂版）》對重要路段建筑的貼線率提出了詳細的指標要求，并在附錄三中給出了貼線率的計算公式，對建筑貼線的各類情況提出了具體的計算規則。

③ 調研街道所處南昌市，因此各項計算數據如退線距離等按照《南昌市城市規劃管理技術規定（2014）》中的相關規定條例執行。

④ 根據《南昌市中央商務區（CBD）法定圖則技術文件》（2007）可以看到，贛江大道西側受到綠線控制。

⑤ 圖1由作者自攝；圖2～9由作者自繪；圖10作者根據高德地圖改繪；圖11由作者自繪；圖12～17由作者自攝和自繪；圖18～22由作者自繪；表1～6由作者自繪。