街道空間步行適宜性測度與設計導控*
——以上海靜安寺片區為例

施 澄 袁 琦 潘海嘯 葉 宇 SHI Cheng, YUAN Qi, PAN Haixiao, YE Yu

1 宏觀背景及概念解析

1.1 街道空間品質重塑浪潮迅速興起

我國新型城鎮化建設從重視增“量”轉向關注提“質”。街道作為慢行交通的主要載體和重要的城市公共空間組成部分，其空間品質所受重視程度不斷提升。作為與居民日常生活關系最為緊密的線型活動場所[1-2]，高品質的街道空間既可以促進社會交往與實體經濟以支撐城區活力，又能鼓勵居民日常體力活動，從而提升整體公共健康水平，還可以緩解交通擁堵及相應的環境污染等城市問題[3-6]。

隨著街道空間品質的重要性成為共識，倫敦、紐約、上海等全球大城市均發布了品質導向的街道設計導則[7]26，[8]。對人本尺度空間品質追求的深化也使得街道空間的概念得到相應的擴充：不僅關注街道本身，還重視影響街道活力的近人尺度空間要素，如沿街底層商鋪、開敞空間以及街道服務設施等[9]37，[10]107。街道空間的品質需求已經從“交通效率優先”轉變為“空間品質先導”，街道更新設計也從單一的“道路紅線管控”向全面的“街道空間界面管控”轉變。這些需求的轉變對用地緊張、亟需提升品質的舊城中心區街道更新提出了精準性、多維度、可操作的要求與挑戰。

1.2 街道步行適宜性概述

隨著當前城市更新與設計進入以品質提升為主要任務的新階段，步行適宜性這一受街道空間特征強烈影響的主觀感知日益成為街道空間品質的核心內涵之一。步行適宜性是市民在街道空間中日常行走時感受到的可步行性評價[11]26，其與廣義的街道可步行性概念有所區別，并不包含街道組構、城市功能組織等中觀和宏觀層面，而是在各類街道空間與界面特征要素的影響下行人所感受到的宜步行程度，是對于街道空間界面步行品質的一種反映[12-13]。

在空間品質提升的大背景下，如何將人們的日常生活行為合理納入傳統以承載交通功能為主的街道中去，針對特定類型的街道空間步行適宜性引入設計評估并制定導控策略，成為街道微更新設計實踐中首當其沖的問題。如何精準測量行人的主觀感知要素，并科學開展微更新與品質提升已成為設計實踐中的典型難點。現有街道空間的研究工作大多隸屬于定性研究范疇，量化研究比例相對偏低[10]108；而且新近涌現的空間品質量化研究更多地關注高品質街道空間特征的描述與歸納，而較少關注具身性的步行適宜性感受[14]。舊城中心區建設密度高、騰挪空間小的特點進一步限制了街道更新與步行適宜性提升的可操作空間，更加需要立足公眾感知的精準分析和設計預評估。

城市設計的精細化轉型和舊城中心街道空間形態的限制，需要更為細致的空間感知與行為研究和分析的工具來回答“行人如何感知街道空間，而街道空間環境又以何種程度和方式影響行人的適宜性感知”這一問題，從而更精確地輔助設計實踐。近年來，信息技術進步所催生的多源數據和智能化算法，正在推動城市設計在數字化領域的迅速發展與深化。可視化陳述性選擇偏好法（Stated Preference，即SP法）、虛擬現實、機器學習等新技術在建成環境研究中的興起，有望在可控的實驗室環境下提供多個場景的沉浸式感知體驗，從而便于精細化、高效地比較和評估，避免實地體驗和行為觀測中的偶發因素干擾。具體而言，虛擬現實不再需要昂貴的設備，而可以由“Oculus Rift”和“HTC Vive”等為代表的頭戴式顯示器，以光輝城市（MARS）等為代表的虛擬環境平臺實現。可視化SP調研法以圖片或者場景呈現的方式直觀展示街道空間環境，彌補了傳統調研依賴語言與文字而容易導致的結論信度問題。機器學習相較于傳統線性回歸等方法能更精準、高效地處理復雜建成環境中空間要素的非線性關聯效應。

上述一系列新技術的進步使得基于虛擬現實技術開展街道空間中的感知品質研究更加簡便易行，進而為實現更加客觀、準確的步行適宜性測度和精準的街道更新設計提供可能性[15-16]。

2 研究現狀及發展動態

2.1 街道步行適宜性研究仍相對匱乏

近年來，如何提升城市空間的步行適宜性成為城市設計領域的關注熱點之一，已有了相當數量的研究。在理念上提出了共享街道（Shared Street）、完全街道（Complete Street）等指標概念，在評價上提出了步行指數（WalkScore）等一系列量化評估體系，在操作上提出了相應的技術工具箱與設計導則[17]65，[18]21。現有研究主要關注城市整體功能組織[2]12、城市肌理與路網組構[19]21，[20]、設施可達性[21]等城市或街區尺度上的可步行性，而針對街道空間界面這一微觀層面上行人所能感知的步行適宜性來開展的定量化研究則相對較少。雖然街道空間界面的步行適宜性高低可以由設計師根據經典理論和個人經驗做出大致判斷，且目前也有部分運用傳統環境行為學方法針對街道界面要素所開展的宜步行性測度分析[22]24，[23]104，但這些都難以滿足人本視角下系統化、精細化的城市設計需求。

2.2 基于離散選擇模型的可視化SP法與沉浸式虛擬現實技術在建成環境研究中的興起

離散選擇模型（Discrete Choice Models）作為因變量不連續情況下的統計模型，在多個領域得到廣泛運用[24]。其中，可視化SP法通過受訪者陳述其個人偏好開展分析，數據獲取成本較低，而且能通過實驗設計限定選擇集以避免環境屬性多重共線性。近年來，為了更直觀地表現多樣化的建成環境要素，圖片展示多選項要素的可視化SP法逐漸興起。這種方法易于獲取大量受訪者的偏好數據，相較于小樣本專家打分法更具普適價值。然而，可視化SP法運用于街道空間界面仍面臨操作問題。首先，既有研究往往以軸測方式呈現街道空間，缺乏人眼視角的實際場景展示。其次，街道空間及界面要素眾多，若簡單地將各街道空間界面要素直接進行正交設計（Orthogonal Design）來生成問卷會輸出過多問卷選項，調研中難以操作。因此，既有研究往往通過研究者的個人經驗進行選項篩選。這一過程較強的主觀性和隨意性削弱了研究信度。

虛擬現實（Virtual Reality）是指通過計算機模擬產生一個三維的虛擬世界，為使用者提供身臨其境的感受體驗技術[25]73，[26]230，[27]153。近年來虛擬現實技術逐步向建筑與城市設計領域擴散，較好地解決了可視化SP法的上述不足，兩者的結合為建成環境研究帶來新的可能。低成本的頭戴式顯示器與可快捷構建的街道場景實驗方式，能夠排除以往街道空間品質研究中存在的諸如光線、噪音等多種不可控因素的干擾，從而獲取被試者對于步行適宜性的選擇偏好，實現更為客觀、準確的步行體驗調研。國內外學者均對此開展了探索性研究[26]228，[27]152。

2.3 小結

綜上所述，對于街道空間界面各要素進行步行適宜性影響權重的量化測度已成為主要趨勢，量化分析的引入也取得了相較傳統的定性討論更為深入的成果。近年來計算機硬件與圖形技術的不斷進步以及虛擬現實技術向小型化、低成本方向的不斷發展，為建成環境領域研究提供了新的可能性。而可視化SP法、虛擬現實、機器學習等新技術、新數據的不斷涌現使得研究具有了運用“新數據和新方法”來更深入地回答這一“老問題”的可能。

3 研究實驗設計

3.1 街道步行適宜性的概念分解與要素界定

步行適宜性作為一種與空間特征關聯緊密的主觀感知，可以從街道空間視角進行解讀與界定。本文所關注的街道空間是指垂直方向上以街道兩側的臨街建筑外墻為界，水平方向上以建筑臨街區和道路共同圍合所形成的空間界面。基于尤因（Ewing）等[17]65，[18]23學者的經典研究，本文初步界定了在街道空間界面中與步行適宜性緊密相連的5個關鍵品質維度：圍合感、透明度、多樣性、人的尺度、意向性，并基于國內相關學者的實證研究[7]26，[22]24，[23]104，補充了交通流量這一維度，共形成6個品質維度、13個特征要素，同時對其具體的操作和量化方式進行定義（見表1，圖1）。

（1）交通量。交通量既關注人流量也關注機動車流量，是指交通流在何種程度上滿足行人步行適宜性的需求，交通流量過高影響個體步行空間的獨立完整性，且容易引起擦碰；過低則缺少街道活力，甚至讓行人感到不安全。

（2）圍合感。街道的圍合度會影響行人對街道空間尺度的感知，由于街道空間主要在斷面方向上有明確界限，因此街道空間的圍合感知常基于街道寬度與兩側建筑實體高度的比例關系以及人的視覺特征展開。雅各布斯（Allan Jacobs）[11]16認為街道高寬比越小，街道的圍合感越強，越大則圍合感越弱，適宜值介于1: 1—1: 3之間。

（3）透明度。建筑底層臨街面透明度決定了街道與建筑、室外與室內活動之間的交流程度，代表了街道界面的“深度”，較為透明的界面方便行人觀察室內空間，從視覺角度擴展了原有的街道空間，并且能增加行人的逗留活動意愿。

（4）多樣性。多樣性對于多元街道生活具有積極意義。豐富的建筑色彩可以增強街道的視覺體驗，種類繁多的商業內容可以滿足行人的不同消費需求，高密度的街面單元與出入口為街道空間提供了充分的內外交流點和豐富的步行環境[19]21。

（5）人性尺度。街道的人性尺度關注為行人提供疲憊時的休憩設施、緩解心理壓力并增強美學感知的植被樹木等自然資源、保障行人步行安全、緩解人車矛盾程度等滿足行人基礎步行需求的街道空間要素。

（6）意向性。意向性是能夠引起觀察者強烈形象感的物質環境品質，高度意象化的城市空間應形成良好的結構組織并包含豐富的空間要素以方便行人識別。因此，地標和場所感是可意向性的關鍵組成部分[28]。

3.2 研究設計

研究實驗設計主要分為要素選取、場景搭建、數據采集、統計分析和設計導控5個部分（見圖2）。

表1 街道步行適宜性的概念分解與相關要素界定Tab.1 The concept of street walkability and definitions of relevant components

圖1 街道空間基本構成要素示意圖Fig.1 Basic elements of street space

圖2 實驗設計流程示意圖Fig.2 Analytical framework

首先，根據舊城中心區較為典型的街道特征選取街道關鍵品質維度中應優先考慮的街道空間要素及調試元素，并選取與品質維度最契合的街道進行相應街道要素的實驗。

其次，進行虛擬現實場景搭建，基于正交設計對調試要素進行排列組合并生成街道場景信息。場景建模基于Sketchup開展，利用研究案例街道開展的實地測量獲取精細化的各類街道空間特征數據，并實地采集各類貼圖和紋理，以再現逼真的環境。通過光輝城市這一建筑VR軟件（Mars）實現將模型場景向沉浸式虛擬現實環境的轉化。光輝城市可直接導入Sketchup格式數據并轉化為虛擬現實場景，較之Unity等以往常用的平臺更為高效。

再次，進行實驗數據采集，各街道實驗召集25—30名被試者，并要求被試者選出每個實驗組中步行適宜性較高的場景。絕大部分被試者具有建筑及城市規劃專業背景，并通過實驗前的需求講解和預實驗測試保證評價口徑的統一。具體操作上，每位被試者會先聽取相關評價口徑的講解，并以1—2個隨機場景作為預實驗，通過討論進一步明確判斷標準，提升評價的一致性。每人在每個場景中漫步30—60 s，當被試者表示可以后切換到下一場景（見圖3）。該實驗使用的設備為HTC VIVE頭盔。

最后，對實驗數據進行整理與統計分析，并根據數據結果制定針對性的設計導控策略。

3.3 研究范圍

本文選取上海市靜安寺周邊4條具有代表性的舊城生活性街道，并從中截取部分功能定位較為明確的街段作為實驗范圍，包括交通支路型街道愚園東路、商業型街道愚園路、生活服務型街道陜西北路、綜合型街道烏魯木齊路（見表2）。每條街道圍繞不同的關鍵空間品質維度開展具體場景設計，每個街段實驗選取6—7個被選場景，形成10—15個實驗組，通過統計各街道被認為步行適宜性更高的場景被選頻次，獲取行人對街道步行適宜性的主觀評價數據。

表2 實驗研究街道范圍基本信息Tab.2 Basic information of the street scope in the experimental study

圖3 實驗現場Fig.3 Representative photos of the experiment site

圖4 愚園東路被試元素示意圖Fig.4 Street elements analyzed in East Yuyuan Road. Up: street furniture and shared streets; below: green visibility and divided streets

3.3.1 愚園東路實驗

愚園東路街道場景關注人性尺度品質維度的街道家具類型、位置和綠視率對步行適宜性的影響。7個場景通過VR技術兩兩對比，共12個實驗組（兩個場景的成對比較）。被試者會在構建的VR場景中漫步30—60 s，充分體驗各場景的空間要素差異，實驗員也會協同進行要素特征說明。其中，7個實驗組的結果（占比58.3%）表現出明顯的偏好差異（見表3，圖4）。其中表現出較高正效應的街道元素包括：較高的綠視率，街道布置咖啡座椅（即便是在綠視率相差不大的情況下，有座椅的好評率也遠高于無座椅）。其他要素如座椅類型及布置位置、街道共享或者分隔，沒有在被試步行適宜性感知中表現出顯著的差異性。

3.3.2 愚園路實驗

愚園路街道場景關注多樣性品質維度中的街道底層界面豐富度、自行車和廣場對步行適宜性的影響。共設置6個VR場景、12個實驗組（兩個場景的成對比較）。其中11個實驗組結果（占比91.7%）表現出明顯的感知偏好差異（見表4，圖5）。表現出較高正效應的街道元素包括：街道內無自行車停放，廣場環境及街道底層界面。此外，對于自行車停放的評價消極程度與街道底層界面豐富度有關，在相對較為簡化的環境中，自行車對于街道場景步行適宜性評價的負效應相對較低。

圖5 愚園路被試元素示意圖Fig.5 Street elements analyzed in Yuyuan Road. Up:diversity of the ground-floor interfaces and bicycle facilities; below: diversity of the square facilities

圖7 烏魯木齊路被試元素示意圖Tab.7 Street elements analyzed in Urumqi Road, Up: window-wall ratio; below: retail density and sidewalk width

表3 愚園東路實驗VR場景信息Tab.3 VR scene components of the East Yuyuan Road experiment

表4 愚園路實驗VR場景信息Tab.4 VR scene components of the Yuyuan Road experiment

表5 陜西北路實驗VR場景信息Tab.5 VR scene components of the North Shaanxi Road experiment

3.3.3 陜西北路實驗

陜西北路街道場景關注街道交通流量、街廓圍合度和街道底層界面的透明度，共設置7個VR場景、15個實驗組（兩個場景的成對比較），其中7個實驗組（占比46.7%）的結果表明了明顯的偏好差異（見表5，圖6）。步行適宜性評價顯示街道異側底層界面不透明優于同側不透明，同側異側均較為透明的街道場景步行適宜性評價最高。人車流量過高或過低都會影響步行感受，適中的人車流量評價最高。

3.3.4 烏魯木齊路實驗

烏魯木齊路街道場景關注以窗墻比度量的街道界面透明度、沿街店面密度及人行道寬度，共設置7個VR場景、15個實驗組（兩個場景的成對比較）。其中，7個實驗組（占比46.6%）的結果表現出較為明顯的偏好差異（見表6，圖7）。街道同側界面店面密度較高，異側界面窗戶較多和較寬的人行道對于行人步行適宜性評價起到最為積極的作用。

表6 烏魯木齊路實驗VR場景信息Tab.6 VR scene components of the Urumqi Road experiment

4 數據分析與結果

4.1 數據分析

數據分析主要分為兩部分：首先基于埃洛等級評分算法（Elo Rating System）計算每個街道場景的最終得分。這一方法由美國物理學教授埃洛（Elo）創立，是當前對弈水平評估的公認權威規則，已被廣泛應用于國際象棋、圍棋、足球和籃球等體育運動以及游戲中，可通過兩兩比較的結果來評估各選手或樣本的優劣程度[29]。由于這一算法可將兩兩比較結果有效轉化為線性的定量分值以便于后續分析。故本文也使用其來處理一系列街道場景的比較結果，從而得到每個街道場景的量化分值。相較于讓被試者直接給場景打分，該算法更為準確，目前已逐漸應用于環境行為學研究[27]152。

在計算中，一系列兩兩比較結果CR會被記為一系列數組Ti：CR={T1，T2，T3…}，T1=，lId，rId反映的是兩個場景的ID。每個場景會被賦予一個初始分值（文中記為1 000），然后這一分值會隨著每次兩兩比較結果而更新。具體來說，埃洛等級評分算法包含預測和更新兩個步驟。在預測中，埃洛等級評分算法會基于兩個場景的當前分值給出一個預測（P）：

其中PA是對場景A較之場景B為優的預測；SA，SB則是場景A和B在比較前的分值。

在每次兩兩比較后，相應場景的分值會基于預測結果和實際比較結果被更新：

其中?A為場景A的新分值；K為一常數，經驗值取32；RA則根據比較結果計為1（場景A比B好），0（場景A比B差），0.5（場景A和B難以判斷）。

隨后相關的比較結果會被逐一帶入計算，直至最后的結果趨于穩定，屆時各個場景的各自分值即為最終的實際分值。

隨后基于決策樹算法進行特征參照因子提取，獲取要素對于步行適宜性的影響權重。決策樹是一種根據原數據中目標變量和預測變量特征，以樹型結構表示分類或決策集合，產生并識別決策規則并進行新數據預測的方法。決策樹能較好地適用于樣本量相對較小的數據，從中提煉出樹形的分類模型，非常適宜于本文樣本量小且各空間要素影響復雜的分析需求。具體來說，決策樹中的每個非葉子節點記錄了使用何種特征來進行類別的判斷，每個葉子節點則代表了最后判斷的類別。根節點到每個葉子節點均形成一條分類的路徑規則。常用的決策算法包括ID3、CART（分類和回歸樹算法，Classification And Regression Tree）和C5.0等，其中CART不僅可以進行分類預測，還可以用于解決非線性的回歸計算問題，較為適宜于本文。由于本文的預測對象是場景宜步行水平評估數據而非傳統的二元決策結果，因此選取了最小化均方誤差（MSE）作為分裂和確定特征參照因子的計算標準[30]。算法需要遍歷所有的切分變量和切分點，通過選擇切分變量和切分點，選出使得葉子節點 MSE之和最小的那種情況作為劃分。

CART最小化MSE公式如下：

其中，xi與yi代表被分析數據集，m表示回歸樹的葉子數量，Cm表示m片葉子的預測值。

本文基于Python計算機語言，運用決策樹CART算法，以對街道場景圖片的Elo評價分數作為目標變量，以不同街道的形態特征為評估因子對預測變量的重要性進行評估，在保證決策樹模型正確性不下降的情況下，對其預測變量進行篩選，從而明確決策樹的特征參照因子，即對街道空間步行適宜性起關鍵影響的特征要素（見圖8）。

4.2 分析結果

4.2.1 愚園東路

愚園東路街道形態特征中，有休息座椅（0.596）、街道共享（0.361）、高綠視率水平（0.044）對于街道場景高適宜性評價影響最大，而是否有咖啡座椅及其擺放位置貢獻則不顯著。決策樹結果顯示，沒有座椅（≤0.5）且綠視率水平較低（≤2）的街道場景普遍適宜性評分較低（702.61），而有座椅且街道共享的場景圖在這一實驗中獲得評分水平較高（1 099.132）（見圖9）。

4.2.2 愚園路

愚園路街道形態特征中，廣場簡化（0.878）、街道底層界面簡化（0.122）對于街道場景高步行適宜性評價影響最大，而自行車及其停放設施貢獻則不顯著。決策樹結果顯示，廣場及街道均較為簡化（≥0.5）的街道場景普遍適宜性評分較低（846.5），而廣場和街道囊括要素較為豐富的場景則獲得評分水平較高（1 115.13）（見圖10）。

4.2.3 陜西北路

陜西北路街道形態特征中，街道同側底層界面透明（0.380）、異側底層界面透明（0.368）、同側街墻高（0.251）對于街道場景高步行適宜性評價影響最大。人車流量及異側街墻高度貢獻不顯著。決策樹結果顯示，同側及異側透明度均高（＞1.5）的街道場景普遍適宜性評分較高（1 042.741），而透明度均低且同側街墻也較低的場景圖在這一實驗中獲得評分水平較低（673.630）（見圖11）。

4.2.4 烏魯木齊路

烏魯木齊路街道形態特征中，人行道較寬（0.930）、同側底層界面多店（0.049）、異側底層界面多窗（0.020）對于街道場景高步行適宜性評價影響最大。同側多窗和異側多店貢獻不顯著。決策樹結果顯示，人行道較寬（＞0.5）以及異側窗墻比較高（＞0.5）的街道場景普遍適宜性評分較高（1 155.372），而人行道較窄（≤0.5）以及同側店鋪較少（≤0.5）的場景圖在這一實驗中獲得評分水平最低（611.570）（見圖12）。

圖8 基于決策樹方法的特征參照因子提取示意圖Fig.8 Feature factors extracted from decision tree model

圖9 愚園東路特征重要程度示意圖及決策樹圖Fig.9 The relative importance of street elements revealed by decision tree diagram in East Yuyuan Road experiment

圖11 陜西北路特征重要程度示意圖及決策樹圖Fig.11 The relative importance of street elements revealed by decision tree diagram in North Shaanxi Road experiment

圖12 烏魯木齊路特征重要程度示意圖及決策樹圖Fig.12 The relative importance of street elements revealed by decision tree diagram in Urumqi Road experiment

5 結論與討論

5.1 結論

研究基于宜步行街道的構成要素理論以及虛擬現實技術的街道場景呈現技術手段，通過實驗對象兩兩場景比選的方式，準確獲取行人對于街道步行適宜性感知要素的評價及偏好，并通過場景評分及機器學習算法擬合數據結果，確立舊城中心區街道空間步行適宜性評價標準。研究結果顯示，經由統計分析的數據結果與被試者的主觀評價偏好基本一致，模型擬合度較高。

5.1.1 不同類型街道步行適宜性感知結果

通過對上海市舊城中心區的4條街道進行相應要素步行適宜性感知實驗發現：交通支路型街道（愚園東路）行人適宜性評價關注街道家具提供可休憩的座椅、能夠降低車速的共享街道和較高的綠視率水平；商業型街道（愚園路）沿街廣場空間設施豐富，逗留人數較多，街道底層界面多元有活力最能影響行人的步行適宜性；生活服務型街道（陜西北路）行人步行適宜性感知取決于街道兩側底層界面透明度是否較高，行人同側的街墻是否較高從而形成具有圍合感的街廓空間；綜合型街道（烏魯木齊路）中較寬的人行道，較高的街道同側店面密度和異側窗墻比都有益于行人的步行適宜感。

5.1.2 行人對街道多樣性構成指標感知度不同基于各街道分析結果，行人對于街道適宜性的主要感知要素以近人界面為主。因此，場景視角處于同側的街道底層界面的窗墻比、街墻高度、店鋪密度相較于異側對行人步行適宜性評價的影響更加顯著。除此以外，行人對于街道的適宜性評價也擴展到街道空間以外的區域，可以被行人感知到的沿街廣場空間豐富程度也起到了影響作用，顯示了視線可達性對于步行適宜性評價的重要作用。整體實驗結果顯示，行人普遍對于街道多樣性構成指標例如街道底層界面的豐富程度、設施分布，以及人性尺度的街道家具和綠視率等要素感知度較高，容易產生較為明確的步行適宜性評價偏好；而街道交通流量、街廓、界面透明度、店面密度等要素在場景中的差異則不易被識別。這一方面可能是由于VR設備呈現的街道場景主要以視覺感知為主，屏蔽掉了其他感官信息，例如店鋪及機動交通造成的噪音，所以行人難以識別其微觀差異；另一方面顯示出，相較于沿街建筑立面和交通干道上的車流活動，人行道及其兩側的指標調試更能影響步行適宜性評價及感受。

圖13 針對性設計導控策略示意圖Fig.13 Design control strategies

5.1.3 舊城中心區不同類型街道空間微更新設計導控策略針對各街道的研究結論，我們為4類舊城中心區街道空間的微更新設計導控制定了3個層級的策略。針對交通支路型街道愚園東路，微更新優化設計策略宜首選增加街道的休閑座椅，其次可通過使街道共享和增加植被或改變樹木的種類，增加葉片面積來提高綠視率水平。商業型街道愚園路則首先增加沿街廣場空間的豐富程度，其次可優化街道底層界面，通過增加底商密度來提升界面的豐富程度。生活服務型街道陜西北路首先為增加底層界面的透明度，增加行人與室內空間的交流程度，其次可適當增加街墻高度，形成具有圍合感的街廓空間。綜合型街道烏魯木齊路則首先增加人行道的寬度以提升街道的步行適宜性，其次應關注街道底層界面的多樣性和透明度（見圖13）。

5.2 討論

5.2.1 技術創新及研究意義

本文通過搭建舊城中心區街道空間的VR場景，以可視化SP實驗獲取步行適宜性感知要素的評價，并使用決策樹這一機器學習算法分析多維度街道空間要素的影響閾值，回應在不同的街道特征和有限的空間下，采用何種導控方法能實現最小投入下的街道空間微更新的步行適宜性最大化問題，并基于相應的量化指標制定精細化的有針對性的設計導控策略，兼具研究意義與實踐價值。

本文運用新分析技術與算法實現步行適宜性這一具身性感受的量化測度，實現了對以往難以測度的品質感知的精準分析，為當前街道空間品質研究提供了一個聚焦人本視角的新方向。

5.2.2 研究局限及展望

由于本文所涉街道的VR場景搭建是基于街道的真實環境建立基礎模型并進行要素調適，因此研究實證了各街道相應要素對于步行適宜的影響權重。然而，考慮到其他舊城中心區街道空間環境要素組合方式的差異以及部分要素之間可能存在的共線性問題，街道空間關鍵品質維度包含的全部要素對于步行適宜性評價的綜合影響作用還有待進一步探索。同時，在實驗過程中已經發現行人對于部分要素的視覺感知力較差的問題，這對未來滿足行人多感官體驗的VR場景搭建提出了新的挑戰。