基于多源數據的城市街區緊湊度與騎行活動關聯效應研究*
——以蘇州為例

傅 彬 葉 宇 林中杰

1 研究背景與相關綜述

1.1 研究背景

緊湊城市立足于城市高密度開發的大背景，倡導促進土地功能混合利用、大力發展公共交通以及提高城市公共服務設施質量與利用率[1]。其要義在于追求更高密度城市形態的同時，還要充分考慮到各個空間要素，并從城市空間結構的角度出發有效促進城市空間的合理利用。2016年10月聯合國《新城市議程》指明了推動緊湊城市的研究和實踐在全球范圍內的重要意義。

城市形態對城市環境健康的影響毋庸置疑，在城市生活逐漸被基于互聯網的線上活動取代的今天，居民進行適量的室外身體活動對于提升居民健康顯得尤為重要。各項研究也表明，居民步行和自行車出行對于身體質量指數[2]（BMI，Body Mass Index）有一定的影響：慢行活動（主要指步行與自行車騎行）提高運動量，可有效降低出行者患慢性病的風險[3]。而在緊湊城市原則下推動的城市設計和規劃策略常常被認為能通過影響步行和騎自行車的便利性、吸引力和安全性，提升慢行活動的機會和意向，從而有效地提升城市居民的健康程度。但這一相關性尚未得到準確的定量測量和檢驗，因此本研究試圖通過建立緊湊城市的量化指標、采集和分析多源數據對一系列空間形態指標的健康城市效果進行評估。

1.2 騎行活動與建成環境研究簡述

長期以來，建成環境對騎行活動的影響一直是研究熱點，出現了多學科綜合研究的局面。國外研究認為建成環境綜合測度的“5D模型”，即密度、多樣性、城市設計、目的地可達性、公交換乘距離是影響騎行活動的主要因素[5]。

國內關于建成環境和騎行活動的研究尚在起步階段，早先的研究主要側重于工作日與周末、上下班高峰期等不同時間維度下對共享單車出行的影響因素異同[6]。近年來開始有研究從建成環境的空間尺度來分析相關性，如朱瑋研究了出行目的、網點分布、出行方式轉換、使用模式對人們使用公共自行車的意愿的影響[7]；惠英探究了區域建成環境對共享單車出行量日變特征的影響，人口、交通可達性以及各類POI 數量均會正向影響區域共享單車的出行量[8]；張磊從街區視角研究發現街區尺度小、土地利用多樣化程度高、建筑密度大、公共交通設施布局完善等因素對共享單車出行有著促進作用[9]。

不難發現，針對反映市民體力活動程度的相關研究都趨向于使用大數據分析來替代實地調研和問卷采集的傳統方式，并基于更智能化的平臺與分析方式。從研究內容來看依舊存在不足之處：針對影響體力活動的環境因素內容過于片面，通常只集中于某一兩個方面進行相關性的分析。

1.3 既有的緊湊城市量化研究簡述

到目前為止，對于緊湊度的衡量標準及評價手段尚無統一定論。緊湊度的相關量化研究始于20世紀60年代初，理查德森（Richardson）[10]、吉布斯（Gibbs）[11]和科爾（Cole）[12]提出緊湊度公式。此后，西方相關領域的學者對緊湊城市理論的關注不斷增加，加爾斯特（Galster）[13]、伯頓（Burton）[14]、卡青格（Cutsinger）[15]等在定量研究與實踐測算上開展了一系列對緊湊度的研究，由最開始的單指標測度法、多指標測度法，逐漸發展到現在被廣泛使用的、測度更加全面的指標體系測度法。但指標體系測度法局限性依舊存在：第一，從中微觀尺度層面定量研究緊湊城市的范例還較為缺乏；第二，中微觀尺度的量化指標精度不夠高。

針對以上問題，本研究聚焦于中微觀尺度，針對研究尺度進行了適應性調整，完善和細化了具體指標的測算方式和數據精度，對緊湊度與城市騎行活動相關性進行了深入的分析。相對于傳統定性研究和基于小樣本數據的統計分析，利用大規模、多源城市數據的“緊湊度模型”，可以高效、快速和科學地實現問題導向下的城市分析。

2 研究設計

2.1 緊湊度指標

國內外許多學者對緊湊城市提出了不同的理解和定義：伯頓（Burton）從密度、功能混合和強化三個特征來度量緊湊城市的指標體系；李琳[16]將緊湊度分為主體和客體，并再向下分出二級指標建立緊湊度指標體系；金俊[17]從經濟性、高效性與舒適性三個維度構成緊湊城市指標體系。

不難發現，眾學者對于緊湊城市理論的理解雖都有延伸，但主要還是圍繞“城市高密度”“形態緊湊集約”“城市功能混合高效”等內涵展開。由此，本文對緊湊城市的概念理解主要從城市密度、城市形態、城市效率三個方面入手，最終確定了8個二級指標，具體計算方式如表1所示。

表1 緊湊度二級指標及計算方式匯總Tab.1 summary of compactness secondary indicators and calculation methods

2.2 慢行數據采集

本研究選取蘇州市為研究對象，結合蘇州共享單車的高普及率，將影響健康的慢行體力活動主要著眼于市民對于共享單車的使用。獲取的騎行活動數據是由共享單車租賃站點采集獲得，并采用泰森多邊形法根據租賃站點劃分有效區域，建立自變量緊湊度量化模型與因變量騎行活動數據在關聯效應分析上的對應關系（圖1）。

圖1 研究框架示意圖Fig.1 schematic diagram of the research framework

需要指出的是：蘇州目前的所有共享單車只以定樁租賃的形式投放（沒有無樁共享單車），且只有一家永安行公司進行運營與管理，因此本研究所獲取的數據可以有效反應研究片區內市民對于共享單車的使用情況。由于共享單車使用量是基于分布在各地的租賃點產生的，因此我們將圍繞每個租賃站點周圍的城市空間屬性來構成自變量與應變量的對應關系（圖2）。經過對市民租賃共享單車這一行為進行分析后發現：當處于城市中任意位置的市民需要使用共享單車時，通常會前往距離他最近的共享單車租賃點。因此本文采用泰森多邊形法[18]劃分，每一個泰森多邊形即為單個分析單元，且每個泰森多邊形內有且僅有一個共享單車租賃點，位于泰森多邊形內的任意位置到此租賃點的距離是最短的。

圖2 自變量與應變量的對應關系示意圖Fig.2 correspondence between independent variable and dependent variable

此外，因變量Y為每個租賃站點統計得到的“借出”和“歸還”的次數，即市民在租賃站點“使用”和“歸還”共享單車，均會被統計為一次共享單車的有效使用。前文提到，研究是聚焦于城市空間屬性對市民使用共享單車決策的影響，因此無論是“使用”還是“歸還”，都與租賃站點周圍的城市屬性有關。

2.3 研究片區的選取

研究片區選擇了具有不同的城市形態與肌理的三個區。姑蘇區的有機生長模式保留了傳統的古城肌理，表現為雙棋盤式的高滲透性網格結構，用地功能混合程度很高；高新區為典型的新區模式，以發展帶動規劃，混合尺度的街道網絡，每個街區的城市功能較單一；工業園區借鑒了新加坡新城模式，等級制街道網絡，商務居住工業分離，住區圍繞鄰里中心呈組團式生長。三個不同類型的行政區在一定程度上能代表中國許多新老城市的發展模式。

三個研究片區的邊界分別被主要交通干道、河道（自然邊界）分隔，且片區內部都分布有共享單車租賃點（分別為79、109、59個），根據租賃點進行泰森多邊形劃分后如圖3所示。

圖3 三個研究片區的選取和租賃點劃分Fig.3 selection of three research areas and division of rental sites

3 數據分析

3.1 基礎數據的獲取

蘇州基礎地理信息數據：永安行官網可供查詢的共享單車租賃站點分布圖使用的是高德地圖，為了便于數據統一，所有的城市路網、建筑、公交站點、地鐵站點、城市POI數據等都在高德地圖開源網站上抓取。

共享單車使用量數據：利用Python抓取三個研究片區一個月（30 天）的共享單車使用量作為騎行活動的基礎數據。

3.2 針對具體指標的實際測算

3.2.1 城市街區功能混合度測算

將POI數據根據城市功能的主要內容分為四大類，分別是居住功能、商業功能、公共服務功能、商務辦公功能。具體計算基于香農—維納指數（Shannon Wiener index）[20]展開量化，具體公式為：

Pi即為某功能類型下的所有POI數量占POI整體數量的比例。

3.2.2 可達性相關指標測算

公交可達性的測算方法中最直接、有效的指標即測算居住小區到鄰近公交站點（含地鐵站）之間的路徑距離。但蘇州古城區內大部分街坊并沒有“居住區”的概念，而兩個新區的封閉式小區普遍有統一管理的出入口。為了統一所有研究區域的算法，本文將所有可達性的出發點定為每一棟建筑，而不是居住區的出入口。

3.2.3 開放空間輻射指數測算

開放空間由于其沒有明確的出入口，難以進行點對點矩陣分析，本文采用服務區分級打分的方式來間接測算（根據“出行意愿隨距離衰減規律”[21]設置分等級的“服務區”，對服務區設置服務強度分數，如表2所示）。

表2 出行意愿隨距離衰減規律Tab.2 law of attenuation of travel intention with distance

3.2.4 基于DepthMap的路網選擇度測算

研究基于空間句法軟件DepthMapX選擇 500 m、1 500 m 和全局選擇度對蘇州全市街道進行連續分析，其中500 m和1 500 m分別能夠較好地反應人步行與騎行的行為選擇[22]。選擇度（choice）是指空間系統中某一元素作為兩個節點之間最短拓撲距離的頻率，考察空間單元作為出行最短路徑所具備的優勢，反映了空間被穿行的可能性，選擇度越高的空間，則更有可能被人流穿行。

經過實際測算后，8類共計10個緊湊度指標可視化后的示意圖如圖4所示。

圖4 緊湊度指標可視化示意圖Fig.4 visual diagram of compactness index

3.3 多元回歸分析

在進行多元線性回歸分析之前需要將因變量轉化為標準化正態分布。為保證各個自變量之間不存在嚴重共線問題，進行多元線性回歸前需要進行共線性診斷。結果顯示，模型的容差與方差膨脹因子均在合理范圍內（表3），各自變量間不存在共線性問題。

表3 多元線性回歸分析結果——模型摘要Tab.3 multi-source linear regression analysis results-model summary

三個片區的多元線性回歸分析模型擬合優度（調整后R2）為0.128，但對研究片區進行逐個回歸分析，模型擬合優度可以達到整體的二到三倍，說明三個研究片區本身具有較強的異質性。之所以最終選擇三個片區整體回歸分析的結果，主要是由于本研究目的是探尋影響騎行活動的相關因素，雖然模型整體擬合優度不高（騎行活動還受到天氣、房價、職住平衡等其他社會和自然因素的影響），但并不影響針對顯著相關的指標的具體分析。統計分析結果如表5所示。城市街區緊湊度具體的8個二級指標中，顯示具有顯著相關（顯著性＜0.05）的有5個變量包括：容積率、1 500 m路網選擇度、地鐵站點可達性、功能多樣性、道路交叉口密度。

4 基于回歸結果的分析

4.1 容積率相關的影響

容積率與共享單車的使用量始終呈正相關，意味著容積率越高，共享單車使用量越大，符合緊湊城市理念倡導的城市“高密度發展”。高新區低容積率的前三區塊都是城市公園（玉山公園、新區公園）以及游樂園；姑蘇區整體較均質、內部開放空間較少，容積率低的僅有蘇州大公園片區和在外圍對應護城河設置的公園、綠化帶；園區也主要是公園與沿河的綠化帶。圍繞著公園、綠地廣場的共享單車租賃點使用量相對較小，說明將共享單車作為休閑騎行活動的使用者較少，多作為非休閑用途使用。這與嚴亞磊、于濤等人的研究結果一致[23]。

4.2 地鐵可達性的相關影響

地鐵站點可達性與共享單車的使用量呈正相關。本文通過居住單元到鄰近地鐵站點之間的平均路徑距離來表示地鐵站點可達性，數值越高，市民到達地鐵站點需要經過的路程越遠，可達性越低。因此，我們應該將兩者的正相關關系理解成：越不方便到達地鐵站點的位置自行車的使用量越多。此外，將工作日和周末的變化量圖示對比發現，工作日地鐵附近的共享單車使用量普遍高于周末，并且工作日的使用量多集中于上午7點與下午5點的上下班或上下學的通勤時間段內，而周末由于上下班通勤人數減少，地鐵周圍租賃點的共享單車使用量也對應減少。

結合上述兩點結果，很好地說明了共享單車是市民出地鐵站后到達目的地“最后一公里”所常用的接駁工具；地跌站點距離較遠的市民常使用共享單車作為交通工具到達地鐵站點。這與張海等人的研究結果一致[24]。

4.3 功能多樣性的影響

功能多樣性從結果表層意義上來看，對共享單車使用量呈負相關的作用。香農指數在一定程度上顯示了研究區域城市功能配比合理與否。完善合理的功能混合，可以讓市民在某一區域內部就完成社會活動，對于交通工具的使用就會大大減少，因此，市民對共享單車的使用量就會減少。但是這并不意味著緊湊城市所倡導的功能混合就不利于城市居民的健康，相反，高密度功能混合會提高居民步行的意愿從而提高城市居民的健康，其相關性將在后續的研究中分析。

4.4 城市道路網絡的影響

姑蘇區路網保留了傳統的街巷空間和城市肌理，沒有社區組團的概念，斷頭路或者限行路段少，因此路網的連通度很高，高滲透性、高連通度且尺度適宜的街巷給騎行提供了更多的選擇，也讓騎行者能夠到達城市更多的地方。園區低選擇度的路網則是由于存在面積較大的封閉式小區，路網的連通性有所降低，騎行的路線選擇也被局限在了主干道上，但園區相對新區路網尺度小且劃分更加規律，這點有利騎行。高新區的路網跨度普遍比較大，而且網絡尺度不均，部分街區長達1 300 m，街區跨度過大導致路網的連通度低，因此所有可能的騎行路線選擇都被疊加在了主干道上，不利于騎行。總而言之，路網跨度在200 m到600 m的范圍內屬于適宜騎行的跨度范圍，路網間距不應超過1 000 m。

對各個研究片區的選擇度進行內部縱向對比后可見（表4），姑蘇區路網選擇度相對較低的地段大多存在斷頭路，降低了路網連通度；園區低選擇度的地段主要存在面積較大的封閉式小區，導致連通性降低，騎行的路線選擇也被局限在了主干道上。由此可見，斷頭路、過大的封閉小區、路網連通度過低也會影響到騎行的路線選擇。

表4 三個研究片區路網選擇度對比分析Tab.4 comparative analysis of road network choice degree in three research areas

4.5 道路交叉口密度

道路交叉口密度與共享單車使用量呈負相關。在騎行道路上有過多的交叉口，意味著會產生更多的紅綠燈和不同向的人流車流；交叉口的噪音、污染和過快的車速也會降低騎行者的安全感，降低騎行意愿。此外，每遇到一個岔路口，騎行車都會有一次方向決策，并且在交叉口停留的時間等因素都會影響自行車的騎行的連貫性，這與潘海嘯等人[25]的研究結果一致。

5 討論與展望

5.1 研究認知的實踐轉化：騎行友好型的緊湊街區設計

5.1.1 構建適宜騎行的城市道路網絡

經過對三個研究片區路網選擇度結果的綜合分析，我們可通過對路網進行橫向對比并提出適宜騎行的尺度。這個尺度范圍的低端，即跨度在200 m左右的街區跨度，可認為是兼顧步行和騎行的適宜尺度。已經建成的路網改動靈活度不高，但依舊可以從連通度和道路交叉口兩個指標入手。在對古城區的研究中發現，其南面存在大量的斷頭路致使路網的連通性不高；而高新區由工業區轉型，道路跨度往往比較大，部分高選擇度的路網尺度跨度超過1 000 m。針對上述兩種問題，通過對不同街區進行深入調研，可采取局部延伸斷頭路“打通”路網的辦法；對于跨度過大的街區，在不破壞原本街區內功能和肌理的前提下用低等級的新建道路“切割”，也可達到增加路網的選擇度和連通性的目的。

5.1.2 提升騎行環境的安全性和通暢性

騎行道路上過多的交叉口會降低騎行意愿。通過相關措施和法規嚴格保障自行車路權，可以明顯降低交叉口對騎行活動帶來的負面影響。為了保證交叉口騎行活動的通暢性，條件允許時應設立自行車專用“綠色通道”，在交叉口設置供自行車通行的獨立路面，以保證自行車過街的安全性與通暢性。

5.1.3 完善地鐵出站口與共享單車接駁設計

對于地鐵可達性影響的量化分析證實了共享單車是市民出行的“最后一公里”常用的接駁工具。地鐵出站后選擇接駁方式的使用時間是影響其決策最主要的因素，即接駁方式時間越長，該接駁方式的效用就越低[26]。因此，應完善地鐵出站口與共享單車租賃點接駁的設計。例如為租賃點設置雨棚等措施來增加市民出站后使用共享單車的可能性。

5.2 研究局限與展望

本文所構建的街區緊湊度模型也存在著一定的局限性。指標體系著重量化的是城市形態的數據，對于城市經濟和其他社會問題的討論不足，城市是一個復雜的“綜合體”，形態上的測算結果只可以作為一方面的參考。對于反應城市居民健康程度的量化指標，本文在研究最初考慮過許多指標：例如空氣污染指數（API）、碳排放系數、慢性病發病率等指標，但由于本文研究的尺度與數據本身的精度不匹配或者數據獲取難度等問題，最終選擇了共享單車使用量這個能夠在一定程度上代表市民的慢行體力活動數據。

在此基礎之上，后續更多深入的研究可以此展開。例如采用步行活動來代表市民的慢行體力活動數據是下一階段工作的重點，對騎行和步行活動兩方面的研究可相對更全地表征慢行活動；針對微觀尺度的城市空間緊湊度的研究，可以發掘城市活動更深層次的矛盾和問題，為城市更新和城市“針灸”提供量化數據的支持；開放式街區適宜尺度研究，通過不同尺度的道路網絡、街區開放程度對居住空間緊湊度的影響，來優化和調整街區尺度。