街道空间界面宜步行性的精细化测度及设计导控研究——以上海为例

The raising call of spatial quality in the context of New Urbanization requires better design of lively and walkable urban streets. Therefore, an analytical approach for measuring and promoting the walkability of street interfaces from a three-dimensional perspective is needed to assist the implementation, assessment and guideline development of human-scale urban design. Traditional methods, like expert scoring and behavior mapping, are hard to provide highly reliable and valid results in such a small scale. Nevertheless, a series of open data, big data, and new quantitative methods for acquiring spatial and behavior features bring new potentials to handle this requirement. This project attempts to explore a fine-scale, small data analytical approach with the support of big data of street view. By this way, a multi-factor statistical model between physical elements of street interface and the feeling of walkability would be built. Shanghai is selected as the case. The first phase of this project is combining classical studies, street view data and image recognition technique to design visualized stated preference questionnaires with typical characteristics of different street types in the case. Meanwhile, the street view data would help to build immersive virtual reality environment that supports behavior mapping excluding outside impacts. Data collected from these two analyses would be integrated and analyzed through discrete choice model to calculate the weightings of elements of street interface on walkability. For researchers, this project contributes to a fine-scale measurement of street interface’s walkability. For practitioners, it contributes to urban design practices by providing an analytical software and visualization platform, which finally helps to build up a detailed design control system.

新型城镇化背景下日益提升的空间品质需求需要更人性化、宜步行的街道。在当前城市设计的实施、评估以及导则制定中，都急需一套能度量进而促进街道空间界面宜步行性的方法，以协助街道设计从平面的道路红线管控向立体的街道界面管控转变。传统方法在信度和效度上难以满足这一人本尺度的精细需求，但近年来空间特征获取与行为感知分析技术上的跃进为本研究带来了新可能。本项目以上海为例，探索大数据支撑下的精准小数据分析途径，构建空间界面要素与宜步行性的关联性模型。首先结合经典研究与街景大数据的图像识别来设计具有案例城市街道典型特征的可视化SP问卷并开展主观偏好调研，同时引入沉浸式虚拟现实技术进行实验室环境下的客观行为分析，随后通过离散选择模型来整合两种途径，分别测度不同类型街道中各种空间界面要素的影响权重，进而在研究上实现宜步行性感知的精细化度量，在设计上提供分析插件与可视化平台，协助关键设计要素的精细化导控。

新型城镇化背景下日益提升的空间品质需求需要更人性化、宜步行的街道。在当前城市设计的实施、评估以及导则制定中，都急需一套能度量进而促进街道空间界面宜步行性的方法，以协助街道设计从平面的道路红线管控向立体的街道界面管控转变。传统方法在信度和效度上难以满足这一人本尺度的精细需求，但近年来空间特征获取与行为感知分析技术上的跃进为本研究带来了新可能。本项目以上海为例，探索新技术、新数据支持下的街道空间宜步行性系统化测度途径。一方面运用可视化陈述性选择偏好法、虚拟现实技术和离散选择模型来采集市民选择偏好，从具身循证视角测度街道空间界面各个要素对宜步行性的影响权重；另一方面结合街景数据与深度学习算法，从算法驱动视角研发面向兼具大规模与高精度的街道空间品质与宜步行性智能化评价模型。随后整合具身循证视角的微观分析和算法驱动下的宏观评价，构建交互可视化平台，探索提高街道空间界面宜步行性的设计导控方法。一方面有助于解决当前街道重塑的浪潮下所面临的难点，保证在大规模铺开的情况下，仍能够保证一致的分析口径，实现快速而准确的街道空间品质与宜步行性现状评估，另一方面还能开发宜步行性导向下的街道微更新工具箱，为数字化城市设计提供精准支撑。本研究在街道空间界面这一纷繁的小尺度上的推进，不仅提升了宜步行性评估的研究信度与效度，而且所构建的量化评估模型能提供兼具大规模与高精度的宜步行性评价，是以专家主观经验和手工观测为主的传统方法所难以实现的。这一新技术、新数据支持下的量化探索，在研究上不仅有助于更深入细致的回应“物质空间环境以何种程度影响人的感受与行为”这一环境行为学基本问题，还能进一步推动环境行为学从描述性向预测性与指导性方向深入发展的需求；在实践上协助设计切入点的精准研判，以小投入实现大的宜步行性提升，探寻科学、技术与设计融合的设计分析范式。