基于密度、功能指標的車站城市形態特征研究

陳恩山 姜明池 莊宇

同濟大學建筑與城市規劃學院

伴隨著我國城市近三十年的擴張式發展，許多原本位于城市邊緣的火車站逐漸進入到城市的中心，其獨特的空間功能及形態衍生出空間更新以及緊湊發展的需求，站城融合成為備受關注的重點。自20世紀90年代以來，歐美等發達國家進行了很多火車站區域整體開發的實踐，如荷蘭、英國等借由火車站區域更新契機，打造新的城市中心，成功地帶動了如國王十字車站區域、鹿特丹中央站區域的城市開發。城市在具體時段內，其自然環境、歷史、政治、經濟、社會、科技、文化等因素互動影響[1]，城市更新設計涉及的要素眾多、要素間的相互關系復雜，因此有必要選取適當的角度進行切中要害的分析。

城市形態作為城市的物質載體，體現了各類要素對城市的影響，其形態是設計師對各類城市要素進行設計操作最直接有效的平臺。因此，針對城市形態的研究具有以點帶面的作用。本文嘗試提取形態的關鍵性指標，對車站區域的發展進行初步的形態現象解讀。

1 概念界定：車站區域城市形態

1.1 車站區域

當下對國內火車站的研究多集中于宏觀的交通格局和微觀的火車站房設計，中/微觀的、涵蓋火車站和周邊區域的研究較少。本文借鑒安德烈等人提出的火車站圈層理論[2]，將車站步行合理區（Station Walkable）作為研究范圍，即以火車站房為中心，選取普通人步行5min約400m為半徑作圓，界定研究范圍。

1.2 車站區域城市形態

城市形態有多樣的解讀角度，在建筑單體角度有美學構成等考量，在城市空間的感知有可意向性等評判。從國外的諸多經驗可以看到，火車站區域的更新在很大程度上能帶動區域的建設，因此對于開發潛力、容量的考察具有較高價值，故而本文選取空間使用強度作為形態的考察角度之一，采用密度相關指標進行形態考察分析。

1.3形態測度

在建筑學與城市規劃學科中，圍繞著密度的定義、測度、評價，誕生了很多指標及指標體系[3]。荷蘭代爾夫特理工大學Meta Berghauser Pont教授將4種建筑密度指標結合在一起（建筑容積率FSI、覆蓋率GSI、平均層數L和開放空間率OSR），建立了一種稱之為“空間伴侶”（Spacemate）的圖表[4]，能有效地量化、區分不同城市形態與城市環境的密度狀況（圖1）。本文沿用其方法對車站地區的空間進行測度。

此外，除去開發強度，土地規劃利用中土地的性質分布和功能配置也是規劃與城市設計關注的重點。因此，對火車站這類以交通功能為主的區域，討論其功能混合，具有較高的研究價值。由荷蘭規劃師范德赫克（Van den Hoek）提出的功能混合指標（MXI），能利用地塊中居住、工作、設施這三種主要功能的建筑面積的比值，評價該地塊的功能混合度高低，定量分析地塊的功能特征[5]（圖2）。同時，MXI中居住與設施的比例，可以在一定程度上反應出場所—節點理論中火車站區域的場所和節點屬性[6]，因此采用MXI功能混合指標有助于與經典理論的對接和解讀。

2 數據獲取與處理

2.1 研究對象，案例庫的選取

本次研究綜合了車站流量、知名度等多項因素，在世界范圍內選取了車站與站域周邊附屬開發關聯度較高的38個案例。這些車站的客流量大多高于10萬/天，為所在城市或區域最重要的車站。

2.2 密度數據獲取

傳統的密度指標多依賴官方搜集的數據，但因為國情的不同會導致很多地區數據缺失。本文統一從Cadmapper地圖網站下載各車站站域的三維模型，通過Grasshopper軟件進行指標提取，原理如下：

1 “空間伴侶”通過四類指標解釋城市形態特征

2 MXI圖用功能比例描述混合度

（1）將城市模型導入Grasshopper，拾取各建筑輪廓面積求和，除以總基底面積，得到建筑覆蓋率。原模型不含樓板，為獲取容積率，通過Grasshopper軟件中的等高線運算器，將建筑按層高切分樓層，拾取樓層面積疊加求和，再除以城市基底面積，求得容積率（圖3，4）。

（2）結合資料查閱各國建筑層高，依據功能類型分析發現，辦公及商業設施主體多為4m左右，住宅3m左右。本研究在暫不考慮功能細分的情況下，設定城市建筑的平均層高為3.5m。

（3）Spacemate所使用的開放空間率（OSR）、平均樓層數(N)兩項指標，可以在覆蓋率（GSI）和容積率（FSI）已經取得的情況下，由公式計算得出。平均樓層數=容積率/覆蓋率，開放空間率=（1-覆蓋率）/容積率。

2.3 功能數據的獲取

人工識別Google Earth三維地圖上各建筑的功能，將Cadmapper三維模型中的建筑按功能上色，采用與上述密度數據相同的獲取方法，統計各類顏色所對應的建筑面積，獲得各功能比例。

2.4數據處理與圖解

在以覆蓋率和容積率建立的直角坐標系中，平均樓層數對應的曲線為k=y/x，開放空間率為k=（1-x）/y。將密度數據導入空間伴侶圖（圖5），將功能比例數據導入三角圖（Ternary Plot）獲得功能混合度MXI圖（圖6）。

MXI圖的功能混合度由三個值構成，數值本身無法直觀反應混合度高低，只能借由最終的圖像進行人工判斷。為了將其轉化為更易理解的、單一數值的比率指標。

本文進一步提出“綜合功能混合度M1”：設MXI圖中心點到某散點的距離為a，中心點到端點的距離為b（圖7，8），綜合功能混合度M=1-a/b。該值介于0～1之間，數值越大則功能越混合。對應于MXI圖，當散點位于中心點時，功能混合度最高，M=1；當散點位于端點時，功能混合度最低，M=0。依此原理計算計算各車站功能混合度值（表1）。

表1 密度與功能數據

3 Cadmapper下載的原始模型

4 Grasshopper編程生成樓板線

5 車站區域數據繪制的“空間伴侶”圖

6 車站區域數據繪制的MXI圖

7 “綜合功能混合度M”定義-平面圖解

8 “綜合功能混合度M”定義-三維圖解

表2 各指標相關性分析

為了進一步觀察密度與功能各指標間是否存在關聯，用SPSS軟件對指標進行相關性分析2（表2）。

3 形態與功能特征

3.1 密度分布特征

由空間伴侶圖可見：

（1）車站總體覆蓋率為0.18～0.92，最大值與最小值比值為5.1；容積率為2.3～17.2，最大值與最小值比值為7.5；建筑平均層數8.0～29.0層；開放空間率均小于0.35。

（2）密度分布有很強的區域差異。美洲的車站覆蓋率、容積率、平均層數均最高；人們印象中很擁擠的日本，站區密度指標在各個水平上均有分布；重視傳統保護的歐洲，覆蓋率、容積率處于中低水平，平均層數較低。

（3）具體案例中，作為全球客流量最大的車站，新宿站的各類密度指標均處于中間水平；紐約大中央站覆蓋率達到0.92，容積率為17.2，密度指標最高（圖9，10）。

3.2 功能分布特征

由功能混合MXI圖可見：

（1）車站區域建筑功能多偏向于工作和設施，居住功能比例相對較低。一方面火車站域的噪音等問題難以處理對居住影響較大；另一方面辦公與商業等建筑類型對火車通勤以及通勤人流的需求更高。多因素綜合下使目前車站總體開發中，增加商業、辦公功能對開發商來說更有利可圖。

(2）美國案例含有高比例辦公功能，與美國火車多用于短途辦公通勤的現象吻合。歐洲以荷蘭等國為代表，功能混合度較高，車站作為交通節點和城市生活的場所均得到較強體現（圖11，12）。

3.3 密度與功能間的關聯特征

由表2可見：

（1）所有密度指標與綜合功能混合度M進行相關性運算，所得相關系數均較低，說明了密度的高低和功能混合程度的高低不存在關聯。但單獨的辦公功能與覆蓋率、容積率、平均樓層數等密度指標均有很強的正相關性，反應了目前世界范圍內，高密度火車站地區存在高比例辦公現象。

（2）密度指標內部相互進行相關性運算，覆蓋率和容積率之間的相關系數為0.799，兩要素強相關，說明在高密度地區，同時增大覆蓋率和容積率是常見的城市形態設計策略。開放空間率與容積率、覆蓋率的相關系數分別為-0.860和-0.787，說明容積率的提升對開放空間率負面影響更大。

（3）混合度指標內部相互進行運算，設施比例和混合度之間的相關系數為-0.428，其背后的原因可能是早期建成的車站周邊以貨運倉儲為主、功能混合度低，而伴隨著更新，車站區域貨運倉儲搬遷，引入辦公住宅等功能，走向均衡發展。住宅和混合度的相關系數為0.483，呈現正相關性，可能出于同樣原因。

4 形態策略

目前中國很多車站區域容積率僅有2.0～3.0，而世界范圍內，部分國家如美國其車站地區容積率高達10.0以上。因此國內可以在更詳細論證的基礎上，借鑒緊縮城市、TOD等理論，大幅增加建筑的容量以提高土地利用效率。國內少量新近項目，如重慶沙坪壩火車站、上海萬科之城，初步實現了車站區域的高密度建設，可以為未來新建項目提供借鑒。

車站更新與形態在0.4～0.6覆蓋率區間，容積率的變動范圍達到了3～12，有4倍之差。可以猜想，在路網格局不變的情況下，覆蓋率在0.4～0.6的車站地區，可以通過增加建筑層數的形態設計策略加大建筑容量。在車站更新的大趨勢中，這類車站區域也有望成為極具潛力、易于操作的更新站點。

9 東京新宿站車站區域空間形態

10 紐約大中央站車站區域空間形態

11 荷蘭烏德勒支車站西側區域功能分布

12 荷蘭烏德勒支車站西側區域功能分布

5 討論與展望

本研究提取數據的方法，尤其是密度數據的提取，無需進行手工建模測算，從而可以克服傳統的依托主觀感受評價大樣本的局限。在對數據的圖解分析中，提出綜合功能混合度指標M，完善了原MXI混合度指標體系，使結果變得更加直觀，并且為混合度數據與其他單指標數據提供了整合分析的基礎。然而，本文的研究結論也存在一定的缺陷，盡管通過量化研究的方式探討了各個指標之間開發強度的相關性，然而其背后的發展原因和分布規律還有待進一步探索，以期為我國站城空間規劃設計提供更具參考意義的實踐依據。

圖表來源

圖1由文獻[4]改繪；圖2來源于文獻[5]；圖11，12來源于CU2030官網；其余圖表均為作者自繪。

注釋

2 通常情況，兩組變量的Pearson相關系數R的取值，在0.4～0.6為中等程度相關，0.6～0.8為強相關。需要注意的是，相關系數的高低只表明兩變量間是否存在概率上的關聯，并不代表必然的因果關系。