環境行為學視角下地鐵站周邊城市空間研究動態與綜述

魏書祥 孫浩然

地鐵站周邊城市公共空間的利用正朝向高度集約化與立體化方向發展，涵蓋的城市功能類型愈發復雜，環境的舒適性需求不斷增加，數字化技術手段的應用更是達到了前所未有的廣度與深度[1-3]。因此，新時代背景下應進一步深度剖析人與城市環境的關系，如何從環境行為學視角出發，采用精細化城市設計方法，營造更加舒適的地鐵站周邊城市空間環境，成為城市設計相關學者研究的重要任務。

本文對地鐵站周邊城市空間動態的國內外研究熱點及趨勢進行梳理，對核心文獻進行精析，基于環境行為學視角，對地鐵站周邊城市空間進行研究與綜述，總結現階段已有的研究與分析方法，明確環境行為學視角下的地鐵站周邊城市空間設計策略，以期為城市精細化發展提供參考與依據。

1 概念解析

1.1 環境行為學

大量研究表明，在城市化進程中，原有的粗放型城市管理亟需變革，精細化城市設計需求的研究顯得極為迫切。而城市空間研究正為滿足這種精細化設計需求朝向人的環境心理感知方面發展，因此對環境行為學的引入與關注成為必然需求。

環境行為學（Environment-behavior studies），又稱環境設計研究（Environmental design research），是研究人與周邊各尺度物質環境之間相互關系的科學[4]。通過探求決定物質環境性質的要素，以政策制定、規劃設計以及教育等方式，使得環境品質得以提升[5-6]。環境行為學的影響日益擴大，逐漸滲透到建筑學、城市規劃學和相關學科的研究與實踐中[4]。

1.2 地鐵站周邊城市空間相關概念比較

地鐵站周邊城市空間是在以某地鐵站為核心的一定范圍內，該站點對周邊人的行為以及當地經濟、文化發展產生影響或輻射的城市公共空間[7]。

通過對地鐵站周邊城市空間相關研究成果的梳理，發現歷年有學者從不同的角度對站點的影響力進行了探討，對站點周邊一定范圍城市空間進行界定與研究，并提出一系列的相關概念，主要包括步行接駁范圍、地鐵站域、站點影響域、軌道站域等（表1）。

表1 地鐵站周邊城市空間相關概念比較

2 研究框架與方法

2.1 研究思路

本文首先進行研究思路的梳理（圖1），通過對現有文獻的大量閱讀，梳理出研究技術框架圖，從而確定研究問題、界定研究概念、確定研究范疇。再對文獻進行篩選精讀，對已有研究視角、數據獲取及分析方式、城市空間優化策略等進行總結，關注國內外研究情況、數量變化、研究熱點以及學科分布情況。整理現有研究的共性成果，進而對未來該領域的研究提出建議。

2.2 分析工具

CiteSpace軟件是由美國德雷克賽爾大學陳超美教授團隊研發的一款在科學文獻中識別與可視化現有趨勢與最新動態的Java應用平臺，現已成為研究綜述分析領域中影響力較大的可視化信息軟件[8]。

VOSviewer平臺風格相對單一，聚類分析一般按照顏色劃分范圍；而CiteSpace風格多樣、可操作性強，可依據多種算法分別提取聚類信息。因此本文基于以上兩種可視化文獻分析平臺進行研究趨勢的分析與總結。

2.3 分析方法

本文對研究趨勢的梳理主要利用C it e Sp a c e 軟件分析環境行為學視角下地鐵站周邊城市空間研究的領域特征、數量變化、關鍵詞時區分布等情況，結合VOSviewer平臺的關鍵詞共現網絡及熱度圖分析，梳理研究趨勢，再精讀文獻進行綜述，對研究視角、數據獲取及分析方法、優化提升策略進行總結[9]。

2.4 文獻來源與篩選

文獻選取的數量與質量，可以在一定程度上反映該課題的研究深度及發展歷程。為保證數據的可靠性與權威性，本文以CNKI核心數據庫以及Web of Science核心集合數據庫，分別作為國內外研究檢索平臺，以“地鐵站”（metro station）“城市空間”（urban space）等為關鍵詞分別在兩個檢索平臺進行檢索，時間跨度從2000年到2021年。并對檢索結果進行人工去重整理，刪除個人學術成果介紹、期刊會議征稿、卷首語以及無作者等無關條目，共篩得國外相關文獻749篇，國內385篇，從而進行研究趨勢梳理。

按以下條件對精析文章篩選：第一，發表于核心期刊；第二，發表于2010年之后；第三，被引頻次前30、共被引中心性高于0.1。去除與關鍵詞聯系不緊密的文獻，篩選出50篇進行精析[9]。

3 國內外研究發展趨勢分析

3.1 研究數量變化

國外關于環境行為學視角下地鐵站周邊城市空間的研究呈現逐年上升的趨勢，尤其在2015年后增幅加快，說明環境行為學在地鐵站周邊城市空間研究中的作用愈發重要。國內對該領域的研究相對較早，但早期研究進展緩慢，發文數量較少，近年對該領域呈現持續關注的趨勢（圖2）。

圖2 地鐵站周邊城市空間國內外研究的數量變化趨勢圖

3.2 研究的學科領域分布特征

經過對學科領域分析發現，國外對于地鐵站周邊城市空間領域的研究大多集中于工程學（engineering）、環境科學（environmental sciences）、運輸工程學（transportation）、交通科學與技術（transportation science & technology）等自然科學領域，而城市規劃學科于近年開始研究該領域，但文獻數量有限①（圖3），有較大的研究潛力。

圖3 地鐵站周邊城市空間國外研究的學科共現網絡

而國內關于該領域的研究文獻相對國外較少，不便基于CiteSpace軟件進行學科共現研究，故基于CNKI數據平臺進行可視化處理生成該領域學科分布圖（圖4）。根據該圖可知，城市經濟和城鄉規劃與市政是發文最多的領域。

圖4 地鐵站周邊城市空間國內研究的學科分布

3.3 研究熱點分析

基于CiteSpace平臺，結合VOSviewer軟件，分析得出關鍵詞共現網絡（圖5）與

圖5 地鐵站周邊城市空間國外研究的關鍵詞共現網絡

關鍵詞熱度圖（圖6），結合關鍵詞共現時區圖②（圖7），發現國外該領域研究主要集中于自然科學領域的“模型”（model）“通勤”（commute）“換乘”（transport）等的探索。而近年來逐漸開始關注“建成環境”（built environment）“城市交通”（urban mobility）“以交通為導向的開發”（transit-oriented development，TOD）等。整體研究范疇由單純以工程、運輸、物理等的自然科學領域，研究方向逐步轉向環境行為學視角下城市空間為代表的社會科學領域的研究與探討。

圖6 地鐵站周邊城市空間國外研究的關鍵詞熱度圖

圖7 地鐵站周邊城市空間國外研究的關鍵詞時區分布

國內對地鐵站周邊城市空間研究的關注點主要有“地下空間”“城市設計”“軌道交通”“地鐵站域”，而“城市公共空間”“公共藝術”“空間句法”“TOD模式”（圖8～10）是近些年的新興研究熱點，即隨著科學技術的發展與社會需求的進步，逐漸轉向對城市空間品質的追求，更加注重人對公共空間的需求。

圖8 地鐵站周邊城市空間國內研究的關鍵詞時區分布

3.4 研究趨勢小結

國內外對于地鐵站周邊城市空間的主流研究方向仍處于對地鐵站實體及其周邊城市公共空間的研究，對環境行為學視角下的該領域研究，發展空間較大且逐漸被越來越多相關學者關注。

總結歸納當前該領域研究趨勢：第一，國外對基于環境行為學的地鐵站周邊城市空間的研究，在研究深度、研究方法及研究工具等方面更加成熟，國內研究雖然對地下空間等實體城市公共空間關注較早，但對環境行為學視角下的該領域仍處于起步階段；第二，在研究視角方面，國外研究已逐漸轉為環境心理層面的城市環境以及TOD模式等具有系統性的研究設計，國內主要從城市公共空間、地鐵站域等宏觀及中觀視角出發，近些年提出精細化城市設計理念，并對城市公共空間適應性評價等中微觀視角展開研究；第三，隨著科學技術的進步，國內外研究在行為仿真、空間句法Depthmap、ArcGIS等平臺應用等方面取得了一定的成果與進步。

4 地鐵站周邊城市空間的研究內容與方法

通過研究已有成果發現，當前國內外諸多學科的學者對該視角下的城市空間做出了定性與定量研究，普遍認為地鐵站周邊城市空間作為軌道交通植入城市后產生的新空間，為城市的更新進化提供了新的發展契機與空間載體[10]。為進一步研究該課題，對已有研究從研究視角、數據獲取與分析、策略優化等層面進行分析，從而為指導環境行為學視角下的城市設計策略提供依據。

4.1 研究視角

國內外關于該課題的研究從宏觀、中觀和微觀三種視角展開。宏觀視角下整合多元城市系統，揭示了以地鐵為代表的軌道交通與城市化進程以及提升城市空間品質的顯著作用。中觀視角下聚焦城市關鍵問題，地鐵站周邊城市空間成為現代城市運轉的關鍵節點，對周邊發展戰略及城市體系建設的影響極為重要。微觀視角注重精細化城市設計研究，從行人生理感知與行為規律的層面探討地鐵站周邊城市空間一體化成為研究熱點，為城市空間一體化發展提供理論依據與實踐基礎。

4.2 數據獲取及分析方法

（1）數據獲取方法

數據的獲取是該領域研究所面臨的關鍵問題之一。傳統調研方法的行為數據獲取大致有言說類調查法、觀察類調查法、文獻調查法等[11-12]。主要為兩類信息來源：一類以行為為主體的經驗與回憶，以訪談調研法、問卷法等為代表；另一類方式為基于行為活動的觀察記錄，以行為計數法、行為注記法為主[13]。

現今新型數據獲取技術層出不窮，研究者能夠獲得的行為信息更加全面，這些數據隨著智能手機的廣泛應用而日趨豐富。通過網絡數據對“Tweet坐標”③和文本數據的利用，能夠過濾關鍵詞特征和分布情況，得到不同空間網絡活動熱點以及流動方向[14]。交通數據能夠借助數據挖掘進行可視化處理，讓出行者實時了解交通情況從而合理計劃行程安排[15]。利用手機信令數據，能夠進行人流量的智能統計及行為空間定位，對城市空間結構優化以及城市公共資源實時管理具有指導作用[16]。使用影像數據，如麻省理工學院可感知城市實驗室（MIT Senseable CityLab）借助紅外3D傳感技術實現人體細微動作的三維捕捉的研究，為微觀層面行為記錄信息提供了準確數據[17]。

（2）分析方法

數字技術的介入成為現今城市空間設計中不可或缺的重要輔助手段。圖形圖像處理技術、虛擬現實技術、ArcGIS、空間句法等分析方法的使用，標志著城市設計的數字化科技創新平臺正在逐步形成[18]。

圖9 地鐵站周邊城市空間國內研究的關鍵詞共現網絡

圖10 地鐵站周邊城市空間國內研究的關鍵詞熱度圖

空間分析可結合ArcGIS軟件及手機信令數據、浮動車數據等對空間結構進行分析，或運用時空棱柱對居民活動密度及分布作出模擬[19]。數據模型可以對傳統不可量化的部分予以補足，對出行、消費等決策選擇行為建立模型，可得出行為與各因素的相互關系[20]。行為仿真方面，例如Anylogic等平臺的引入建立了地鐵站點等區域疏散過程中行人行為仿真及動力學模型，可以對不同路徑設計下的疏散進行科學的評估[21]。

4.3 地鐵站周邊城市空間優化策略

基于環境行為學視角，該區域的公共空間設計策略需要遵循場地空間適宜性、空間功能的普適性兩大人性化城市空間設計衡量標準[22]。即地鐵站域城市空間環境應體現處理人、社會與客觀空間環境的關系，在空間形式上應符合人對空間需求形成一定的場所感覺，在空間功能上應盡可能普遍適應包括各種社會群體的行為方式與心理感受的使用需求[23-25]。

而精細化城市設計作為解決城市空間問題的重要手段，面對環境行為學視角下的空間與行為問題，除了需要理論衡量標準，更亟需探索新的設計策略支撐。以TOD模式為導向的站城一體化開發、“建筑·交通一體化”等設計策略，都是將地鐵站與周邊城市空間統籌考慮，在設計之初即進行一體化考慮，大致可分為以下幾個方面：

①步行交通整合：建筑與步行空間一體化關系可分為地面穿越、空中跨越以及地下延伸三種基本形式；②軌道交通整合：建筑與軌道交通整合包括內嵌式與毗連式兩種方式；③機動車交通整合：建筑與機動車交通整合最重要的環節是公交站點與交通終端融入建筑[26]。

5 總結與展望

基于環境心理學的城市空間設計是當下的熱點研究方向，本文對地鐵站周邊城市空間研究進行評述，為其設計及優化研究提供借鑒與參考。

5.1 研究成果總結與借鑒

根據現有研究趨勢，基于環境行為學視角，去除與課題無關、期刊會議征稿以及無作者等文章，依據期刊質量、被引頻次、發文時間等篩選并精讀文獻。現今該課題研究主要包括宏觀整合多元城市系統、中觀聚焦城市關鍵問題、微觀行為仿真研究以及提升環境品質的空間規劃設計和優化策略研究等層面。代表性研究成果主要為：

①宏觀尺度中對軌道交通與城市空間多元系統的整合已相對完善，中微觀成為研究熱點，以環境行為學視角為代表的相關課題逐漸被聚焦與研討；②地理信息技術、行人微觀仿真等數字技術的日趨成熟為該研究方向打下良好的基礎，增強了數據的科學性與準確性；③多學科交叉融合的“廣義建筑學”思想為該領域的發展拓展了更廣闊的研究空間。

5.2 研究展望與建議

該領域的研究取得了一定成果，對城市空間設計具有一定現實意義，在未來研究中可以關注以下幾個方面：

①自然科學與社會科學領域結合，國外早期更多聚焦于工程學、軌道交通等自然科學，但隨著社會學科以及微觀視角的介入，將兩者研究相結合將更利于該課題研究；②持續關注微觀環境行為視角下的地鐵站周邊城市空間研究；③進一步構建空間形態及基于環境行為學的城市系統評價體系，進一步明確各影響因素及其權重；④地鐵站周邊城市空間行為安全問題一直作為該領域的熱點問題，行人微觀仿真模擬技術的應用可以使其得到一定程度的改善；⑤能源問題一直是城市可持續發展的重點難題，期待可以從環境行為視角切實對城市系統的健康發展找到可行之路。

結語

隨著經濟社會的日益發展，以提升城市空間環境品質為目標的環境行為學在當今我國社會有著深遠而重要的現實意義，基于環境行為學視角的地鐵站周邊城市空間研究已經成為城市設計領域的重點課題。必須意識到我國基于環境行為視角的相關研究起步相對較晚，但由于我國人口規模龐大、城市發展進程加快，城市交通與空間發展的關注度隨之日漸提高，因而研究潛力巨大。對于城市設計研究而言，環境行為學與該學科的融合正在重構城市空間設計的理論與實踐，理應得到日后相關學者與城市設計師足夠的重視，為促進城市空間品質提升與城市精細化發展注入持續動力。

資料來源：

圖1～10：作者繪制；

表1：作者根據基礎資料繪制。

注釋

① 運算設置為：時間跨度=“2000—2021年”，時間切片=“1年”，節點類型=“學科領域category”，Top N=“50”，進行最小生成樹（Minimum Spanning Tree）剪枝運算。

② 運算設置為：時間跨度=“2000—2021年”，時間切片=“1年”，節點類型=“學科領域category”，Top N=“50”，進行最小生成樹（Minimum Spanning Tree）剪枝運算。

③ Tweet坐標：通過美國社交網絡平臺Twitter所發送信息的網絡簽到數據。