基于三階段DEA模型的城市街道步行空間使用效率研究
——以南京市中山路片區為例

李 昂 （南京大學，江蘇 南京 210008）

1 研究背景

街道步行空間是一種重要的社會公共空間。然而隨著經濟增長的需求，追求效率的空間模式成為主導，國內出現了大量的“大街坊”“大馬路”的現象，往往伴隨建筑后退道路紅線距離過大、街道界面連續嚴重不足、使用效率降低，進而導致城市空間品質不佳、街道人氣活力缺失等問題[1]。街道上的很多建筑單體退讓道路紅線距離不一，未能與周邊步行系統有效對接，總體步行體系凌亂[2]，受到各種各樣因素的影響，使得街道步行空間各區域使用效率不一。隨著我國城市化的迅速發展，空間效率開始成為我國經濟發展的關鍵影響因素，而聚焦在街道步行空間尺度時，可以發現有很多效率低的區域，在土地供應愈加有限的情況下，提高街道步行空間利用效率，將是我國城市土地高效利用的方向所在[3]。

近年來，越來越多的學者從步行優先、街道活力、街景設計、健康街道等方面對街道進行研究，但以往對于街道的研究多以整個街道為研究對象，缺乏對街道微觀特征的量化研究，在對于街道特征的量化研究分析中，多以街道活力為主，關于使用效率的研究并不多，其中僅僅有武鳳文等人[4]對北京市中心城的街角空間使用效率進行了研究，段磊等人[5]對海口市的街道的綜合效率進行了研究。大部分關于街道空間使用效率的研究都是應用了數據包絡分析方法（da?ta envelopment analysis,DEA），該方法是著名運籌學家Charnes A于1978年提出的一種效率評價方法，最初作為重要的分析工具運用于管理學、經濟學和統計學等領域，現已被廣泛應用于物流、教育、農業、城市規劃和建筑設計等行業的研究[5],但是在以往運用DEA對街道的效率研究中，涉及街道時往往都是看成一個整體，汽車、自行車和行人看做統一的使用對象來計算其整體效率，缺乏從步行者的角度，對于街道步行空間使用效率的針對性研究，且涉及DEA方法大部分使用的是一階段DEA方法，未曾考慮環境因素對效率的影響。因此，本文以調查研究為基礎，利用三階段DEA模型為手段，針對街道步行空間，沿道路方向將其進行網格式劃分，同時將會影響到使用效率的不同街道特征劃分為內部屬性以及外部環境，從微觀尺度探究影響每一塊不同的街道步行空間區域使用效率的因素，并提出空間設計建議，旨在提高街道整體使用效率進而提升其活力，落實開放、共享、精細化的城市發展理念[6]。

2 研究方法

2.1 三階段DEA方法原理

三階段DEA模型相比于傳統的DEA模型而言，主要采用SFA回歸模型來消除隨機噪聲和環境因素的影響，通過三個階段分析和解決問題[7]（圖1）。三階段DEA模型的指標包括三個部分，分別是輸入指標、輸出指標和環境因素指標。輸入指標指對于各個決策單元的各種資源的投入量，輸出指標反應的是決策單元在利用和配置投入的資源后的主要產量，而環境因素是指影響綜合效率值的外界因素[7]。

圖1 三階段DEA模型工作流程

2.2 三階段DEA街道效率評價指標的建立

2.2.1 輸入指標的建立

街道的空間面積是最直觀反映其承載能力的指標。

DEA輸入指標體系 表1

2.2.2 輸出指標的建立

對于研究街道步行空間使用效率而言，最直觀的反映就是人群的分布，人分布多的地方則使用效率高，反之人分布越少的地方使用效率越低。

DEA輸出指標體系 表2

2.2.3 環境指標的建立

即使所有的輸入指標數據都一樣，不同環境下的效率值也不相同，即其輸出指標數據不會相同，這是環境因素影響的結果[8]。

DEA環境指標體系 表3

3 研究案例

本研究主要針對商業性混合街道（不包括特定的商業步行街），這些街道一直是城市最具活力與魅力的街道類型[8]。在這類街道上有很多建筑后退道路紅線距離過大，街道界面連續性不足的街道空間，也就是指有一定寬度的街道步行空間。將這些步行街道空間進行網格化處理，分別計算每一個網格空間的使用效率。選取的樣本為南京市中山路新街口（圖2、圖3），沿街具有一定寬度的步行空間，調研時間涵蓋工作日、周末與節假日，時間包含春季的中午12：00～2:00（時段1）、下午3:00～5:00（時段2）與晚上7:00～9:00（時段3）為了降低時間因素造成的誤差，分別調研三次并取平均值為最終的人數數據。數據采集用無人機與相機相結合的模式。

圖2 中山路研究路段區位

圖3 中山路研究路段

通過對中山路兩側路段的調研與觀察，選取了18處地點進行研究，并分別將這18處地點進行網格式劃分，每一個網格為一個決策單元，最終共得到51個決策單元（圖4、表4）。分別對這51個決策單元進行效率評價。

圖4 中山路研究地點示意

各決策單元示意與輸入指標 表4

1 2 1 3 1 4 1 5 1 6 1 8 4 1 6 9 1 5 7 1 5 7 1 6 9 1 8 4 4 2 7.2 1 4 3 1 4 0 2 4 8.6 3 1 4.5 4 5 6.3 6 6.4 1 3 2.8 2 6 5.6 3 9 3.7 5 6 2 5 2 5 0 1 7 1 8 4 1 0.4 2 7 3.6 8 0 2.4 8 9 1.6

調研的時候將該51組數據分成了三組，包括街道部分、街角部分以及部分街道部分，用該部分街道部分進行白天與夜晚的使用效率對比。街道部分為4、5、8、9四個地塊，對應決策單元為12～17號，23～27號共計11個決策單元（圖4紅色區域），街角部分為6、7、10～15、18共計9個地塊，對應決策單元為18～22號，28～44號，50、51號共24個決策單元（圖4藍色區域），用作于白天與夜晚對比的部分為1～3、16、17共5個地塊，對應決策單元為1～11號，45～49號共計16個決策單元（圖4黃色區域）。

4 數據處理與結果分析

4.1 數據處理

4.1.1 第一階段結果

將調研得到的原始數據通過DEAP2.1軟件對各決策單元進行分析，根據結果可知，一共有三種情況。第一種為綜合效率和純技術效率以及規模效率均為1的時候，說明此決策單元位于效率前沿面上，單投入單產出的效率值等于單位面積的人數密度乘以一個常數系數。

4.1.2 第二階段結果

用SFA模型來處理松弛變量，借助Froniter 4.1軟件，得到SFA回歸模型的分析結果（見表6、7、8、9）。數據分成了三組，分別包括街道部分、街角部分以及部分街道部分，該部分街道部分用于白天與夜晚的使用效率對比。

第一階段結果示例 表5

第一組街道部分SFA回歸結果 表6

第二組街角部分SFA回歸結果 表7

第三組街道部分白天SFA回歸結果 表8

第三組街道部分夜晚SFA回歸結果 表9

當環境因素的回歸系數對各個輸入指標的松弛變量為正值的時候，說明會增加該輸入指標的松弛變量，進而增加該輸入指標的浪費，以至于降低效率，反之為負值，會對效率呈正向促進作用。

4.1.3 第三階段結果

經過第二階段通過SFA模型計算出調整后的輸入指標數據與原始輸出指標數據，重新以投入導向的BCC模型進行運算，得到剔除了環境因素與隨機噪聲影響下的準確效率值（見表10）。

第三階段結果示例 表10

4.2 結果討論

在第一階段結果中，15號區域靠近門店且位于建筑的一角，在此形成了一個陰影空間，所以吸引人們在此駐留和排隊；22號區域位于德基廣場的一個入口，且處于建筑所形成的陰影的遮擋之中，很多人在此駐留；11號區域位于街道外沿，此處有休憩座椅供人停留，以及駐留等候的行人（表11）。

第一階段結果綜合效率為1的實例 表11

在第三階段結果中，16號區域為步行通行區域；35號區域為街角的休憩區域；6號為金鷹商場的出入口，同時也是重要的街道步行區域；9號區域為靠近店鋪一側的區域，夜晚時分在該處亮度高于其他區域（表12）。

第三階段結果綜合效率為1的實例 表12

根據第二階段分析的結果，發現對區域間的效率對比，還可以調研其他三個季節的情況，進行同一區域不同季節的對比分析，得到更加綜合全面的結果。