葉宇,黃镕*
隨著我國城市發展步入新常態,城市建設正逐步轉變為以品質提升為核心的存量更新階段[1],人們對城市的空間品質也提出了較高要求。因此,公共空間的設計亟需一套高效、多角度的評估體系,為空間品質的量化測度提供操作參考。以往的城市品質研究多關注于美學、效率等層面,而隨著人們為優質的住區環境支付額外費用的意愿逐步強烈,如何量化高品質城市空間所帶來的經濟效益,已成為近年來的研究熱點。
高品質的城市設計可帶來經濟效益提升已是普遍認知,但對于空間品質中各項要素對經濟效益的影響權重及其變化趨勢,尚未有較明確的量化研究。近10 年間,新數據、新技術與城市設計深度融合,其中多源數據能支持城市設計領域更系統性、綜合化的建模與分析,而機器學習技術能夠洞悉建成環境領域普遍存在的復雜、非線性關系,為空間品質的經濟效能解析提供了系統化測度的可能。
公共空間經濟效益的組成要素較多,而二手房價是其中最能反應居民對建成環境的選擇意愿的因變量之一。多年來,Hedonic 特征價格模型被廣泛用于研究城市環境特征對房價的影響,相關研究通過回歸模型的顯著性分析,判斷衡量所選的研究因子對住房價格的影響是否顯著及其影響程度[2],已成為一套較成熟的研究方法。
本研究以上海市中心城區(外環線以內)的街道公共空間作為研究對象,該區域空間形態豐富,能保證充足的空間形態代表,且上海二手房交易市場趨于成熟,數據量大且記錄全面,有助于研究分析市民對城市空間品質要素的偏好。
經典房價研究變量包括區位特征[3]、房屋特征[4]、服務設施特征[5],其中區位特征包括行政區劃等3 個變量;房屋結構與鄰里特征包括建筑面積、小區總建筑面積、小區容積率等15 個變量;服務設施特征包括餐飲購物、文化娛樂、公共交通、教育和醫療等5 類設施的密度與距離變量,計算考慮距離衰減。
本研究在此基礎上將城市空間品質要素作為新增變量納入分析模型,具體為二維視角的路網形態變量與三維視角的視覺品質變量,其中路網形態變量包括可達性等3 個變量,視覺品質變量包括街道綠視率等7 個變量(圖 1)。

1 分析框架
本研究抓取了2020 年上海市14,875 條房屋交易記錄作為因變量,并抓取了975,964 張街景影像數據計算空間品質相關變量。
為研究空間品質相關變量對房屋價格的影響權重,選擇多元線性分層回歸模型,通過對房價研究中相關變量的重要程度,分為4 組納入各類型變量,納入順序為:區位特征、房屋結構與鄰里特征、服務設施特征、空間品質相關特征。
進一步,為探究相關變量對房價影響的非線性變化趨勢,選擇機器學習的梯度提升決策樹模型(Gradient Boosting Decision Tree,GBDT),納入線性模型中顯著相關的變量,并引入部分依賴圖(Partial Dependence Plot)理解單個特征對機器學習模型的預測結果的邊際效應,并揭示非線性特征的變化區間及閾值。
多元線性回歸模型調整R2為0.618,模型擬合顯著有效,結果顯示空間品質變量組納入模型后R2更改量與服務設施變量組相近,表明空間品質與含餐飲、娛樂、醫療、教育、交通等服務設施的影響權重相近。根據顯著相關的變量的回歸系數結果可對空間品質中各變量的影響權重排序,結果顯示,適度的圍合度和較高的綠視率能帶來顯著的經濟效益,且居民更愿意犧牲車行可達性來保證靜謐的居住環境與社區安全,而街道商業氛圍與界面色彩也能帶來一定的經濟效益(圖2)。

2 空間品質相關變量的權重排序
通過梯度提升決策樹模型的部分依賴圖可探究空間品質相關變量對房價的非線性影響,如圖 3 所示,整體而言房價隨綠視率提高而提升,當綠視率<0.175 或>0.300 時,綠視率帶來的經濟效益較小,當綠視率位于[0.175-0.300]區間,提高綠視率帶來的經濟效益較大,表現為房價隨綠視率提升而升高;而當圍合度<0.6 或>0.82 時,改善圍合度帶來的經濟效益較小;當圍合度位于[0.60-0.82]區間,改善圍合度帶來的經濟效益較大。

3 空間品質相關變量對房價的非線性影響
過去10 年,數據支持的城市設計從單一數據支持的現狀分析,逐步演變成多源數據支持的深度整合分析。本研究通過對空間品質變量經濟效益的探究,突破了傳統城市設計理論偏重于空間美學、社會效益的評價標準,有望使經濟效益成為城市設計評價的新方向。同時,通過更深入的量化分析,探究了各類空間要素的經濟效益影響權重,并進一步解析了不同要素效用最大化的閾值區間,為更精準的城市設計導控提供參考。這展示了當前城市設計領域開始從定性描述到定量解析乃至深度預測的轉型過程,未來有望借助有“厚度”的多源城市數據和有“深度”的分析算法,探索由設計師的先驗經驗難以發現的規律,推動城市設計研究從“已知的已知”到“未知的未知”,從而呼應當下“設計科學”的新范式,探索科學、技術與設計融合的新方向。□