基于街景數據的空間感知與活力特征探究
——以昆明老城為例

■ 熊付愛 XIONG Fuai 王 穎 WANG Ying 鄭 溪 ZHENG Xi 金楚涵 JING Chuhan

0 引言

“當我們想到一個城市時，首先出現在腦海里的就是街道”[1]，街道是城市中使用頻率最高的公共空間之一。無論是城市意象，還是街道美學，本質上都是從人的尺度、活動需求和審美認知角度出發研究街道空間。隨著我國城鎮化進程的加快，街道建設往往更關注經濟發展，而忽略了街道環境質量。在存量規劃的背景下，以人為核心的街道空間品質提升是當前城市更新工作的關鍵。

公共空間感知質量越高，使用者對其依賴程度越高。以往關于人們基本需求的研究多關注在街道環境的舒適感和安全感上[2-4]，這是因為人們更愿意停留在這樣的街道環境中。當人們的基本需求得到滿足后，便會轉向更高層次的需求，如一些學者通過對街道環境宜人性的相關性測度分析，發現綠視率是其中一個重要影響因子[5]。我國對歷史空間感知的認識多基于空間句法對城鎮歷史空間結構的解讀[6-7]；2021 年，曹越皓等[8]構建歷史空間感知的測度技術框架，結合實例分析其歷史空間感知的特征。麻省理工學院城市感知實驗室在2010 年研究了城市街道感知的6 個維度，綜合了人們對街道感知的基本需求和更高一級的需求，豐富了街道空間感知的維度。

早期因技術方法的局限性，空間感知的研究多聚焦于街道層面的實地訪談和問卷調查等方式，如王德等[9]借助SD 法，分析上海8 條具有代表性的街道空間感知特征與客體指標之間的關系。近年來在新城市科學背景下，涌現出以興趣點（POI）、地理位置、網絡文本及圖像識別等新數據、新技術的大尺度城市街道空間感知研究，例如：唐婧嫻等[10]基于多時相的街景數據自動測度大規模城市街道空間質量；鈕心毅等[11]基于LBS 定位數據分析建成環境對街道活力的影響；狄迪等[12]則構建了一個包含多維度、分指標的城市街道空間品質評價框架，可兼顧街道形態特征以及使用人群的感知與行為特征。

上述研究大多是從街景智能識別、街道品質和街道活力等角度進行探索，但并未研究個體心理感知與人群活動特征及其相關視覺要素的關聯性。行人在空間中的活動與感知之間有何特征？街道的哪些視覺要素會影響行人的感知體驗？解決這些問題，將有助于街道環境的人性化設計。基于此，本文從行人的主觀感知出發，以昆明老城為對象，研究街道空間感知與街道活力特征。

1 研究方法

1.1 技術路線

對街道空間感知與街道活力特征的研究可分3 步進行：①在獲取昆明老城OSM 路網數據的基礎上，以20 m 為間隔距離，采集街景數據，并通過深度學習方法測度街道主觀感知和街道視覺元素；②利用百度熱力數據表征街道人群的活力程度，提取高活力高消極的街道分布情況；③分別從高活力下街道視覺元素的統計分析以及基于全部街景感知質量與視覺元素的多元回歸分析兩個層面，解析行人感知質量與街道活力分布的空間特征，探尋街道視覺元素和使用者主觀感知的相關性（圖1）。

圖1 技術路線

1.2 研究范圍

本次研究選取昆明老城為對象，面積為 4.7 km2（圖2）。研究范圍內有2 個歷史文化街區和3 個歷史地段，沿用傳統的城市空間形制，保留有歷史街巷空間，是在較長時間內空間發展與人群相互作用的結果，對于昆明老城街道空間感知與活力研究具有典型性。另外，昆明老城內已經編制多個保護與整治提升規劃，重點提升歷史地段及歷史文化街區內的街道環境品質，因此，昆明老城內的街道空間感知與活力空間特征研究具有重大現實意義。

圖2 昆明老城研究區位圖

1.3 數據來源

1.3.1 基于百度地圖的街景數據獲取

在昆明老城范圍內繪制道路中心線，并且每間隔20 m 采集并制作街景點數據，共獲得949 個街景點數據（圖3）。利用百度API 爬取街景圖像數據，提取街景點的地理坐標位置，并將地理坐標系轉換為百度街景BD-09 標準坐標系；同時，為符合人的視角，將俯仰角度設為20°、水平視場角設為90°，采集4 個方位的視圖并進行圖像拼接，得到全景街景圖像。在此基礎上，對獲取的街景圖像數據進行清洗，去除無效的街景點數據，最終采集到946 張全景街景圖像、3 784 張街景圖像數據，保證了街道感知評價數據的可靠性。

圖3 昆明老城街景點數據采集分布圖

1.3.2 人口熱力數據

基于百度熱力數據，對人群在街道空間中的行為活動進行分析。城市生活中，人群行為具有規則性活動和自發性活動的特征，具體體現在工作日上下班和周末休閑時間[13]。因此，本文選擇獲取昆明老城在2023 年3月26 日（周末）和2023 年3 月27日（工作日）8:00、11:00、15:00、19:00、22:00 的百度熱力圖數據。

為了能更加準確地描述街道的活力級別，結合道路等級與實際情況，對主干道、次干道和支路進行成對緩沖，距離分別設置為40 m、30 m 和12 m，并通過掩膜提取工具提取街道的人群熱力值。為便于下文的數據分析，對提取后的人群“熱力值”進行重分類，并將街道活力值分為1～9級，其中：7～9 級為高活力街道，4～6 級為一般活力街道，1～3 級為低活力街道。本文以街道1 d 的活力平均值代表休息日與工作日之間的活力差別，計算公式為：

式中，Hˉ 表示某條街道的活力值；Xi表示在i時刻街道的活力值（i=8:00，11:00，15:00，19:00，22:00），平均值越高，代表街道的活力越高，反映更多的人群集聚。

1.4 圖像語義分割

街景圖像中，場景語義提取的常見方法包括FCN 、SegNet、PSPNet等。其中，PSPNet（Pyramid Scene Parsing Network）是在FCN 基礎上改進的模型，是通過金字塔模塊池化提出的金字塔場景解析網絡，可以提取淺層和深層信息，完成多層次的語義特征融合，且分割精度較高，是當下使用較為廣泛的識別算法之一[15]。基于ADE20K 數據集的PSPNet 模型是將改進后的ResNet50 和金字塔池化模塊分別作為編碼器和解碼器進行場景解析，該數據集中包含有150個日常生活中的物體，分割精度達到79.73%，為城市信息挖掘提供了更多可能[16]。本文即采用這一模型對街景圖像的語義信息進行分割。

1.5 街道感知預測

在2010 年麻省理工學院城市感知實驗室推出的Place Pulse項目中，通過收集56 個城市超過10 萬張的街景圖像，評估城市街道空間感知質量，包括美麗、富裕、安全、有趣、無聊、壓抑等6 個維度。其中：美麗是衡量街道空間的漂亮程度；富裕是衡量街道的繁華程度；安全是衡量個體對于街道空間給人的安全感；有趣是衡量街道空間的給人的多樣性；無聊是衡量街道空間的無趣程度；壓抑是衡量街道空間給人的難受程度。這6 個維度細化了人的感知，可提供人們對城市街道空間心理感知的詳細圖景。此后，基于這6 類城市街道感知，國內外許多學者對城市的人類感知進行了相關研究[17-21]。其中，姚瑤團隊[18]研究的開源城市感知模型是基于隨機森林算法測度城市空間感知質量的研究方法，該模型對城市感知的誤差低于10% 。基于此，本文采用姚瑤團隊提供的開源城市感知模型感知昆明老城的街道空間質量，分別對上述6 個維度進行感知質量研究。

2 街道空間感知的活力特征

2.1 街道主觀感知質量解析

基于開源城市感知模型，解析昆明老城街道空間6 個維度的感知質量，并以不同色帶的飽和度漸變來表示街道空間6 個維度的感知程度（圖4）。可以看出：①在感知程度上，壓抑和無聊兩個維度高于美麗、有趣、富裕和安全維度，是由于部分街道環境未得到顯著改善提升造成消極感知強烈，如景虹街等；②美麗維度感知較高的區域多位于學校和綠地濱水路段，如一二一大街、巡津街、翠湖西路、圓通北路等；③有趣維度感知較高的區域集中在濱水空間和商業聚集區，如青年路南段、寶善街、同仁街、南強街等；④富裕維度感知較高的區域多位于城市商務用地周邊及繁華的商業街道，如金碧路、巡津路、金碧路等；⑤安全維度感知較高的區域多位于尺度適宜且底商多樣的街道，如翠湖西路、巡津路南段、東風西路、錢局街等。

圖4 昆明老城街道空間6 個維度感知質量分布圖

2.2 街道人群活力分析

對昆明老街休息日與工作日的街道人群時空分布變化進行分析（圖5），可以看出：老街休息日的人群活力分布隨時間變化出現改變，而工作日人群活力分布并未隨時間變化出現較大差異。

圖5 昆明老城休息日與工作日分時段人群熱力圖

（1）休息日的人群主要聚集在潘家灣地鐵站附近，除8:00 時段，護國路和金碧路始終是人們集聚的主要道路。另外在15:00 左右，翠湖和昆明動物園也出現了短時人群集聚。總體而言，休息日上午，以交通站點和醫院為人群活力的高度集聚區域，轉向商業密集道路；下午時段，在以休閑為主的街道上，人群活力出現陡增；晚間時段，人們又轉向商業步行街及商業集聚的街道。

（2）工作日8:00 時段的人群活力分布特征與休息日一樣，主要在潘家灣地鐵站和醫院附近街道出現高活力現象。在此后的時間段里，商業性街道附近活力平穩上升，特別是人民中路南側的街道、護國路和金碧路這類大型商業集聚的街道，始終保持高活力特征。工作日的人群活力分布總體上比較平穩，并未像休息日那樣在下午時段出現個別場所人群活力陡增的現象。這是因為周末休息時段，人們更愿意自發前往一些環境較好的休閑街道空間。

（3）不管是工作日還是休息日，在除8:00 以外的其他4 個時間段里，人群始終在人民中路、護國路和金碧路周邊的街道保持高活力。這主要是因為，這里不僅集聚了多樣的商業空間，有眾多的公共資源；而且有兩個歷史文化街區，可吸引更多其他區域的人群來游玩。

2.3 街道主觀感知與街道活力的分布特征

高活力與高感知分析有助于精準發現以往城市更新中難以發現的問題。分別將6 個維度的街道感知質量根據自然間斷點法劃分為5 類，每個維度得分最高的一類（即得分最高的前13%～18%的街景點）作為該維度高感知代表；在綜合工作日與休息日人群街道活力的基礎上，通過加權平均計算出昆明老城的街道綜合活力評價（圖6）；最終提取昆明老城內高活力街道上的高感知街景點進行疊加分析（圖7）。

圖6 昆明老城綜合活力評價圖

圖7 昆明老城街道高活力與高感知分析圖

2.3.1 高活力與高感知空間分布

由圖7 可以看出：①美麗與有趣維度在高活力街道上的空間分布相似，主要聚集在五一路南端、連接金碧廣場與南強街之間的正義路段與祥云街路段及金鷹購物廣場附近的青年路，這些街道擁有尺度適宜的步行空間且富有生氣；②富裕維度在高活力街道上分布在文明街南部路段、護國路、青年路及金碧路上，這些街道主要都是商務和商業用地聚集的路段，繁華的商業空間使得個體感知更加強烈，這也是人群高活力的原因之一；③安全維度的高感知街道主要分布在寶善街、南強街、履善巷、云興巷等街巷尺度適宜、街道設施完善且具有綠化空間的街道；④無聊和壓抑維度的高感知在金碧路南部的路段都出現了聚集，如春雷巷路段和書林街等街道空間，這些路段由于大體量的建筑而缺少綠化且街道空間狹窄，導致消極感知強烈。

2.3.2 高活力高消極街道空間分布

在城市更新過程中，歷史城區范圍內的街道空間不僅是居民交流活動的場所，也是游客進行城市空間感知的主要對象，因此有必要優先改造高活力高消極街道空間，進而為規劃人員和城市管理者提供決策依據。基于此，本文將6 個感知維度進一步劃分為積極感知和消極感知兩類，其中：消極感知包括壓抑和無聊維度；積極感知包括美麗、有趣、富裕和安全維度。

昆明老城街道高活力與高消極感知的空間分布如圖8 所示。A 區域（東風西路南段）與C 區域（人民中路區域）周邊都是以商業用地為主，大體量的商業建筑圍合、大尺度的街道空間及毫無特色的建筑更易感知消極；且A 區域比C 區域感知更加強烈，這可能是由于A 區域的非機動車與機動車混行，導致消極感知強烈。B 區域的石山巷至富春街路段和D 區域內的石橋輔、后新街和司馬巷周邊都是老舊小區，街道空間尺度狹窄，大部分建筑風格統一，小區圍墻和混亂的空間組織加劇了消極感知的程度。

圖8 昆明老城街道高活力與高消極感知的空間分布圖

3 街道空間感知與視覺元素的相關分析

本文分別從高活力高感知的街道視覺元素統計分析和街道空間感知質量與街道視覺元素之間的回歸分析進行研究。

3.1 高活力高感知的街道視覺元素分析

為了探尋高活力下街道感知質量與街道視覺元素之間的相關性，對高活力下街道高感知質量的街景視覺元素所占比例進行統計，以此來表征該維度高感知的視覺元素特征。提取高活力高感知占比最高的8 類視覺元素，包括建筑物、車行道、樹木、人行道、天空、汽車、墻體及其他視覺元素（表1）。

表1 高活力下高感知街道視覺元素統計表

積極感知方面，樹木占比更高。樹木不僅能夠為行人提供遮蔭環境，還可以釋放O2，增加行人的舒適感。因此，增加樹木的覆蓋率，可以有效降低行人的消極感受。

消極感知方面，墻體和建筑物占比更高。這是由于圍合的墻體和擁擠的建筑物會增加行人的消極感知，并減弱人們對該街道的積極感知。此外，其他視覺元素在消極感知維度的占比也較高，場景中過多的視覺元素會顯得空間雜亂，使行人的消極感知強烈。

3.2 空間感知與街道視覺元素多元回歸分析

識別街道空間感知質量的相關視覺元素有助于提升城市街道空間品質，營造更加宜人的公共空間，故對街景數據中的視覺元素進行標準化，得到7 類標準化要素，再與6 個感知維度之間的關系進行多元回歸分析。在統計學中，以beta 系數表示各個自變量在回歸方程中的系數，統一量綱和取值范圍后，繪制標準化系數（表2）。對于回歸模型的相關性檢驗，p值為拒絕原假設的最小顯著性水平。當p＞0.05 時，不具有顯著相關性；當p＜0.05 時，具有顯著相關關系；當p＜0.01 時，表示具有非常顯著相關關系。

表2 主觀感知與視覺元素的標準化beta 系數表

由回歸分析結果可知：不同的視覺元素對于不同的感知維度之間有著不同的影響作用。人行道、天空、汽車等視覺元素對安全、富裕和有趣維度有顯著的正向影響，適宜的人行道、開闊的天空及通行的車輛都會增強行人的安全、富裕和有趣感受；植物對美麗維度有顯著的正向作用，可以在居民經常通行的路段增加豐富多樣的植物和樹木，以強化行人在美麗維度的感受；此外，墻體與安全、有趣維度呈現負相關，會使人產生沉悶和乏味感，可以在重要通行路段設計口袋公園或沿街商鋪，以降低無聊和壓抑的感受。

4 總結與討論

綜上所述，本文從人本視角出發，借助街景圖像數據分析行人的主觀感知和人群活力特征，解析街道視覺元素與街道活力之間的關聯，并對重要特征進行分析。通過將行人的主觀感知質量與街道活力進行疊加分析，提取高活力與高消極感知的路段，發現東風西路南段（A 區）、石山巷至富春街段（B 區）、人民中路東段（C 區）以及石橋輔、后新街和司馬巷（D 區）4 個區域是高活力高消極路段；通過對主觀感知與街道視覺要素的多元回歸分析，發現不同的視覺元素對于不同的感知維度之間有不同的影響作用，可據此選擇適當的措施，提升人們的積極感知，同時降低消極感知。研究為街道空間感知提供了一套具有可操作性的分析方法，為存量規劃背景下街道空間環境的精細化更新改造提供了輔助支持。

當然，本次研究也存在一定的局限性，如：行人的主觀感知測度是基于姚瑤團隊的開源城市感知模型，并未測度昆明老城內的本地人群的空間感知質量；基于百度熱力數據的街道活力研究反映的是街道活力的相對分布情況，而并未表示精確的人群活力分布情況；分析人群街道空間感知相關因素的角度單一，僅從街道的物理特征進行分析不夠全面。在后續的研究中，將進一步完善模型，從街道的城市設計品質、經濟社會功能、歷史文化特征等多角度進行解讀，形成多層次的特征因素解析。