盛強(qiáng) 胡彥學(xué) 宋陽(yáng)

1 研究背景

隨著中國(guó)城市建設(shè)轉(zhuǎn)入存量規(guī)劃和品質(zhì)提升的時(shí)代，居民在街道中的社會(huì)交往聚集活動(dòng)成為評(píng)價(jià)城市公共空間活力的重要指標(biāo)。大量的城市改造與更新項(xiàng)目中對(duì)地面鋪裝、環(huán)境綠化、街道家具、活動(dòng)設(shè)施等各方面的投入是否能夠真正提升街道空間品質(zhì)，促進(jìn)居民更頻繁地使用公共空間，對(duì)城市規(guī)劃和設(shè)計(jì)師有直接的意義。

從現(xiàn)有文獻(xiàn)的研究?jī)?nèi)容來看，國(guó)內(nèi)外對(duì)社會(huì)聚集現(xiàn)象大都關(guān)注空間環(huán)境要素的影響。如Mehta的研究發(fā)現(xiàn)步行街街道越寬，座椅越多，對(duì)停留性活動(dòng)和社交活動(dòng)的促進(jìn)作用越明顯[1]。類似的，同濟(jì)大學(xué)陳泳教授的團(tuán)隊(duì)對(duì)商業(yè)街中逗留性行為的分析表明人行道寬度、界面的透明及開敞度與人群的逗留性行為呈正相關(guān)[2]。Zacharias等發(fā)現(xiàn)廣場(chǎng)上的光照環(huán)境及溫度對(duì)行為有重要影響[3]。

從現(xiàn)有文獻(xiàn)的研究方法來看，對(duì)社會(huì)聚集數(shù)據(jù)的收集多采用問卷法或多次實(shí)地調(diào)研注記法[4]。隨著街景地圖等網(wǎng)絡(luò)開放數(shù)據(jù)的發(fā)展，近期部分研究也開始探索應(yīng)用該類數(shù)據(jù)取代傳統(tǒng)調(diào)研方式的可行性。如葉宇等基于百度街景，應(yīng)用機(jī)器學(xué)習(xí)工具探索了大批量獲取綠視率的方法[5]。劉星等對(duì)比了百度街景與實(shí)地調(diào)研獲取的商鋪分布、步行者數(shù)量和社會(huì)聚集數(shù)據(jù)，發(fā)現(xiàn)前兩者可以在一定程度上替代實(shí)地調(diào)研，但社會(huì)聚集與實(shí)地調(diào)研相比仍不理想[6]。此外，同濟(jì)大學(xué)徐磊青教授團(tuán)隊(duì)使用VR設(shè)備對(duì)公共空間中的社會(huì)聚集現(xiàn)象展開研究，發(fā)現(xiàn)了廣場(chǎng)面積以及高寬比、天空視角等與停留活動(dòng)的關(guān)系[7]。徐磊青教授團(tuán)隊(duì)的其他一些基于街景圖片的研究表明綠視率和車道數(shù)對(duì)安全感有明顯的影響[8-9]。

1 案例地區(qū)位置與街區(qū)形態(tài)Locations of case neighborhoods and their street patterns

2 兩個(gè)街區(qū)聚集強(qiáng)度與人群特征Social gatherings in the two neighborhoods

上述文獻(xiàn)中的實(shí)證研究往往聚焦造成社會(huì)聚集現(xiàn)象周邊小范圍的空間形態(tài)、設(shè)施和環(huán)境要素，體現(xiàn)為對(duì)靜態(tài)的、非關(guān)聯(lián)性的空間條件的關(guān)注。然而，考慮到社會(huì)聚集行為（特別是街道上偶發(fā)的社會(huì)交往活動(dòng)）往往是在居民出行過程中產(chǎn)生的，因此有必要探討其產(chǎn)生的關(guān)聯(lián)性空間條件。在這個(gè)方向上，空間句法理論和分析方法提供了一條新的研究路徑。

在空間句法研究領(lǐng)域，早期的一些研究采用行為注記法記錄街道空間中步行者的行為，分析性別、年齡差異體現(xiàn)出的空間分布規(guī)律[10]。在建筑內(nèi)部尺度，也有研究通過記錄公司中的非正式會(huì)議發(fā)生的地點(diǎn)，分析其體現(xiàn)出的空間分布邏輯[11]。從研究結(jié)果來看，這些研究大都驗(yàn)證了空間句法參數(shù)對(duì)上述活動(dòng)分析的有效性。但較少有采用多片區(qū)樣本，綜合各非關(guān)聯(lián)性空間環(huán)境要素與關(guān)聯(lián)性空間要素，并針對(duì)社區(qū)內(nèi)居民社會(huì)聚集行為的研究。近期，劉星針對(duì)北京中心城區(qū)4個(gè)案例區(qū)的實(shí)地調(diào)研，應(yīng)用空間句法，較為系統(tǒng)地對(duì)比了不同居住建筑類型街區(qū)內(nèi)，各空間句法參數(shù)對(duì)居民社會(huì)聚集的影響，其研究成果發(fā)現(xiàn)多層住宅區(qū)相對(duì)于胡同區(qū)的聚集行為，其空間規(guī)律更為明顯，與空間句法參數(shù)的關(guān)聯(lián)性也較為顯著。但并未引入景觀綠化等環(huán)境因素[12]。

在此基礎(chǔ)上，將聚焦夏季北京胡同區(qū)的低層居住類型，選取位置臨近但空間形態(tài)差異性較強(qiáng)的案例區(qū)域展開實(shí)證研究，綜合考慮空間句法參數(shù)、綠化參數(shù)、服務(wù)設(shè)施和居住密度展開多元回歸分析，試圖發(fā)現(xiàn)影響夏季胡同居民聚集的穩(wěn)定規(guī)律。

2 研究方法

2.1 研究區(qū)域概況

本文的研究范圍為雍和宮和國(guó)子監(jiān)所在的兩個(gè)街區(qū)（圖1），調(diào)研范圍約142.5 hm2，其中雍和宮街區(qū)約71.4 hm2，國(guó)子監(jiān)街區(qū)約71.1 hm2。兩個(gè)街區(qū)均為北京老城內(nèi)胡同地塊，居住類型多為低層的四合院。

2.2 調(diào)研方法與數(shù)據(jù)篩選

本研究采取現(xiàn)場(chǎng)行為注記法來收集戶外聚集數(shù)據(jù)，選取2018年夏季一天中的4個(gè)時(shí)間段（08：00—09：00，10：00—11：00，14：00—15：00，16：00—17：00）對(duì)兩個(gè)街區(qū)地塊進(jìn)行循環(huán)調(diào)研。需要說明的是，在數(shù)據(jù)篩選時(shí)排除了清潔工、商販以及等待辦事的人群和排隊(duì)的游客等必要性的聚集，從而過濾出“凈”居民的社會(huì)聚集，同時(shí)又考慮到清潔工、商販等街頭工作者長(zhǎng)時(shí)間在本地工作，與居民較為熟悉，往往成為社會(huì)交往的催化劑，也可以被看作居民的一分子。因此在進(jìn)行數(shù)據(jù)處理的時(shí)候，將戶外人群分為三類：街道工作者聚集、居民與街道工作者交往的聚集和凈居民社會(huì)聚集（圖2）。共記錄了兩個(gè)案例街區(qū)中總計(jì)177個(gè)聚集點(diǎn)539人次的社會(huì)聚集的空間分布數(shù)據(jù)。

2.3 數(shù)據(jù)的處理方法與空間形態(tài)變量選取

空間句法作為一種基于空間拓?fù)溥B接關(guān)系研究使用者行為的建筑和城市學(xué)理論，認(rèn)為人在空間中的活動(dòng)很大程度上受空間結(jié)構(gòu)的影響，把空間抽象成彼此相交的直線段來計(jì)算空間之間的拓?fù)溥B接，因此可以定量描述空間與人的活動(dòng)之間的關(guān)系。

筆者采用的空間句法線段地圖建模范圍包括北京六環(huán)路以內(nèi)范圍的所有街道。從參數(shù)選擇上，整合度表示了某條線段的中心性，是以綜合折轉(zhuǎn)角為定義的與周邊不同尺度線段的最短拓?fù)渚嚯x。選擇度表示的是被周邊一定尺度內(nèi)任意兩條線段之間最短路徑穿過的次數(shù)，其中“最短路徑”同樣是以綜合折轉(zhuǎn)角度最小來定義的。以這兩個(gè)指標(biāo)為基礎(chǔ)，Hillier、楊滔和Turner在2013年又提出了標(biāo)準(zhǔn)化角度選擇度（Normalised Angular Choice，簡(jiǎn)稱NACH）和標(biāo)準(zhǔn)化角度整合度（Normalised Angular Integration，簡(jiǎn)稱NAIN）的指標(biāo)，進(jìn)一步削弱了線段數(shù)量對(duì)空間計(jì)算結(jié)果的干擾[13]。選用了0.2～10 km共14個(gè)計(jì)算半徑下的整合度（Integration，簡(jiǎn)稱INT）、選擇度對(duì)數(shù)（Log Choice）、NACH和NAIN這4種空間句法參數(shù)進(jìn)行數(shù)據(jù)分析。

在應(yīng)用空間句法參數(shù)分析功能分布、社會(huì)聚集等靜態(tài)類數(shù)據(jù)時(shí)（相對(duì)于各類交通流量等動(dòng)態(tài)數(shù)據(jù)），往往需要采用適當(dāng)?shù)姆椒▽?duì)數(shù)據(jù)進(jìn)行均勻化處理，排除空間中偶然性因素的影響。筆者團(tuán)隊(duì)近年來廣泛采用的方法為以某個(gè)街道段為起點(diǎn)，綜合距離與角度衰減將周邊的數(shù)據(jù)進(jìn)行加總處理，方法及公式可參見筆者近期的相關(guān)論文[14]。在本研究中該方法用于在回歸分析中（一元和多元）處理社會(huì)聚集、商鋪分布、綠化率等靜態(tài)數(shù)據(jù)。

3 綠視率數(shù)據(jù)獲取方式（應(yīng)用“貓眼象限”APP）Acquisition of green view ratio (Applying Cat Eye Quadrant APP)

4 兩個(gè)街區(qū)的商業(yè)服務(wù)設(shè)施空間分布Spatial distribution of commercial service facilities in the two neighborhoods

除空間句法參數(shù)之外，筆者引入了聚集位置距城市主干路的拓?fù)渌p和距離衰減參數(shù)、聚集位置的道路寬度、街道段的入口數(shù)量等空間形態(tài)參數(shù)：其中道路寬度為筆者實(shí)測(cè)寬度，數(shù)據(jù)處理則是按照與社會(huì)聚集相同的處理方式進(jìn)行標(biāo)尺均勻化；街道段的入口數(shù)量為筆者實(shí)地調(diào)研獲取，其處理方式則是將其錄入空間句法Depthmap軟件后分別計(jì)算了以各街道段為中心100、200、300 m這3個(gè)可達(dá)范圍內(nèi)的入口加總值。

2.4 其他自變量選取與處理方法

其他自變量的選取則綜合考慮了綠化因素、服務(wù)設(shè)施和居住密度三類參數(shù)并將之與處理后的社會(huì)聚集數(shù)據(jù)逐一進(jìn)行一元回歸。綠化因素又分為水平視角綠視率與俯瞰視角的綠化覆蓋率，其中綠視率的原始數(shù)據(jù)是在街景地圖中水平截取聚集點(diǎn)位置的街景圖片將其導(dǎo)入“貓眼象限”（APP）來獲取，再將同一條街道上的聚集點(diǎn)按每個(gè)聚集點(diǎn)的聚集人數(shù)取加權(quán)平均值作為該條街道的綠視率，然后采用與社會(huì)聚集同樣的標(biāo)尺均勻化處理方法對(duì)原始數(shù)據(jù)進(jìn)行處理（圖3）；綠化覆蓋率則是以衛(wèi)星地圖為背景，以每個(gè)聚集點(diǎn)為中心計(jì)算其沿道路前后50 m范圍內(nèi)的樹冠面積占比，同樣按照聚集點(diǎn)的聚集人數(shù)取加權(quán)平均值作為該條街道的綠化覆蓋率，并采用與社會(huì)聚集同樣的標(biāo)尺均勻化處理方法對(duì)原始數(shù)據(jù)進(jìn)行處理。

服務(wù)設(shè)施參數(shù)分為功能業(yè)態(tài)類及公廁，兩者均采用街景地圖與現(xiàn)場(chǎng)校核的方式獲取其數(shù)量及分布，其中功能業(yè)態(tài)類又根據(jù)研究范圍的業(yè)態(tài)類型分為社區(qū)商業(yè)與城市商業(yè)（圖4）。其中社區(qū)商業(yè)的分類包括菜市場(chǎng)、糧油店、棋牌室、五金店、便民店等服務(wù)于本地居民的業(yè)態(tài)類型，城市商業(yè)則是除去以上社區(qū)商業(yè)之外的商業(yè)業(yè)態(tài)類型。城市商業(yè)和社區(qū)商業(yè)的處理方式分為兩種：一種與前述社會(huì)聚集數(shù)據(jù)處理中采用的標(biāo)尺均勻化方式相同，綜合距離衰減與角度衰減計(jì)算了每個(gè)街道段周邊復(fù)合可達(dá)范圍內(nèi)商鋪數(shù)量加總值；另一種則是以簡(jiǎn)單的距離可達(dá)半徑為基礎(chǔ)，計(jì)算了以各街道段為中心200、400 m半徑內(nèi)的商鋪數(shù)量加總值；公廁數(shù)據(jù)的處理則是計(jì)算了每條街道段距其最近的公廁位置的真實(shí)距離。

居住密度參數(shù)（圖5）的處理則是將各小區(qū)（含各胡同片區(qū)）居住人口的數(shù)據(jù)按臨近落位的原則導(dǎo)入空間句法模型的街道段上。為了避免由各片區(qū)出入口位置造成的誤差，本研究分別計(jì)算了以各街道段為中心200、300、500、800 m這4個(gè)可達(dá)范圍內(nèi)的人口加總值。

3 居民社會(huì)聚集空間分布的初步統(tǒng)計(jì)

3.1 兩個(gè)街區(qū)居民社會(huì)聚集強(qiáng)度對(duì)比

將兩個(gè)案例街區(qū)的聚集強(qiáng)度進(jìn)行量化描述（表1），對(duì)比后可以發(fā)現(xiàn)：盡管在排除了旅游者聚集的影響后，國(guó)子監(jiān)的聚集規(guī)模從聚集數(shù)量、單位長(zhǎng)度的聚集人次數(shù)量和單位面積的聚集人次數(shù)量統(tǒng)計(jì)仍明顯大于雍和宮，但考慮到國(guó)子監(jiān)地區(qū)居民數(shù)量較多，從聚集人口占比（戶外聚集人次除以各案例區(qū)居民總數(shù)）來看兩者差異并不明顯。

3.2 兩個(gè)街區(qū)居民聚集空間分布的統(tǒng)計(jì)分析

對(duì)兩個(gè)街區(qū)以街道段為精度按聚集規(guī)模進(jìn)行各聚集點(diǎn)的統(tǒng)計(jì)分析，試圖發(fā)現(xiàn)社會(huì)聚集受空間拓?fù)湫螒B(tài)影響的差異。兩個(gè)地塊從3人以內(nèi)到20人以上不同規(guī)模的聚集點(diǎn)的統(tǒng)計(jì)結(jié)果中，分整合度和選擇度兩類參數(shù)列出了相同聚集規(guī)模的不同聚集點(diǎn)位置超過北京二環(huán)以內(nèi)各半徑空間句法參數(shù)平均值的百分比，其超出或低于平均值的比例表明了該聚集規(guī)模對(duì)所對(duì)應(yīng)空間參數(shù)值的依賴程度（圖6、7）。

從結(jié)果來看，國(guó)子監(jiān)街區(qū)和雍和宮街區(qū)的聚集特征有明顯差異：國(guó)子監(jiān)街區(qū)戶外活動(dòng)所依賴的各空間句法參數(shù)半徑較大，其峰值出現(xiàn)在1 500 m半徑左右，而雍和宮戶外活動(dòng)的空間句法參數(shù)半徑較小，其峰值出現(xiàn)在500 m半徑左右。此外，觀察各案例街區(qū)不同等級(jí)聚集的分布差異。國(guó)子監(jiān)街區(qū)的分析結(jié)果顯示規(guī)模越大的聚集越依賴1 500 m半徑的選擇度或整合度，體現(xiàn)出一種清晰的“外向型”規(guī)律。相反，雍和宮街區(qū)中規(guī)模越大的和規(guī)模越小的聚集都更依賴胡同的通達(dá)性，體現(xiàn)出一種“復(fù)雜”且“內(nèi)向型”的規(guī)律：雍和宮的街道肌理更為復(fù)雜，對(duì)外通達(dá)性差，僅有少數(shù)街道與大路直接聯(lián)系，大部分道路以迷宮形態(tài)位于街區(qū)內(nèi)部。而這種肌理導(dǎo)致該街區(qū)的居民既可能在內(nèi)部連接較好的街道上相遇，也可能在大街出入口上相遇。但是，這些聚集的規(guī)模差異卻不一定與各街道在小尺度范圍的通達(dá)性成正比。

5 兩個(gè)街區(qū)的人口密度Population density of the two neighborhoods

表1 兩個(gè)街區(qū)的聚集強(qiáng)度對(duì)比Tab. 1 Comparison of gathering intensity between two neighborhoods

6 國(guó)子監(jiān)街區(qū)聚集點(diǎn)的整合度與選擇度分析Analysis on INT and Log Choice of gatherings in the Imperial College block

7 雍和宮街區(qū)聚集點(diǎn)的整合度與選擇度分析Analysis on INT and Log Choice of gathering points in the Lama Temple block

8 兩個(gè)街區(qū)聚集匯總和各街區(qū)聚集分別與各空間句法參數(shù)的一元回歸分析Single variant regression analysis of the two neighborhoods in one model and in each case separately

4 居民社會(huì)聚集的多元回歸分析

4.1 社會(huì)聚集與空間句法參數(shù)的一元回歸分析

對(duì)社會(huì)聚集數(shù)據(jù)進(jìn)行標(biāo)尺均勻化處理后，采用不同半徑的四類空間句法參數(shù)來分析兩個(gè)街區(qū)聚集的空間分布規(guī)律。由0.2～10 km 14個(gè)計(jì)算半徑下各空間句法參數(shù)對(duì)社會(huì)聚集的決定系數(shù)變化可知，大部分選擇度系的參數(shù)的決定系數(shù)要高于整合度系參數(shù)的決定系數(shù)，這說明社會(huì)聚集受各街道段空間穿過性潛力的影響更強(qiáng)（圖8）。

具體來看，國(guó)子監(jiān)街區(qū)社會(huì)聚集與空間句法選擇度參數(shù)的決定系數(shù)高達(dá)0.6，而雍和宮街區(qū)僅達(dá)到0.17。盡管二者分析效果不同，其峰值均集中在800～1 000 m半徑，該數(shù)值區(qū)間大致對(duì)應(yīng)居民10 min的步行可達(dá)范圍，表明居民的社會(huì)聚集更多地依賴于小尺度半徑范圍街道的通達(dá)性。因此，在多元回歸分析中筆者選取了800 m和1 000 m半徑的選擇度與穿行度共計(jì)4個(gè)參數(shù)作為空間句法參數(shù)的備選自變量。

4.2 國(guó)子監(jiān)街區(qū)社會(huì)聚集多元回歸分析

9 國(guó)子監(jiān)街區(qū)社會(huì)聚集與各類參數(shù)的相關(guān)分析Correlation analysis of social gathering and various parameters in the Imperial College block

10 雍和宮街區(qū)社會(huì)聚集與各類參數(shù)的相關(guān)分析Correlation analysis of social gathering and various parameters in the Lama Temple block

表2 國(guó)子監(jiān)街區(qū)社會(huì)聚集的變量多元回歸分析Tab. 2 Multiple regression analysis of the parameters of the Imperial College block

表3 雍和宮街區(qū)社會(huì)聚集的變量多元回歸分析Tab. 3 Multiple regression analysis of the parameters of the Lama Temple block

對(duì)標(biāo)尺均勻化處理過的社會(huì)聚集數(shù)據(jù)與各空間句法參數(shù)、綠化參數(shù)（包括水平視角綠視率及俯瞰視角的綠化覆蓋率）、服務(wù)設(shè)施（包括商業(yè)總數(shù)、城市級(jí)商業(yè)、社區(qū)級(jí)商業(yè)、公廁）、居住密度四大類共計(jì)26組數(shù)據(jù)進(jìn)行了相關(guān)系數(shù)分析（圖9）。從結(jié)果可看出，在四大類參數(shù)中，社會(huì)聚集與標(biāo)尺均勻化處理過的綠視率、標(biāo)尺均勻化處理后的總商業(yè)數(shù)、300 m可達(dá)范圍內(nèi)人口數(shù)以及標(biāo)尺化處理后的道路寬度相關(guān)性較高。同時(shí)，道路寬度、綠化和各空間句法參數(shù)三者之間均有明顯的相關(guān)。由于空間句法表達(dá)的道路通達(dá)性能夠影響流量需求，而流量需求又反映在道路寬度上，因此它能夠揭示出流量和寬度等參數(shù)背后的行為機(jī)制，經(jīng)上述空間問法參數(shù)中備選自變量在多元回歸結(jié)果中的測(cè)試，選取分析效果最優(yōu)的Log Choice1000進(jìn)入多元回歸分析。另外，由于綠化覆蓋率與綠視率對(duì)社會(huì)聚集的影響非常接近，因此經(jīng)過測(cè)試后選取分析效果好的綠化覆蓋率進(jìn)入多元回歸分析。

將遴選后的參數(shù)應(yīng)用SPSS進(jìn)行多元回歸，結(jié)果顯示4個(gè)參數(shù)回歸模型的R2達(dá)到0.758，但人口數(shù)及總商業(yè)的Sig值過高，未通過顯著性檢驗(yàn)，并且人口數(shù)及商業(yè)類參數(shù)的標(biāo)準(zhǔn)化Beta系數(shù)為負(fù)，邏輯上不合理。刪除這兩個(gè)自變量后保留綠化覆蓋率與Log Choice1000組合的模型R2為0.729，且Sig值均能通過檢驗(yàn)，并且從標(biāo)準(zhǔn)化Beta系數(shù)來看，綠化覆蓋率的影響（0.519）要大于空間形態(tài)（0.484）的影響（表2）。

4.3 雍和宮街區(qū)社會(huì)聚集回歸分析

與前面案例相同，雍和宮街區(qū)社會(huì)聚集與各個(gè)參數(shù)的關(guān)聯(lián)，其結(jié)果可看出在四大類參數(shù)中，社會(huì)聚集與綠化覆蓋率、標(biāo)尺均勻化處理后的社區(qū)商業(yè)數(shù)、500 m可達(dá)范圍內(nèi)人口數(shù)以及標(biāo)尺化處理后的道路寬度相關(guān)性最高（圖10）。同樣考慮到空間句法參數(shù)與其他各自變量普遍存在的相關(guān)性，在空間形態(tài)類參數(shù)中，選取Log Choice1000與上述其他類參數(shù)進(jìn)行多元回歸。

結(jié)果顯示4個(gè)參數(shù)回歸模型的R2達(dá)到0.509，但社區(qū)商業(yè)的Sig值偏高。此外，社區(qū)商業(yè)與500 m內(nèi)人口數(shù)的標(biāo)準(zhǔn)化Beta系數(shù)為負(fù)，不合理。刪除上述兩個(gè)自變量后保留綠化覆蓋率和空間句法參數(shù)Log Choice1000組合的模型R2降為0.271，但兩個(gè)自變量的Sig值在多元回歸中均偏高，無法通過檢驗(yàn)（表3）。而單獨(dú)來看綠化覆蓋率與Log Choice1000與社會(huì)聚集相關(guān)性的大小，明顯綠化覆蓋率的相關(guān)性（0.487）要好于空間形態(tài)的相關(guān)性（0.413），表明綠化覆蓋率對(duì)社會(huì)聚集具有更高的解釋度。

4.4 案例匯總社會(huì)聚集回歸分析

為了在不同的案例中尋找相對(duì)穩(wěn)定的規(guī)律，本研究將兩個(gè)街區(qū)的各自變量拼合到一個(gè)大模型中進(jìn)行多元回歸分析。在社會(huì)聚集與各個(gè)參數(shù)的關(guān)聯(lián)的四大類參數(shù)中，社會(huì)聚集與標(biāo)尺均勻化處理過的綠視率、標(biāo)尺均勻化處理后的總商業(yè)數(shù)、300 m可達(dá)范圍內(nèi)人口數(shù)以及標(biāo)尺化處理后的道路寬度相關(guān)性最高（圖11）。如前所述，在空間形態(tài)類參數(shù)中，選取Log Choice1000來與其他類自變量組合進(jìn)行多元回歸，在綠化參數(shù)中，選取綠化覆蓋率進(jìn)行多元回歸。

結(jié)果顯示4組自變量回歸模型的R2達(dá)到0.480，但總商業(yè)的Sig值偏高，300 m內(nèi)的人口總數(shù)雖能通過顯著性檢驗(yàn)，但其標(biāo)準(zhǔn)Beta系數(shù)仍為負(fù)，不合理。刪除商業(yè)與人口兩個(gè)參數(shù)后保留綠化覆蓋率與Log Choice1000的R2為0.384，且兩者的顯著性均能通過檢驗(yàn)。對(duì)比兩者的標(biāo)準(zhǔn)化Beta系數(shù)，綠化覆蓋率（0.371）的影響同樣大于空間形態(tài)（0.357）的影響（表4）。

11 案例街區(qū)匯總社會(huì)聚集與各類參數(shù)的相關(guān)分析Correlation analysis of social gathering and various parameters in case neighborhoods

表4 案例街區(qū)匯總社會(huì)聚集的變量多元回歸分析Tab. 4 Multiple regression analysis of the parameters of case neighborhoods

5 結(jié)論與討論：現(xiàn)象與現(xiàn)象關(guān)聯(lián)背后的機(jī)制

筆者通過對(duì)國(guó)子監(jiān)和雍和宮街區(qū)夏季居民社會(huì)聚集調(diào)研數(shù)據(jù)的統(tǒng)計(jì)與分析，可得出以下幾點(diǎn)結(jié)論。

1）從空間形態(tài)類參數(shù)的分析來看，社會(huì)聚集受街區(qū)形態(tài)的影響，國(guó)子監(jiān)街區(qū)較之雍和宮街區(qū)更為開放和通達(dá)，其社會(huì)聚集體現(xiàn)出較強(qiáng)的外向性，聚集規(guī)模也體現(xiàn)出明顯的規(guī)律性；而雍和宮的空間形態(tài)復(fù)雜，社會(huì)聚集體現(xiàn)出較強(qiáng)的內(nèi)向性，聚集規(guī)模體現(xiàn)出的規(guī)律性差。

2）無論是兩個(gè)街區(qū)單獨(dú)分析還是匯總后分析，綠化類參數(shù)都能表現(xiàn)出穩(wěn)定的影響，對(duì)社會(huì)聚集規(guī)模分布有最好的解釋力，并且水平視角的綠視率與俯瞰視角的綠化覆蓋率對(duì)社會(huì)聚集的影響相差不大，且在兩個(gè)街區(qū)案例中兩個(gè)自變量的相關(guān)性均在0.7以上，這也表明綠化覆蓋率高的地方往往給人以較好的綠化視覺感受。

3）從服務(wù)設(shè)施類參數(shù)的分析來看，國(guó)子監(jiān)街區(qū)社會(huì)聚集更容易受到城市商業(yè)的影響，而雍和宮則偏向受社區(qū)商業(yè)影響，從功能臨近性上驗(yàn)證了兩個(gè)街區(qū)外向和內(nèi)向的屬性。

4）從居住密度類參數(shù)的分析來看，各分析方式均未能發(fā)現(xiàn)社會(huì)聚集與各范圍內(nèi)居住人口數(shù)的顯著關(guān)聯(lián)，這個(gè)結(jié)果表面上違反常識(shí)，筆者分析其原因是胡同街區(qū)的居住密度分布比較均勻，街道通達(dá)性本身是影響步行者分布的更主要因素。

5）從各案例和匯總案例中各參數(shù)的相關(guān)分析中可以得出空間句法與綠化類參數(shù)、道路寬度以及商業(yè)分布等自變量均有較高的相關(guān)，這從側(cè)面驗(yàn)證了空間句法的基礎(chǔ)理論，即街道的網(wǎng)絡(luò)拓?fù)湫螒B(tài)影響運(yùn)動(dòng)分布，進(jìn)而影響了街道的尺度和城市的功能。由于筆者在本研究中選取的調(diào)研時(shí)間為夏季，綠化率作為一個(gè)現(xiàn)象與社會(huì)聚集的關(guān)聯(lián)更強(qiáng)并不意外，但現(xiàn)實(shí)來說，具有一定寬度的胡同才有空間支持更多的綠化，通達(dá)性好的街道才有足夠的人流量享受樹蔭帶來的環(huán)境，進(jìn)而形成大量的社會(huì)聚集。因此，街道空間的通達(dá)性是引發(fā)這一系列相關(guān)現(xiàn)象背后的生成性機(jī)制，而對(duì)于新住宅區(qū)規(guī)劃和設(shè)計(jì)而言，根據(jù)步行尺度范圍的空間通達(dá)性計(jì)算來確定道路等級(jí)和綠化需求，為建立精細(xì)化景觀設(shè)計(jì)提供了方法上的支持。

圖表來源(Sources of Figures and Tables)：

圖3處理自貓眼象限APP截圖，其余圖表均由作者繪制或拍攝。