王秋實,董玉寬,梁志鵬，陳 希

(1.沈陽建筑大學(xué)建筑與規(guī)劃學(xué)院,遼寧 沈陽 110168；2.遼寧省城市信息與空間感知重點實驗室,遼寧 沈陽 110168)

社會對于公眾健康的關(guān)注為風(fēng)景園林學(xué)科提供了前所未有的機遇和挑戰(zhàn)，城市街道也開始承載更多健康服務(wù)功能[1-2]。街道空間日益成為高頻接觸的活動空間，其環(huán)境特征對身心產(chǎn)生一定影響[3]。高可見度的城市街道空間有助于提升空間感受和可步行性[4]，繼而促進體力活動、增強安全感等[5-8]。針對環(huán)境暴露的相關(guān)研究起源于醫(yī)學(xué)研究領(lǐng)域，藍綠環(huán)境、氣象因素等已經(jīng)被證實對城市居民心理健康造成直接影響[9]。綠色暴露作為環(huán)境暴露學(xué)的重要部分已逐漸進入學(xué)者討論范疇當中[10-11]，傳統(tǒng)研究主要集中在其面積、形態(tài)、可達性等方面[12]，也有學(xué)者最近開始從暴露時間、到訪頻率角度與綠色環(huán)境暴露進行研究[13]。日本學(xué)者提出根據(jù)真實場景感受的綠視率為研究對象，研究表明高綠視率街道可以釋放市民壓力，不同收入水平的空間分布將影響景觀公正[14]。近年來，依托于測度方式的轉(zhuǎn)變?nèi)吮境叨鹊谋┞堆芯總涫芨鹘徊鎸W(xué)科研究的關(guān)注[15]。隨著計算機技術(shù)的快速發(fā)展，卷積神經(jīng)網(wǎng)絡(luò)[16]、弱監(jiān)督多任務(wù)學(xué)習(xí)[17]等技術(shù)可對圖片數(shù)據(jù)進行語義分割[18]，繼而識別城市圖像中的關(guān)鍵信息，使得人本尺度街景數(shù)據(jù)分析成為可能[19-20]。因此，筆者以人本視角為切入點，選取沈陽長白島為研究單元，用機器學(xué)習(xí)和空間自相關(guān)的方法，建立快速描述城市街道空間綠色環(huán)境暴露水平的模型與方法，以此表征其與房價水平的空間分布關(guān)系。

1 數(shù)據(jù)采集

筆者選定城市核心區(qū)中的沈陽和平區(qū)長白島地區(qū)進行研究，面積約為 10.8 km2，外圍的城市道路與地塊內(nèi)道路相對獨立(見圖1)。長白島北側(cè)為城市濱河公園、島中有帶狀公園環(huán)繞，長白島從2007年開始建設(shè)，建筑及人口密度較大，公共服務(wù)設(shè)施分布較為均等，城市街景成為影響日常個體居民使用的主要環(huán)境暴露因素之一。

圖1 沈陽市長白島

1.1 路網(wǎng)數(shù)據(jù)采集

筆者通過OSM(Open Street Map)對城市道路進行爬取，并依據(jù)百度地圖路網(wǎng)進行復(fù)核和補全。通過對兩種平臺爬取的路網(wǎng)坐標進行轉(zhuǎn)換和校對，盡量避免單一數(shù)據(jù)源的城市路網(wǎng)存在誤差。研究范圍由于主要測度城市街景環(huán)境暴露對固定居住地個體的影響，所以僅對城市道路的路網(wǎng)進行爬取和分析，并對城市路網(wǎng)中不具有百度街景的數(shù)據(jù)點位進行人工復(fù)核，補齊相關(guān)數(shù)據(jù)。

1.2 街景數(shù)據(jù)采集

筆者以爬取的HDRI(360°)街景圖片作為后續(xù)進行環(huán)境暴露水平測度研究的源數(shù)據(jù)。通過百度地圖云平臺API，將研究范圍內(nèi)的193個街道節(jié)點按照100 m間隔進行數(shù)據(jù)采樣，共獲取670個觀測點數(shù)據(jù)，覆蓋研究對象的全部城市街道范圍。并通過SegNet深度學(xué)習(xí)，識別出天空、建筑、植物等信息要素。

1.3 居住區(qū)及房價數(shù)據(jù)采集

筆者將不同居住區(qū)的實際邊界和主入口進行復(fù)核。通過python工具的requests模塊模擬瀏覽器向房譜網(wǎng)服務(wù)器發(fā)送請求，并獲取頁面數(shù)據(jù)，用Beautiful Soup庫對獲取到的數(shù)據(jù)進行解析后保存到本地，共爬取了85個居住區(qū)的歷史平均房價數(shù)據(jù)。

2 數(shù)據(jù)分析與模型建構(gòu)

2.1 機器學(xué)習(xí)技術(shù)的街景圖片語義分割

傳統(tǒng)研究普遍采用photoshop、HSV等軟件對圖片中的像素比例進行計算[21-22]。筆者采用SegNet對爬取的街景HDRI圖片提取圖像特征進行語義分割，量化識別出同一點位街景圖片中不同方向的植物要素占比，并計算該點的綠視率平均值(見圖2)。

圖2 機器學(xué)習(xí)技術(shù)的街景圖片語義分割技術(shù)框架

定義觀測點的綠視率為4個視線方向綠視率的平均值[23]，若個別點位的采樣點數(shù)據(jù)不全，該采樣點綠視率計為0。

(1)

式中：Gv為采樣點的平均綠視率，GvN、GvE、GvS、GvW為不同方向的采樣街景圖片的綠視率，m為有效采樣點圖片的數(shù)量。

2.2 不同生活圈的綠色環(huán)境暴露水平測算

當以固定居住地的生活圈作為計算對象時，按照GIS中的網(wǎng)絡(luò)分析法計算其生活圈范圍，并將不同范圍內(nèi)的采樣點進行計算(見圖3)。即可得到不同生活圈范圍內(nèi)的平均綠視率，其平均綠視率近似代表其綠色視覺環(huán)境暴露的強度。

圖3 不同生活圈的綠色環(huán)境暴露水平測算范圍

(2)

2.3 雙變量空間自相關(guān)分析模型

空間自相關(guān)分析包括全局空間自相關(guān)和局部空間自相關(guān)。用全局空間自相關(guān)描述整個長白島上所有對象之間的平均關(guān)聯(lián)程度、空間分布模式及其顯著性。局部空間自相關(guān)統(tǒng)計變量可以識別不同空間位置上可能存在的空間關(guān)聯(lián)模式，從而發(fā)現(xiàn)空間局部不平穩(wěn)性，更為準確地把握局部空間要素的聚集性和分異特征，為分類和決策提供依據(jù)。空間自相關(guān)分析可確定某一變量在空間上是否相關(guān)、其相關(guān)程度如何，其中全局空間自相關(guān)著重刻畫空間上的聚集狀態(tài)和相關(guān)程度，而局部空間自相關(guān)則可判斷出空間上的熱點區(qū)域[24]。筆者引入Moran′s I 和 Local Moran′s I 指數(shù)來描述全局空間自相關(guān)和局部空間自相關(guān)性[25]。其中，Moran′s I 指數(shù)的計算式為

(3)

其中，對單個空間單元i的Local Moran′s I 指數(shù)為

(4)

(5)

式中：Yi和Yj分別為單元i和單元j的屬性值；n為空間單元數(shù)量；Wij為基于歐式距離與K-近鄰算法(k-Nearest Neighbor，KNN)建立的空間權(quán)重矩陣。

為了刻畫多個變量之間的空間相關(guān)性，相關(guān)學(xué)者[26]在 Moran′s I 指數(shù)的基礎(chǔ)上進一步拓展了雙變量全局自相關(guān)和局部自相關(guān)，為揭示不同要素空間分布的相關(guān)性提供了可行方法。

(6)

(7)

(8)

3 空間分布關(guān)系分析

3.1 全局空間自相關(guān)分析

筆者分別將不同生活圈范圍內(nèi)的綠色環(huán)境暴露水平按照距離成本的方式進行平均計算，并運用ArcGIS進行可視化呈現(xiàn)(見圖4)。莫蘭指數(shù)(Moran′s I)分為全部莫蘭指數(shù)(Global Moran′s I)和局部莫蘭指數(shù)(Local Moran′s I)。其中，前者由PAP Moran提出，用來度量空間是否出現(xiàn)集聚或異常值；后者由Luc Anselin提出，用來度量哪里出現(xiàn)了集聚或異常值[27]。因此，筆者分別對不同社區(qū)生活圈范圍的綠色環(huán)境暴露水平和房價分別進行全局自相關(guān)統(tǒng)計。全局自相關(guān)指數(shù)隨著社區(qū)生活圈范圍的擴大逐漸增大，分別為0.158 479、0.263 657、0.625 467，標準差倍數(shù)z值分別為2.474 326、3.969 278、9.060 818(見圖5)。其結(jié)果表示隨著生活圈范圍的擴大，社區(qū)綠色環(huán)境暴露水平集聚程度不斷增加。另外，房價的全局自相關(guān)指數(shù)為0.292 518，標準差倍數(shù)z值為4.394 343，其相關(guān)數(shù)值符合空間正相關(guān)的標準，可以開展后續(xù)多變量的空間自相關(guān)研究。

圖4 不同生活圈范圍的綠色環(huán)境暴露水平的空間分布

圖5 不同社區(qū)生活圈范圍的綠色環(huán)境暴露水平及房價的全局空間自相關(guān)

3.2 局部空間自相關(guān)分析

3.2.1 單變量局部空間自相關(guān)關(guān)系分析

筆者通過Geoda對綠色環(huán)境暴露水平和住房價格兩個單變量分別進行局部自相關(guān)分析，并進行可視化表達(見圖6)。

圖6 單變量局部空間自相關(guān)的社區(qū)綠色環(huán)境暴露水平及房價的空間分布

(1)伴隨生活圈范圍不斷擴大，綠色環(huán)境暴露水平熱點和冷點集聚趨于明顯。熱點集聚從島內(nèi)東北側(cè)散落分布，逐漸轉(zhuǎn)化為東側(cè)集中分布；冷點集聚從西北側(cè)集中分布，逐漸轉(zhuǎn)為為西側(cè)集中分布。房價水平的局部空間自相關(guān)，熱點集聚主要分布在島內(nèi)中軸線毗鄰的東側(cè)區(qū)域，如中海龍灣、中海國際社區(qū)二期東區(qū)等；冷點集聚主要分布在西北側(cè)、西南側(cè)和島內(nèi)中軸線西側(cè)，如中冶上河灣、長白新城等。

(2)5 min、10 min生活圈范圍的冷熱點集聚均出現(xiàn)異常值，15 min生活圈范圍內(nèi)異常值消失。5 min、10 min的“低-高”異常值主要出現(xiàn)在外灘三號、中航城兩河流域?！案?低”異常值主要出現(xiàn)在新加坡城二期，其異常值主要受到該生活圈范圍內(nèi)的街道綠色環(huán)境影響，15 min以上異常值消失，說明較大范圍的長白島內(nèi)的綠色環(huán)境與房價水平呈現(xiàn)空間正相關(guān)。

(3)15 min生活圈范圍的社區(qū)綠色環(huán)境暴露水平與房價的冷-熱點集聚耦合比較顯著。房價的熱點集聚被包含于15 min生活圈范圍的熱點集聚中，與5 min、10 min生活圈范圍的熱點集聚無明顯耦合關(guān)系；該結(jié)果說明15 min生活圈范圍的綠色環(huán)境暴露水平與房價的正向影響顯著。反觀，房價的冷點集聚與不同生活圈范圍均出現(xiàn)局部耦合，說明房價的負向影響只存在部分影響關(guān)系。

3.2.2 雙變量局部空間自相關(guān)關(guān)系分析

通過雙變量自相關(guān)LISA圖對綠色環(huán)境暴露水平與房價兩個變量的局部莫蘭指數(shù)進行空間可視化分析，繼而探討由房價代償?shù)氖杖肭闆r是否正向或者負向顯著影響了綠色環(huán)境暴露水平的公平性。采用GeoDa對雙變量的空間自相關(guān)關(guān)系進行分析[28]，建立基于歐式距離與K-近鄰算法(k-Nearest Neighbor，KNN)的空間權(quán)重矩陣，對5 min、10 min、15 min生活圈范圍的綠色環(huán)境暴露水平與房價進行雙變量局部空間自相關(guān)分析(見圖7)。

圖7 雙變量局部空間自相關(guān)的社區(qū)綠色環(huán)境暴露水平與房價的空間分布

(1)5 min、10 min、15 min生活圈范圍的綠色環(huán)境暴露水平與房價雙變量冷熱點集聚空間分布基本重合。15 min的冷點集聚范圍最大，包含5 min、10 min的冷點集聚空間范圍，說明伴隨生活圈范圍擴大，冷點集聚點位更加明顯。5 min、10 min、15 min熱點集聚范圍基本相同，說明不同生活圈范圍的綠色環(huán)境暴露水平與房價皆呈現(xiàn)空間正相關(guān)。

(2)5 min、10 min、15 min生活圈范圍的綠色環(huán)境暴露水平與房價雙變量冷熱點集聚出現(xiàn)明顯聚類。不同生活圈范圍的分析結(jié)果呈現(xiàn)“高-高”和“低-低”的顯著聚類特征，其中靠近仙島北路的中海國際社區(qū)組團為典型的“高-高”集聚區(qū)，而靠近長大鐵路的中冶馬總花園、靠近地塊西南側(cè)江南時代、地塊中心的天河家園等組團呈現(xiàn)“低-低”集聚區(qū)?！案?高”集聚主要出現(xiàn)在同時靠近兩個城市帶狀公園的品牌地產(chǎn)社區(qū)組團，“低-低”聚集區(qū)分別是回遷組團和新近建設(shè)的核心區(qū)遠端組團。

(3)5 min、10 min生活圈范圍雙變量冷熱點集聚出現(xiàn)異常值，15 min生活圈范圍異常值消失。5 min、10 min生活圈范圍出現(xiàn)“高-低”“低-高”的異常值，說明綠色環(huán)境暴露水平在小尺度生活圈內(nèi)房價的不具有顯著的空間自相關(guān)，原因可能是小尺度生活圈內(nèi)房價受到房屋性質(zhì)(商品房、經(jīng)濟適用房、小產(chǎn)權(quán)房等)、開發(fā)商品牌、物業(yè)維護水平等多方面影響，出現(xiàn)一定程度的周圍低綠化率與高房價或高綠化率與低房價的集聚異常值。由于更大尺度范圍住區(qū)開發(fā)周期的時間連續(xù)和品質(zhì)開放品牌的空間聚集等原因，導(dǎo)致在較大尺度上的綠色環(huán)境暴露水平與房價空間自相關(guān)趨于穩(wěn)定，異常值逐漸消失。

4 結(jié) 論

(1)不同生活圈范圍的綠色環(huán)境暴露感知水平差異較明顯。伴隨生活圈范圍增大其綠色環(huán)境暴露水平趨近平衡，感知水平較好的居住區(qū)數(shù)量顯著增多。5 min生活圈范圍的綠色環(huán)境暴露水平主要受到城市街道綠化的影響相對顯著；15 min生活圈范圍的綠色環(huán)境暴露水平受到城市帶狀公園的影響相對顯著。其中城市級帶狀公園對綠色環(huán)境暴露水平影響顯著，其他級別的帶狀公園對綠色環(huán)境暴露水平的影響相對較弱。

(2)不同社區(qū)生活圈范圍的綠色環(huán)境暴露水平與房價出現(xiàn)顯著的熱點和冷點集聚。5 min生活圈范圍出現(xiàn)一個顯著的熱點集聚、兩個顯著的冷點集聚。10 min和15 min生活圈范圍出現(xiàn)3個顯著的冷點集聚，一個顯著的熱點集聚?！案?高”集聚的社區(qū)同時擁有兩個豐富的城市公園，繼而反映出比較更高的街道綠色環(huán)境暴露水平，與房價形成良好的互促效應(yīng)。

(3)城市街道空間的綠色環(huán)境質(zhì)量也是影響房價的重要潛在因素。城市建成空間中的街道綠色環(huán)境質(zhì)量也是影響街道綠地環(huán)境暴露水平的潛在因素。房價較高的社區(qū)多分布在富有綠地的公園周圍。社區(qū)與綠地的位置是影響房價高低的重要因素，城市主體結(jié)構(gòu)對房價影響同樣顯著，臨近城際鐵路、城市快速路的綠色空間質(zhì)量也相對較低，其房價相對較低。