方智果 王冉冉 劉聰 王振

摘要：以開放街道地圖、興趣點、地理位置，以及圖像識別、深度學習等為代表的各種新數(shù)據(jù)、新技術為定量的街道空間評估帶來新的數(shù)據(jù)源和全新的研究方法與途經(jīng)。結合上海市打造高品質街道空間的議題背景，以上海街道空間為研究對象，以地圖興趣點、街景圖像、三維建筑地圖等多源數(shù)據(jù)為載體，利用深度學習技術與GIS，大規(guī)模測度個體安全感感知與城市功能、建筑界面、街道物理3類客體指標。在此基礎上，通過數(shù)理推導以揭示客體指標與街道安全感知的關系。研究發(fā)現(xiàn)：城市功能是影響街道安全感的關鍵因子，其中街道功能密度比功能混合度對安全感的感知影響更大；店招個數(shù)、綠視率對安全感知也具有積極影響。

關鍵詞：安全感；街景圖像；深度學習；上海街道

文章編號：1673-8985（2023）02-0109-07 中圖分類號 TU984 文獻標志碼 A

0 引言

黨的十九大報告對公共安全與應急管理工作做了重要部署，并提出“實施健康中國戰(zhàn)略”。公共安全與健康保障是提高民眾生活品質、提升安全感和幸福感的重要前提。營造可提供安全感的城市環(huán)境，對城市特別是街道空間的建設提出挑戰(zhàn)。Fruin[1]強調，好的街道空間品質應當是安全感、保障性、連續(xù)性、舒適性和吸引力的協(xié)同。黃建中等[2]將街道步行可達性、安全感、便捷性和舒適性納入街道評價體系中?！渡虾Ｊ薪值涝O計導則》圍繞“安全、綠色、活力、智慧”4方面提出設計與實施措施?？芍?，街道的安全感是感知視角最受關注的維度之一。安全感是指所有年齡群體在街道中不受威脅[3]。在街道安全領域，已有研究證明安全不足甚至失序的街道特征或直接或間接影響個體的生理及心理健康，從而導致高風險的個人行為和疾病[4-6]。Gehl[7]指出，即使能完成合乎安全規(guī)范的城市設計仍然遠遠不夠，因為“潛在不安全”的空間也會導致空間活力喪失。

從測度方法來看，街道感知與環(huán)境之間的研究可分為兩類。第一類是進行實地調研或小規(guī)模的圖片分析。如徐磊青[8]對上海5個不同發(fā)展社區(qū)的300張百度街景圖片進行安全感評定，采用樣本檢驗“街道眼”等街道安全理論。Kamada等[9]分析10條街道空間構成要素與空間感知的相關性，發(fā)現(xiàn)建筑物的凹凸會影響“廣闊性”感受。Jiang等[10]1開展個體對街道安全感的空間干預實驗，認為基于破窗理論的清潔或植被干預沒有城市功能干預有效。第二類是利用大數(shù)據(jù)進行大規(guī)模的測度分析。如Naik等[11]793通過對美國5個城市的百萬張谷歌街景圖像進行機器學習、自動評分，分析社區(qū)外觀形態(tài)與安全感知的關聯(lián)。Zhang等[12]148在利用麻省理工脈沖學習數(shù)據(jù)集的基礎上，運用機器學習預測安全、活潑等6種人類感知，繪制上海與北京的感知分布圖。Harvey等[13]18結合GIS和深度學習技術構建安全感與物質要素之間的回歸模型，發(fā)現(xiàn)街道綠化、建筑物數(shù)量以及高寬比都與安全感正相關。此外，還有許多利用街景圖片或三維建筑數(shù)據(jù)來分析街道的研究[14-16]。

上述研究框架可歸納為“數(shù)據(jù)獲取—數(shù)據(jù)分析—影響因素分析”。其中，使用圖像數(shù)據(jù)分析與計算機程序來獲取大規(guī)模、精細化尺度上的街道指標及感知非常值得借鑒。然而上述研究的著重點并非針對安全感知與街道空間的關聯(lián)展開量化分析。另外，上述研究主要使用單一數(shù)據(jù)源進行街道感知探索，缺乏使用多源數(shù)據(jù)的有效集成。

由此，本文利用多源數(shù)據(jù)及多種技術方法來大規(guī)模測度街道指標與安全感知。（1）機器深度學習。在利用麻省理工學院空間脈沖數(shù)據(jù)集的基礎上，將人對視覺環(huán)境的評估分數(shù)轉化為人工智能評分模型，模擬并量化人的安全感知。（2）借助多源數(shù)據(jù)，采用GIS與圖像識別的分析方法，獲取3類客體指標。（3）使用SPSS將數(shù)據(jù)進行數(shù)理化分析，揭示客體指標與安全感知的關系，為高品質街道規(guī)劃設計提供線索（見圖1）。