多源数据支持下的宜昌市城市慢行廊道选线及设计研究

蒋 勇 颜 佳 周含芝

1 城市慢行系统研究进展

1.1 高质量发展背景下城市慢行系统建设进展

经过40年的快速城镇化建设，高密度成为中国城市发展的现实问题，全面提升城市品质成为当前城市增长的迫切需求。“慢行”作为市民最基本的出行方式，构建优质的慢行系统是实现城市高质量发展理念的解决途径之一[1]。慢行系统是以“慢行”作为交通组织形式，以步行或自行车等以人力为空间移动动力的交通方式[2]。慢行廊道作为城市线性空间，可串联起城市节点和单元[3]。相关研究指出，城市慢行廊道可以改善城区的人居环境，提高城市片区的经济社会活力[4]。随着城市设计进入以存量更新为主导的阶段，中国越来越多的城市(如北京、上海、成都等)发布了有关建立慢行系统的规划指引，目标是建设功能复合的城市慢行廊道网络，旨在解决路面权益、交通安全、市民出行、文化交流、休闲娱乐、自行车出行和城市可持续发展等问题。现如今，我国城市慢行廊道建设实践仍具有较大发展空间。首先，慢行廊道的功能忽略了人在交通需求之外的其他日常活动需求；其次，建设实施工作缺少上下级规划间的衔接及“自下而上”的反馈，少有真正从使用者的角度进行的城市慢行空间建设适宜性评价。因此，在当前城市收缩、城市经济社会发展缺乏活力的背景下，需要展开更加精细化、满足市民真实需求、能够切实提升城市活力的慢行系统建设，进而提升城市生活品质。

1.2 新城市科学支持的城市建成环境品质测度方法

2019年，迈克尔·巴蒂(Michael Batty)在《The New Science of Cities》中指出：“认识城市不仅仅是理解城市物理空间，还需要理解流动的信息和网络如何塑造城市。[5]”城市空间的复杂性具有动态、难以预测及多变量等特性，物理空间层面的认知不足以解释城市系统的复杂性。因此，推动城市复杂系统研究的新技术与新数据的发展应用，成为新一轮城市品质提升的重要技术途径。初期研究者更多通过单一指标(如人口密度、用地类型、职住关系等)来描绘已建成的环境[6]，直到罗伯特·塞韦罗(Robert Cervero)和卡拉·科克曼(Kara Kockelman)等提出了基于密度(Density)、多样性(Diversity)和设计(Design)的“3D”指标体系[7]，初步形成了多指标评价模型。随后，瑞德·尤因(Reid Ewing)与罗伯特·塞韦罗又进一步将“3D”拓展到“5D”，增加了目的地可达性(Destination Accessibility)和公共交通距离(Distance to Transit)2个维度[8]，并将其应用于研究哥伦比亚波哥大城市的建成环境及其影响下的步行行为，同时提出了建成环境“5D”维度的39个指标[9]。目前，“5D”指标体系已成为国内外建成环境量化分析的主要测度框架，在街道空间品质评估等方面被广泛应用。此外，随着近几年新一代信息技术被广泛应用于城市研究，传统城市设计也逐步形成了计算性城市设计[10](Computational Urban Design，CUD)和数据增强设计[11](Data Augmented Design，DAD)等研究方向，进一步推动了新城市科学在城市规律探索、城市运行模拟、城市建成环境测度及城市复杂问题解决等方向的发展。

1.3 多源数据支持的城市慢行系统选线及设计

高质量城市发展需要推进更加精细化的城市品质提升，新数据与新技术为慢行廊道选线的适宜性分析和落位提供了决策保障。随着个人移动设备的普及和移动互联网的发展，一些主动记录式的移动端运动软件(如Keep、两步路、STRAVA等)、智能手环穿戴设备及GPS设备等产生了海量运动轨迹数据，人口热力图、LBS数据、出行OD数据、公交刷卡等大数据也被用来描述空间在不同时间段所承载的使用行为特征[12-13]。此外，选线分析的方法及技术路径也愈发多元，如以交通可达性和建设适应性为指标建立的选线适应性评价模型[14]、利用Depthmap分析路网可达性[15]、通过ArcGIS或Rhino+Grasshopper中Dijkstra算法计算最短路径[16]、利用Linkage Mapper实现最小成本路径选线[17]、通过MATLAB软件平台的Viterbi算法实现最优路径仿真模拟[18]等。综上，从城市慢行系统、生态廊道、城市绿道等主题，到土地利用、景观资源、空间效能等评估指标，新技术和新数据环境让观测微观的物理空间和精细的社会空间成为可能，提升了“线性廊道”建设的科学性。

本研究结合宜昌城市背景，从宏观城市发展与微观人本视角，将城市静态、动态等多源数据相结合开展实证研究。选取湖北省宜昌市滨江地带作为研究案例，以建成环境评估“5D”指标体系为慢行廊道选线评价测度模型中的指标框架基础，同时基于项目实际情况新增到达沿江距离维度，以提升指标选取的合理性。借助开源地理空间数据、人口热力数据、实时交通大数据和街景图片数据等，对街道空间品质的诸多要素进行系统性测度，从而选取最适宜的街道纳入宜昌市慢行廊道建设范围。

2 多源数据支持下的宜昌慢行廊道选线研究

2.1 研究区域概况

本项目位于宜昌西陵区长江东岸，北接西坝夜市，南连二马路商圈(图1)。该区域位于宜昌市核心城区，属于城市形象标志性区域之一，景观资源优越、生活设施齐全，具备打造为慢行廊道的条件。然而，随着时间推移，宜昌旧城区的基础设施变得陈旧，而新城区的建设也在转移城市的人口活力。在城区核心交通路网沿江大道上，存在生态资源视线隔绝、临江界面景观较差等问题。同时，旧城区人行通道狭窄，缺少舒适便捷的通行空间，导致东西两侧地块交通不畅。鉴于此，为了加强西坝和江北商圈的交通联系、改善宜昌整体形象、激活旧城区商业片区业态活力、串联滨江各商圈、打造都市核心消费圈，构建宜人尺度的慢行廊道亟须提上宜昌城市建设的日程。

图1 研究区域区位(底图引自Google Earth)

2.2 研究设计

基于场地现状及重要城市节点的分布，确定北起葛洲坝，南至胜利三路的研究范围(图1)，以期通过宏观尺度的城市空间分析和多项指标测度进行慢行廊道建设潜力评价，进而结合当地居民出行特点与需求、公园分布、商圈氛围和周边环境等因素，确定该慢行廊道在交通出行、市民生活方面所应承载的功能，以“5D”建成环境理论为基础，建立多源数据支持下的慢行廊道选线评价模型。研究路线如图2所示，研究旨在确定人本尺度、高品质、宜慢行的宜昌旧城区慢行廊道最优路径选线，并在慢行廊道的空间设计上提出相应策略，将宜昌打造为理念超前、通达舒适的标杆慢行廊道。

图2 慢行廊道路径选线技术路线

2.3 慢行廊道评价模型

基于建成环境“5D”评价框架，结合宜昌城市环境现状及需求，新增到达沿江距离(Distance to the River)维度，并结合实际情况提取代表这6个维度的7个详细指标(表1)。确定评价指标后，获取宜昌市西坝片区的OSM(Open Street Map)数据，包括基础建筑和路网数据，同时利用Python获取该片区的城市POI数据、百度地图道路街景数据和百度实时交通数据等多源数据，并采取不同的数据处理及分析方式。

表1 慢行廊道选线评估指标模型

2.3.1 开发密度(Density)

开发密度是反映单位土地面积上承载的人类活动强度的最常用的建成环境评价指标，常用密度指标包括人口密度、就业密度和建筑密度[19]。本研究以城市开发强度的测度来表征研究区域的空间开发密度。开发强度的计算以建筑三维空间数据为基础，通过计算城市街道100m缓冲区范围内的建筑容积率得出，即开发强度=缓冲区总建筑面积/缓冲区面积，结果如图3-1所示。由结果可知，该街道周围开发强度高，意味着该街道对于功能和绿化的需求较高，而慢行廊道的建成可以完善街区功能，并为高密度街区提供建设绿色基础设施的可能性。因此，慢行廊道选线应优先选择高密度开发的街道，以便服务更多城市居民并实现建设资金效益的最大化。

图3 相关指标计算

2.3.2 多样性(Diversity)

多样性通常反映城市区域土地利用的多样性及业态服务的多样性，其中业态多样性反映在建筑物单体层面不同类型的产业混合程度[19]。本研究从POI数据的功能多样性进行度量，通过Python和高德地图API获取高德地图在研究区域内的12 580个POI数据，包括餐饮服务、教育、医疗服务和交通设施等类型。进而以街道为单元，利用POI聚类分析探索空间要素的圈层结构及分布特征，分析结果如图3-2所示。以街道为单元的POI多样性指数越大，代表设施混合度越高、城市功能越丰富，因此应优先选择多样性高的廊道进行规划布局。

2.3.3 良好的设计(Design)

街景的视觉感知维度可以对街道慢行品质进行量化评价[20]。高品质的步行环境可以有效促进步行出行。分别选取街道交通流量、街道绿视率、建筑视野率和城市家具的比例来研究街道的空间品质[21]。通过调用百度街景API，样本点间隔40m，确定好采集视角，抓取研究范围内1 120个街景图像样本，利用深度学习全卷积网络(FCN)的视觉影像语义分割软件量化街景要素(图4)；借用已有街景品质评价模型[22]，计算每条街道上所有采样点街道品质的均值，实现大规模城市街景品质评分。进而运用ArcGIS的自然间隔分级法将所有街道分为5个等级并进行可视化(图3-3)，街道品质评分越高，慢行廊道选线的优先级越高。

图4 对街景照片进行语义分割

2.3.4 公共交通距离(Distance to Transit)

研究范围内公交站点越多，公交线路越密集，居民到达此条道路的概率也就越高。本研究中的公共交通距离被定义为各街道中心线到达最近公交站点的距离，利用OSM地图中提取的城市路网数据和高德地图城市公共交通POI数据，通过ArcGIS网络分析，计算各街道中心线到达最近公共交通出入口的最短距离，距离越短，评分越高，公共交通越便捷，越适合作为慢行廊道选线，分析结果如图3-4所示。

2.3.5 目的地可达性(Destination Accessibility)

目的地可达性是指行人到达活动目的地的便捷程度[23]。可达性较好的区域，意味着相同距离内能够到达的公共服务设施越多，居民出行的可能性越大。基于空间句法理论运用sDNA(Spatial Design Network Analysis)进行道路可达性和穿行度指标的测算以表征城市道路的可达性。基于sDNA可有效测度高密度建成环境与行人活动分布之间的关系，其中，接近中心性(closeness centrality)和中介中心性(betweenness centrality)2项指标通过不同的算法来表征道路的可达性，可以体现空间吸引人群到达的潜力[24]。选择800m作为分析半径，使用OSM地图中提取的街道路径中心线作为基础网络数据，分析判断研究范围内可达性最佳的街道路段，分析结果如图3-5、3-6所示。

2.3.6 到达沿江距离(Distance to the River)

本项目中，现有沿江大道紧邻长江却因滨江公园的存在隔绝了长江优越的景观资源，城区与长江界面的视线通廊未打通，导致“近长江而不知长江”的局面。据此，结合现场实际情况，在“5D”维度的基础上增加到达沿江距离。以100m为单位分为6个级别，计算各街道中心线到达长江边界的滨江路与西坝路的距离，进而将计算结果作为慢行廊道选线的权重指标(图3-7)。

2.4 慢行廊道选线潜力值评估结果

在确定了上述6个维度的分析结果之后，邀请15位建筑、城乡规划与风景园林领域的专家学者对所选指标的重要性进行打分，并通过层次分析法(AHP)判断因子的相对重要性，进而对判断矩阵进行一致性校验，对问卷调查结果的可信度进行验证。综合上述评估结果，按1～9分对各指标的重要性程度赋值，较高的数值表示较高的重要性，从而确定各因素权重，并进行如表2所示的整数化处理。最终将各指标的影响权重定为开发密度25%、多样性20%、良好的设计15%、公共交通距离10%、目的地可达性20%、到达沿江距离10%，将6个维度的7个指标进行叠加计算出宜昌慢行廊道路网建设潜力得分，并通过ArcGIS可视化得到慢行廊道建设潜力评价结果(图3-8)。

表2 6个维度及7个指标的影响权重

3 慢行廊道选线结果验证及设计策略

以数据辅助结合人工干预的决策方式，更能满足场地在地性的需求。目前，宜昌慢行廊道选线潜力评价结果存在路径不连续、不成网络体系的问题(图3-8)。为保证慢行廊道的通达性和可建设性，并验证选线结果的可靠性，研究结合实地调研及实时大数据对选线结果进行局部优化。根据选线潜力值评估结果，评分值最高的15条道路为解放路、陶珠路、中山路、西陵一路、沿江大道、西坝路、献福路、民主路、学院街、环城南路、红星路、二马路、云集路、桃花岭及福绥横路，以实时动态数据作为“5D模型”评价结果的验证，并结合现场调研的实际情况进行优化调整。

3.1 根据实时动态交通数据的选线验证

实时动态数据既作为“5D模型”评价结果的验证，也作为优化选线的参考数据。通过实时人口热力图(图5)，能够真实地反映居民的空间集聚特征和空间活力水平，而慢行廊道的选线则应优先选择经过该片区的街道以满足居民的使用需求。通过分析某工作日和休息日全天每间隔2h的人口热力图，从市民活动的行为热力规律验证选线潜力值的结论，结果发现选线潜力值较大的区域更容易聚集人流(表3)。

表3 城市道路交通拥堵画像(以6条道路为例，其他道路均全天通畅)

图5 人口热力图(2022年8月22日12：00获取的百度地图数据)

通过百度地图API，获取全天时段内的实时交通运行流量数据，以城市交通路网的运行指数(Traffic Performance Index，TPI)作为指标，选取工作日上下班高峰期7：00—9：00、17：00—19：00作为数据获取时间。百度API接口反馈的字段信息包括道路整体评价、拥堵期间速度、拥堵距离及方向等，每隔15min获取一组数据，该数据可以量化描述每条道路的拥堵画像。数据显示，在研究选取的15条道路中，全天基本双向畅通，仅陶珠路、西陵一路和沿江大道出现短时间拥堵，交通拥堵画像进一步证明以上道路在城市路网中被作为日常通行路线的潜力。

3.2 根据现场调研情况的选线优化

在实际出行中，非机动车道若频繁被机动车交通阻隔和打断，会对步行安全和空间品质产生负面影响[25]。因此，在修正过程中优先考虑了路段的建设适宜性，将现有道路是否经过过街天桥、十字路口或绕过固定建筑等作为衡量街道慢行空间的可建设性指标，优先选择非机动车通行更畅达、建设度更高的街道。此外，应城市未来发展需求[参照《宜昌市城市总体规划(2011—2030年)》]，慢行廊道需要为西坝夜市区吸引人流，遂将西坝区的环线作为慢行廊道的选线之一。经过优化的选线方案如图6所示，最终选取的城市道路如下。一级环线系统：西陵一路、沿江大道、西坝环路形成环线；二级系统：位于城区商业核心区的云集路、陶珠路、中山路、珍珠路，以及城市历史街道解放路、二马路等，串联起宜昌的居民聚居区、CBD商圈、国贸商圈及城市标志性节点等。此外，西坝路通过新建桥梁增强两岸交通联系，构成城市滨江展示界面。

图6 选线结果

3.3 慢行廊道设计策略

“多源数据定量分析+实地调研修正”的设计思路，为高密度建成环境下慢行廊道“怎么做”“在哪做”提供了科学化、系统性的评价分析。根据以上研究结论，选取3个典型道路改造方案，从慢行交通组织、慢行空间构成和慢行系统基础设施及服务3个层面提出相应设计策略。

3.3.1 慢行交通组织

宜昌市区实时交通大数据证明，研究区域现有道路基本能满足城市机动车需求。有研究发现在城市慢行系统中，将机动车道部分改造为人行道，其交通承载力反而会提升[26]，并可提升街道消费活力[27]。在调研过程中，发现大部分街道对非机动车通行并不友好，缺乏延续性，人行道被部分停车位、绿化乔木、构筑物阻挡。基于此，以沿江大道为例提出以下策略(图7)：1)增加慢行路权，将原4.5m宽的机动车辅道改为非机动车道，增加自行车骑行空间、跑步道、步行道，设置慢行交通服务节点，如自行车停靠处、跑步休憩处等；2)塑造廊道空间视觉连续性，在多个通向沿江大道的T字形路口处增加交通标识基础设施，如引导性的斑马线、标志性的慢行铺装等，将人行道、跑步道、自行车道应用同类的材料、色彩及符号进行区分；3)梳理沿江观景通道，拓展沿江观景视线，设计特色观景节点及人行停留空间。

图7 主干道沿江大道设计策略

3.3.2 慢行空间构成

城市慢行廊道作为串联城市街道、公共空间的线性走廊，处理好其与城市空间的关系非常重要。在调研过程中，发现街道建筑前区与街道缺少互动空间，存在沿街界面功能区被汽车、电动车占用，缺乏渗透性的公共开放空间等情况。以陶珠路为例，依据其历史人文特色与商业基地特征，提出以下策略(图8)：1)塑造开敞性的建筑前区空间，满足居民日常停歇、交流和消费的功能需求，并提供安全、无障碍的慢行体验；2)设计适宜的街道空间尺度，将城市节点、建筑与公共空间共同构成韵律协调、舒适宜人的尺度界面；3)通过创意型店招IP和具有文化辨识度的街道公共设施，为慢行廊道赋予独特的文化魅力，满足市民的文化体验需求。

图8 城市主街陶珠路设计策略

3.3.3 慢行系统基础设施及服务

提高城市慢行系统的基础服务水平是城市活力提升的重要因素。基于前期POI大数据的分析，可以较为直观地反映出场地周边的服务业态设施数量和分布状态。以位于城市中心区的西陵一路为例，作为从城东到城西的城市主干路(双向四车道)，以机动车通行为主，街道服务设施多聚集在建筑内部空间。对此提出以下策略(图9)：1)在建筑前空间设置标志性的艺术装置和城市文化符号设施，塑造城市形象活力带；2)完善城市慢行系统服务设施，提供慢行驿站休憩空间、共享单车停放空间，提供多样性的市民生活服务设施，营造文化交流及运动空间等；3)策划夜间市集、文化主题夜游活动，引进夜经济的相关业态，利用数字科技构建新的体验场景，发挥慢行廊道聚集及区域联动效应。

图9 城市轴线西陵一路设计策略

4 结语

新数据、新技术的发展为城市的复杂系统网络研究工作提供了更多可能。利用开源大数据对城市空间进行更精准、更细致、更全面的分析，让宜昌城市慢行廊道的选线及规划设计更加科学、精细化。本文探索了在城市设计实践过程中如何融入研究与理论，分析宜昌旧城区的城市空间结构、人口分布、交通设施和商业分布等，结合现场调研等数据，以数据实证与人工干预的工作方式辅助设计决策，提升了设计的科学性与可靠性，以及宜昌慢行廊道设计的全面性与实用性。

本研究也存在一定的局限性，未来需要在以下3个方面做进一步的研究。1)拓展研究区域：城市是一个复杂且相互关联的信息系统，任何城市现象都是城市要素相互作用的结果，未来将不限于项目边界，从城市或区域维度展开进一步研究。2)增加数据类型：本研究数据可能存在时效性低的问题，在研究模型构建层面，应增加不同尺度、类型和更具时效性的城市数据，同时部分数据需要结合研究对象的情况进行实证研究。3)研究影响机制：需要从城市物理空间及城市社会、经济、环境、文化等多维度的量化分析入手，以多学科交叉的研究方式，建立城市复杂系统的空间量化分析模型，分析城市空间中不同因子、指标之间的影响机制问题，满足城市高质量、精细化发展的新时代需求。

注：文中图片除注明外，均由作者绘制。