城市街区热舒适性与空间行为关联性研究

■ 王 一 Wang Yi 彭智凯 Peng Zhikai

0 引言

目前，国内的城市商业综合体项目大量涌现，就上海而言，2016年新增商业综合体项目90个，在全国首屈一指。作为商业综合体的一种特殊类型，街区式商业综合体的室外空间是室内的延伸。该空间虽然处于规划红线范围内，属于一种私有运营和管理的场所，但是它也容纳了大量的城市公共活动，因此，街区式商业综合体是研究城市街区的一类典型案例（图1）。城市街区 形态会对室外热环境和行为环境产生双重影响[3]，两者的空间分布存在重合和错位的关系。假设让更多的行为发生在热舒适的区域，会有助于群体对城市空间品质的积极评价，从而使更多的人愿意参与室外空间的活动，提高空间的使用效能。所以，从形态出发，去认识其对热舒适性、行为活动的共同作用和规律是有意义的。

图1 大宁国际,街区式商业综合体

1 研究方法与工具

1.1 原型归纳

原型归纳是研究城市形态的重要方法之一。阿尔多·罗西在《城市建筑学》认为原型归纳的方法是寻求与传统空间契合的重要途径，探索了城市和建筑类型学的构成原则[4]；原型归纳方法的关键在于总结城市空间的形态要素，它们也是真实城市规划和街区设计的关键控制要素，因此，归纳结果具有普遍性和典型性。本次研究通过选取若干个典型的街区式商业综合体实例，并对外部空间的形态特征进行分类，最终归纳出基于特定城市形态要素的街区原型。

1.2 城市街区的热舒适性模拟

在城市形态对热舒适性影响的研究中，有传统的问卷和实地测量的方法[5]，而随着计算机数值模拟技术的发展，街区尺度的模拟已经成为评价室外热舒适性的主要方法。基于城市气象数据，结合既有研究的气象模型和热舒适性计算公式，可以实现室外空间热舒适性的高效、快速模拟。Envi-met软件作为室外热舒适性模拟的主流工具，经过实证研究的多次优化，能对大量街区原型实现较好的热舒适评价[6、7]。预测平均热感应（Predicted Mean Vote，PMV）是一个基于群体性意见的指标，能测度人群对热舒适性的平均感应，准确评价室外热舒适性[8、9]。本次研究经过街区原型的有效归纳，可利用Envi-met软件生成PMV空间梯度分布图，从而发现街区形态和热舒适性的潜在规律。

1.3 城市街区的空间行为模拟

和热舒适性研究类似，空间行为的研究可以分为实证和模拟两种途径，实证可以评价模拟工具的准确性，模拟则可以对大量的类型进行比较。在实证研究中，常见的研究方法包括问卷、认知地图、方位标注、方向指认、CCD追踪记录、行为注记图等，但这些传统工具不能同时采集不同地区的数据，样本数量也会受限于人工统计水平；相比之下，模拟能够准确、快速地描述空间和行为规律。最为常见的空间行为模拟工具是Depthmap软件，它的基础是空间句法理论，已经被广泛应用于单体建筑、街区、城市，甚至大尺度区域的研究[10]。Depthmap可以生成轴线图来模拟大尺度城市尺度的空间行为，也可以用可见性分析来模拟较为小尺度的街区。本次研究通过Depthmap计算角平均深度（Angular Mean Depth，AMD），并生成AMD空间梯度分布图，用来评价各原型的空间可达性[11]，从而发现街区形态和空间使用频率之间的联系。

1.4 热舒适性和空间行为的关联性评价

为了能更定量地描述空间热舒适性和行为之间相关程度，需要对两者进行相关性分析。较为常见的相关性分析方法是多元线性回归分析[12]，本次研究通过Arcgis平台对PMV和AMD进行数据交互，来评价热舒适性和可达性之间关联性。在数据交互之前，需要保证Envi-met和Depthmap具有相同的输出精度，这样才能匹配一致的空间单元大小，并在Arc-gis中合并每个空间单元的所有数据，准确地进行数据交互。具体而言，数据交互分为两个步骤：

第一步，相关性多元线性回归分析，目的是为了量化出整体空间的相关系数。相关系数的计算原理是普通最小二乘法[13]，通过最小化误差的平方和寻找最佳函数，对每一个空间单元进行矩阵运算并求解矩阵系数，即相关系数β以及标准差ε，见公式(1)。在Arc-gis中，OLS(Ordinary Least Squares)工具包可以用来计算每个空间单元PMV和AMD之间的相关系数β和标准差ε（图2）。从统计学意义上来讲，若相关系数β为正为正相关，相关系数β为负则为负相关；若相关系数β的绝对值越小，自变量和因变量的关联性越小。

式[14]中，Y—因变量，本研究中为PMV；

X—自变量，本研究中为AMD；

β—相关系数；

ε—标准差。

第二步，空间叠图，目的是为了量化出单个空间单元的数据离散程度。Arc-gis计算每个栅格的标准差ε，可以用来区分不同空间单元的数据离散程度。若某个空间单元的标准差越大，说明数据的离散程度越高，该空间单元越偏离整体空间的平均值。在本次研究中使用标准差进行空间叠图，可以利用颜色区间对相关性分析结果可视化。

图2 在 Arc-gis界面用OLS工具包的相关性分析结果

2 街区原型

本研究选取了上海三个典型的街区式商业综合体项目（图3），并列举了若干个形态敏感因子。通过比较这三个实际项目，发现它们的地块面积、整体容积率较为接近，然而裙房容积率、裙房层数、主街朝向[15]、街网密度[16]、道路交叉口数量却有较大的差异（表1）。由于这些形态敏感因子很大程度上决定了街区的基本结构，因此，可以控制某一个形态因子作为常量，来归纳街区原型。本次研究归纳了两次原型，“原型一”控制了相同的裙房容积率，而“原型二”统一了相同的裙房高度。在此条件下，通过改变其余形态因子来生成更多的变型，由此形成数值模拟的基础。

图3 用500 m×500m框选街区式商业综合体及周边

2.1 原型一

街区原型一统一了相同的地块尺度和裙房容积率[17]（取大宁国际、五角场万达、中信广场的平均地块尺度250 m×250m，平均裙房容积率1.7，平均主街宽20m，平均次街宽10m），通过变换主街朝向、街网密度两个变量，形成3个基准模型，15个变型（图4）。其中基准模型分别代表街区被道路平均切分2次、4次、6次的三种情况；变型代表了主街东西、南北布置、以及偏转45°布置等五种情况。此外，原型一中的附加变量还有裙房层数。

2.2 原型二

既有研究表明，街道高宽比和街网密度会共同对热舒适性产生影响[18]，原型一控制了相同的裙房容积率，但是未能统一相同的裙房层数，无法直观地得出街网密度和热舒适性的关系，所以在原型二中需要预先设置相同的裙房层数（取大宁国际、五角场万达、中信广场平均裙房层数4层），再通过变换街网密度、道路交叉口形态，形成7个基准模型，25个变型（图5）。在同一裙房层数的条件下，增加街网密度会使得裙房容积率下降，但是可以通过增加塔楼的容积率进行补偿。与此同时，相同街网密度的条件下，通过调整道路交叉口形态也可以衍生出若干个子类型。

3 数值模拟

3.1 热舒适性模拟

作为模拟的前置设定数据，区域性气候数据会根本性地影响模拟结果。在夏热冬冷地区的上海，春秋过渡性季节的热舒适性在一天之内维持的时间较长，户外活动人数较多。本次研究所选取的模拟时段为2016年11月 5日 13∶00～ 14∶00，在 Envi-met软件中导入的epw天气文件均来自上海市国家基本气象站发布的数据，该气象站的区站号为58 362，站名为宝山。原型一和原型二的热舒适性模拟包含了气温、相对湿度、平均风速、平均辐射温度和预测平均热感应（PMV）。其中PMV的计算综合考虑了前四者，也已经被推广用于评价室外热舒适性，因此，本文最终选择用PMV作为街区式商业综合体室外空间热舒适性的评价依据。

表1 三个上海典型街区式商业综合体的形态敏感因子对比

图4 原型一

图5 原型二

3.1.1 原型一

原型一控制了相同的裙房容积率，随着街网密度的上升，裙房层数会作为因变量增加。模拟结果显示，街网密度和裙房层数的同时增加会导致热舒适性下降（图6）。然而在三种街网密度下（204，409，616），不同主街朝向的热舒适性排名顺序是相同的，从好到差依次是：东北-西南向布置主街（Vtlr）、南北向布置主街（Vtl）、不区分主次街道但偏转45°（Basr）、西北-东南向布置主街（Hzlr）、不区分主次街道（Bas）、东西向布置主街（Hzl）。街网密度越大，不同主街朝向对热舒适性的区别越大。

图6 原型一： 预测平均热感应（PMV）模拟结果

3.1.2 原型二

原型二控制了相同的裙房层数，因此，增加街网密度会导致裙房容积率降低。如果裙房容积率不受限制，例如转移部分到塔楼的容积率，那么讨论街网密度和热舒适性的关系是有意义的。根据Y-Z平面的模拟结果，增大街网密度，总体上能够提升室外空间的热舒适性。但中间也出现了较大的波动（20 402，30 604），由于此时街网密度过小，街道在不同方向的数量差异主导了平均热舒适性，因此可以排除。除了街网密度之外，道路交叉口形态和热舒适性之间也能找到一定规律。根据X-Z平面的模拟结果，在裙房层数、街网密度相同的双重前提下，将一个十字交叉口转换为两个T字交叉口，能够大幅提升室外空间的热舒适性：从10 200到61 618的PMV值提升了0.27（图7）。

3.2 空间行为模拟

图7 原型二：预测平均热感应（PMV）模拟结果

空间句法的可见性分析能够计算角平均深度（AMD），其原理是将深度值算法中的“距离”定义成角度，角深度即从一个栅格出发到达其他的栅格，需要最小转过的角度之和。AMD只与角度有关，与经过的路程无关。从空间中某点到另一点的路程中，所需转过的角度越大，寻路难度系数越高，空间可达性越低；反之，AMD越低，所需转过的角度越小，空间可达性越高。在街区式商业综合体中，可达性高的区域更可能产生行为集聚，也提升了空间使用频率。

3.2.1 原型一

原型一的模拟结果显示，增加街网密度会提升空间可达性。其次，区分主次街道对空间可达性的影响应该分两种情况讨论：当一个街区被道路切分大于4次时（409，616），区分主次街道会降低空间可达性；而当一个街区被道路切分2次时（204），区分主次街道会增加空间可达性。此外，由于Depthmap只根据二维物理空间结构进行模拟，所以裙房层数、主街朝向不会对模拟结果产生影响（图8）。

3.2.2 原型二

根据Y-Z平面的模拟结果，增加街网密度总体上能够提升空间可达性（204 ＞ 409 ＞ 616）。当街网密度相同时，均衡不同方向的街道数量能够增加道路交叉口数量，可以提升空间可达性（408 ＞ 409）。相反，根据X-Z平面的模拟结果，增加T字交叉口会降低空间可达性。由于T字交叉口相比十字交叉口缺少一条直行的选择，增加了节点处的转弯概率，导致了AMD增大。因此，在裙房层数、街网密度、道路交叉口数量相同的前提下，若将十字交叉口转化成多个T字交叉口，反而会降低空间的可达性（图9）。

图8 原型一：角平均深度（AMD）模拟结果

4 相关性分析和空间叠图

4.1 原型一

原型一的裙房容积率固定，代表了裙房的商业开发量受限的情况下不同的变型（图10）。通过Arc-gis对热舒适性和空间可达性的数据交互，发现两者的相关性存在以下规律：①当街网密度和裙房高度同时增加时，相关性降低（204 ＞ 409 ＞ 616）；②主街朝向对相关性结果的影响最大。东西向布置主街时，两者呈现正相关，且相关性最大；南北向布置主街时，两者呈现负相关，且相关性最大；其余情况的相关性并不明显。

具体比较每个空间单元的叠图结果, 发现个体结论与整体相一致：①道路交叉口越多，每个单元的标准差越大，整体离散度越大； ②东西向道路的标准差大多为正，南北向道路大多为负（图11）。

4.2 原型二

图9 原型二：角平均深度（AMD）模拟结果

原型二的裙房层数固定，代表了裙房的商业开发量不受限，可以向塔楼置换部分开发量的情况。经过第二轮热舒适性和空间可达性的相关性分析，可以发现：①所有基准模型和变型的分析结果均为正相关。②适当增加街网密度能提升相关性。当街区被道路在两个方向各切分2次时，即街道线密度在4至5（m/m2）区间内，相关性最大（-β=2.05）；当街区被道路切分大于5次时，相关性开始下降。③在裙房高度、街网密度相同的情况下，增加道路交叉口数量能提升相关性（图12）。

具体比较每个空间单元的叠图结果, 发现个体与整体的结论相一致：①当道路被切分5次时，标准差较小的空间单元达到最多，意味着此时街区整体离散度最小；②道路交叉口越多，每个单元的标准差越小，整体离散度越小（图13）。

(2)大豆进口量减少0.07%。由于国产大豆与进口大豆之间存在替代关系，国产大豆市场价格降低会减少大豆进口0.07%，约5.65万吨。大豆进口量的变化与替代弹性大小密切相关，替代弹性越大，对进口大豆的挤出效应越强。

图10 原型一： AMD和PMV的相关系数β和空间叠图

图11 原型一空间叠图：616Vtlr

图12 原型二： AMD和PMV的相关系数β和空间叠图

图13 原型二空间叠图

5 结语

本研究通过原型归纳、数值模拟、相关性分析和空间叠图的技术方法，讨论了两个街区原型的环境热舒适性、空间行为及其两者的关联性，目的是为了得出提升热舒适性和空间行为之间子相关性的途径。研究结论表明，通过控制特定的街区形态敏感因子，可以有效提升可达性高的区域热舒适性，具体表现为下面三类情景（图14）：

第一类是裙房商业开发量受限的情况。在各项形态敏感因子中，主街朝向较于街网密度更能影响热舒适性和空间行为之间关联，在裙房容积率相同的条件下，若主街东西向设置，可达性高的区域热舒适性最好。第二类是裙房的商业开发量不受限，可以向塔楼置换部分开发量的情况。在裙房高度相同的条件下，若街网密度在4～5（m/m2）区间内，可达性高的区域热舒适性最好。第三类是裙房的商业开发量不受限，但是建筑覆盖率受限的情况。在街网密度相同的条件下，将部分十字交叉口转换成多个T字交叉口，可以增加道路交叉口数量，进而提升热舒适性和空间行为之间关联性。

以上三种情景，在真实设计决策和方案优选过程中经常遇见。本次结论通过给出特定情景，一方面，可以更有效地指导城市规划和街区空间形态设计；另一方面，可以让职业建筑师和规划师了解影响热舒适性和空间行为的形态敏感因子，在设计前期就能有意识地根据不同情景进行空间布局。除此之外，本次有关Envi-met热舒适性模拟还需要进一步分析，由于只选取了一天进行热舒适性模拟，结论仅仅针对夏热冬冷地区过渡性季节的热舒适性和环境行为评价，不适用全年。

图14 三类情景分析图

参考文献：

[1]Erell E． The application of urban climate research in the design of cities[J]． Advances in Building Energy Research．2008,2(1)：95-121．

[2]杨滔．空间句法：从图论的角度看中微观城市形态[J]．国际城市规划 , 2006, 21(3)：48-52．

[3]Brager GS, De Dear RJ． Thermal adaptation in the built environment： a literature review． Energy and buildings[J]．1998, 27(1)：83-96．

[4]罗西著,黄士钧．城市建筑学[M]．中国建筑工业出版社, 2006．

[5]Oke TR． Canyon geometry and the nocturnal urban heat island： comparison of scale model and field observations[J]．International Journal of Climatology． 1981 Jul 1;1(3)：237-54．

[6]Huttner S． Further development and application of the 3D microclimate simulation ENVI-met[OL]． Mainz University,Germany． 2012．

[7]Middel A, Häb K, Brazel AJ, Martin CA, Guhathakurta S． Impact of urban form and design on mid-afternoon microclimate in Phoenix Local Climate Zones． Landscape and Urban Planning． 2014 Feb 28;122：16-28．

[8]Havenith G． In dividualized mo del o f h uman thermoregulation for the simulation of heat stress response[J]．Journal of Applied Physiology, 2001, 90(5)： 1943-1954．

[9]Fanger P O． moderate thermal environments determination of the PMV and PPD indices and specification of the conditions for thermal comfort[S]． ISO 7730, 1984．

[10]Hillier B． Cities as movement economies[J]． URBAN DESIGN International, 1996, 1(1)：295-344．

[11]Raford N, Chiaradia A, Gil J． Space syntax： The role of urban form in cyclist route choice in central London[OL]．

[12]Krivoruchko K． Spatial statistical data analysis for GIS users[OL]． Redlands： Esri Press; 2011．

[13]Scott LM, Janikas MV． Spatial statistics in ArcGIS．Handbook of applied spatial analysis． 2010：27-41．

[14]Ezell M E, Land K C ． Ordinary Least Squares (OLS)[J]．Encyclopedia of Social Measurement, 2005：943-950．

[15]Ali-Toudert F, Mayer H． Thermal comfort in an east-west oriented street canyon in Freiburg (Germany)under hot summer conditions[J]． Theoretical and Applied Climatology,2007,87(1)：223-237．

[16]F．Ali-Toudert, H． Mayer, Numerical study on the effects of aspect ratio and orientation of an urban street canyon on outdoor thermal comfort in hot and dry climate[J]． Building and Environment, 2006,41(2)：94-108．

[17]H．Mayer, P．Hoppe, Thermal comfort of man in different urban environments[J]． Theor． Appl． Climatol, 1987,38(1)：43-49．

[18]E．Johansson, Influence of urban geometry on outdoor thermal comfort in a hot dry climate： A study in Fez, Morocco[J]．Building and Environme nt,2006,41(10)：1326-1338．