基于多源大数据的轨道交通站域街道品质多维评价分析

胡昂 郭仲薇 牛韶斐 李想

摘 要：为了科学测度、准确评价站域街道的空间品质并实现有效优化，选取成都市73个地铁站域，以街道网络、POI（point of interest）、街景图片等多源大数据为支撑，运用机器学习、sDNA分析（spatial design network analysis）等技术，构建了以便捷性、功能性与舒适性为核心的评价体系，进行站域街道空间品质的大规模定量评价，并针对不同等级的站点提出了导控策略。结果表明，在城市整体层面，68.03%的站域街道评分低于中等水平，街道功能性与舒适性普遍较好，便捷性较差;在站域层面，街道空间品质呈现出南高北低、西高东低、内高外低的分布特征。研究使人本尺度的分析精度、站点尺度的分析深度和城市尺度的分析广度得以兼顾，有助于创建高效的城市管理动态反馈机制。

关键词：市政工程;多源城市数据;轨道交通;站域街道;评价体系;空间品质

中图分类号：TU9842   文献标识码：A   doi：10.7535/hbkd.2020yx05008

Abstract：To scientifically measure and accurately evaluate the spatial quality within the station area and realize effective optimization， seventy-three subway stations in Chengdu City were selected to support multi-source big data such as street network， POI（point of interest）， street view pictures， etc.， then machine learning and spatial design network analysis（sDNA） and other technologies were used to construct an evaluation system with convenience， functionality and comfort as the core. Large-scale quantitative evaluation of street space quality within the station area was carried out， and guidance and control strategies for different levels of stations were proposed. The results show that 68.03% of the station area streets score is lower than the medium level， the street function and comfort are generally good， and the convenience is poor; at the station level， the street space quality shows the distribution characteristics of high in the South and low in the north， high in the West and low in the East， and high in the inside and low in the outside. The proposed method takes into account the analysis accuracy of human-oriented scale， the analysis depth of site scale and the analysis breadth of urban scale， which is helpful to create an efficient dynamic feedback mechanism of urban management.

Keywords：municipal engineering; multi source urban data; rail transit; streets within the station area; evaluation system; spatial quality

1 研究背景與局限

1.1 规划层面的建设需求

仍处于快速发展阶段的中国轨道交通建设，使得轨道交通站点逐步成为城市发展新的触媒点（catalytic point）。城市空间与群体行为在新的出行方式下相互作用、动态演化，产生了诸如站域空间（站点影响域）等“城市新空间”。站域空间承载着人口与经济要素的频繁集散与流通，对周边城市空间具有辐射与带动作用，并通过促使相关功能和空间的整合，引导后续建设项目“多米诺骨牌式”推进[1]。快速城镇化时期，城市设计的“技术体系供给”与“时代需求局限”之间出现错配，由此衍生出城市设计本土化的诸多问题[2]，站点带动效应不强、空间资源浪费、交通功能与城市功能融合较差等问题凸显。此外，缺乏统筹规划使得轨道交通与其他交通方式之间衔接不畅，存在时空隔离，导致域内行为主体联动低效。街道空间不仅包括街道本身，还涵盖与街道相接的对街道活力有直接影响的建筑底层商铺、开敞空间、服务设施等[3]，故良好的站域街道空间品质有助于缓解站域的交通压力[4]，实现站点地区的功能整合，刺激周边业态的发展，形成良好的站域风貌。随着改革由增量改革向存量改革的过渡，存量时代的到来给城市设计“再出发”提供了肥沃的土壤[2]，已建成区域的更新优化将成为城市建设未来的主攻方向[5]，如何科学测度、准确评价站域街道空间品质进而实现有效优化成为研究的重点和难点。

1.2 人本导向的品质需求

相较于其他街道空间，站域街道作为重要的交通节点，侧重于与步行、骑行及常规公共交通间的多模式换乘，承载着更多的人群集散和持续的交通流动。与此同时，共享街道、绿色出行与慢行交通等的回归，使得街道空间规划和导控由功能性和美学性向以人为本的生活性和休闲性转变，催生了街道空间品质提升的新需求。从使用者角度而言，交通工具多样化、换乘方式復杂化与出行需求个性化都对站域街道空间提出了更高的要求。实现站域街道空间的品质评估亟需一套综合评价方法，既能协助实现更高效的宏观规划，也能实现更精准的微观设计指引，助力系统集成、协同优化，创建高效的城市管理动态反馈机制。

13 研究进展与局限

对于街道空间品质的研究主要从环境心理学、环境行为学等视角展开，分别着眼于使用者感知行为和街道空间环境特征2个重要的主客观维度[3]，2个维度的相关理论奠定了空间品质测度的方法论基础。街道空间品质的量化测度与评价通常包括3种主要方法：1）基于实地调研和调查问卷[6];2）基于访谈记录和步行行为观察;3）基于新技术手段的大数据测度[7-9]。其中新数据与新技术研究分辨率高、覆盖范围广，一定程度上增加了以主观经验为主的街道品质评价的客观性[10]，并为大规模街道空间品质精细化测度提供了可能，使得空间品质研究的广度不断扩展、深度不断提升、维度愈加多元。整体来看，现有对于街道空间品质的相关研究多为“引介-应用”模式，扎根于当代发展实际、社会文化背景和城市治理体系的方法框架并不清晰，具体类型的街道空间在城市意象营造和提升城市活力方面的作用被普遍低估，鲜有将研究对象聚焦于轨道交通站域的街道品质。

定焦于站域街道空间，当前关于轨道交通站域步行空间的研究成果丰硕，多为以实地调研和问卷访谈方式进行的实证类研究，完整的研究体系尚未成型。TOD理论最早开始对站域步行空间的探索，该理论的设计要点之一就是建设“步行友好”的站域社区环境，以减少私家车的使用[11-12]。随着研究的深入，诸多成果被概念化为5Ds：即高密度、混合的土地利用以及行人优先的设计（density， diversity of landuse， pedestrian-oriented design，简称3Ds），目的地可达性和至公共交通的距离（destination accessibility and distance to transit，简称2Ds）[13-14]，其中设计（design）即为舒适的步行环境和便捷的换乘空间设计。在TOD理论指导下，各国专家学者对站域步行空间设计进行了深入的研究[15-16]。陈泳等[17]对上海的3个轨道交通站点进行研究，发现便捷度既是影响站域宜步行环境的关键指标，也与街道空间品质显著相关。同时，有学者对站域的慢行空间、公共空间品质进行了有益探讨[18-19]。段婷等[20]通过对天津近郊区地铁站域慢行环境进行满意度问卷调查，发现路面宽度、绿化景观和服务设施等更易影响慢行环境的满意度。

整体来看，当前对于站域街道空间的相关研究还存在一定的局限性。研究对象多针对具有突出特点的站点，局限于单一因素的步行和慢行环境建设研究，淡化了不同行为主体的多元化需求。此外，现存研究在研究方向上多侧重于步行、慢行可达性与步行空间使用效率，以现场调研、问卷访谈为主的研究方法难以获取大范围街道空间属性数据，缺乏对宏观城市形态变量与微观城市空间要素的综合考量。此外，对于站域街道空间的相关研究尚未形成普适化的评价指标体系，各指标及评价因子间也多有重叠。

本文通过对站域街道空间的研究以期探求如下问题：1）如何大规模测度站域街道空间品质？2）各评价维度之间是否相关？3）不同层级的站域街道各维度空间品质究竟如何？

2 站域街道品质多维度评价方法

2.1 对象界定

当前，成都大力实施多样化轨道交通发展模式，推进以TOD理念为主导的轨道交通站域土地的综合开发，为研究提供了丰富的素材。本文选取成都市三环内的73个地铁站点（地铁线网图见图1），其所在线路通车较早，站域内建成环境较为完善、街道空间形态生长相对成熟。基于《成都市轨道交通场站一体化城市设计导则》的基本要求与成都市轨道交通发展的现实情况，综合考虑站点周边城市功能、服务范围、交通产业等要素，将轨道站点分为4个层级，即城市级、片区级、组团级和一般级。为方便宏观视角下进行对比分析，本文采用“同心圆类”界定站域范围[21]，如图1所示。即以站点为圆心划定缓冲区，选取缓冲区内的街道，研究范围包含街道两侧建筑或构筑物围合而成的三维空间[3]。

2.2 研究框架与技术路线

研究步骤包括数据收集、多维度评价、实证分析与针对性提升策略4个阶段（见图2）。

2.2.1 数据收集

首先对成都市三环内的相关数据进行收集、处理。

1）OSM数据：路网和建筑基础数据来源于OSM地图（https：//www.Openstreetmap.org），经路网拓扑处理得到街道中心线。

2）POI数据：POI兴趣点于2019-11-10在Amap上抓取，通过调用应用程序编程接口，在成都市三环内共获得了336 906个POI数据。

3）街景图片：本研究基于路网数据，以经纬度为参数，每间隔60 m在道路网格上生成采样点，通过HTTP URL调用百度地图的API，设置视点位置坐标、视线水平和垂直的角度，最终生成每个样本点的街景图片。本研究中视线的垂直角度为0°，水平角度抓取0°，90°，180°和270°，即平行于道路的前后左右4张街景图，以保证各采样点的全视角观察，最终从抓取的23 750个采样点上采集到95 000张街景图片（图片的分辨率为1 280*70）。

参考已有研究和相关导则[22-23]，本文以成都市三环内73个地铁站点为中心建立了800 m缓冲区，筛选后最终得到了6 821条街道、1 017个公交站点、4 139个交叉口、144 988个POI数据、45 356个建筑和13 690个街景采样点（见图3）。

2.2.2 多维度评价体系的构建

综合交通规划、城市规划、人居环境、产业经济等领域的研究成果，并在梳理和解读成都站域空间要素的基础上，本文选取主客观维度中影响站域街道品质的8个核心因子，构建了以便捷性、功能性、舒适性为核心的三维评价框架（见表1）。

1）便捷性 即站域内连续畅通的街道网络与方便高效的接驳换乘系统，其对轨道交通系统的运行效率有较大影响。采用sDNA分析与GIS二维分析，利用步行和骑行的中间性指标度量可达性，利用公交车密度与交叉口密度度量连通性。

其中，基于角度距离的可达性值已被证实与观测到的人车行为分布具有很好的相关性[24]，本文采用卡迪夫大学（Cardiff University）建立的sDNA分析（http：//www.cardiff.ac.uk/sdn）计算基于角度距离的中间性（angular betweenness），以此作为道路网络可达性的度量值。sDNA是一种更加综合的城市街道网络分析工具，以交叉路口为端点，将街道描述为节点与边的网络，是对于街道空间结构特征抽象和可达性测度的工具，可以有效测度由街道空间结构所决定的可达性[25]。不同分析半径下的可达性结果，对应街道段承载相应距离出行行为的发生潜力[26]。国内的相关研究普遍将500 m作为步行的舒适距离，将2 000 m作为骑行的舒适距离，故本研究选择500和2 000 m的半径分别进行中间性运算，借此反映街道组织结构对步行和骑行的适应性。

2）功能性 即丰富多样的沿街商业设施以及布局合理的公共服务设施等[27]，其有助于诱发行为主体的经济活动、社会活动与休闲活动，是显示街道服务水平和活力程度的重要指标。本研究筛选站域内各街道50 m缓冲区内的POI数据，将其分为医疗、科教、住宅、餐饮、购物、金融、办公、交通、文化、体育休闲和生活服务11大类设施，进行密度分析，并基于香农-威纳指数（Shannon Wiener Index）进行多样性量化分析。

3）舒适性 即宜人的街道尺度、舒适的视觉观感等空间心理感知。根据马斯洛需求层次理论，舒适性是使用者对街道空间更高的心理需求，相较于其他需求紧迫感较低，多受客观空间要素的综合影响。本文利用基于python的PSPNet语义图像分割算法对街景图像进行处理，切割出图像中的绿化、建筑、天空和道路等要素，以绿化的像素尺度为变量对采样点进行聚类，进而整合到街道上，得到街道绿视率。同时，利用街道D/H衡量建筑对街道的围合程度，进而整合街道绿视率和D/H，以衡量舒适性。

为消除各指标之间的量纲差异，对各维度的数据结果进行归一化处理，利用德尔菲法（Delphi Method）确定表1中各指标及因子的权重。本文依托课题组于2019-09-01—2020-01-31征询了来自四川大学、西南交通大学、成都市发展和改革委员会、成都市规划和自然资源局、成都轨道交通集团与中国建筑西南设计研究院的25位规划、建筑、交通领域的专家、学者与政府工作人员，其中副厅级专家2人、正处级4人、副处级2人、教授5人、研究员1人、副教授3人、讲师1人以及博士研究生7人。通过包括11道题目的问卷调查，对3个指标和8个影响因子进行了3轮征询，依次计算算术平均数得到权重数值（见表1）。将归一化处理后的各指标数据叠加权重，得到了每条街道各个维度的得分，叠加整合最终获取街道品质的总分。分析结果均采用ArcGis10.2的Naturl Break法聚类分为5类，将5类数值由大到小分别评价为高、较高、中、较低和低5个等级。具体而言，街道空间品质的高等级取值范围为1084～2169，较高等级为0722～1084，中等级为0495～0722，较低等级为0337～0495，低等级为0000～0337，其余指标和影响因子的等级取值范围见各指标分析结果图。

根据已有研究，除D/H值外，各因子与街道品质均为线性递增关系。依据芦原义信的理论成果，当D/H<1时，比值越小，空间越趋于封闭和压抑;当12时，空间内聚性较差，空旷感和迷失感随即产生。故在对D/H值的数据进行归一化处理时，保留D/H<1的数值，将D/H为1～2的赋值为1，D/H>2的数值进行离差标准化处理，使得D/H值满足以上关系。

2.2.3 各维度相关性分析

为判断本文评价体系下各维度是否相互独立，利用SPSS对功能性、舒适性、便捷性这3个维度进行了相关性分析。从图4可知，功能性与舒适性间的Pearson值不显著，两者间无明显相关性;功能性与便捷性间Pearson值<0.01，相关系数为0.058，相关性极低，可忽略不计;舒适性与便捷性间Pearson值显著，相关系数为-0.049，可判定两者无明显相关性[28]。一方面验证了本文建立的评价体系能够较为完整地评估街道空间品质;另一方面后续在制定导控策略时，可暂不考虑各维度间的相互影响。

3 成都轨道交通站域街道品质多维度评价研究实践

3.1 城市整体层面站域街道空间品质基本特征

站域街道样本的空间品质评价结果分布呈现参差错落、小集聚、大分散的态势（见图5），低值多位于外圈层地铁7号线上（线路具体位置见图1中的环线），高值散落在南北中轴西翼的部分站域内。参照《成都市轨道交通场站一体化城市设计导则》对于城市级与片區级站点圈层范围划定的相关标准，本文将站域500 m缓冲区范围内统一划定为核心区，500～800 m缓冲区范围划定为辐射影响区。可以看出，站域内部分布呈现出明显的圈层差异，核心区的街道空间品质普遍高于辐射影响区，但在外圈层东北至东南方向的站域内部，距离站点中心越近，街道空间品质越低。从数量上来看（见表2），73个站点的站域街道空间品质评分中等以上的仅占10.57%，而中等以下的站域街道达到了68.01%，可见站域街道品质提升尚有很大空间，基础配套亟待完善。

站域街道的3个指标在城市街道整体层面的分析结果见图6，在便捷性分析方面（见图6 a）），评级为最高、最低的站域街道占比分别为2.36%和46.84%，数量差距最大。在站域内部，与站点直接相连的街道便捷性较好，体现了站域核心区通常具有较高的交通可达性。在功能性分析方面（见图6 b）），评级中等及以上的站域街道占比达到了82.29%，多集中于3号线红牌楼站至春熙路站间的7个站点与7号线茶店子站至府青路站间的8个站点沿线。站域内多显示为距离站点中心越近，街道功能性越强，可见站点对业态集聚的带动作用明显。在舒适性分析方面（见图6 c）），仅有25.13%的站域街道评级处于中等以下水平，其中舒适性最低的街道多集中在春熙路站、火车北站和九里堤站站域内。研究发现，位于旧城区的地铁站域核心区的街道舒适性普遍低于辐射影响区的街道舒适性，这表明轨道交通站点的兴建与填充式开发对城市肌理带来了一定的冲击与改变，甚至可能降低原有街道空间的舒适性。

便捷性、功能性、舒适性的各因子在城市街道整体层面的分析结果见图7—图9，可明显看出在步行可达性、骑行可达性与公交车可达性分析中，低值街道占据多数，广泛分布在各站域内，高值街道则零散分布。在交叉口密度、POI密度、绿视率分析中，各区间街道分布相对均匀，其中交叉口密度与POI密度分布拟合度较高。街道在POI多样性与D/H值分析上，高值街道较多，整体表现较好。综上所述，从宏观的城市层面可知，成都市三环地铁站域内街道功能性与舒适性普遍较好，等级较高与高的街道数量占比均超半数;而便捷性亟待提高，等级较高与高的街道数量不足一成。此外，相较于辐射影响区，站点核心区内便捷性与功能性较强，舒适性较差。

3.2 站域层面的分维特征

轨道交通站域既是品质测度量化分析与评价的核心研究对象，又是面向TOD的城市规划中政策落地与机制调控的基础单元。本文以站域内的街道评分均值衡量站域的街道平均水平，基于各指标均值对各站域进行评级分类。

综合而言，从数量上73个站域样本中，街道空间品质位于中等水平的站域最多，占32.88%。此外，还有33个站域街道空间品质低于中等水平，仍有很大提升空间。从空间分布上看（见图5），街道空间品质较高的站域多位于成都市中轴线的东西两翼。与此同时，与成都构建“双核联动”的网络化功能体系相关，街道空间品质的重心受到以往城市建设强度重心的影响，向南部偏移，品质均值总体呈现出南高北低、西高东低、内高外低的分布特征。

在便捷性方面，站域街道整体的便捷性水平空间分布与街道空间品质分布拟合度较高。便捷性4个因子街道评分均值的分析结果见图7，通过进一步对站域街道网络结构和形态研究后发现，步行可达性（见图7 a））整体布局呈现出中心中值、低值集聚在城市南北中轴线东翼、沿东北与东南方向延伸的扇形放射状布局。骑行可达性（见图7 b））低值分布与步行可达性较为相似，中心明显高值，可能与骑行出行相对距离更长，多选择城市主干道与干道有关。交叉口密度（见图7 d））呈现出中间高值、外圈层南高北低的分布态势，可以明显看出城市东西轴线北侧站域均值明显低于南侧站域。部分站域在3个因子评价上均较低，如驷马桥、成都东站，主要由于周边有铁路、快速路、高架路或水系等大尺度线性空间，造成对步行、慢行通道的割裂。对公交车密度（见图7 c））而言，整体呈现段落式间隔分布，中心圈层西低东高，受铁路站点影响，其余高值主要集中在两城市轴线与外圈层的交汇处。

在功能性方面，街道评分均值较高的站域呈现出带状平行于东西城市轴线密集分布的态势，说明成都的部分站域及地铁沿线已形成多元化的商业模式;均值较低的站域多分布于外圈层，集聚在西北、东北与正南方向。功能性2个因子街道评分均值的分析结果如图8所示。从图8 a）可知，POI密度的低值数量显著上升，多集中在城市东西轴线与外圈层的交叉处，如成都东客站、大观、金沙博物馆等地铁站域。POI密度仅在高等院校附近均值较高，站域内高等院校对街道的功能密度影响显著，如西南交大、理工大学、磨子桥等地铁站域内，西南交通大学、成都理工大学、四川大学等带来的集聚效应凸显。从图8 b）可知，POI多样性与功能性在数量统计、空间分布上高度相似，相较于POI密度，高值较为集中，仅在外圈层西北、西南与东北方向的部分站域内业态过于单一，使得POI多样性均值反而较低，如神仙树、文化宫、二仙桥等地铁站域。

受城市建成环境与街道等级的影响，舒适性呈现内低外高、大分散、小集聚的空间分布，即城市外圈层站域街道的整体舒适性较高，天府广场中心区附近的舒适性较低。舒适性2个因子街道评分均值的分析结果见图9，可发现人工环境与自然环境的测度指标——绿视率与D/H值，受城市区域发展水平影响显著。从图9 a）可知，除西北与东南方向的部分站域外，城区外圈层绿视率均处于较低水平，如天府广场、春熙路、太平园等换乘站点因多元业态的重合发展，绿视率水平均处于低位;由于铁路站点周边人工建成环境复杂，对自然要素生存空间挤压更多，导致火车北站、成都东客站、火车南站等站域内绿视率较低。从图9 b）可知，因城市中心区的街道界面较为复杂，D/H值呈现出中心低外围高、东北高西南低的总体分布态势，北部与东部的新建成区站域内D/H值普遍较高，城市中心和开发较早的西部与南部原有建成区因街巷改造难度较大，导致站域内D/H值普遍偏低。

综上所述，从中微观的站域层面来看，各维度的站域街道测度结果空间分布特征差异显著，受区域环境影响较大。通过对成都地铁站域街道各维度的特征分布、特性规律及存在的问题进行站域层面的识别，为提升站域街道空间品质提供了数据分析基础，有助于推动评估导控策略的落地。

3.3 针对性提升策略

在研究的73个站点中，有城市级站点6个、片区级站点10个、组团级站点2个、一般级站点55个。其中，城市级与片区级站点本身区位优势明显，站域建设强度大、业态高度复合、存量生产要素成本高、客流多元化程度高。這些因素在为站域发展带来机遇的同时，也为站域范围内的街道空间功能组织、交通体系的构建和舒适度的提升带来挑战。对比发现（见图10），城市级站点在可达性上表现较为突出，绿视率水平较低。片区级站点POI密度与绿视率整体评分相对较高，步行和骑行可达性有待提高。组团级站点步行可达性与POI密度评分相对较低，一般级站点中，公交车密度和绿视率评分相对较高。在POI多样性上，各级站点评分基本持平，城市级与片区级站点功能混合不足，未能充分发挥其城市综合服务功能。

站域街道空间的优化应借鉴TOD模式的合理内核，注重站区空间的整合和交通换乘环境的优化。基于上述2个层面的分维特征分析结论，针对4级站点的站域街道现存问题提出针对性的提升策略，以实现差异化、精准化（见表3）。

1）城市级站点 包含中心站与枢纽站，位于城市中心与交通枢纽地带。城市级站域街道整体评价较好，其中，中心站依托区位优势与重要的城市功能，生产要素与资本的聚集度高、便捷性与功能性较强。而交通枢纽站作为城市交通基础设施建设的聚集点，存在慢行交通引导不足、配套服务设施与应发挥的城市功能不匹配等问题。应注重接驳体系的完善，有效整合交通与土地利用，促进多功能融合，实现全天候区域活力保障。此外，两类站点由于城市风貌柔性与街道场所感较差，舒适性不足，应基于街道现状酌情改造建筑界面，并结合人车分流，创新绿化形式与围合形态，合理利用有限存量空间提升街道绿化，实现交通网络系统与城市绿化景观的全生命周期融合。

2）片区级站点 通常位于各区的城市主、次中心，受经济地理影响较大。其中，80%的片区级站域高于中等水平，低于中等评分主要表现在功能性与便捷性较差。评分较低的站点由于所在区基础差、底子薄、潜力尚未被充分挖掘等历史发展因素，使得公交车密度、步行及骑行可达性、POI多样性指标较低。此类街道应注重空间整合，进行一体化设计。路网优化要结合区域内产业功能区的发展实际，鼓励绿色交通，加强与主要交通枢纽的衔接。同时，将站域承载空间、环境容量与产业聚集、人才基础优势有机结合，促进功能多元混合，成为域内新增长极，以带动区域發展。

3）组团级站点 通常位于组团公共服务中心，是周边居住区的生活中心和公交换乘中心。在轨道站点核心区范围内，鼓励以多种形式灵活利用立体空间，使之成为15 min生活圈的重要节点空间。通过在街区内配置丰富的公共服务设施与绿色开放空间，平衡紧凑性、多样性与宜人性的关系，创造更有活力的公交社区生活。

4）一般级站点 通常位于社区服务中心，服务半径较小。研究范围内18.18%的一般级站点街道空间品质评级在中等以上水平。一般级站点站域内以生活性街道为主，故尺度较为舒适，交叉口密度与POI多样性较高，原因是地区发展差异，绿视率、功能性水平参差不齐。囿于城市错位发展的基本逻辑，小街小巷与城市整体路网并未形成体系，故一般级站点便捷性评级普遍偏低。此类街道使用者以附近居民为主，经济功能以社区商业为主。应在城市更新的大背景下，因地制宜完善整体街道网络连接环境，促进站点与绿色交通方式间的“零换乘”，逐步引导“轨道+地面公交+慢行”的绿色出行方式。此外，参考TOD社区模式，结合场地实际及周边居民需求，注重交通以外的生活配套设施建设，加快形成多样化、宜居宜业的新型社区，逐步实现站点触媒积极效应最大化。

4 结 语

相比以往对单一类型或特殊站点的步行与慢行空间研究，本研究不仅显著扩大了样本规模，而且通过整合交通、功能空间和景观3个要素构建了多维评价体系，坚持细化城市区域政策单元、强化城市区域政策精度的研究思路[29]，对成都市三环内地铁站域街道的建成环境进行了全面分析。同时，充分利用多源大数据大规模与高精度的优势，兼顾人本尺度的分析精度、站点尺度的分析深度和城市尺度的分析广度，以73个地铁站域内的所有街道为对象进行实证测评。研究发现，68.01%的站域街道空间品质仍有很大提升空间，现存设计对街道的便捷性考虑较少，站域街道受地区环境影响显著高于受站点影响，部分级别站域的街道尚不足以匹配其应发挥的城市功能。

受大数据和新技术客观局限性的影响，本研究不可避免地存在数据时效与样本偏差等问题。一是由于街景图像数据是街景采集车在可通行道路上进行定期采集获得的，部分街道空间因机动车辆禁行或新建落成，导致少量站域空间在整体分析时因缺乏街景图片数据而未能被纳入，对分析结果可能造成细微影响，需要后续进行人工实地补拍;二是由于成都骑行道和人行道与机动车道之间的路权分隔不系统，均采用街道网络进行可达性的测度，后续可进一步提高步行和骑行网络精度，如步行可达性的计算实现包括人行道、天桥、地下通道、过街横道等在内的立体步行网络。鉴于目前成都城市更新与轨道建设同时加速进行，未来可以进一步拓展研究范围，对比城市原有建成区与城市新区在站域街道空间品质上的差异，进一步丰富评价体系，纳入高质量发展指标，对街道空间品质进行更为细致、全面的评价;同时，可抽取部分站域进行使用者满意度调查，与大数据运算结果进行对比，检验指标体系的普适性。后续站域开发建设应兼顾问题导向与实施导向进行统筹规划，针对差异化站点级别、多元化类型街道，因地制宜，提出个性化、定制化、动态化的优化方案。

参考文献/References：

[1] 申红田，严建伟，邵楠.触媒视角下城市快速轨道交通对旧城更新的影响探析[J].现代城市研究，2016（9）：89-94.

SHEN Hongtian， YAN Jianwei， SHAO Nan.Analysis on the influence of city fleetness orbit traffic tothe old city update under the perspective of catalyst[J].Modern Urban Research，2016（9）：89-94.

[2] 刘瑞刚.我国城市设计的“再出发”思考[J].规划师，2019，35（23）：91-96.

LIU Ruigang.A reflection on the restart of urban design in China[J].Planners，2019，35（23）：91-96.

[3] 龙瀛，唐婧娴.城市街道空间品质大规模量化测度研究进展[J].城市规划，2019，43（6）：107-114.

[17]  陈泳，晞晓阳，高媛媛，等.轨道交通站地区宜步行环境评价因素探析[J].规划师，2015，31（9）：83-90.

CHEN Yong， XI Xiaoyang， GAO Yuanyuan， et al. An analysis of walkable environmental factors of rail transit terminals[J]. Planners， 2015， 31（9）：83-90.

[18]  CERVERO R， DUNCAN M. Walking， bicycling， and urban landscapes： Evidence from the San Francisco Bay Area[J]. American Journal of Public Health， 2003， 93（9）：1478-1483.

[19] 王兆辰.基于TOD的北京轨道交通站点周边地区城市设计研究[D].北京：清华大学，2010.

WANG Zhaochen. A Study on Urban Design of Peripheral Areas of Rail Transit Stations in Beijing under TOD[D]. Beijing： Tsinghua University， 2010.

[20] 段婷，运迎霞，任利剑.天津市近郊区地铁站域慢行环境满意度[J].天津大学学报（社会科学版）， 2018， 20（2）：179-184.

DUAN Ting， YUN Yingxia， REN Lijian.The research on the satisfaction of non-motorized environment around subway stations in Tianjin suburbs[J]. Journal of Tianjin University（Social Sciences），2018，20（2）：179-184.

[21] 褚冬竹，魏书祥.轨道交通站点影响域的界定与应用——兼议城市设计发展及其空间基础[J].建筑学报，2017（2）：16-21.

CHU Dongzhu， WEI Shuxiang.The definition and application of influenced realm around urban rail transit stations： A concurrent discussion on the development and spatial basics of urban design[J].Architectural Journal，2017（2）：16-21.

[22] KUBY M，BARRANDA A，UPCHURCH C.Factors influencing light-rail station boardings in the United States[J].Transportation Research Part A：Policy and Practice，2004，38（3）：223-247.

[23]  CARDOZO O D， GARCA-PALOMARES J C， JAVIER G. Application of geographically weighted regression to the direct forecasting of transit ridership at station-level[J]. Applied Geography， 2012， 34： 548-558.

[24]  樊钧，唐皓明，叶宇.街道慢行品质的多维度评价与导控策略——基于多源城市数据的整合分析[J].规划师，2019，35（14）：5-11.

FAN Jun， TANG Haoming， YE Yu. Multi-dimensional evaluation and guidance for quality pedestrian street space： An analysis of multi-sourced urban data[J].Planners，2019，35（14）：5-11.

[25]  HILLIER B， PENN A， BANISTER D， et al. Configurational modelling of urban movement network[J]. Environment and Planning B： Planning and Design， 1998， 25（1）： 59-84.

[26]  張灵珠，晴安蓝.三维空间网络分析在高密度城市中心区步行系统中的应用——以香港中环地区为例[J].国际城市规划，2019，34（1）：50-57.

ZHANG Lingzhu， Qing Anlan. Three-dimensional spatial network analysis and its application in a high density city area， Central Hong Kong[J].Urban Planning International，2019， 34（1）：50-57.

[27]  董世永，龙晨吟.基于模糊综合评价的住区可步行性测度方法及发展策略研究——以重庆典型住区为例[J].西部人居环境学刊，2015， 30（1）：106-112.

DONG Shiyong， LONG Chenyin. Community walkability measurement methodology and development strategy analysis based on fuzzy comprehensive assessment： A case study of typical communities in Chongqing[J].Journal of Human Settlements in West China，2015， 30（1）：106-112.

[28]  李想，朱冬元，齐睿.基于Meta分析的地方政府竞争与环境质量关系研究[J].南华大学学报（社会科学版），2019，20（1）：56-65.

LI Xiang， ZHU Dongyuan， Qi Rui.Research on the relationship between local government competition and environmental quality based on meta-analysis[J].Journal of University of South China（Social Science Edition），2019，20（1）：56-65.

[29] 蒋永穆，李想.川渝黔经济一体化助推成渝地区双城经济圈建设研究[J].西部论坛，2020，30（5）：43-56.

JIANG Yongmu，LI Xiang.Research on the economic integration of Sichuan， chongqing and Guizhou to boost the construction of Chengdu Chongqing economic circle[J].West Forum，2020，30（5）：43-56.