杭州西湖风景名胜区道路美景度研究

张明月，李上善，杨凡，包志毅

（浙江农林大学 风景园林与建筑学院，浙江 杭州 311300）

杭州西湖风景名胜区依托独特的湖、山、城关系、厚重的人文底蕴、丰富的自然资源，随着历代变迁发展成为杭州的城市标志，助推城市良性发展[1]。按照风景区传统分类，杭州西湖风景名胜区属于典型的湖泊型城市风景名胜区[2]，与其依托的城市空间交错、功能互补[3]，“城”“景”毗连，二者关系紧密。景区道路是风景名胜区的重要组成部分[4]，承担交通与景区美景呈现的双重作用。目前，随着全域旅游的开展，景区内部道路交通负荷愈发严重[5]。在现有关于杭州西湖风景名胜区道路的研究中，多集中于道路景观提升[6-7]、道路行道树生态效益[8]、环湖道路视线[9]等方面，缺少对于景区道路美景度的整体评价研究。道路美景研究可获取公众对于景区道路的真实评价，并以此为突破口探索符合游人偏好的道路景观提升方向，将道路景观作为辅助性景观为游客增添旅游体验感，缓解交通拥挤带来的不良情绪。

本文从风景园林美学角度出发，借助GIS 筛选分析、美景度评价法（Scenic beauty estimation method，简称SBE 分析法）方法研究杭州西湖风景名胜区热门道路的景观美景度，尝试获取公众对于景区道路的真实评价，进而探索西湖风景名胜区道路景观的提升方向，以期最大化提升游客的交通体验感。因此，本研究对于景区良性发展具有积极意义。

1 研究对象基本概况

杭州西湖风景名胜区（以下简称西湖风景区），位于浙江省杭州市西湖区中部偏东侧，地理位置为30°10′43.68″～ 30°15′54.72″N，120°04′40.80″～ 120°09′51.84″E，总面积59.04 km2，其中湖面6.38 km2，湖岸周长15 km，处于平原、丘陵、湖泊与江海相衔接的地带，三面环山，一面濒临城区，分为湖滨区、湖心区、北山区、南山区和钱塘区。该区以低山丘陵为主，地势总体呈东低西高，属亚热带季风气候区，气候温暖湿润，四季分明，年平均气温为16.5℃，1 月平均气温为3.5℃，7 月平均气温为28.6℃，无霜期为246 d，年平均降水量为1 500 mm，年平均相对湿度为80%。西湖风景区的森林植被主要分布在环湖山区，均为次生常绿阔叶林、常绿与落叶阔叶混交林及人工林等。西湖风景区共有100 多处各具特色的景点，其中包括著名的“西湖十景”和“新西湖十景”以及“三评西湖十景”等。西湖古迹遍布，拥有国家重点文物保护单位5 处、省级文物保护单位35 处、市级文物保护单位25 处，还有39 处文物保护点和各类专题博物馆，是中国著名的历史文化游览拍摄胜地。

2007 年，西湖风景区凭借其独特的城市区位、丰富的景观资源、浓厚的人文气息被批准为国家AAAAA 级旅游景区，2011 年，被列入联合国教科文组织《世界遗产名录》。在景、城融合的发展趋势下，2000 年，西湖风景名胜区内私家车出行占出行全方式的2.2%，并逐年增加至2015 年的26%[10-11]。西湖风景区在城市交通叠加旅游交通的情况下交通负荷严重。为解决交通拥挤问题，2019 年，国务院评审批复了《杭州西湖风景名胜区总体规划（2021—2035）》，以求解决西湖风景区私家车过多、景区交通负荷大等交通现状问题。

2 研究内容与方法

2.1 研究内容

本文的研究内容主要包括：（1）西湖风景区内游客轨迹集合即热门道路的筛选；（2）热门道路样点美景度的计算；（3）专业组和非专业组美景度感知差异性分析；（4）道路景观要素与美景度相关性分析；（5）美景度评价模型的建立。

2.2 研究方法

2.2.1 空间分析法 本文前期利用Python编写爬虫程序从马蜂窝和Flickr 两个网站内爬取32 702 张地理标记为西湖风景区的照片作为基础数据，然后通过ArcGIS 10.6 软件对这些照片所含经纬度等关键信息进行核密度分析和路径追踪分析[12-13]（图1），将分析结果作为游客旅游轨迹研究的基础，结合近年来西湖风景区游客热力分布及道路拥挤情况[14]，确定本次道路美景度研究的16 条热门道路（图2），其中，按照《杭州西湖风景名胜区总体规划（2021—2035）》分类包括北山街、杨公堤、孤山路、南山路（杨公堤—玉皇山路）4 条公交慢行专用路，灵隐路、玉皇山路、虎跑路、莲花峰路、南山路（玉皇山路—湖滨路）5 条景区干路，玉泉路、玉古路、万松岭路、龙井路（灵隐路—三台山路）4 条景区支路，以及湖滨路、苏堤和白堤3 条人行路。

图1 GIS 地理标记照片获取Figure 1 Geotagging photo by GIS

2.2.2 实地调查方法

（1）样点设置：本研究在西湖风景区的热门道路每隔400 m 设置一个样点[15]，总体覆盖16 条道路，共74 个样点（图2），并针对道路的空间结构、景观层次、沿街建筑及交通设施小品等不同方面进行实地考察并拍照记录。

图2 热门道路及样点示意图Figure 2 Schematic map of roads and sampling points

（2）样点照片拍摄：样点照片拍摄选择在2021年6—7 月能见度高的晴天进行，拍摄时间设在9:00—16:00，以人眼正常视点高度采用同一单反相机拍摄顺光、逆光两组样点照片，不使用闪光灯。通过整理拍摄结果，最终筛选出74 个样点共148 张照片作为评分参照物。

2.2.3 美景度评价法

（1）评分程序。相关研究表明，以照片为媒介进行景观评价与现场实景评价无显著差异[16-17]。因此，本研究分别选取专业组与非专业组各65 人进行调查问卷评价。评价标准采取7 分制进行评分，依次为：很喜欢、喜欢、较喜欢、一般喜欢、不太喜欢、不喜欢、很不喜欢，所对应的分值依次为3、2、1、0、－1、－2、－3 分。在调查问卷填写前对评价者进行“评价说明”，包括本次问卷调查目的和试卷构成部分，请评价者如实填写基本背景信息，然后将道路所选样点照片数量及预计时长向测试对象说明，并对“评价标准”进行着重说明。在整体浏览问卷后设定评价基准，开始评分时每张照片停留5～ 10 s，根据评价者的个人直观感受在每张照片播放结束后的3 s 内进行评分。

（2）误差消减。由于不同测试对象的评判尺度具有一定的差异，为消减这些差异，本文对美景度评分值采用Z-score 标准化方法进行标准化处理[18]，以标准化处理后的标准化Z值作为景观的美景度值，其计算公式为：

式中，Zij为第j个评判者对第i个景观的标准化值；Rij为第j个评判者对第i个景观的评分值；Rj为第j个评判者对所有景观的评分值的平均值；Sj为第j个评判者对所有景观的评分值的标准差；SBEi为第i个景观的标准化得分值；nj为评判者总数。

（3）景观要素分解。为进一步分析西湖风景区景观中各影响要素对美景度的影响，参考景观美景度评价相关研究[19-20]，结合实地调研与专家意见咨询得出10 项景观要素（表1），再由参与调查人员针对各个要素给出评价值并进行标准化处理，评价标准采取5 分制进行评分，具体步骤参照美景度值评分程序。

表1 西湖风景区道路景观要素分解Table 1 Landscape elements for road beauty estimation

（4）评价体系构建。将各景观样点的标准化美景度值作为因变量，各景观样点的景观要素值作为自变量，在建模过程中采用后退筛选策略模型，去除不太重要的因子，保留重要的因子，作为各景观模型的自变量，建立多元线性回归模型。

2.3 数据处理

采用SPSS 24.0 软件对调查收集结果进行人口学变量频率表统计分析及信度（克隆巴赫系数）分析。

3 结果与分析

3.1 基本数据统计分析

本次美景度评价问卷共回收122 份试卷，通过进行方差分析剔除5 份无效试卷，通过问卷回答时间少于300 s 的条件剔除8 份问卷，通过控制专业组和非专业组人数比例随机剔除9 份问卷，最终得到100 份有效问卷。根据人口学变量频率统计结果可得（表2），本次参与测试对象以女性居多，受教育程度基本在大学及以上程度，具有良好的判断力。在意向出行方式调查中可以看出，随着大家绿色出行的意识不断增强，公交出行方式占所有出行方式的32%，其次为私家车和单车出行方式。

表2 人口学变量频率分析Table 2 Frequency analysis of demographic variables

对以上数据进行信度分析，结果见表3。由表3可以看出，在制度满意度上总体的标准化信度为0.984，信度系数的取值范围在0～ 1 之间，信度系数值越接近1可靠性越高，因此可判断本次美景度评价问卷信度较好。

表3 可靠性统计Table 3 Reliability statistics

3.2 样点美景度值

本文通过SPSS 24.0 软件计算出标准化公式中的标准差值（Sj），并计算所有测试对象对所有样点的美景度评价值（SBE值），将148 张景观样点照片的SBE值由高到低依次排序，见表4。由表4 可知，总体SBE值大于0.40 的样点共有18 个景观样点，其中A5-1、A4-1、A1-2 样点位于北山街中段位置，南侧临湖视线较好，行道树整齐度较高；O3-2、O5-1 样点位于苏堤，道路两侧视线都较为通透，可观赏到西湖的湖光山色；J3-2 样点位于孤山路，一侧临湖，道路两侧行道树整齐度高，如图3。

表4 样点照片的美景度评价值Table 4 Evaluation on beauty of sampling point photos

图3 样点美景度照片示意图Figure 3 Photos of the beauty of the sampling points

3.3 样点美景度评价差异性分析

经过SPSS 24.0 软件分析，专业组与非专业组群体对道路样点的美景度评价结果具有高度一致性，基本符合前人的研究成果[21-22]。在具体样点数据比较时，仍有部分样点的Sig.值小于0.05，具有显著性差异，经过数据分析整理后专业组与非专业组群体的样点显著性差异评价结果对比如图4。

图4 样点显著性差异评价结果Figure 4 Evaluation of significant difference of sampling points

在分析过程中，当Sig.值小于0.001 时，差异性极显著；当Sig.值小于0.05 时，差异性显著。本研究在评价18 个样点的差异性时，样点D14-2 的Sig.值无限接近于0，样点A6-1 的Sig.值＜0.001，二者的差异性均为极显著，其他样点Sig.值在0.001～ 0.05 之间，均为显著性差异，因此本文选取样点D14-2 和A6-1 进行讨论。样点D14-2（图3），专业组的评分值为－0.510分（平均值，下同），非专业组的评分值为0.235 分，专业组评分值与非专业组评分值的差值较大，从图中可以看出此样点照片受拍摄角度逆光因素影响，道路景观的清晰度不高，景观效果受到影响。样点A6-1 专业组的评分值为0.466分，非专业组的评分值为－0.108 分，专业组的评分值明显高于非专业组的评分值，从图中可以看出该样点拍摄时受道路行车影响。通过两个差异性非常明显的样点照片对比可得，在进行西湖风景名胜区道路景观美景度评价时，专业组可能会更关注样点照片内的具体景观，而非专业组则更容易受照片内不良因素的影响，美景度评价值本身与具体道路景观要素应进行相关分析。

3.4 道路景观要素与美景度相关性分析

道路景观各要素间相互作用、相互影响形成道路景观，各要素本身与美景度之间形成了一定的相关性（表5）。因此可以判断，X1景观色彩丰富度、X2景观开阔度、X4行道树整齐度、X5枝干可视度与景观美景度相关性极显著，其中X5枯枝可视度与其他景观要素本身也存在较强的相关性。

表5 道路景观要素与美景度相关性分析Table 5 Correlation analysis on road landscape element with scenic beauty

3.5 建立美景度评价模型

将各样点的美景度评价值定为因变量，标准化后的各样点景观要素评价值定为自变量，建立多元线性回归模型，采用后退筛选模型法，构成多元回归组合模型。经过五次运算，先后逐步剔除了X9、X7、X10、X3这四项相关性不显著的自变量，剔除后的最终结果见表6。

表6 多元回归模型Table 6 Multiple regression model

由共线性统计量检验可得评价模型为：

式中，Y表示美景度标准值，各评价因子偏回归系数表示自变量对因变量的影响程度。通过比较回归分析模式各景观要素的Sig.值可得，X1景观色彩丰富度、X2景观开阔度、X8建筑设施及小品三个景观要素与美景度值具有极显著的相关性，其次依次为X5枝干可视度、X6山水风貌、X4行道树整齐度，其中，X2景观开阔度、X8建筑设施及小品与美景度值呈极显著负相关，其余景观要素均与美景度值呈显著正相关关系。

4 结论与建议

城市型风景名胜区道路美景度与普通城市道路美景度影响因子具有一定的差异。在城市道路景观评价时，大众更关注于道路景观植物的群落结构层次[23]，而城市型风景名胜区依托自身良好的景观资源。本文对西湖风景名胜区道路的景观评价结果表明，景观开阔度、建筑设施及小品和周边山水风貌等景观要素与美景度评价结果具有显著相关性，这些景观的大众关注点较为丰富。从样点美景度分析也可以看出西湖风景区中环湖道路北山街、苏堤部分的样点美景度评分值较高。

对于道路本身而言，道路景观色彩丰富度、行道树整齐度、枝干可视率等对道路景观美景度影响较大。本文筛选出的西湖风景名胜区热门道路共16 条，由于道路景观色彩丰富度、枝干可视率随季节变化而变化，因此在后续研究中风景名胜区道路美景度的动态变化将会是新的视角。

专业组与非专业组在美景度评价上具有一致性[21]，但探究其部分样点出现明显差异性的原因时发现，针对差异性分析中具有显著差异性的两个样点照片，专业组具有良好的评判标准，受到照片拍摄时的不良因素影响较少。

针对城市型风景名胜区道路拥挤问题，相关学者在不断地找寻解决方案。从评价对象基础背景调查情况来看，大众具有公交出行的环保意识，对于今后景区绿色出行的号召还应不断增强。从风景园林学角度来看，在现有交通基础设施问题难以快速解决的时候，可提升景区道路景观，这样既可提高游客的旅游体验，缓解交通拥堵带来的不良情绪，也可促进游客文化与自然的景观感知，促进景、城、人共同发展繁荣。