基于多源数据与具身循证技术的建成环境审计——以上海临港新城滴水湖站点广场为例

叶宇 张塨 韩赟＊

1 研究背景：品质化需求与新技术探索

1.1 人性化、品质化建设需求推动下的新城更新

随着中国城市化进程的深化、国家新型城镇化战略的提出，许多城市建设从高速扩张转向存量更新的阶段，人性化、品质化成为重要的城市建设方向[1]。同时，随着习总书记提出“人民城市人民建，人民城市为人民”的城市理念，以人为本的城市空间被赋予重要的时代意义。新城建设既要立足宏观层面，将人民城市理论融入各层级城市规划中，也要深入微观层面，聚焦于人本尺度的人居环境营造[2]，将以人为本的空间品质与环境提升作为满足人民美好生活需要的重要途径[3]。

近30年来，中国经历了大量的新城建设，存在建设速度过快、开发规模巨大、距离城市主城区较远的现象[4]，许多新城因空间品质不高、场所活力不强、城市可意向性（imageability）[5]不足等问题广受诟病[6]。因此，随着新城建设的逐步推进，人本导向的建成环境品质提升势在必行。新城建设的人本导向进一步体现为对人群特征、空间活动模式、人群在空间环境中的感受进行精准研判，并为空间品质的精准提升与设计导控提供全面支持。

1.2 多源数据与具身循证技术支持下的建成环境审计

面向空间品质提升的访客画像、行为活动与空间感知分析，以往多依赖于经典环境行为学调研，通过行为注记[7]、问卷访谈等途径，对市民的需求、活动及空间感受开展分析[8]，探索空间环境要素对人群空间感知与行为的影响[9]，为城市设计提供指导。这一系列方法在过去被广泛应用，但其耗时费力、研究信效度有限，难以支撑高频动态的行为分析及人本尺度的空间品质评估[10]。在人性化、品质化建成环境提升需求不断涌现的当下，以微观尺度的人工实体要素为分析单元的建成环境审计[11]应运而生。

随着国务院印发“十四五”数字经济发展规划，以大数据、传感技术、机器学习算法等为代表的数字化方法为城市建成环境审计带来新的机遇。将多源数据支持的城市分析与基于传感技术的具身循证方法进行整合，不仅能够支持大规模、精细化的空间形态测度与品质评估[12-13]，还可以在个体层面推动空间行为与感知的影响机制研究。以上述为基础的建成环境审计有望回应人本导向的城市设计与更新。

2 多源数据与具身循证技术研究综述

2.1 大、小数据的融合有待加强

大数据的涌现为在大规模范围内快速测度精细化的空间形态及捕捉居民空间感知提供了可能。多源的大数据包括社交媒体数据，如twitter、新浪微博数据等；街景图像数据，如百度街景、谷歌街景数据等；服务设施数据，如高德地图兴趣点（point of interest, POI）、大众点评、公交刷卡数据等；以及移动位置数 据，如GPS[14]、WiFi探 针[15]、位 置 服 务（location based services, LBS）[16]数据等。这些整合的数据可以辅助设计师研判场地特征与人群需求，更客观地认识社会、行为、品质等非物质要素，从而有效支撑城市设计分析[2,15]。然而，大数据因其不易获取的局限性，以往多被用来描述客观空间环境与行为特征；而以问卷调查或深度访谈数据为代表的小数据能够揭示更深层的空间行为动机与态度，但这类调查费时费力、成本较高。因此，将大、小数据融合可以兼顾城市分析的深度与广度，为以人为本的建成环境审计带来了新的契机。

2.2 具身循证技术的应用路径有待探索

在过去数年中，随着虚拟现实（virtual reality, VR）技术与可穿戴传感器的普及，具身循证视角下的环境行为研究在城市设计领域已有广泛探索，其核心关注点在于结合新技术实现精细化的人体感知测度，评估空间要素效用，从而更精准导控设计要素[17]。研究对象包括森林、湿地等景观环境要素，也包括街道、公园、广场等城市公共空间要素[18]。依托于问卷调查或深度访谈的传统分析方法[19]，分析结果容易受到个体主观倾向、天气、时间等因素的影响，难以测度客观的人体感知。相对而言，基于具身循证技术的空间分析，可以将空间形态类型化，构建VR场景，测度人群对空间意象的认知[20]；或者通过对空间形态要素特征的控制，基于离散选择模型（discrete choice models）和陈述偏好（stated preference）法分析人群偏好；还可以将VR技术与肌电图（electromyogram, EMG）、脑电图（electroencephalogram, EEG）、皮电活动（electrodermal activity, EDA）等生理指标和眼动仪（eye tracker）[21]等可穿戴传感器结合，为使用者提供身临其境的感受，精确测度人体对空间环境的听觉、视觉等生理反应及心理感受，从而获得精细化的空间要素效用评估量表[22]。

虽然具身循证技术已有不少探索，但当前研究大多从认识论出发，少有将这些技术融入实际的城市设计流程。此外，由于城市问题和城市设计流程的复杂性，许多研究成果与针对性技术缺乏有效整合。因此，目前亟须一条切实有效的路径来整合不断涌现的新技术，推动其真正应用到城市设计实践的工作流程当中。

3 研究设计

综上所述，充分发挥大数据的低成本优势，对宏观的设计场地及周边环境特征开展研判、提出假设，进一步利用深度访谈与具身循证技术验证个体空间行为活动的影响因素，可为新城建设中设计要素的导控提供精确指引。本研究以上海临港新城为研究对象，通过聚焦于该区域的滴水湖站点广场，探索新城建设背景下多源数据与具身循证技术对建成环境审计的新可能。

3.1 研究区域

本研究以位于上海临港新城的滴水湖站点广场为核心研究区域，周边400 m范围为分析区域。滴水湖站点是链接临港新城与上海主城区的重要交通枢纽，同时也是促进临港新城未来产城融合的重要公共活动中心。滴水湖站点为地下二层双岛式结构，核心研究区域包括站点北侧连接的地上中央广场，南侧入口连通的地下广场，以及下穿环湖南路可达的半圆形滨湖广场（以上概括为滴水湖站点广场）是滴水湖站点的重点公共活动空间。因此，通过对滴水湖站点广场的精细化审计，能够为临港新城的未来城市建设提供重要参考。

3.2 研究方法

本研究围绕以人为本的建成环境品质提升，从场地人群特征、人群活动规律及场所体验3个方面开展分析。基于多源数据和具身循证技术，从访客画像、行为活动、空间感知3个方面开展研究区域的建成环境审计，最终从功能要素、空间形态要素、人本尺度景观要素3个方面提出新城更新的设计介入策略。

3.2.1 访客画像：我们为谁而设计？

在访客画像方面，相较于传统的问卷调查，基于LBS数据可以更精准地描述公共空间的访客流量、到访频率、居住距离、年龄构成等特征；基于公交刷卡数据可以有效测度地铁站点的使用强度及出行模式，从而判断站点的服务类型与规模；基于POI数据、美团数据可以对公共及商业服务设施的空间分布、供给水平及服务质量开展分析。通过采集滴水湖站点广场一周内较为全面稳定的数据，可以揭示场所的使用人群特征，让设计师了解“我们为谁而设计”，为研判访客特征及需求提供坚实的基础。

3.2.2 行为活动：访客如何使用场所空间？

在行为活动方面，相较于传统的行为注记方法，基于无人机航拍影像的空间行为注记分析能更快捷、高效地针对大片区域开展分析，为设计师直观地呈现场地上的驻留、活动等行为；基于空间句法分析则能更直观地揭示空间拓扑结构特征（点、线之间的几何关系和几何位置）。由于工作日人们对公共空间使用频率较低，样本匮乏且难以反映空间活动的一般规律，所以行为活动数据的采集时间选择周末，从而获得较为典型的公共空间使用数据。通过对行为活动的研究，让设计师了解“访客如何使用场所空间”，可为新城更新提供支持。

3.2.3 空间感知：空间要素如何影响访客体验？

在空间感知方面，眼动追踪技术能直接呈现市民在空间使用过程中的凝视行为与视觉偏好要素，进而为空间的可意向性判断提供指征；可穿戴传感器能有效监测个体在特定情景下的肌电、皮电等生理电信号，量化市民直观感受到的情绪、压力等个人心理感受。相较于传统的主观感受访谈，以上方法的结合可以测度客观的空间感知，让设计师了解“空间要素如何影响访客体验”，为针对性设计提供线索。

基于以上互补性的多源数据与具身循证技术的系统性整合，可以初步建立建成环境审计的技术框架（图1），突破传统数据与分析技术的局限，使得建成环境审计可以立足于精细化的行为与需求分析，测度以往不可测的空间品质绩效，从而导向更精准的新城空间设计与更新。这一技术框架作为对多源数据与具身循证技术支持下的建成环境审计的全过程演练，将为其他新城空间微更新实践提供参考。

图1 建成环境审计的技术框架Technology framework for built environment auditing

4 滴水湖站点广场建成环境审计

4.1 访客画像

4.1.1 访客特征分析

本研究所采用的LBS数据是通过大量移动互联网用户终端报点实现海量用户时空位置的记录[23]。通过第3方数据服务商获取滴水湖站点和滴水湖站点广场3个月内（2021年6月29日—2021年9月29日）的LBS数 据，对访客特征（如访客流量、到访频率、居住距离、年龄构成）进行统计分析，基于此推断空间的主要使用需求。

访客特征的分析结果包含3个方面。1）访客流量和到访频率方面，滴水湖站点广场日常经过的访客流量相对较大，约占周边整体研究范围的1/2，但高频到访的客流量占比过低，为0.67%，可见途经和单次到访客流占据主体，该交通枢纽并未成为人们的日常性高频到访目的地。2）居住距离方面，40%的访客居住在距离滴水湖站点广场5 km以外的区域，多为远距离目的性访客；居住距离在2 km以内的访客不足1/2，说明人们对该区域近距离日常使用过少。3）年龄构成方面，访客的整体年龄构成较为均衡，26～45岁中青年人群居多，其中36～45岁人群占比超过30%，55岁以上老年人及19岁以下青少年和儿童均占比较少。

4.1.2 功能定位分析

基于访客特征与需求分析，通过公交刷卡和POI数据可以对滴水湖站点广场的功能定位进行初步研判。具体包括各时段（工作日、周末）、各站点（滴水湖站点与典型新城站点如松江新城站点、新江湾城站点）的进、出站访客流量的平均值，以及站点周边不同时间可达范围内的设施数量及类型，并基于美团数据进一步分析站点周边店铺的服务水平与质量。

基于滴水湖站点工作日每小时进、出站访客流量的变化趋势分析（图2-1），可提取重点时间段如早高峰、晚高峰，判断站点访客人群的主要出行模式，从而推断主要服务人群类型（通勤工作人群/游客到访人群）。结果显示，滴水湖站点的进站早高峰出现在07：00—08：00，访客流量达到600 人/h，比出站早高峰偏早，与典型新城站点进、出站早高峰相对一致；而出站晚高峰出现在19：00—20：00，达到450人/h，比进站晚高峰更晚，可初步判断，在滴水湖本地居住但在主城区就业的居民通勤时间较长；而进站晚高峰出现在16：00—17：00，说明在地铁站及周边工作的人群离开较早。由此可判断，来临港新城工作的人群当前仅以就业为导向，但这与临港新城未来以产城融合的目标有所差距，站点周边和居住相关的功能配套设施及夜间经济有待发展。

图2 滴水湖站点与松江新城站点、新江湾城站点的进、出站访客流量及周边设施功能对比分析Comparative analysis of inbound and outbound traffic and facility functions around Dishui Lake Station,Songjiang Xincheng Station, Xinjiangwancheng Station2-1 不同站点工作日每小时进、出站访客流量分析Analysis of hourly inbound and outbound traffic of different stations on weekdays2-2 不同站点一周内日均进、出站访客流量分析Analysis of the average daily inbound and outbound traffic of different stations in a week2-3 不同站点周边设施的数量和类型分析Analysis of the number and types of facilities around different stations2-4 不同站点步行15 min范围内商业服务水平分析Analysis of business service level within 15 min walking distance of different stations

选择上海典型新城站点——松江新城（远郊新城综合节点）站点、新江湾城（主城区代表性国际社区中心）站点作为对比案例，通过两者与滴水湖站点的访客流量及周边设施功能对比，可以研判滴水湖站点的使用特征及发展状况。不同站点一周内日均进、出站访客流量分析结果显示（图2-2），滴水湖站点使用频次较低，属于发展中的远郊新城地铁站，与新江湾城、松江新城站点相比，滴水湖站点日均进、出站人数均较低，说明滴水湖虽属于远郊旅游目的地，但吸引力不强；不同站点周边设施的数量和类型分析结果显示（图2-3），尽管滴水湖站点与发展成熟的松江新城站点类似，站点周边步行5、10、15 min可达范围内的设施数量逐渐增加，但是滴水湖站点周边的设施数量明显偏少，且5 min可达范围内的设施比例过低，说明滴水湖站点发展尚不成熟；此外，滴水湖站点周边的设施类型以就业为主导，公共服务类设施比例较低，且尽管滴水湖站点的访客流量数据表明有部分人群周末在滴水湖度过，以旅游度假为出行目的，但从旅游设施占比来看未能充分凸显滴水湖的城郊旅游功能。不同站点步行15 min范围内商业服务水平分析结果显示（图2-4），滴水湖站点周边商业服务设施虽然在营业时长上与松江新城和新江湾城类似，但质量较低（平均点评分数不高），且美食客单价较对比案例高，存在较大提升空间；此外，滴水湖站点周边的店铺服务类型十分匮乏，以生活便利类为主。

4.2 行为活动

4.2.1 行为注记分析

在对访客特征及功能定位分析的基础上，本研究将关注点聚焦于人在空间中的活动规律，分析空间的使用效率。运用无人机航拍影像可快速、高效地实现中、大尺度公共空间的行为注记，在提升效度的同时保证信度。本研究于实验当天的09：00—16：30时间段内分7次（每次0.5 h）使用无人机采集滴水湖站点广场的航拍影像（无人机的飞行高度为120 m），拍摄行人的空间活动行为，并对照无人机航拍影像在ArcGIS软件中开展标记，计算生成空间活动行为的热力分布图，将空间活动连续叠加获得空间驻留行为的热力分布图（图3），进而推断行人在滴水湖站点广场各个时段的行为活动路径分布。

图3 滴水湖站点广场中空间驻留行为和空间活动行为的热力分布Heat distribution of spatial residence behavior and spatial activity behavior in Dishui Lake Station Square4 滴水湖站点广场的空间可达性分析Analysis of spatial accessibility of Dishui Lake Station Square4-1 以滴水湖站点出口为出发点的空间可达性分析Analysis of spatial accessibility with exist of Dishui Lake Station as the starting point4-2 以路口为出发点的空间可达性分析Analysis of spatial accessibility with the intersection as the starting point

空间驻留行为的热力分布可以反映空间的实际利用率，以及人群对场所的使用需求与偏好。结果显示，驻留人群主要集中在滴水湖地下广场出口和滨湖广场附近，滴水湖站点所在的中央广场完全没有人驻留，因为地下广场提供了商业娱乐活动和宜人的小气候，而滨湖广场给予了开阔的景观视野，能有效吸引人群驻留。空间活动行为的热力分布结果显示，人群活动沿滴水湖站点中央广场两侧呈线状分布，中央广场空间完全无人进入，人群在各时间段均主要在滴水湖地下广场及滨湖广场活动，且16：00后南侧广场人数迅速减少，大量人群活动向地铁口迁移，表明空间活力衰减极快。研究发现，中央广场空间可进入性差，而滨湖广场的商业活动和景观能有效吸引人群前往，但是笔者观察发现，傍晚及入夜后滴水湖站点广场活力衰减迅速。该结果说明丰富的娱乐活动、开阔的景观视野、良好的商业氛围，是吸引市民驻留、活动的重要因素。

4.2.2 空间句法分析

通过空间句法分析对滴水湖站点广场的空间可达性进行测度，进一步探索导致上述空间活动特征的空间形态因素。基于滴水湖站点广场的空间数据，使用空间句法DepthmapX软件计算空间拓扑结构特征，从而分析获得滴水湖站点出入口、地下广场、中央广场、路口的拓扑深度。

以滴水湖站点的出口为出发点的拓扑计算结果显示，到中央广场的拓扑深度较高（图4-1），这表明从滴水湖站点出口出发到达中央广场各处的拓扑步数较多（蓝色、绿色、黄色、红色代表拓扑步数依次增加，较多的步数意味着频繁的绕行、转向），可达性较低，从空间角度解释了中央广场人流量较小的现状。以路口为出发点的拓扑计算结果显示，相较于从滴水湖站点出口出发，从路口到中央广场的拓扑深度更高（图4-2），地面上的栅栏、绿化等各类阻隔造成路口到中央广场中各处的可达性较低。

4.3 空间感知

4.3.1 视觉品质分析

空间感知分析则更进一步揭示空间行为的内在影响机制。首先基于视觉品质的分析，可以测度空间可意向性及人群的视觉偏好。可意向性[24]指场所的品质使得该场所具有独特性和可识别性，是评估城市空间视觉品质的重要方面。本研究运用眼动追踪技术获得被试者的视觉焦点动态数据（即眼睛注视数据，包括目光停留坐标、持续时间等），通过被试者的视线集聚程度及视觉焦点存在时长作为评价可意向性强弱的指标，对城市空间的可意向性进行量化测度，进而评估空间的视觉品质。

选取广场空间（地上中央广场）、街道空间（广场周边街道）、地下空间（地下广场）3类典型空间作为视觉品质分析对象，挑选6位未曾到过研究区域的建筑规划领域专业人员作为典型被试者，让他们佩戴眼动仪按照预定路径步行开展测试，共采集3 164 s带标记点的眼动视频数据，在D-lab软件中将视觉焦点数据进行可视化，获得视觉焦点热力图，通过与行进路径中的位置一一对应，评估滴水湖站点广场中3类典型空间的可意向性强弱。

广场空间的视觉焦点热力图表明，该类空间视线偏散，可意向性不高（图5-1），广场中的植被绿化和轴线对景对视线有较强吸引力，故在相对空旷的广场中增加能提供遮阴的树木和绿植，可以通过对景方法强化重要轴线，进而强化视觉焦点。街道空间的视觉焦点热力图表明，因为临街建筑底层界面具有较高渗透率，能够提供更好的视觉焦点，该类空间的可意向性较高（图5-2），可作为临港新城后续建设参考，协助有较高可意向性的街道空间设计。地下空间的视觉焦点热力图表明，临时性小售货亭和地下广场的顶部具有一定的可意向性，但无法提供持续的视觉焦点，因此整体可意向性不高（图5-3），应适当在后续设计中植入有活力的亲人尺度小型商业空间，并适当增加地下广场顶部的覆盖范围、吊顶照明以及墙绘，从而提升空间可意向性。

图5 滴水湖站点广场不同空间的视觉焦点热力图Visual focus heatmap of different spaces of Dishui Lake Station Square

4.3.2 生理感知分析

基于可穿戴传感器的生理感知分析，可获得人在建成环境中的生理、心理反馈。结合八通道多模式生理传感器采集的EMG、皮肤电传导（skin conductance, SC）等数据，可以对被试者的空间感受进行更加客观的测度。同时，基于E4手环采集的EDA数据也能支持空间情绪分析。

在生理感知实验中，让被试者穿戴八通道多模式生理传感器收集EMG、SC数据，穿戴E4手环收集EDA数据，然后让被试者在滴水湖站点广场及其周边街道中的路径行走，获得较为稳定连续的生理数据。路径总共3条，涵盖地上的中央广场、滨湖广场和广场周边街道以及地下广场。EMG数据显示（图6-1），地下广场的路径相比于在地上的路径数值波动较小，说明有围合遮蔽的室内和半室外空间给人更舒适的空间体验，且地上的路径中负面情绪突变点是由于烈日和大风导致的。SC数据显示（图6-2），随着步行时间的增加，SC数值整体均呈现逐步升高的趋势，在步行中营造良好的遮阴环境能显著提高人的情绪状态，SC数值随之呈现平缓或下降趋势。EDA数据显示（图6-3），当被试者处于较差的环境品质中，EDA数值上升，代表紧张情绪的上升；而处于较好的环境时，EDA数值下降，代表紧张情绪得到缓解。

图6 滴水湖站点广场的生理感知分析Analysis of physiological perception of Dishui Lake Station Square6-1 EMG数据分析Analysis of EMG data6-2 SC数据分析Analysis of SC data6-3 EDA数据分析Analysis of EDA data

通过EMG、SC、EDA数据区分出兴奋、平静、沮丧、压力等不同情绪状态，结合被试者情绪采访的主观数据，将生理数据与空间GPS数据对应，从而获得滴水湖站点广场的情绪地图（图7）。

图7 滴水湖站点广场的情绪地图Emotion map of different paths in Dishui Lake Station Square

情绪地图中较为典型的3条路径体现了情绪与环境的关系。在路径a上，人在滨湖广场附近时的情绪较为积极，这表明在环境优美的自然景观界面设计公共空间可以提升人们的环境感受。在路径b上，人在地下广场和滨湖观景平台附近时的情绪较为积极，说明高质量的公共活动空间可以给人较好的体验感，而当人面对交通繁忙的车道时情绪较为消极，说明连续、适宜的步行环境可以给人较好的环境体验。在路径c上，人在接近有遮蔽的公共空间时情绪较为积极，而在空旷无人的广场附近时情绪较为消极。

5 分析结果与策略总结

5.1 建成环境审计结果

首先，访客特征与功能定位分析回应了“我们为谁而设计”这一问题。1）访客特征方面，途经和单次到访滴水湖站点广场的访客占主体，且多为远距离到访，滴水湖站点广场尚未形成日常高频到访目的地；滴水湖站点广场使用人群以就业为导向，周末有较大客流，属于远郊旅游目的地，但当前吸引力相对其他成熟站点不强。2）功能定位方面，滴水湖站点广场周边旅游设施占比相对匮乏，就业设施占比相对较大，设施总体数量和商业设施类型多样性偏低，且美食消费档次偏高。

其次，行为注记和空间句法分析回应了“访客如何使用场所空间”这一问题。1）因受到街道两侧的栅栏、绿化等设施的阻隔，中央广场利用率较低。2）地下广场和滨湖广场因热闹的商业氛围和良好的景观视野，对人群的吸引力较强；滴水湖站点周边公共空间夜间及周边设施的匮乏造成了其傍晚活力的极速下降。

最后，视觉品质与生理感知分析回应了“空间要素如何影响访客体验”这一问题。1）视觉品质方面，空旷的广场空间对市民吸引力不足，但是广场空间的对景可以强化空间可意向性，且广场周边街道空间界面的高渗透率、地下广场临时的公共空间设施都有助于增强空间的视觉吸引力。2）生理感知方面，滨湖广场和地下广场都为访客带来积极的情绪，但快速的车流以及大风、烈日等物理环境为访客带来消极的情绪。

5.2 空间品质提升策略

针对以上3个方面的建成环境审计的结论，本研究从功能要素、空间形态要素、人本尺度景观要素3个方面提出滴水湖站点广场的空间品质提升策略（图8）。1）功能要素方面，通过增加多样的服务设施类型来提升空间活力，如丰富商业服务类型、引入中低档次餐饮、植入亲人尺度小型临时商业设施等。2）空间形态要素方面，通过合理规划步行空间和设置宽窄适宜的人行道尺度来提升步行空间舒适度，通过提升广场空间可达性增加公共空间利用率，以及通过强化建筑界面及对景的重要轴线，使视线和动线统一等。3）人本尺度景观要素方面，通过增加临时家具设施来提升广场空间围合感，通过营造更多遮蔽和休憩空间增加场所停留感，以及通过增加吊顶照明和墙绘提升视觉丰富性等。综合性的设计策略能够针对性地提升滴水湖站点广场的建成环境品质，从而为临港新城及其他新城微更新提供借鉴。

图8 滴水湖站点广场的空间品质提升策略Space quality improvement strategies for Dishui Lake Station Square

6 结论与展望

本研究以滴水湖站点广场为例，基于多源数据与具身循证技术，从访客画像、行为活动、空间感知3个方面进行了精细化的建成环境审计并提出空间品质提升的设计介入策略。首先，基于LBS及公交刷卡等多源数据可以快速了解居民对城市空间的个性化与多样化需求；其次，基于无人机航拍影像的空间注记，实现了空间驻留与活动行为的高效、精准标记，从而了解居民对空间的真实使用状况及行为热力分布；最后，基于个体对空间意象的认知、场所感受与人本尺度的空间要素的关联分析，弥补了以往基于统计数据在汇总层面上对于微观空间机理研究的匮乏，为探索不同空间情境下行为模式的差异提供可能。以上3个方面的技术与方法的整合，推动了学科交叉的建成环境审计体系的建构，为建成环境品质的精准提升与设计导控提供支持。

同时，本研究进一步拓展了人本导向的景观设计分析的技术路径。相关技术的集成化、系统化应用，可为一系列中微观尺度的景观设计与更新提供技术支持，是新技术条件下景观都市主义的新分析方法探索。此外，通过对案例区域内的滨湖、广场、绿地等景观要素进行人性化、精细化、品质化的测度，验证了高品质的景观设计能够有效提升人在新城中的体验感[25]。

本研究将人的体验和情感置于设计决策的最前沿，采用了在以往设计实践中不常考虑的空间指标，如空间可意向性，为空间形态的微妙变化如何影响人们的感知和行为提供新颖的见解，体现了人本导向的城市更新与设计原则。基于多源数据的整合与具身循证技术在真实情景中的应用，笔者对新技术支持下的建成环境审计体系进行了全过程演练。这一方向的未来发展将通过更广泛的实证检验来揭示隐藏的城市品质，由此产生的知识体系将转化为对建筑师、城市规划师和管理者的建议，并被纳入新城设计和决策过程。

图片来源(Sources of Figures)：

文中所有图片均由作者绘制或拍摄，其中图3、7底图来源于2021年百度地图。