温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,汇文网负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
网站客服:3074922707
基于
媒体
签到
数据
城市
街道
意大利
米兰
市中心
城区
钱天健
83 2023 Vol.38,No.3国际城市规划引言街道建立了城市各项功能的内在联系,也是城市生活的载体1。街道功能的发展和形成是一个逐渐丰富的过程。城市街道在 20 世纪初一度丧失生活气息,成为“快速通道”。1960 年代“复合空间”的呼声及其 1980 年代的实践应用,才逐渐使得街道成为具有“复合性”的“共享空间”2-3。目前国内外关于街道的研究主要针对街道活力、公共空间、街道界面以及规划管理等方面,较少对城市街道进行动态认识。沈尧和卡里米(Shen&Karimi)从活动密度、功能多样性和空间可达性的角度定义了街道功能联系度,进而从街道功能联系度测度的视角对街道功能使用变化进行了讨论4;胡峰等(Hu et al.)通过建立城市街道动态感知模型评估了街道的交通、商业、居住功能,用以支持用地动态规划等5。多数关于城市街道动态使用的研究隐含于城市用地相关的研究中:袁晶等(Yuan et al.)从空间句法的角度,使用出行轨迹和 POI 等数据建立了城市地块动态特征检测框架6;涂伟等(Tu et al.)则分析了城市功能区内人类活动的总体情况,并未对街道空间作进一步细分研究7。总体而言,对于城市街道的感知仍停留在静态层面,无法适应其变化性。传统规划研究和实践往往通过观察法等微观视角获取少量街道的动态功能特征,而海量记录个人行为模式的地理大数据应用为城市动态的定量分析提供了可能性8。基于地理大数据的城市动态定量分析包括城市和区域范围内的人口迁移、城市突发事件监测、人类活动规律感知以及活动关联性分析文章编号:1673-9493(2023)03-0083-07 中图分类号:TU984 文献标识码:A DOI:10.19830/j.upi.2020.610Dynamic Sensing of Usage Patterns of Urban Streets Based on Social Media Data:A Study of Central Milan,Italy基于媒体签到数据的城市街道使用模式动态感知以意大利米兰市中心城区为例钱天健Qian Tianjian作者:钱天健,硕士,华东建筑设计研究总院,规划师。摘要:街道建立了城市的内在联系,是城市生活的载体。不同于承载相对独立和单一功能的建筑建成空间,城市街道的使用总是随着其周边土地和建筑空间的使用情况而变化,海量记录个人行为模式的地理大数据应用为街道使用动态感知提供了可能性。本文通过收集四方和谷歌繁忙时段提供的媒体签到数据,运用网络影响模型,对米兰中心城区街道进行使用模式的动态聚类分析,得到“倒 U 型”“M型”“一型”三类街道使用模式。其中倒 U 型总体使用强度最高,M 型次之,一型最低。根据聚类分析的结果进一步探讨人群使用偏好与空间环境的关系,本文总结得出城市街道规划设计中提升街道对人群的吸引力的方式,包括:用地方面,增加用地多样性和公共服务占比;交通方面,充分利用地铁站点开发,减少公交线路干扰,控制道路宽度,增加路网密度;空间感知方面,增加界面密度,减少天空视域,增加高宽比,减少面宽比;视觉感知方面,控制绿化干扰,增加城市家 具、特色标志物和店面数量等。Abstract:Streets establish the inner connection of the city and are the carrier of urban life.Different from the built-up buildings carrying relatively independent and single function,the usages of urban street always change with the use of surrounding land and building space;and the application of geo-big data which records individual behavior provides the possibility for dynamic sensing of street use.By collecting media check-in data from Foursquare and Google Popular Times,this paper applies a network influence model to analyze the functional changing patterns of selected streets in Central Milan and finds three types of street usage patterns,which are“inverted U-shaped”,“M-shaped”and“Linear-shaped”.The“inverted U-shaped”has the highest usage intensity,followed by“M-shaped”and“Linear-shaped”.Based on the result of clustering analysis,the relationship between peoples preference and space environment is further discussed in this paper,which shows ways to enhance street attraction in urban street planning and design.These ways include(1)at the land use level,increasing land use diversity and public service proportion;(2)at the traffic level,making use of subway station,reducing bus line interference,controlling road width and increasing road network density;(3)at the spatial perception level,increasing interface density,reducing sky view,increasing H/D ratio and reducing W/D ratio;(4)at the visual perception level,controlling green view and increasing number of urban furniture,landmarks and shops.关键词:城市街道;媒体签到数据;城市动态感知;空间环境偏好;网络分析;城市计算;意大利;米兰Keywords:Urban Streets;Media Check-in Data;Urban Dynamic Sensing;Space Environment Preference;Network Analysis;Urban Computing;Italy;Milan84 2023 Vol.38,No.3城乡研究 等,为大规模的城市街道功能变化规律感知分析提供了基础。此外,传统社交媒体平台加入位置分享功能以来,社交媒体数据呈指数型增长9。社交媒体数据作为相对易于获得的一类地理大数据,具有对城市热点地区/事件感知的相对敏感性、应用的灵活性等特点,在多种研究尺度具有较高的应用价值。在城市规划领域,社交媒体数据被广泛应用于城市规划与评价4、区域结构分析10、应急响应11等领域,有助于探索空间中人的活动模式,例如分析出行模式12、计算市民个体迁移距离衰减半径13、推演城市活动组团14等。人们对于街道空间的使用既反映了使用者对于空间的偏好,也使得城市街道的功能使用产生时空变化15。基于人在不同时间段内对城市街道空间的使用偏好,本文将“街道使用”定义为“可见的活动”,包括在临街商业、娱乐空间接受产品和服务,以及对开放空间的使用。综合时间维度上,一个时间段内对城市街道空间使用的累计情况构成城市街道在这一时间段内的使用模式;多个时间段内城市街道使用模式变化情况形成其动态使用模式。1研究区域与技术路线米兰市是意大利第二大城市、米兰省省会和伦巴第大区的首府。米兰自中世纪时期以来一直属于向心型发展的城市类型16,城市结构中有四条明显的环线,从中心区至郊区分别为中世纪环、城墙环、第一外环和第二外环(图 1)。本文选取米兰人口较密集的中心区内的圣芭比拉(San Babila)、布雷拉(Brera)、新门(Porta Nuova)、中国城(China Town)4 个街区,基于媒体签到数据对街道使用模式进行动态感知和分析。圣芭比拉街区和布雷拉街区是米兰市的核心地带,是米兰服务中心、金融中心、商业中心、文化中心所在地以及时尚和国际品牌的聚集区。相较而言,新门街区和中国城街区则以具有活力的特色商业为主:新门是一个以现代建筑为主的新空间,也是伦巴第大区最新和最具创新性的经济和商业新中心;中国城则是意大利历史最悠久、规模最大的华人聚居区,商业活动极为活跃,具有强烈的东方特色。研究选取的 4 个街区是米兰市最具活力的地带,因此数据量足以支撑动态研究,各街区之间的商业活动差异也使街区间的空间使用呈现不同。本文首先根据城市动态相关研究选取数据及其处理方式,选择聚类分析为主要工具,得到不同街道功能动态使用模式;其次,结合动态感知的结果,探究用地、交通布局、空间感知和视觉感知 4 类空间环境要素的差异性是否存在;最后,结合差异性分析结果为城市街道规划设计提供建议。2研究数据与方法2.1数据类型本文的研究数据主要来自开放街区地图(OSM:Open-StreetMap)、四方(Foursquare)和谷歌繁忙时段(Google Popular Times)。OSM 提供街道路网数据,四方数据和谷 伦巴第大区位于意大利北部,米兰省(米兰广域市)是伦巴第大区的一部分。米兰市是米兰省和伦巴第大区的首府。“大区”和“省/广域市”是意大利的行政等级,“大区”相当于我国的“省”,“省/广域市”相当于我国的“市”,米兰市相当于我国省会城市。四方是一款提供社交网络服务的应用,目前有超过 40 万家企业通过四方平台建立与消费者的联系,美国以外地区的用户签到数量超过 3.58 亿人次,提供包括点赞、照片、评论等在内的丰富签到信息。网址为 https:/ 2018 年 8 月推出的一项功能,通过使用用户公开在服务器上的实时位置信息,分析过去几周到访位置的平均使用情况,从而计算出兴趣点的人流情况。网址为 https:/ 1米兰城市的四环结构和本文研究范围圣芭比拉区布雷拉区新门区中国城0 1 3 km 0 0.5 1 2 km NN85 2023 Vol.38,No.3国际城市规划钱天健 基于媒体签到数据的城市街道使用模式动态感知 以意大利米兰市中心城区为例歌繁忙时段数据提供与兴趣点相关的签到数据。结合四方和谷歌繁忙时段的数据分类,本文定义了办公、医疗、商业、文化娱乐、教育 5 大类、12 小类街道功能节点(表 1),考虑签到数据的特殊性和不同类别数据的可比性,选取商业与文化娱乐设施分类中的 9 小类与路网数据相结合。表 1 5 大类 12 小类街道功能节点分类情况大类小类功能节点类型办公公司企业(OFF)网络公司、设计工作室、广告公司、公司总部等医疗医疗(HOS)医院、诊所商业咖啡厅(CAF)咖啡厅、茶室餐饮(CAT)餐馆、烘焙店、饮品店、冰激凌店旅店(HOT)旅馆、青年旅舍、汽车旅馆零售(RET)服装店、鞋店、皮具店、眼镜行、电子设备店、汽车行、运动用品商店、超市、化妆品店、首饰店、玩具店、杂货店、熟食店、五金用品店、花店、洗衣店、自行车修理行、文具店、书店、打印复印店、理发店、美容院、礼品行、