城市步行适宜性的综合评价及空间异质性——以广州市中心城区为例

0  引  言

伴随城镇化进程的不断加快，城市人口规模迅速膨胀，机动化出行成为城市居民出行的主要方式。为应对机动化出行的压力，道路的设计向机动车服务倾斜，硬化道路增多导致城市绿地被挤占，步行空间质量被忽视，交通拥堵、环境污染等城市问题日渐突出，与居民健康意识持续增长产生矛盾。步行出行作为一种低碳、健康的生活方式，是居民日常出行方式的基础，在社会、经济、环境与健康等方面产生积极的效益。自1998年起，美国、英国等国家陆续将步行纳入城市的规划与设计。中国从2012年以来出台的一系列政策亦凸显了发展步行出行的必要性。步行对提高生活品质、促进身体健康具有重要作用，步行适宜性的综合评价成了城市政策与规划制定的重要参考，是可持续城市化和生态文明建设的重要保障,也是提升人居环境和改善民生的有效途径。

步行适宜性是一种空间属性，描述了空间对居民步行出行的支持与引导能力，是空间邻近性、步行便捷性、环境舒适性的综合体现。其中，空间邻近性指的是行人到达目的地（休闲娱乐、公共服务、教育与医疗等日常设施）的距离长短，主要取决于目的地的密度、类型与空间布局。步行便捷性体现了从起始点到目的地的直接程度，主要受道路交叉口密度、街区尺度等因素的影响。环境舒适性则与街道的设计密切相关，包括照明与标识、道路铺装、景观配置等人为因素，也包括坡度、气候、空气质量等自然因素。此外，人口结构、邻里社会经济地位等社会学因素同样会导致步行适宜性的差异。

欧美学者对步行适宜性的研究起步较早，自2001年起开发了一系列具有可行性的评价方法，旨在解决城市健康危机、中心城市活力不足、交通拥堵、环境不公和社会孤立等问题，主要分为实证评价与网络评价两种类型。实证评价从行人环境、邻里住区、社区街道等微观角度出发，通过实证调查的方法综合评估步行环境变量对行人感知的作用，是受行人主观感受影响的定性评价，主要的方法有英国的行人环境评估系统(PERS)、美国的邻里环境步行性测量表(NEWS)、新西兰的社区街道评估(CSR)等。网络评价从宏观角度，即基于步行空间中的设施点分布、道路交叉口密度等客观存在的物质条件对步行适宜性进行定量评价，主要的方法有美国的步行指数(Walk Score)和欧洲的步行性应用(Walkability App)，其中步行指数综合考虑了日常设施的类型与布局、道路交叉口密度与街区长度，评价结果能够较好地表现实际水平，已在美国、日本等国家得到较为广泛的应用。我国对步行适宜性的研究起步较晚，但亦在逐步引入国外的评价方法，同时加以改良与应用，取得了一定的成果。如卢银桃等以日常服务设施为基础，结合问卷调查与步行指数的改进方法，进行上海市江浦路街道的社区步行适宜性的评价；吴健生等在步行指数的基础上，利用本土化的设施分类权重和分段距离衰减函数，评估了深圳市福田区的设施配置合理性；龙瀛等通过优化的步行指数计算方法评价了中国287座城市的步行适宜性。至今，国内外学者根据开发动机与城市实际情况的差异设定了不同的参数与研究范围，步行适宜性的评价方法已逐渐趋向成熟化与多样化。

提高步行适宜性已逐渐成为许多国家城市规划与发展的重要导向，关于步行适宜性评价的研究与实践也使步行空间建设得到了迅速的发展，但现有研究仍存在以下不足：第一，步行适宜性的实证评价涉及指标众多，未能充分考虑指标内部的相互影响，且数据来源往往依赖于大规模的实地调查，获取成本较高，时效性有较大的提升空间；第二，步行指数等网络评价的应用研究较少考虑步行环境的舒适性，周垠等在此方面做出了改进，尝试将街景图片的识别结合到步行指数的评价中，得到了综合功能与环境的步行适宜性评价结果，但街景图片的覆盖范围有限，其时效性亦会导致评价的结果不能很好地反映街道最新情况；第三，现有的步行适宜性评价研究大多选取均匀分布的格网、路段或街区作为研究单元，评价结果的准确性很大程度上取决于研究单元的尺度。鉴于此，本文以广州市中心城区为例，选择15m×15m的栅格作为评价单元，从网络评价的角度切入，耦合本土化的步行指数、土地覆被指数与坡度等景观指标构建步行适宜性的综合评价模型，同时通过空间自相关等空间分析方法定量探究步行适宜性的空间异质性，以期为步行城市建设、鼓励居民健康出行与休憩提供决策参考。

1  数据处理

1.1  研究区概况

广州市位于广东省中南部，是广东省政治、经济、科技、教育和文化中心。广州市中心城区指的是广州市环城高速内的区域，其面积约为222km²，涉及越秀区、荔湾区、天河区、海珠区、白云区5个行政区、82个街道(图1)，常住人口约为451万人。广州市中心城区总面积虽仅占全市的3%，但常住人口比例为全市的31%，住宅、商业中心、文化设施等高度集聚，机动化出行需求庞大。2018年，广州市日均机动出行量约2434万人次，中心城区便占了38.3%，拥堵指数排名全国第二。因此，针对该区现状进行步行适宜性的评价与分析，符合优化城市步行系统的规划导向，具有代表性和实践意义。

图1    广州市中心城区

Fig. 1 Map of the central district of Guangzhou City

表1    研究数据概况

Tab. 1 Dataset and Metadata

1.2  数据分析源

研究所用的数据包括矢量数据与栅格数据(表1)。

1)矢量数据

POI：经过筛选、清洗与分类后得到广州市中心城区POI；路网：由于广州市中心城区路网众多，故需筛选出4类可步行的道路并对其进行拓扑检查与修正；行政区划：由各行政区地图进行矢量化得到。

2)栅格数据

土地利用：对高分二号(GF-2)遥感影像进行预处理后，使用面向对象分类方法得到耕地、林地、草地、水域、建设用地与未利用地6种土地利用类型；DEM：由ALOS卫星成像并经过预处理。得出数据的空间分布（图2）。

图2    研究数据的空间分布

Fig.2 Spatial distribution of experimental data

3)统计数据

整理自广州市中心城区5个行政区的统计年鉴。以上述数据为基础，以空间邻近性、步行便捷性、环境舒适性为准则，结合研究区实际情况，选取步行指数、土地覆被指数、坡度3个指标构建步行适宜性综合评价模型。模型构建前，需先对单因子进行定量化评价。

1.3  数据预处理

1)步行指数

步行指数可有效表征区域内日常设施的配置合理性，受设施的类型与数量、道路交叉口密度与街区长度的影响，是空间邻近性与步行便捷性的综合体现，计算步骤可分为单点步行指数与面域步行指数两部分。在计算单点步行指数前，本文在Walk Score计算方法的基础上，参考《广东省城市基础设施建设“十三五”规划》对设施分类进行了本土化，将酒吧并入了娱乐场所中，加入了公共交通站点、社区卫生服务中心及美容美发店等居民日常出行需求较大的设施。此外，由于餐馆类别繁杂，本文对餐馆的分类权重进行了简化。通过AHP层次分析法确定权重后，得到设施权重分类表 (表2)。

表2    设施权重分类

Tab.2 Classifications and weights of facilities

利用掩膜去除水系与建筑内的格网后，基于设施权重分类表，使用网络分析(Network Analyst)方法计算起始点到不同类型目的地的距离。随着距离的增加，行人步行的意愿会逐渐变小，故需引入距离衰减函数与道路交叉口密度衰减率进行得分的衰减。将各类设施权重相加，可得到15m×15m格网尺度的单点步行指数，公式如下：

式中，WS为步行指数；n为设施的类型数；Wi为i类设施的权重；f（d）为距离d对应的衰减函数；D（c）为起始点2400m范围内道路交叉口密度c对应的衰减率。

利用普通克里金法(Ordinary Kriging)进行空间插值，得到广州市中心城区的面域步行指数(图3a)。

2)土地覆被指数

绿地可有效改善城市的热环境和风环境，同时有助于分隔人行道与车道，提高行人的舒适度与安全性，是环境舒适性的体现。本文参考封志明等的研究，构建土地覆被指数以测度城市绿地的覆盖状况，公式如下：

式中，LCI为土地覆被指数；LWi为第i类土地利用类型对应的权重，权重的设定参考《生态环境状况评价技术规范(HJ192-2015)》的生境质量指数计算方法；NDVI为归一化植被指数。

由于土地覆被指数对步行适宜性起正向作用，故需进行最大效果标准化：

式中，LCI'为标准化的土地覆被指数；LCIi为第i个像元的土地覆被指数原始值；LCImax和LCImin分别为全部像元中土地覆被指数的最大值与最小值。

对标准化后的土地覆被指数进行重采样，得到广州市中心城区15m×15m格网尺度的土地覆被指数(图3b)。

3)坡度

研究表明，坡度作为步行空间的物理条件，对行人步态有显著影响，与环境舒适性呈反比。通过ArcGIS将DEM数据转换成连续变化的坡度表面。由于坡度对步行适宜性起负向作用，故需进行最小效果标准化，公式如下：

式中，S'为标准化的坡度；Si为第i个像元的坡度原始值；Smax和Smin分别为栅格坡度的最大值与最小值。

对标准化后的坡度进行重采样，得到广州市中心城区15m×15m格网尺度的坡度得分(图3c)。

图3     广州市中心城区标准化的步行适宜性评价指标

Fig. 3 Standardized walkability of central districts of Guangzhou City

2  研究方法

2.1  步行适宜性综合评价模型构建

在单因子分析的基础上，参考Mcharg提出的“千层饼”评价模式，运用加权求和递归的方法得到各指标的综合评价结果。模型的一般形式为：

式中，WSI为步行适宜性指数；λi为步行适宜性指数权重，由街道尺度下的指标值与人口密度作相关分析确定；xi为步行适宜性指标的标准化值。

2.2  空间自相关

空间自相关(Spatial Autocorrelation)可描述变量在空间上的相关关系。采用选取全局、局部、二元局部Moran's I指数来反映空间邻接或邻近区域属性值的相似程度。

1）全局空间自相关

全局Moran's I指数可反映特定区域的总体空间自相关性。公式如下：

式中，I为全局Moran指数，值域为[-1, 1]；xi和xj分别表示变量x在空间单元i和j上的观测值；wij为空间权重矩阵，表示区域i和j的邻近关系或距离关系。此外，分析结果会返回z得分和p值，z得分反映数据集的离散程度，p值反映某一事件发生的可能性大小。

2)局部空间自相关

局部Moran's I指数可进一步反映某个子区域的属性值与其邻近区域的空间相关程度，公式如下：

式中，Ii为局部Moran指数，值域为[-1, 1]；其余变量的含义与式（6）相同。

局部空间自相关的结果分为4类：低-低类空间、低-高类空间、高-低类空间、高-高类空间。低-低类空间为被邻近低值包围的低值区域；低-高类空间为被邻近高值包围的低值区域；高-低类空间为被邻近低值包围的高值区域；高-高类空间为被邻近高值包围的高值区域。

3)二元局部空间自相关

在局部空间自相关的基础上，引入第二变量，则可反映某个子区域的第一属性值与其邻近区域的第二属性值的空间相关程度，公式如下：

式中，Ii'为局部Moran指数，值域为[-1, 1]；xi和yj分别表示变量x在空间单元i，y在空间单元j上的观测值；其余变量的含义与式(6)相同。

二元局部空间自相关的结果同样分为4类，含义与局部空间自相关的结果相同。

3  结果分析

3.1  步行适宜性的空间分布特征

在ArcGIS中对标准化后的评价指标进行加权叠加，得到广州市中心城区步行适宜性指数。总体上看，步行适宜性指数介于9.36～88.56之间，平均值为36.80，呈现出以多个高值区为中心向四周递减、低值区散乱分布的态势(图4a)。参考现有研究，将广州市中心城区步行适宜性分为5个等级，分别为差(0～40)、较差(40～50)、一般(50～60)、较好(60～70)、好(70～100)(图4b)。其中，步行适宜性差的区域面积为24.12km²，占比11.25%，主要分布在荔湾区西部和南部、越秀区北部、天河区中部、海珠区东部。这部分区域大多为大型绿地与老城区。此外，天河区中部为丘陵地带，坡度变化较大，区域内集聚了众多高校及研究所，其绿地覆盖率虽高，但设施类型及数量均较少，步行出行十分不便。

图4    广州市中心城区步行适宜性空间分布

Fig. 4 Spatial distribution of walkability of central district of Guangzhou City

步行适宜性较差区域面积为56.73km²，占比26.46%，环绕在步行适宜性为差的区域外围，主要分布于天河区中部、海珠区东部与荔湾区南部，不太适宜步行出行。

步行适宜性一般区域面积为83.03km²，占比38.72%，呈网状分布于整个广州市中心城区，该区域配置有基本的日常生活设施与绿化，能满足步行出行的基本需求，其占比最大可说明研究区整体的步行适宜性仍有较大提升空间。

步行适宜性较好区域面积为45.15km²，占比21.46%，主要分布于荔湾区东北部、越秀区南部、天河区南部与海珠区西北部，部分环绕在步行适宜性高值区的外围，在一定程度上受到高值区的辐射作用，较为适宜步行出行。

步行适宜性好的区域面积为5.38km²，占比2.51%，主要分布于天河区西南部、海珠区西北部以及越秀区的西南部。其中，越秀区西南部为广州市旧中轴线所在地，城镇化历程较长，日常生活设施配置完善，植被覆盖率高，步行适宜性高。随着城市的扩张与发展重心的转移，天河区西南部逐渐发展为广州市新中轴线，区域内集聚了中央商务区以及多个商业中心，基础设施、道路密度、绿地景观等规划完善，十分适宜步行出行。

3.2  步行适宜性的空间自相关性

根据计算式(6)对广州市中心城区的步行适宜性进行格网尺度的全局空间自相关分析，Moran's I指数为0.731，z得分为490.187，p值为0.000，置信度为99.9%，在统计学上具有显著意义。这说明广州市中心城区步行适宜性较高的街道之间趋于空间聚集，即高-高聚集，为热点区域；步行适宜性较低的街道相互之间亦趋于空间聚集，即低-低聚集，为冷点区域。

为直观地表征步行适宜性的空间聚集情况，根据式(7)进行局部空间自相关分析，利用空间数据分析软件GeoDa分析测算空间关联局域指标（Local Indicators of Spatial Association,LISA）显著水平(图5a)。结合LISA显著性(图5b)可知，在95%的置信度下，广州市中心城区的步行适宜性集聚街道有15个，占街道总数的18.30%，主要分布在荔湾区与越秀区。

高-高聚类街道共5个，占街道总数的6.10%，步行适宜性均值为55.36，分别为白云区的三元里街道、天河区的冼村街道与越秀区的六榕街道、北京街道、大塘街道，说明这部分街道及其周边的街道均具有较高的步行适宜性。其中天河区与越秀区的街道分别为广州市新、旧中轴线所在区域，聚类结果与实际发展情况相符，进一步验证了评价模型的准确性。

图5    广州市中心城区步行适宜性局部空间自相关分析

Fig.5 The local spatial autocorrelation of walkability of central district of Guangzhou City

低-低聚类街道的数量5个，占街道总数的6.10%，步行适宜性均值45.88，分别为天河区的前进街道与荔湾区的桥中街道、南源街道、昌华街道、花地街道，这些街道及周边街道的步行适宜性都比较低。其中荔湾区部分街道为广州市老城区，经济发展水平相对较低，而天河区前进街道由于远离城市发展中心，亦成了低步行适宜性中心。

高-低聚类街道共4个，占街道总数的4.88%，步行适宜性均值为53.18，分别为荔湾区的石围塘街道、沙面街道、冲口街道以及白云区的金沙街道，这部分街道的步行适宜性均值相对较高，与其周边步行适宜性较差的街道形成明显差异。

低-高聚类街道仅有越秀区的登峰街道，占街道总数的1.22%，步行适宜性均值为50.55。该街道包含了麓湖公园等大面积的公园绿地，日常生活设施数量相对较少，步行适宜性较差，与其周边街道差异较大，形成了低步行适宜性的“孤岛”。

3.3  人口与步行适宜性的空间相关性

为表征人口与步行适宜性的空间聚集关系，根据式(8)，以街道人口密度为第一变量，街道平均步行适宜性为第二变量，对广州市中心城区82个街道进行二元局部空间自相关分析，得到二元LISA聚类图(图6a)。二元LISA显著性(图6b)表明，在95%的置信度下，广州市中心城区人口与步行适宜性集聚街道有19个，占街道总数的23.17%，主要分布在荔湾区与越秀区。其中，高-高聚类街道共7个，占街道总数的8.54%，人口密度均值为51564 人/km²，步行适宜性均值为54.75，均位于越秀区，分别为华乐街道、建设街道、大塘街道、北京街道、六榕街道、广塔街道、珠光街道，表明在步行适宜性高的区域，人口往往会趋于聚集，人口聚集区域及其周边区域的步行适宜性相对较高。

图6    广州市中心城区人口密度与步行适宜性局部空间自相关分析Fig. 6 The local spatio-autocorrelation of population density and walkability of central district of Guangzhou City

低-低聚类街道共5个，占街道总数的6.10%，人口密度均值为8397人/km2，步行适宜性均值为42.21，分布于广州市中心城区的东、西两侧，分别为海珠区的官洲街道与荔湾区的石围塘街道、桥中街道、花地街道、沙面街道，其中官洲街道有大面积的绿地覆盖，荔湾区的4个街道均为旧城区，人口聚集程度低，基础设施建设相对滞后，其周边街道的步行适宜性都比较低。

高-低聚类街道共2个，占街道总数的2.44%，人口密度均值为42 771人/km²，步行适宜性均值为54.18，分别为海珠区的沙园街道与荔湾区的岭南街道，该区域的高人口聚集度与低步行适宜性形成了较为明显的反差，应重点提高步行适宜性，使其满足居民日常步行出行的需求。

低-高聚类街道共5个，占街道总数的6.10%，人口密度均值为13 831人/km²，步行适宜性均值为54.69。分别为越秀区的洪桥街道、登峰街道，天河区的冼村街道、五山街道以及白云区的三元里街道。这部分街道的人口聚集度较低，但步行适宜性相对较高，其中天河区的冼村街道最为典型，为广州市的商业中心，内部及周边的住宅相对较少，但配套设施建设完善，最终形成低人口密度、高步行适宜性的局面。

4  结束语

本文从宏观、定量的角度出发，综合空间邻近性、步行便捷性与环境舒适性对广州市中心城区的步行适宜性进行了综合评价，同时通过多元的分析方法揭示了步行适宜性的空间异质性，得到以下结论：

1)广州市中心城区步行适宜性区域差异明显，呈现出多中心、高低值散乱分布的空间格局。根据步行适宜性的分级结果，广州市中心城区的步行适宜性较为一般，整体仍有较大的提升空间。

2)步行适宜性呈现显著的空间聚集。其中高值区集中在新、旧中轴线等城市中心区域，形成了高值集聚的热点。低值区主要为旧城区及远离城市中心的区域，形成了低值聚集的冷点。

3)街道人口密度与步行适宜性间亦存在显著的空间聚集，其中高-高聚类与低-低聚类街道体现了广州市中心城区人口与步行适宜性空间分布的正向聚集关系；低-高聚类街道及高-低聚类街道则分别表明了步行适宜性建设存在局部的超前与滞后。

建设步行城市是健康城市规划的重要方向。本文在现有研究的基础上，根据研究区的实际情况与数据的可获取性，构建了步行适宜性的综合评价模型，在一定程度上丰富了步行适宜性的评价体系，评价结果亦能较好地反映广州市中心城区的步行适宜性现状。其次，综合运用空间自相关、统计分析等方法，定量地揭示了步行适宜性的空间格局、影响因素以及与人口密度的关系，可为城市步行适宜性的精细化提升提供决策参考。

囿于数据的可获取性与时效性，综合评价模型仅从宏观、定量的角度进行了指标的选取，并未区别考虑居民性别、年龄、收入等社会学因素会导致的需求差异。为使评价结果更具代表性，应对研究区展开更为深入的调查，根据社会结构以及行为差异对指标的选取以及模型的参数做出相应的调整。

作者简介：陈崇旺（1999—），男，广东惠州人，自然地理与资源环境专业本科学生

E-mail:ischenchw@qq.com

本期回顾