多源大数据揭示不同街道类型下休闲骑行路径偏好的空间异质性及环境影响因素

为解决现有研究未充分探索不同街道环境对休闲骑行影响的问题，燕山大学研究人员开展街景因素对休闲骑行路径偏好影响的研究。得出不同街道类型与环境因素对骑行偏好的影响结果，对城市街道设计和可持续发展意义重大，值得科研读者一读。

　　

燕山大学艺术与设计学院的研究人员俞文（Yu Wen）、刘冰冰（Bingbing Liu）等人在《BMC Public Health》期刊上发表了题为 “The spatial heterogeneity effects of street environmental factors on the preference for sports and leisure cycling paths across different street types” 的论文。该论文聚焦于街道环境因素对休闲骑行路径偏好的影响这一领域，对于推动城市街道设计、促进城市健康发展、实现可持续发展目标具有重要意义。

研究背景

随着全球城市化进程的加速，一系列环境挑战和公共健康危机接踵而至，人们的生活方式也发生了显著改变。这种改变在带来便利的同时，也引发了诸如健康焦虑、孤独感以及缺乏体育活动等问题，对人们的身心健康造成了直接影响。为应对这些复杂的健康和环境挑战，各国政府和公众积极探索有效途径，其中将骑行融入公共健康、基础设施和土地利用政策成为重要举措。例如，2021 年 56 个欧洲国家的部长和代表通过了《维也纳宣言》和首个《泛欧自行车推广总体规划》；2022 年联合国大会通过决议将骑行纳入公共交通系统，同年中国国家发展和改革委员会也提出 “城市自行车交通的战术复兴” 以助力实现双碳目标 。

城市街道作为健康城市发展的重要组成部分，是居民日常骑行活动的关键空间。设计合理的街道空间能够提升居民骑行的意愿，降低交通安全风险，对公共健康和环境可持续性发展意义重大。然而，要实现这一目标，就必须深入了解街道环境因素如何影响居民的骑行路线偏好。

过往研究在探讨街道环境因素与骑行行为的关系时，多聚焦于宏观层面，常采用 “5Ds” 框架分析建成环境对骑行的影响，也有学者利用街景大数据和机器学习技术进行微观层面的研究。但这些研究大多从整体视角出发，忽视了不同街道类型和空间环境的异质性，未能深入探究街景元素在不同街道空间的组合模式及其对骑行流量的可变影响，导致研究结果在不同街道环境中的适用性受限，难以有效指导城市规划和街道设计。

此外，随着 GPS 技术的发展和共享单车系统的普及，骑行行为研究开始利用轨迹数据。但目前关于休闲骑行的研究仍处于初期阶段，休闲骑行具有距离长、速度高、注重骑行体验等特点，其路线选择和与街道环境的互动更为复杂，相关研究的深度和系统性有待加强。基于此，本研究旨在填补这些研究空白，提升骑行路线偏好研究的实际应用价值。

研究方法

1. 研究区域：本研究选取中国杭州的核心城区（上城区、拱墅区、西湖区和滨江区）作为研究区域。杭州自然环境优越，城市建成环境要素丰富，地形和城市化水平的空间差异造就了多样的景观格局，拥有各类不同的街道环境，且体育基础设施完善，在 2022 年全球自行车城市指数中排名第七，2023 年举办的亚运会进一步优化了街道基础设施和相关设施，激发了居民的骑行热情，使其成为研究街道环境因素与骑行行为关系的理想案例。
2. 指标选取：研究基于新加坡、伦敦、上海等地的街道设计指南，综合街景大数据、机器学习技术以及杭州街道环境的特点，最终确定了 10 个街景指标来描述街道环境，包括机动化水平（指街景图像中汽车、公交车、卡车和货车这四类街道景观目标的比例，反映街道上机动车的交通流量和空间占用情况，也暗示街道交通基础设施的优劣）、街道可达性（由街景图像中街道和人行道可见部分的比例定义，代表街道空间的宽度，影响骑行者的安全感和骑行舒适度）、街道监控（图像中行人的比例，反映街道上的人流量和监控水平，影响骑行者的安全感和参与骑行的意愿）、安全隔离度（图像中分隔不同交通方式的围栏比例，体现不同交通方式之间的分隔强度以及为骑行者提供安全骑行空间的程度）、绿视率（街景图像中树木、草地和植物等街道景观元素的比例，反映街道空间的绿化程度和环境质量，与居民骑行体验密切相关）、天空可见率（街景图像中天空的比例，反映阳光照射程度和视觉开阔度）、界面围合率（街景图像中由建筑物、墙壁、电线杆等街道景观元素构成的街道立面比例，反映街道空间的封闭程度）、设施多样性（街景图像中标志、长椅、遮阳篷等八类街道景观元素的比例，反映街道上设施类型的丰富程度）、界面透明度（街景图像中门窗的比例，反映街道外部空间与建筑物内部的视觉互动水平）和界面无序度（图像的信息熵，反映街道空间的杂乱无章程度，影响个体心理感知）。
3. 数据收集与处理：研究数据包括描述街道环境的城市街道网络数据、POI（Point of Interest，兴趣点）数据、街景图像数据以及评估居民骑行路径偏好的骑行轨迹数据。街道网络数据来自 Open Street Map 平台，经过预处理后得到 8687 条街道数据；POI 数据从百度地图获取，经清洗和分类后得到 118528 条记录，并分为 13 类，最终重新分类为居住服务、商业、景观休闲和工业四类；街景图像数据通过在处理后的街道网络数据上每隔 100 米设置采集点，利用百度地图开放平台的全景静态图像获取，经筛选后得到 23509 张有效街景图像；骑行轨迹数据从 Strava Heatmap 获取，利用 Python 编程收集 2011 年 1 月 28 日至 2024 年 7 月 15 日杭州的骑行轨迹记录，经清洗和去重后得到 1901 条有效记录，并排除工作日特定时段的数据以确保数据有效性。研究运用基于机器学习算法的卷积神经网络工具（SegNet）对街景图像进行语义分割，计算各街景指标值，并利用 ArcGIS 进行数据可视化和分析。
4. 研究方法与流程：数据分析分为四个步骤。首先，在 ArcGIS 中对杭州核心城区的街道类型和骑行交通进行空间叠加，从不同街道类型的角度解释居民的骑行路线偏好；其次，使用 OriginPro2024 软件中的 Pearson 相关分析方法，分析反映街道环境的 10 个街景指标与骑行流量之间的相关性；第三步，利用 ArcGIS 软件提供的普通最小二乘法（OLS）模型对 10 个街景指标和骑行流量进行全局回归分析，通过多重共线性检验和显著性筛选，确定对骑行路线偏好有显著空间异质性影响的街道环境元素，并解释其影响程度；第四步，利用 ArcGIS 中的地理加权回归（GWR）模型，进一步探究所选街道环境元素对骑行路线偏好的空间异质性影响，并结合街道类型进行深入分析，为骑行友好型街道环境的建设和设计提供针对性建议。

研究结果

1. 不同街道类型的骑行路径偏好特征描述：通过对杭州 8687 条街道的分析发现，混合用途街道数量最多，占比 64.4%，商业街道次之，占比 18.2%。从骑行流量来看，混合用途街道的总用户数最多，为 2132523 次，商业街道为 667986 次，生活服务街道为 537097 次，风景街道为 135050 次，工业街道最少，为 132525 次。风景街道的平均使用强度最高，每条街道平均有 1407 次骑行，生活服务街道次之，为 521 次 / 街道，商业街道为 423 次 / 街道，混合用途街道为 381 次 / 街道，工业街道为 343 次 / 街道。总体而言，杭州居民更倾向于选择混合用途和风景街道进行骑行，工业街道最不受欢迎。高骑行流量的街道主要分布在钱塘江、大运河等河流沿线，以及西湖风景区、西溪国家湿地公园等大型绿地内部或周边。
2. 街景指标对骑行流量的影响分析：通过 Pearson 相关分析发现，10 个街景指标均与骑行流量存在相关性。其中，界面无序度（-0.19）、街道可达性（-0.094）、天空可见率（-0.079）和机动化水平（-0.071）与骑行流量呈显著负相关（span data-custom-copy-text="\(p0.01\)"）；绿视率（0.22）和界面围合率（0.082）与骑行流量呈显著正相关（span data-custom-copy-text="\(p0.01\)"）。但由于绿视率与界面围合率、天空可见率与界面围合率的相关系数分别为 0.7 和 0.75，可能存在多重共线性。

利用 OLS 模型进行全局回归分析，结果显示界面围合率的方差膨胀因子（VIF）值为 6.280，大于 5，存在多重共线性，因此将其从后续 GWR 分析中剔除。重新计算其余 9 个变量的 VIF 值，均小于 5，确保了回归模型的稳定性和有效性。分析结果还表明，机动化水平、安全隔离度、绿视率、设施多样性、界面透明度和界面无序度这 6 个因素对居民骑行路径偏好有显著影响（span data-custom-copy-text="\(p-value0.01\)"）。其中，机动化水平、安全隔离度、绿视率和设施多样性具有显著正向影响，界面透明度和界面无序度具有显著负向影响。在这些因素中，安全隔离度对骑行路径偏好的正向影响最大，界面透明度的负向影响最明显。
3. 不同街道类型下街景指标的空间异质性分析：利用 GWR 模型分析 6 个对骑行流量有显著影响的街景指标在不同街道类型上的空间异质性。混合用途街道功能多样，交通需求大，其机动化水平在 60% 的街道上对骑行流量有正向影响，安全隔离度和设施多样性在 90% 以上的街道上有正向影响，绿视率在 60% 的街道上有正向影响，但过高的界面透明度和无序度会对骑行流量产生负面影响。风景街道以自然景观和文化氛围吸引骑行者，骑行强度高。由于交通基础设施相对不足，较高的机动化水平、安全隔离度和设施多样性对其骑行路径偏好的正向影响更为显著，同时界面透明度和无序度的负面影响也更明显。商业街道商业活动活跃，交通和行人流量大，安全隔离设施虽能保障安全，但压缩了骑行空间，导致绿视率和设施多样性对骑行流量的正向影响较小，而界面透明度和无序度的负面影响较大。生活服务街道主要满足居民日常需求，安全隔离设施对骑行流量有较强的正向影响，界面透明度的负面影响较小，但由于功能和界面设计单调，骑行流量普遍较低。工业街道周边多为高科技企业和金融机构，通勤者多选择快速交通方式，街道上骑行流量少，安全隔离设施、绿视率和设施多样性的正向影响较弱，机动化水平在高峰时段会对骑行流量产生负面影响，界面透明度和无序度的负面影响相对不明显。
4. 同一街道类型中街景指标的空间异质性：研究发现，混合用途、商业、生活服务和工业街道的街景指标与骑行流量的回归系数存在显著空间异质性。在混合用途街道中，机动化水平的正向影响从西南向东北减弱，在东部部分地区变为负向；安全隔离设施在部分区域有正向影响，在部分区域有负向影响；绿视率在西南部山区有较强正向影响，在其他区域影响减弱甚至变为负向；设施多样性在多数街道有正向影响，但在西北部分街道有负向影响；界面透明度和无序度在多数街道抑制骑行，但在西北部分街道有正向影响。商业街道中，机动化水平在东部部分街道因机动车侵占自行车道而产生负向影响；安全隔离设施在部分区域有正向影响，在杭州火车站附近等区域有负向影响；绿视率在多数街道有正向作用，但在市中心北部部分街道有负向影响；设施多样性在西湖风景区内的商业街道能显著促进骑行流量；界面透明度在多数街道抑制骑行，但在西北部分街道有正向影响。生活服务街道中，机动化水平在核心城区东部部分街道因机动车占道而产生负向影响；界面透明度在西北部分街道因底层商业空间活跃而有正向影响。工业街道中，界面透明度在滨江区对骑行流量有负向影响，在西湖区有正向影响，但综合来看仍对骑行者路径偏好有负面影响。

研究结论与讨论

本研究以杭州核心城区为案例，运用多源大数据和深度学习技术，描述了街道类型、环境因素和骑行流量的分布特征，通过 OLS 全局回归和 GWR 模型，确定了影响休闲骑行的显著街景指标，并从不同街道类型的角度探究了其在骑行路径偏好上的空间异质性，得出以下结论：

1. 骑行偏好与街道类型和环境的关系：休闲骑行者明显偏好某些街道类型和环境。在街道类型方面，更倾向于混合用途和风景街道，这与以往研究中线性体育活动对街道类型偏好不明显的结论有所不同，可能与城市背景差异有关。在景观环境方面，骑行者偏好河流沿线和大型绿地周边的街道，这与前人研究中自然资源对线性体育活动有支持作用的结论一致。这表明城市环境设计研究应考虑区域特异性和文化差异，本研究结果是在杭州特定背景下得出的，并非因果推断，未来研究可采用纵向设计或实验研究方法进一步探究环境设计元素与骑行行为的因果关系。
2. 街景指标对骑行路径偏好的影响：从全局来看，安全隔离度对骑行路径偏好的正向影响最强，其次是设施多样性、机动化水平和绿视率，而界面透明度和无序度有显著负向影响。这与以往研究中部分因素对骑行行为的影响结论相符，但机动化水平在本研究中呈现出正向影响，可能是因为中国城市中适合骑行的街道有限。此外，界面透明度和无序度对骑行行为的影响在以往研究中较少涉及，其影响路径值得进一步研究。
3. 街景指标影响的空间异质性：6 个街景指标对骑行流量的影响存在显著空间异质性。在混合用途、商业和生活服务街道中，街景指标的影响因空间位置而异，可能促进或抑制骑行路径偏好；在风景街道中，影响更为显著；在工业街道中，影响相对较弱。这种空间异质性主要由街道环境的独特吸引力决定，尤其是历史文化属性和景观属性，同时也与街道环境各元素之间的相互作用有关。这表明在构建骑行友好型街道环境时，应因地制宜，综合考虑多种因素，实现各指标的协调发展。

基于以上结论，研究提出了针对不同街道类型的规划建议，以打造骑行友好型环境。在风景街道，应设立休息节点，完善安全引导，优化界面设计；在混合用途街道，要加强交通系统整合，优化停车管理；在商业街道，需优化空间配置，加强街道绿化，打造主题街区；在生活服务街道，应实现功能多元化，优化绿化设计，合理规划停车，增加街道家具；在工业街道，要实施动态管理，优化街道空间，提高骑行便利性。

本研究弥补了骑行行为研究与街道更新项目实际需求之间的差距，验证和补充了城市环境与骑行行为关系的现有理论，为不同街道类型打造骑行友好型环境提供了针对性建议，并明确了骑行友好型街道设计的四个关键因素：安全、舒适、便利和吸引力。然而，研究也存在一定局限性，如对街道环境元素的捕捉仅基于街景图像数据，未考虑时间维度，骑行数据来源相对单一等。未来研究可通过纳入更多数据来源、结合时间维度分析等方式加以改进，为街道规划和设计提供更全面的理论支持。