您当前位置:首页 >>重庆园林 >> 正文

大数据背景下的景观评价研究——以商业公共空间为例

作者: 白雪峰,吕定红等 时间:2020-11-3 阅读次数:362

前言

大数据(big data),指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增率和多样化的信息资产。[1]大数据充斥着人类经济社会的角角落落,正是因为大数据巨大的商业价值,国内外学者对理论、技术及实践进行了深入地研究。

基于以上的背景,本文将通过对于实际案例的分析,来探讨在大数据背景下如何通过数据对景观作出评价。

1/绪论

1.1 本文的研究意义和重点

随着科技的发展,5G网络的搭建,智慧城市、智慧景区、移动互联网、智能终端在城市的广泛应用,景观规划设计已经正式进入大数据时代;特别是将多种类型的大数据应用于景观规划设计的具体案例中,包括手机信令数据的应用、卫星定位导航数据的应用、社交网络(SNS)大数据的应用、具有地理位置的景观照片分析,以及基于社会感知大数据的人群行为模式分析等,表现出全方位的大数据辅助景观规划设计态势。[1-2]

本文意在通过数据可视化方式呈现所收集与分析的数据,以此探究塑造商业公共空间的影响因子并结合数据结论作出客观有效的景观评价。

1.2本次研究内容

本次研究,为减少影响因子,并保证大数据的准确真实性,首先考虑了城市公共空间作为研究类型。且考虑到商业公共空间作为城市重要的公共空间类型,是重要的文化、社交以及复合性功能场所,大数据相对容易收集,其使用人群的多样化使数据更具代表性和客观性且误差较小易控制,故本次研究以商业公共空间为例。从宏观层面即自然环境、建成环境等;微观层面即人群特征、场地周边等大数据来对样本区域景观进行评价。[2]

1.3数据源类型

基于商业公共空间独有的特点,选取工作日(周一至周五)14:30-15:30、休息日(周六、周日)14:30-15:30两个时间点,分别计算7天内这2个时间点的手机用户密度空间分布。选取工作日14:30-15:30可减少游憩活动影响,而周末该时间点游憩活动最为密集。并且考虑到特定节假日可能存在特殊事件会导致数据出现较大的偏差,故单独统计单日人流数据与工作日人均人流量、周末日均人流量做对比。通过人口密度及活动轨迹了解区域功能分区,从而对该商业公共区域进行判断与识别。并通过使用者停留及大众点评等社交网站,获得和该区域相关的搜索关键词、体验评论数据等,用以了解样本区域使用人群的感受,偏好。(图1-2)

2/样本区域的选取

2.1确定研究区域

重庆市主城区现有十二大商圈,其中解放碑商圈、观音桥商圈、南坪商圈、沙坪坝商圈以及杨家坪商圈是重庆市建设最早、知名度最高、发展最为成熟的五大核心商圈,在重庆具有一定的典型性。根据本次研究的重点,考虑到整体定位、设计、当下的知名度及使用率,样本区域选择了6000㎡左右的范围的重庆市商业公共中心景观:江北区观音桥广场作为定位较高、知名度较高且使用率高的样本;南岸区宏声广场则作为知名度和人流量较低,使用率不高的样本进行评价。[3]

2.2确定研究区域

观音桥商圈开街以来殊荣无数,受到重庆市民以及外地游客的青睐,成为重庆市第二大商圈。观音桥商圈已成功被打造成为国家AAAA级旅游景区,现已成为西部乃至全国都享有较高知名度和美誉度的魅力金街。作为新商圈代表,本次研究选取以观音桥发源地为中心的区域作为研究样本。(图2-1、图 2-2)

宏声广场,位处南坪公交枢纽站、轻轨站、重庆百货及南坪万达广场交叉的中心位。地理位置优越,交通便捷。距离南坪商圈中心位置直线距离仅400米。宏声广场以世界和平为设计主题,雕塑、铺装均围绕这一主题展开。本次研究选取宏声广场及其周边面积约6000平方米区域作为研究范围

3/样本区域大数据收集、分析

3.1景观空间质量相关变量群

根据景观空间需求端、功能端两种类型,利用人流统计数据、社会经济数据、场地设施数据、建成空间数据、自然资源数据等,从尺度、影响因素的广度将其分为宏观层面即尺度较大,影响较广的包含如自然环境、建成环境等影响因子;微观层面即尺度较小,影响较集中的包含如人群特征、社交媒体等影响因子。[5]

3.2宏观层面

3.2.1自然环境

观测两处样区3个时间段内温度(T)和湿度(H)变化;样区附近纯硬质场地温度(t)和湿度(h)变化;每个样区与其附近硬质温湿度相减得降温效果与增湿效果[3]。结果表明,一天之内区域场地14:00温度最高,湿度最低;温度增加,植物阴影处与无植被环境温度差距增大,降温效果明显;温度增加,空气内水分下降,植物阴影区域增湿效果下降。(ΔΤ=Τ-t ΔΗ=Η-h)(表3-1)

3.2.2建成环境  

观音桥步行街、宏声广场周边建筑均为现代建筑,立面多用玻璃幕墙与整体景观、天际线融合较好,整体视线开阔。两处商业街品牌影响力倾向不同,观音桥主打一线普通品牌,宏声广场周边二线品牌居多。(图 3-1)

3.2.3绿地空间

根据猫眼象限程序统计两处步行街样区绿视率、道路面积率、建筑物面积率、行人数量,结果如表3-2:a.观音桥商业公共空间绿视率较低且以树池花池为主、建筑物面积较大;b.宏声广场商业公共空间绿视率较高,在广场周围种植有三层绿化。(表3-2)

3.2.4安全与保障

简·雅各布斯在《美国大城市的死与生》中提到“街道眼”是安全之眼,公共环境可以受到活动人群、周边建筑中人群视线监控,商业公共空间犯罪率与人数数量呈负相关,景观空间的有效规划能够干预或减少犯罪行为。

根据现场大数据统计结果表明,(1)观音桥样本区域有完善的后勤管理配套设施,公共空间内基础设施有妥善维护;(2)宏声广场基础设施老旧,安全性不足。(图 3-2)

3.3微观层面

3.3.1人群特征

(1)人流量

商业公共中心处于节假日与工作日两类环境中,人流量存在较大偏差,为防止影响分析结果准确性,对两类情况分别进行数据统计。通过基站,选取工作日14:30-15:30的多日平均密度识别商务办公活动聚集情况,选取休息日14:30-15:30的多日平均密度识别商业聚集状况,结果如图3-3。(图3-3)

(2)人口密度

将样本区域及周边拆分为50*50m的方格,针对选取的工作日、休息日14:30—15:30的时段,收集并统计一周人流量数据,绘制并分析人口密度。(图 3-4)

(3)人群职业、年龄、性别(表3-3、表3-4)

(4)使用人群行为分析

① 停留时长(图 3-5)

② 通行轨迹(图 3-6)

位置 类别 活动、地点、人数、 场地内要素 图片
观音桥商业步行街 静态休闲类 观赏、步行、约会; 观音桥商业步行街前小游园; 人数:12~20人; 场地要素:绿化景观、座椅、垃圾箱、路灯  
驻足观望、休憩、交谈; 观音桥商业步行街树阵广场; 人数:40~60人; 场地要素:绿化景观、花池、垃圾箱、路灯  
散步、交谈、休憩、驻足观赏; 观音桥商业步行街题字广场 人数:25~40人; 场地要素:绿化景观、垃圾箱、文化雕塑艺术品、座椅、儿童娱乐设施  
观音桥商业步行街 文化娱乐类 健身运动、交谈; 观音桥商业步行街前广场; 人数:120~200人; 场地要素:绿化景观、雕塑艺术品、座椅、垃圾箱、路灯  
南岸宏声广场 静态休闲类 打牌、下棋、交谈; 宏声广场入口台阶处; 人数:13人; 场地要素:绿化景观、栏杆、路灯  
交谈、驻足观赏、休憩、正常步行、骑行; 宏声广场内部; 人数:20~35人; 场地要素:雕塑艺术品、涂鸦、座椅、垃圾箱、路灯  

③ 人群活动类型(表3-5)

3.3.2社交媒体分析

通过微博、微信以及大众点评等社交媒体用户及点评统计,能够表明场地受欢迎程度、使用人群对场地的理解、喜爱、标签以及行为模式等。[11]

(1)社交媒体热点(图 3-7)

(2)社交媒体中的场地照片(图 3-8)

(3)场地评价(图 3-9)

3.3.3周边环境分析

通过分析样本区域周边环境大数据,可以更加了解场地,获取周边宏观因素对场地空间景观造成的影响,从而为下一步景观的改造升级提供客观的数据指导。

(1)场地周边交通分析(图 3-10)

(2)场地周边商业分布(图 3-11)

(3)场地周边建筑高度(使用人群视线)分析(图 3-12)

3.4景观评价

综上,通过目前的大数据收集分析以及专业的景观设计体系,得到对于观音桥以及宏声广场样本区域的景观评价。

并由大数据分析要点从宏观及微观角度,构建了对于商业公共空间景观的评价分析体系(图3-13)。以“商业公共空间景观评价”作为评价体系目标层;将公共空间的宏观层面(自然环境、建成环境、安全与保障)、微观层面(人群特征、社交媒体、样本周边环境)作为评价体系准则层,并将“可达性”、“美观性”、“生态性”、“舒适性”以及“话题性”作为评价体系指标层。[12](图3-13)

3.4.1 观音桥商业街公共空间

通过宏观及微观的大数据统计分析得出,观音桥商业街公共空间交通可达性强、舒适性强、话题性较强,3类要素为区域带来充分客群,然而区域美观性一般、生态性一般,现状景观无法吸引人群在广场公共空间停留,未能形成良好景观互动效果。

评价结果中可达性、舒适性2类评价指标数据良好,话题性指标数据较好,充分肯定区域便捷度与商业价值,但话题集中于商业,文化特性未凸显。区域范围内停车位充足,商业聚集点距下客区距离为100~400m以内,交通便捷性、快速可达性。商业街配备有巡逻保安保证安全,设施常换常新,有一定数量的休憩座椅供人使用。然而观音桥商业街作为一级商业公共空间,话题性虽高,但多集中于商业,一定程度上忽略区域“观音桥”文化概念解读,文化特性利用不足。评价结果与现场调研结果相符。

区域美观性、生态性2类评价指标数据一般,说明区域空间特色不足、绿量未能达到预期。现状调研表明,观音桥商业街整体绿视率约为11.13%,场地大乔木不足,遮阴功能较弱,整体气温偏高,可供人群选择的停留区域仅限制于少量大型乔木和地铁入口,遮阴空间不足导致人群户外停留时间较短,不能将客群留在景观空间中,与商业吸引力之间没有形成良性循环。评价结果与现场调研结果相符。

3.4.2 宏声广场商业街公共空间

同样,通过宏观及微观的大数据统计结果表明,宏声广场商业公共空间美观性、生态性指标数据较好,2类要素为区域增加景观价值,然而区域可达性、舒适性、话题性一般,3类要素不能为区域引入批量客群。

评价结果中美观性、生态性2类指标数据较好,表明空间区域景观性良好。宏声广场入口处绿视率约为20.52%,广场内部绿视率约为20.84%,广场外围种植有多层绿化,为人群提供较为凉爽的使用环境。评价结果与现场调研结果相符。

区域可达性、舒适性、话题性3类评价指标一般,说明区域没有讨论度和稳定客群。场地内部缺少停车位,自驾客群便捷性较差,流失潜在客群。场地使用者数量少影响区域管理力度与后勤维护重视程度,安保和后勤管理人员减少甚至缺失,反向引起景观设施与构筑物更新率降低,导致景观价值下降。广场内部为避免破坏“世界地图”完整性,并未设置树阵广场,一定程度上降低广场空间荫蔽效果、缩短人群停留时长。调研发现宏声广场相关话题集中在公交站、二手房交易、步行街等生活性元素,商业与景观方面话题度较低,未能与景观要素构成直接互动关系。现场调研结果与评价结果相符。

4/总结与讨论

如何在景观设计领域中利用基站所获取的典型人流、社交媒体等大数据现已成为热门话题。本文提出通过收集、分析样本区域大数据,从自然环境、建成环境、绿地空间、安全与保障的宏观层面以及人群特征、社交媒体、场地周边环境分析的微观层面更客观地了解场地本身特征和人群使用需求与偏好,从而对样本区域进行景观评价,了解场地景观是否达到设计预期。在以往运用大数据的基础上,提出了具体参考数据以及通过数据对景观提出的评价标准,对于大数据在景观评价中的运用具有一定创新性。

本次研究仅以重庆主城区的商业公共空间为样本,设立的景观评价标准适用于本次样本区域,有待广泛验证及修正,但商业公共空间在城市景观体系中的代表性,同样能为其他类型场地景观提供一定参考价值。

注释:

1.相关统计数据来源于重庆市通信管理局提供的行业数据报告,见http://www.cqca.gov.cn/index.shtml.

2.使用者评论、搜索关键次等数据来自大众点评,https://www.dianping.com;携程旅游网 https://www.ctrip.com/?sid=155952&allianceid=4897&ouid=index

参考文献:

[1]叶宇,魏宗财,王海军.大数据时代的城市规划相应[J].规划师,2014,30(8):5-12.

[2]孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013,50(1):146-169.

[3]朱勇. 基于小气候影响因素分析的重庆市商业步行街植物景观探究[D].西南大学,2015.

[4]李德仁,马军,邵振峰.论时空大数据及其应用[J].测绘科学,2017,42(7):1-7.

[5]贾培义.大数据时代的风景园林学[J].风景园林,2013(5):150.

[6] 邵钰涵,刘滨谊.城市街道空间小气候参数及其景观影响要素研究[J].风景园林,2016(10):98-104.

[7]Claudia Dinep, Kristin Schwab. Sustainable Site Design-Criteria, Process and Case Studies for Integrating Site and Region in Landscape Design[M]. New Jersey: John Wiley& Sons, Inc., 2010.

[8]李健,宁越敏. 1990年带以来上海人口空间变动与城市空间结构重构[J].城市规划,2007(2):20-24.

[9]钮心毅,丁亮,宋小冬.基于手机数据识别上海中心城的城市空间结构[J].城市规划,2014(6):61-67.

[10] RATTI C, WILLIAMS S, FRENCHMAN D, et al. Mobile landscape: using location data from cell phones for urban analysis[J]. Environment and Planning B Planning and Design, 2006, 33(5):727.

[11]SAGL G, DELMELLE E, DELMELLE E. Mapping collective  activity in an urban environment based on mobile phone data[J]. Cartography and Geographic Information Science. 2014, 41(3):272-285

[12]吴军,葛碧霄.层次分析法在步行商业街景观评价中的应用[J].天津城建大学报,2016,22(02):98-103.