摘要

街道空间是影响旅游者旅游体验的主要空间，街道空间的视觉品质对旅游发展至关重要。然而，视觉品质的评价方法需要进一步探索。

本文选择厦门著名旅游地鼓浪屿作为研究案例。首先，我们结合现有街道空间研究和旅游地视觉要素，建立了视觉品质的量化模型。然后，通过模拟旅游者行进的方式采集各交叉口的街景数据，校正成像参数并对街景图像进行编码。

其次，基于深度学习方法（全卷积网络FCN），我们对采集的街景图像进行语义分割，提取街景数据中的视觉要素。最后，结合GIS建立地理信息数据库，分析各采样点视觉要素的视觉和空间特征。该数据库以街道线为最小单位进行聚合，旨在为进一步评价街道空间视觉品质提供依据。

研究结果表明：(1)鼓浪屿街道空间视觉要素存在明显的空间分异性；(2)建筑密度、街道宽度与植被小品是塑造街道空间视觉品质的基础视觉要素；(3)植物类公园、主要码头和商业设施的分布对街道空间视觉品质产生显著影响。

本文为街道视觉品质评价工作提供了新的数据采集方法，基于FCN的视觉要素提取精度较高，能够为街景图像及其他类型图像数据分析提供参考。本文可为旅游地街道空间管理与规划、资源整合与配置、人流引导与调控等工作提供有价值的借鉴。

关键词

街景图像 全卷积网络 街道空间 视觉要素 视觉品质 评价方法 GIS 鼓浪屿

1. 引言

街道是旅游者游览过程中接触最频繁的空间，良好的街道空间品质关系到旅游地的形象和旅游者的到访意愿，是其蓬勃发展的重要保障。街道视觉品质是街道空间品质评价体系的组成部分，起源于景观视觉环境评价（Landscape Visual Environment Assessment），反映街道空间各视觉组成要素在"量"和"质"2个方面对街道空间使用主体和城市发展的适宜程度。

在实践中，由于旅游地不同区域的开发程度及建设情况各有不同，街道的视觉品质往往不均衡。面向旅游发展的实际诉求，对街道空间视觉品质进行量化评价有助于街道品质优化工作的效益最大化，对均衡旅游者分布、优化旅游者体验等也可以起到重要作用。

研究背景

量化街道空间视觉品质，首先要理解构成街道空间的基本要素。从19世纪末至今，国内外众多研究对街道空间的构成提出了自己的见解。芦原义信在《街道的美学》中对街道空间的组成元素进行了深入剖析，从构成建筑基本概念的墙、门、柱到街道、广场、花园，涵盖了具体的功能分区、室外雕塑、夜景空间、地标建筑等。

在人本主义思潮的影响下，与街道视觉品质评价的相关研究热度逐渐上升。由于行人在街道空间中通行和停留时间较长，对街道品质的感知较为细致，其重要性愈加凸显。现有文献中，常见以街道空间步行品质、街道空间感知品质为主要对象的研究，其衍生视角包括可步行性及其影响因素、步行指数、绿视水平、疗愈水平或街道美学水平等的测度。

在评价指标体系建构方面，近年来，学者们结合城市设计品质模型，以不同的指标体系概括街道的空间构成，形成符合研究目标的量化评价体系。从围绕"密度（Density）、多样性（Diversity）、设计（Design）"的3D概念到增补了"目的地可达性（Destination Accessibility）和交通距离（Distance to Transit）"的高品质建成环境的5D理论，诸多研究围绕这一理论建构指标体系开展评价。

表1 现有研究涉及的街道空间视觉品质评价指标
相关研究 评价指标 涉及视觉要素
韩君伟和董靓 视觉熵、色彩丰富指数、街道宽度、沿街建筑高度、天际线变化指数、天空开阔指数 天空、建筑、机动车道、非机动车道、街道设施
周韬等 贴线率、天空占有率、建筑占有率、绿化占有率 绿植、天空、建筑
Tang和Long 墙面连续性、交叉口横截面宽高比、绿化占有率、天空开敞度、围合度 绿植、天空、建筑、机动车道、非机动车道、街道设施、交通工具、行人
Ye等 绿色视觉、天空视野、建筑界面、步行空间、机动化程度、多样性 绿植、天空、建筑、机动车道、非机动车道、街道设施

2. 研究设计

2.1 研究框架

旅游地街道空间视觉品质评价的研究框架如图2所示：

  1. 聚焦街道空间的决策节点，选取旅游地主要街道的交叉口作为采样点。模拟旅游者视角采集旅游地实景数据，并进行成像参数校准和地理坐标匹配。
  2. 对所获得的图像进行编码，采用FCN框架对街景数据进行语义分割和精度检验，提取并计算视觉参数。
  3. 基于采样点和采样路段将参数聚合到地理要素上，形成旅游地街道环境视觉品质与视觉特征的地理信息数据库，进行分析和讨论。
街道空间视觉品质评价研究框架

图1 街道空间视觉品质评价研究框架

2.2 评价指标体系

考虑到旅游者在旅游地街道中常以步行作为主要通行方式，评价指标的选择和视觉参数的计算应围绕步行行为进行，且能够反映旅游者在街道空间中面临的真实环境。

本文以绿视率、围合度、天空开敞度、拥挤程度和多样性5项指标建立评价体系，各项指标包含的视觉要素及其计算公式如表2所示：

表2 旅游地街道空间视觉品质评价指标
评价指标 视觉要素 计算公式 公式编号
绿视率 Gi 绿植 Gi = (1/n)∑Tn (i∈N*) (1)
围合度 Ei 建筑、墙、绿植、道路 Ei = [(1/n)∑An + (1/n)∑Tn] / (1/n)∑Rn (i∈N*) (2)
天空开敞度 Oi 天空 Oi = (1/n)∑Sn (i∈N*) (3)
拥挤程度 Ci 人 Ci = (1/n)∑Hn (i∈N*) (4)
多样性 Vi 店招、顶棚等其它设施 Vi = (∑Bn + ∑Cen)/n (i∈N*) (5)

注：

Gi为街景图像的绿视率；Tn为图像中识别为树木、草地、植物等绿植像素的比例；Ei为街景图像的围合度；An为图像中建筑（墙）像素的比例；Rn为图像中道路像素的比例；Oi为街景图像的天空开敞度；Sn为图像中识别为天空像素的比例；Ci为街景图像表征场景的拥挤程度；Hn为图像中识别为人的像素的比例；Vi为街景图像的多样性，Bn、Cen是包括店招、顶棚等在内的所有被识别的街道设施所占的面域像素的比例；n为每幅街景图像的像素总数。

3. 研究区概况、数据采集与处理

3.1 研究区域

本研究选择厦门市鼓浪屿作为研究区域（图3）。鼓浪屿是国家5A级旅游景区，与厦门岛隔鹭江相望，面积约1.88km²，研究尺度适中。2017年7月8日，鼓浪屿正式获准列入世界遗产名录，这对于鼓浪屿的旅游体验和可持续发展提出了更高的要求，也更考验其精细化治理的水平。

鼓浪屿区域概况

图2 鼓浪屿区域概况

3.2 数据采集

街景图像的采集方法如图4所示：

  1. 由于街道交叉口是旅游者在街道空间中产生行为决策的重要节点，决定了其所能接收到的视觉信息和下一步的走向，进而影响到对街道空间的整体感知。参照已有研究，从鼓浪屿各街道交叉口向各个街道方向采集街景图像。
  2. 为保障街景图像尽可能接近旅游者的真实视野，拍摄视角应满足行进过程中最大视野范围可达到水平线以上20°、水平线以下40°的要求。
  3. 图像采集范围参考鼓浪屿管委会发布的鼓浪屿全景图，结合鼓浪屿各街道的概况，确认包括龙头路、福建路、鼓山路等共30余条鼓浪屿核心道路列入研究范围。
街景图像采集方法与采集范围

图3 街景图像采集方法与采集范围

街景图像的采集工作于2021年10月下旬至11月上旬的晴朗白天进行，共采集了来自227个采样点的852张街景图像。经过采集视角与拍摄条件的比对，选择其中的739张作为街景图像研究的原始数据。

3.3 数据处理

3.3.1 图像数据编码

为精确反映旅游者所面对的选择集情况，对各采样点进行数字编码，并根据采样点面向的不同方向进行字母编码。数字编码与ArcGIS中各采样点的FID相同，字母编码则根据街景图像所反映的视野内容相对于采样点的方向进行确定。

街景图像编码及空间视觉参数计算方法

图4 街景图像编码及空间视觉参数计算方法

3.3.2 图像分割与检验

本研究选用的Yao等采用ADE_20K开放图像数据集进行训练的FCN模型框架（图6），其在街道层面的训练数据集的像素对比精度为0.814，在测试数据集的对比精度为0.668，属于同类框架中精度较高的训练结果。

全卷积网络结构示意图

图5 全卷积网络结构示意图

将处理后的图像输入FCN模型中进行处理，并对分割结果进行整理和要素归纳。使用Adobe Photoshop CC2015以绿植、天空、道路和建筑等街景图像的主要构成要素为例，对街景图像进行目视判别并对比结果，检验其识别精度。

表3 视觉要素识别准确度验证结果（%）
编码 绿植 天空 道路 建筑
6-N 35.52/38.75（3.23） 21.02/22.87（1.85） 32.36/35.07（2.71） 2.28/0.00（-2.28）
11-E 20.07/20.77（0.70） 32.79/34.44（1.65） 22.39/28.15（5.79） 10.16/8.09（-2.07）
36-S 4.33/7.70（3.37） 8.13/8.72（0.59） 25.34/32.00（6.66） 38.96/35.47（-3.49）

随机选择不同场景下的街景图像样本5张，对FCN框架计算结果与目视解译结果进行对比。可以发现，该框架在鼓浪屿街景图像数据集中的语义分割表现较好，根据样本误差均值计算，总体精度可达97.6%，满足研究要求。

3.3.3 参数计算

对各地理要素的视觉参数进行计算，计算公式如式（6）所示：

P = (1/n)∑Pn (n∈{1,2,3,...,n}) (6)

式中：P为待计算的各地理要素的视觉参数；Pn为参与计算的各街景图像的视觉参数。计算采样点视觉参数时，参与计算的为该点上采集的所有图像；计算街道视觉要素时，参与计算的为该线要素两端朝向该要素的街景图像。

4. 结果及分析

4.1 街道空间视觉要素分析

根据上述指标，将视觉要素数据聚合到各交叉口采样点中，对视觉要素的提取和计算结果进行可视化。如图7所示，各视觉要素在空间分布上呈现出明显的分异，尤其在岛屿中心与环岛路线间最显著。

街道空间采样点视觉要素分析

图6 街道空间采样点视觉要素分析

根据视觉要素量化结果，其空间分布具体表现为：

4.2 街道空间视觉品质分析

考虑到交叉点上所有方向视野中的视觉要素占比平均值难以反映旅游者在实际环境中面临的选择情况，需进一步以不同方向的路段线要素作为基本单位，进行街道空间视觉品质的量化评价分析。据此，对各采样点向不同方向的街景数据进行分离和聚合，并根据表2计算各视觉品质量化分项的结果（图8）。

街道空间视觉品质分析

图7 街道空间视觉品质分析

5类评价指标的量化结果呈现明显的空间分异：

主要发现：

鼓浪屿中心区域绿视率较低、围合度较高、天空开敞度较低、多样性较好，环岛街道空间绿视率适中、围合度较低、天空开敞度较高、多样性较差。北侧因公园植被而呈现出最高的绿视率，三丘田码头因游客集散而呈现出最高的拥挤程度，龙头路等因商业发达而呈现出最高的多样性。

5. 讨论

由研究结果可知，鼓浪屿中心区域与环岛街道空间的空间分异，以及二者间过渡的居民区共同形成了鼓浪屿街道空间的"核心-边缘"格局（图9）。具体而言：

街道空间与视觉品质的关联机制

图8 街道空间与视觉品质的关联机制

  1. 街道空间视觉要素存在明显的空间分异，绿植、建筑、道路、天空、设施要素表现为"中心-环岛"差异，行人要素则体现出"东-西"差异
  2. 街道空间的绿视率、围合度、天空开敞度、多样性同样存在明显的"中心-环岛"空间分异
  3. 街道空间的绿视率、拥挤程度和多样性存在明显的空间集聚效应，集聚点主要为公园、码头、商业街道
  4. 建筑密度、街道宽度与植被小品是塑造街道空间视觉品质的基础视觉要素
  5. 植物类公园、主要交通枢纽、主要商业设施的分布对街道空间视觉品质产生显著影响

鼓浪屿街道空间的"核心-边缘"格局从实证角度呼应了地理学领域经典的"核心-边缘"理论。本文基于街景图像开展的街道空间视觉品质评价，是从街道角度对旅游地区域空间结构差异进行量化的积极探索。

管理启示：

  • 交通枢纽与中心商业区呈现的高拥挤度与高多样性，体现了服务设施、商业、交通与旅游者出行选择行为的高度相关性
  • 旅游者的选择性游览与停留是深度体验、感受旅游地文化的重要前提，交通枢纽与商业设施的空间分布应当得到重视
  • 海岛型旅游地应充分整合山海资源，加强视觉空间的联动与交互，避免边缘化和割裂感
  • 旅游地应当合理利用景观资源，优化视觉要素空间格局，通过空间结构优化过渡或平衡视觉品质差异
  • 街道空间品质与其所承担的功能存在潜在关联，建筑作为旅游地文化符号的重要组成部分承担了多重角色

6. 结论

本文聚焦旅游地街道空间视觉品质，提出采用街景图像进行视觉品质评价的工作流程和研究方法：

  1. 结合现有研究与旅游地空间特征建立视觉品质量化模型
  2. 以人工模拟旅游者行进的方式采集各旅游街道交叉口的街景数据，采用FCN架构对采集到的街景图像进行语义分割
  3. 在GIS中建立地理信息数据库，对各采样点的视觉要素视野占比情况进行可视化分析
  4. 将数据以街道线要素为最小单位进行聚合，计算各街道空间的视觉品质指标并可视化

研究贡献：

  • 在数据采集方面，摆脱了以往依托车辆、监控摄像等非行人视角获取街景的方式，使数据源更加贴近旅游者感知的真实场景
  • 在研究方法上，采用FCN进行图像语义分割与视觉要素识别，该方法能为街景图像以及其他类型的图像数据分析提供参考
  • 在管理实践方面，研究结果具备一定的迁移应用价值，能为其他步行性的旅游地或海岛型旅游地的管理规划提供有价值的借鉴

研究局限与展望

受限于研究目的和方法，本研究存在一定局限：

后续研究可以尝试通过人因实验进一步细化和甄别影响旅游者感知街道空间视觉品质的微观要素，以开展进一步的评价研究。

以上内容由AI自动生成，内容仅供参考。对于因使用本网站以上内容产生的相关后果，本网站不承担任何商业和法律责任。