空間形態(tài)與綠化因素對夏季胡同居民社會聚集的影響

盛強 胡彥學(xué) 宋陽

1 研究背景

隨著中國城市建設(shè)轉(zhuǎn)入存量規(guī)劃和品質(zhì)提升的時代，居民在街道中的社會交往聚集活動成為評價城市公共空間活力的重要指標。大量的城市改造與更新項目中對地面鋪裝、環(huán)境綠化、街道家具、活動設(shè)施等各方面的投入是否能夠真正提升街道空間品質(zhì)，促進居民更頻繁地使用公共空間，對城市規(guī)劃和設(shè)計師有直接的意義。

從現(xiàn)有文獻的研究內(nèi)容來看，國內(nèi)外對社會聚集現(xiàn)象大都關(guān)注空間環(huán)境要素的影響。如Mehta的研究發(fā)現(xiàn)步行街街道越寬，座椅越多，對停留性活動和社交活動的促進作用越明顯[1]。類似的，同濟大學(xué)陳泳教授的團隊對商業(yè)街中逗留性行為的分析表明人行道寬度、界面的透明及開敞度與人群的逗留性行為呈正相關(guān)[2]。Zacharias等發(fā)現(xiàn)廣場上的光照環(huán)境及溫度對行為有重要影響[3]。

從現(xiàn)有文獻的研究方法來看，對社會聚集數(shù)據(jù)的收集多采用問卷法或多次實地調(diào)研注記法[4]。隨著街景地圖等網(wǎng)絡(luò)開放數(shù)據(jù)的發(fā)展，近期部分研究也開始探索應(yīng)用該類數(shù)據(jù)取代傳統(tǒng)調(diào)研方式的可行性。如葉宇等基于百度街景，應(yīng)用機器學(xué)習工具探索了大批量獲取綠視率的方法[5]。劉星等對比了百度街景與實地調(diào)研獲取的商鋪分布、步行者數(shù)量和社會聚集數(shù)據(jù)，發(fā)現(xiàn)前兩者可以在一定程度上替代實地調(diào)研，但社會聚集與實地調(diào)研相比仍不理想[6]。此外，同濟大學(xué)徐磊青教授團隊使用VR設(shè)備對公共空間中的社會聚集現(xiàn)象展開研究，發(fā)現(xiàn)了廣場面積以及高寬比、天空視角等與停留活動的關(guān)系[7]。徐磊青教授團隊的其他一些基于街景圖片的研究表明綠視率和車道數(shù)對安全感有明顯的影響[8-9]。

1 案例地區(qū)位置與街區(qū)形態(tài)Locations of case neighborhoods and their street patterns

2 兩個街區(qū)聚集強度與人群特征Social gatherings in the two neighborhoods

上述文獻中的實證研究往往聚焦造成社會聚集現(xiàn)象周邊小范圍的空間形態(tài)、設(shè)施和環(huán)境要素，體現(xiàn)為對靜態(tài)的、非關(guān)聯(lián)性的空間條件的關(guān)注。然而，考慮到社會聚集行為（特別是街道上偶發(fā)的社會交往活動）往往是在居民出行過程中產(chǎn)生的，因此有必要探討其產(chǎn)生的關(guān)聯(lián)性空間條件。在這個方向上，空間句法理論和分析方法提供了一條新的研究路徑。

在空間句法研究領(lǐng)域，早期的一些研究采用行為注記法記錄街道空間中步行者的行為，分析性別、年齡差異體現(xiàn)出的空間分布規(guī)律[10]。在建筑內(nèi)部尺度，也有研究通過記錄公司中的非正式會議發(fā)生的地點，分析其體現(xiàn)出的空間分布邏輯[11]。從研究結(jié)果來看，這些研究大都驗證了空間句法參數(shù)對上述活動分析的有效性。但較少有采用多片區(qū)樣本，綜合各非關(guān)聯(lián)性空間環(huán)境要素與關(guān)聯(lián)性空間要素，并針對社區(qū)內(nèi)居民社會聚集行為的研究。近期，劉星針對北京中心城區(qū)4個案例區(qū)的實地調(diào)研，應(yīng)用空間句法，較為系統(tǒng)地對比了不同居住建筑類型街區(qū)內(nèi)，各空間句法參數(shù)對居民社會聚集的影響，其研究成果發(fā)現(xiàn)多層住宅區(qū)相對于胡同區(qū)的聚集行為，其空間規(guī)律更為明顯，與空間句法參數(shù)的關(guān)聯(lián)性也較為顯著。但并未引入景觀綠化等環(huán)境因素[12]。

在此基礎(chǔ)上，將聚焦夏季北京胡同區(qū)的低層居住類型，選取位置臨近但空間形態(tài)差異性較強的案例區(qū)域展開實證研究，綜合考慮空間句法參數(shù)、綠化參數(shù)、服務(wù)設(shè)施和居住密度展開多元回歸分析，試圖發(fā)現(xiàn)影響夏季胡同居民聚集的穩(wěn)定規(guī)律。

2 研究方法

2.1 研究區(qū)域概況

本文的研究范圍為雍和宮和國子監(jiān)所在的兩個街區(qū)（圖1），調(diào)研范圍約142.5 hm2，其中雍和宮街區(qū)約71.4 hm2，國子監(jiān)街區(qū)約71.1 hm2。兩個街區(qū)均為北京老城內(nèi)胡同地塊，居住類型多為低層的四合院。

2.2 調(diào)研方法與數(shù)據(jù)篩選

本研究采取現(xiàn)場行為注記法來收集戶外聚集數(shù)據(jù)，選取2018年夏季一天中的4個時間段（08：00—09：00，10：00—11：00，14：00—15：00，16：00—17：00）對兩個街區(qū)地塊進行循環(huán)調(diào)研。需要說明的是，在數(shù)據(jù)篩選時排除了清潔工、商販以及等待辦事的人群和排隊的游客等必要性的聚集，從而過濾出“凈”居民的社會聚集，同時又考慮到清潔工、商販等街頭工作者長時間在本地工作，與居民較為熟悉，往往成為社會交往的催化劑，也可以被看作居民的一分子。因此在進行數(shù)據(jù)處理的時候，將戶外人群分為三類：街道工作者聚集、居民與街道工作者交往的聚集和凈居民社會聚集（圖2）。共記錄了兩個案例街區(qū)中總計177個聚集點539人次的社會聚集的空間分布數(shù)據(jù)。

2.3 數(shù)據(jù)的處理方法與空間形態(tài)變量選取

空間句法作為一種基于空間拓撲連接關(guān)系研究使用者行為的建筑和城市學(xué)理論，認為人在空間中的活動很大程度上受空間結(jié)構(gòu)的影響，把空間抽象成彼此相交的直線段來計算空間之間的拓撲連接，因此可以定量描述空間與人的活動之間的關(guān)系。

筆者采用的空間句法線段地圖建模范圍包括北京六環(huán)路以內(nèi)范圍的所有街道。從參數(shù)選擇上，整合度表示了某條線段的中心性，是以綜合折轉(zhuǎn)角為定義的與周邊不同尺度線段的最短拓撲距離。選擇度表示的是被周邊一定尺度內(nèi)任意兩條線段之間最短路徑穿過的次數(shù)，其中“最短路徑”同樣是以綜合折轉(zhuǎn)角度最小來定義的。以這兩個指標為基礎(chǔ)，Hillier、楊滔和Turner在2013年又提出了標準化角度選擇度（Normalised Angular Choice，簡稱NACH）和標準化角度整合度（Normalised Angular Integration，簡稱NAIN）的指標，進一步削弱了線段數(shù)量對空間計算結(jié)果的干擾[13]。選用了0.2～10 km共14個計算半徑下的整合度（Integration，簡稱INT）、選擇度對數(shù)（Log Choice）、NACH和NAIN這4種空間句法參數(shù)進行數(shù)據(jù)分析。

在應(yīng)用空間句法參數(shù)分析功能分布、社會聚集等靜態(tài)類數(shù)據(jù)時（相對于各類交通流量等動態(tài)數(shù)據(jù)），往往需要采用適當?shù)姆椒▽?shù)據(jù)進行均勻化處理，排除空間中偶然性因素的影響。筆者團隊近年來廣泛采用的方法為以某個街道段為起點，綜合距離與角度衰減將周邊的數(shù)據(jù)進行加總處理，方法及公式可參見筆者近期的相關(guān)論文[14]。在本研究中該方法用于在回歸分析中（一元和多元）處理社會聚集、商鋪分布、綠化率等靜態(tài)數(shù)據(jù)。

3 綠視率數(shù)據(jù)獲取方式（應(yīng)用“貓眼象限”APP）Acquisition of green view ratio (Applying Cat Eye Quadrant APP)

4 兩個街區(qū)的商業(yè)服務(wù)設(shè)施空間分布Spatial distribution of commercial service facilities in the two neighborhoods

除空間句法參數(shù)之外，筆者引入了聚集位置距城市主干路的拓撲衰減和距離衰減參數(shù)、聚集位置的道路寬度、街道段的入口數(shù)量等空間形態(tài)參數(shù)：其中道路寬度為筆者實測寬度，數(shù)據(jù)處理則是按照與社會聚集相同的處理方式進行標尺均勻化；街道段的入口數(shù)量為筆者實地調(diào)研獲取，其處理方式則是將其錄入空間句法Depthmap軟件后分別計算了以各街道段為中心100、200、300 m這3個可達范圍內(nèi)的入口加總值。

2.4 其他自變量選取與處理方法

其他自變量的選取則綜合考慮了綠化因素、服務(wù)設(shè)施和居住密度三類參數(shù)并將之與處理后的社會聚集數(shù)據(jù)逐一進行一元回歸。綠化因素又分為水平視角綠視率與俯瞰視角的綠化覆蓋率，其中綠視率的原始數(shù)據(jù)是在街景地圖中水平截取聚集點位置的街景圖片將其導(dǎo)入“貓眼象限”（APP）來獲取，再將同一條街道上的聚集點按每個聚集點的聚集人數(shù)取加權(quán)平均值作為該條街道的綠視率，然后采用與社會聚集同樣的標尺均勻化處理方法對原始數(shù)據(jù)進行處理（圖3）；綠化覆蓋率則是以衛(wèi)星地圖為背景，以每個聚集點為中心計算其沿道路前后50 m范圍內(nèi)的樹冠面積占比，同樣按照聚集點的聚集人數(shù)取加權(quán)平均值作為該條街道的綠化覆蓋率，并采用與社會聚集同樣的標尺均勻化處理方法對原始數(shù)據(jù)進行處理。

服務(wù)設(shè)施參數(shù)分為功能業(yè)態(tài)類及公廁，兩者均采用街景地圖與現(xiàn)場校核的方式獲取其數(shù)量及分布，其中功能業(yè)態(tài)類又根據(jù)研究范圍的業(yè)態(tài)類型分為社區(qū)商業(yè)與城市商業(yè)（圖4）。其中社區(qū)商業(yè)的分類包括菜市場、糧油店、棋牌室、五金店、便民店等服務(wù)于本地居民的業(yè)態(tài)類型，城市商業(yè)則是除去以上社區(qū)商業(yè)之外的商業(yè)業(yè)態(tài)類型。城市商業(yè)和社區(qū)商業(yè)的處理方式分為兩種：一種與前述社會聚集數(shù)據(jù)處理中采用的標尺均勻化方式相同，綜合距離衰減與角度衰減計算了每個街道段周邊復(fù)合可達范圍內(nèi)商鋪數(shù)量加總值；另一種則是以簡單的距離可達半徑為基礎(chǔ)，計算了以各街道段為中心200、400 m半徑內(nèi)的商鋪數(shù)量加總值；公廁數(shù)據(jù)的處理則是計算了每條街道段距其最近的公廁位置的真實距離。

居住密度參數(shù)（圖5）的處理則是將各小區(qū)（含各胡同片區(qū)）居住人口的數(shù)據(jù)按臨近落位的原則導(dǎo)入空間句法模型的街道段上。為了避免由各片區(qū)出入口位置造成的誤差，本研究分別計算了以各街道段為中心200、300、500、800 m這4個可達范圍內(nèi)的人口加總值。

3 居民社會聚集空間分布的初步統(tǒng)計

3.1 兩個街區(qū)居民社會聚集強度對比

將兩個案例街區(qū)的聚集強度進行量化描述（表1），對比后可以發(fā)現(xiàn)：盡管在排除了旅游者聚集的影響后，國子監(jiān)的聚集規(guī)模從聚集數(shù)量、單位長度的聚集人次數(shù)量和單位面積的聚集人次數(shù)量統(tǒng)計仍明顯大于雍和宮，但考慮到國子監(jiān)地區(qū)居民數(shù)量較多，從聚集人口占比（戶外聚集人次除以各案例區(qū)居民總數(shù)）來看兩者差異并不明顯。

3.2 兩個街區(qū)居民聚集空間分布的統(tǒng)計分析

對兩個街區(qū)以街道段為精度按聚集規(guī)模進行各聚集點的統(tǒng)計分析，試圖發(fā)現(xiàn)社會聚集受空間拓撲形態(tài)影響的差異。兩個地塊從3人以內(nèi)到20人以上不同規(guī)模的聚集點的統(tǒng)計結(jié)果中，分整合度和選擇度兩類參數(shù)列出了相同聚集規(guī)模的不同聚集點位置超過北京二環(huán)以內(nèi)各半徑空間句法參數(shù)平均值的百分比，其超出或低于平均值的比例表明了該聚集規(guī)模對所對應(yīng)空間參數(shù)值的依賴程度（圖6、7）。

從結(jié)果來看，國子監(jiān)街區(qū)和雍和宮街區(qū)的聚集特征有明顯差異：國子監(jiān)街區(qū)戶外活動所依賴的各空間句法參數(shù)半徑較大，其峰值出現(xiàn)在1 500 m半徑左右，而雍和宮戶外活動的空間句法參數(shù)半徑較小，其峰值出現(xiàn)在500 m半徑左右。此外，觀察各案例街區(qū)不同等級聚集的分布差異。國子監(jiān)街區(qū)的分析結(jié)果顯示規(guī)模越大的聚集越依賴1 500 m半徑的選擇度或整合度，體現(xiàn)出一種清晰的“外向型”規(guī)律。相反，雍和宮街區(qū)中規(guī)模越大的和規(guī)模越小的聚集都更依賴胡同的通達性，體現(xiàn)出一種“復(fù)雜”且“內(nèi)向型”的規(guī)律：雍和宮的街道肌理更為復(fù)雜，對外通達性差，僅有少數(shù)街道與大路直接聯(lián)系，大部分道路以迷宮形態(tài)位于街區(qū)內(nèi)部。而這種肌理導(dǎo)致該街區(qū)的居民既可能在內(nèi)部連接較好的街道上相遇，也可能在大街出入口上相遇。但是，這些聚集的規(guī)模差異卻不一定與各街道在小尺度范圍的通達性成正比。

5 兩個街區(qū)的人口密度Population density of the two neighborhoods

表1 兩個街區(qū)的聚集強度對比Tab. 1 Comparison of gathering intensity between two neighborhoods

6 國子監(jiān)街區(qū)聚集點的整合度與選擇度分析Analysis on INT and Log Choice of gatherings in the Imperial College block

7 雍和宮街區(qū)聚集點的整合度與選擇度分析Analysis on INT and Log Choice of gathering points in the Lama Temple block

8 兩個街區(qū)聚集匯總和各街區(qū)聚集分別與各空間句法參數(shù)的一元回歸分析Single variant regression analysis of the two neighborhoods in one model and in each case separately

4 居民社會聚集的多元回歸分析

4.1 社會聚集與空間句法參數(shù)的一元回歸分析

對社會聚集數(shù)據(jù)進行標尺均勻化處理后，采用不同半徑的四類空間句法參數(shù)來分析兩個街區(qū)聚集的空間分布規(guī)律。由0.2～10 km 14個計算半徑下各空間句法參數(shù)對社會聚集的決定系數(shù)變化可知，大部分選擇度系的參數(shù)的決定系數(shù)要高于整合度系參數(shù)的決定系數(shù)，這說明社會聚集受各街道段空間穿過性潛力的影響更強（圖8）。

具體來看，國子監(jiān)街區(qū)社會聚集與空間句法選擇度參數(shù)的決定系數(shù)高達0.6，而雍和宮街區(qū)僅達到0.17。盡管二者分析效果不同，其峰值均集中在800～1 000 m半徑，該數(shù)值區(qū)間大致對應(yīng)居民10 min的步行可達范圍，表明居民的社會聚集更多地依賴于小尺度半徑范圍街道的通達性。因此，在多元回歸分析中筆者選取了800 m和1 000 m半徑的選擇度與穿行度共計4個參數(shù)作為空間句法參數(shù)的備選自變量。

4.2 國子監(jiān)街區(qū)社會聚集多元回歸分析

9 國子監(jiān)街區(qū)社會聚集與各類參數(shù)的相關(guān)分析Correlation analysis of social gathering and various parameters in the Imperial College block

10 雍和宮街區(qū)社會聚集與各類參數(shù)的相關(guān)分析Correlation analysis of social gathering and various parameters in the Lama Temple block

表2 國子監(jiān)街區(qū)社會聚集的變量多元回歸分析Tab. 2 Multiple regression analysis of the parameters of the Imperial College block

表3 雍和宮街區(qū)社會聚集的變量多元回歸分析Tab. 3 Multiple regression analysis of the parameters of the Lama Temple block

對標尺均勻化處理過的社會聚集數(shù)據(jù)與各空間句法參數(shù)、綠化參數(shù)（包括水平視角綠視率及俯瞰視角的綠化覆蓋率）、服務(wù)設(shè)施（包括商業(yè)總數(shù)、城市級商業(yè)、社區(qū)級商業(yè)、公廁）、居住密度四大類共計26組數(shù)據(jù)進行了相關(guān)系數(shù)分析（圖9）。從結(jié)果可看出，在四大類參數(shù)中，社會聚集與標尺均勻化處理過的綠視率、標尺均勻化處理后的總商業(yè)數(shù)、300 m可達范圍內(nèi)人口數(shù)以及標尺化處理后的道路寬度相關(guān)性較高。同時，道路寬度、綠化和各空間句法參數(shù)三者之間均有明顯的相關(guān)。由于空間句法表達的道路通達性能夠影響流量需求，而流量需求又反映在道路寬度上，因此它能夠揭示出流量和寬度等參數(shù)背后的行為機制，經(jīng)上述空間問法參數(shù)中備選自變量在多元回歸結(jié)果中的測試，選取分析效果最優(yōu)的Log Choice1000進入多元回歸分析。另外，由于綠化覆蓋率與綠視率對社會聚集的影響非常接近，因此經(jīng)過測試后選取分析效果好的綠化覆蓋率進入多元回歸分析。

將遴選后的參數(shù)應(yīng)用SPSS進行多元回歸，結(jié)果顯示4個參數(shù)回歸模型的R2達到0.758，但人口數(shù)及總商業(yè)的Sig值過高，未通過顯著性檢驗，并且人口數(shù)及商業(yè)類參數(shù)的標準化Beta系數(shù)為負，邏輯上不合理。刪除這兩個自變量后保留綠化覆蓋率與Log Choice1000組合的模型R2為0.729，且Sig值均能通過檢驗，并且從標準化Beta系數(shù)來看，綠化覆蓋率的影響（0.519）要大于空間形態(tài)（0.484）的影響（表2）。

4.3 雍和宮街區(qū)社會聚集回歸分析

與前面案例相同，雍和宮街區(qū)社會聚集與各個參數(shù)的關(guān)聯(lián)，其結(jié)果可看出在四大類參數(shù)中，社會聚集與綠化覆蓋率、標尺均勻化處理后的社區(qū)商業(yè)數(shù)、500 m可達范圍內(nèi)人口數(shù)以及標尺化處理后的道路寬度相關(guān)性最高（圖10）。同樣考慮到空間句法參數(shù)與其他各自變量普遍存在的相關(guān)性，在空間形態(tài)類參數(shù)中，選取Log Choice1000與上述其他類參數(shù)進行多元回歸。

結(jié)果顯示4個參數(shù)回歸模型的R2達到0.509，但社區(qū)商業(yè)的Sig值偏高。此外，社區(qū)商業(yè)與500 m內(nèi)人口數(shù)的標準化Beta系數(shù)為負，不合理。刪除上述兩個自變量后保留綠化覆蓋率和空間句法參數(shù)Log Choice1000組合的模型R2降為0.271，但兩個自變量的Sig值在多元回歸中均偏高，無法通過檢驗（表3）。而單獨來看綠化覆蓋率與Log Choice1000與社會聚集相關(guān)性的大小，明顯綠化覆蓋率的相關(guān)性（0.487）要好于空間形態(tài)的相關(guān)性（0.413），表明綠化覆蓋率對社會聚集具有更高的解釋度。

4.4 案例匯總社會聚集回歸分析

為了在不同的案例中尋找相對穩(wěn)定的規(guī)律，本研究將兩個街區(qū)的各自變量拼合到一個大模型中進行多元回歸分析。在社會聚集與各個參數(shù)的關(guān)聯(lián)的四大類參數(shù)中，社會聚集與標尺均勻化處理過的綠視率、標尺均勻化處理后的總商業(yè)數(shù)、300 m可達范圍內(nèi)人口數(shù)以及標尺化處理后的道路寬度相關(guān)性最高（圖11）。如前所述，在空間形態(tài)類參數(shù)中，選取Log Choice1000來與其他類自變量組合進行多元回歸，在綠化參數(shù)中，選取綠化覆蓋率進行多元回歸。

結(jié)果顯示4組自變量回歸模型的R2達到0.480，但總商業(yè)的Sig值偏高，300 m內(nèi)的人口總數(shù)雖能通過顯著性檢驗，但其標準Beta系數(shù)仍為負，不合理。刪除商業(yè)與人口兩個參數(shù)后保留綠化覆蓋率與Log Choice1000的R2為0.384，且兩者的顯著性均能通過檢驗。對比兩者的標準化Beta系數(shù)，綠化覆蓋率（0.371）的影響同樣大于空間形態(tài)（0.357）的影響（表4）。

11 案例街區(qū)匯總社會聚集與各類參數(shù)的相關(guān)分析Correlation analysis of social gathering and various parameters in case neighborhoods

表4 案例街區(qū)匯總社會聚集的變量多元回歸分析Tab. 4 Multiple regression analysis of the parameters of case neighborhoods

5 結(jié)論與討論：現(xiàn)象與現(xiàn)象關(guān)聯(lián)背后的機制

筆者通過對國子監(jiān)和雍和宮街區(qū)夏季居民社會聚集調(diào)研數(shù)據(jù)的統(tǒng)計與分析，可得出以下幾點結(jié)論。

1）從空間形態(tài)類參數(shù)的分析來看，社會聚集受街區(qū)形態(tài)的影響，國子監(jiān)街區(qū)較之雍和宮街區(qū)更為開放和通達，其社會聚集體現(xiàn)出較強的外向性，聚集規(guī)模也體現(xiàn)出明顯的規(guī)律性；而雍和宮的空間形態(tài)復(fù)雜，社會聚集體現(xiàn)出較強的內(nèi)向性，聚集規(guī)模體現(xiàn)出的規(guī)律性差。

2）無論是兩個街區(qū)單獨分析還是匯總后分析，綠化類參數(shù)都能表現(xiàn)出穩(wěn)定的影響，對社會聚集規(guī)模分布有最好的解釋力，并且水平視角的綠視率與俯瞰視角的綠化覆蓋率對社會聚集的影響相差不大，且在兩個街區(qū)案例中兩個自變量的相關(guān)性均在0.7以上，這也表明綠化覆蓋率高的地方往往給人以較好的綠化視覺感受。

3）從服務(wù)設(shè)施類參數(shù)的分析來看，國子監(jiān)街區(qū)社會聚集更容易受到城市商業(yè)的影響，而雍和宮則偏向受社區(qū)商業(yè)影響，從功能臨近性上驗證了兩個街區(qū)外向和內(nèi)向的屬性。

4）從居住密度類參數(shù)的分析來看，各分析方式均未能發(fā)現(xiàn)社會聚集與各范圍內(nèi)居住人口數(shù)的顯著關(guān)聯(lián)，這個結(jié)果表面上違反常識，筆者分析其原因是胡同街區(qū)的居住密度分布比較均勻，街道通達性本身是影響步行者分布的更主要因素。

5）從各案例和匯總案例中各參數(shù)的相關(guān)分析中可以得出空間句法與綠化類參數(shù)、道路寬度以及商業(yè)分布等自變量均有較高的相關(guān)，這從側(cè)面驗證了空間句法的基礎(chǔ)理論，即街道的網(wǎng)絡(luò)拓撲形態(tài)影響運動分布，進而影響了街道的尺度和城市的功能。由于筆者在本研究中選取的調(diào)研時間為夏季，綠化率作為一個現(xiàn)象與社會聚集的關(guān)聯(lián)更強并不意外，但現(xiàn)實來說，具有一定寬度的胡同才有空間支持更多的綠化，通達性好的街道才有足夠的人流量享受樹蔭帶來的環(huán)境，進而形成大量的社會聚集。因此，街道空間的通達性是引發(fā)這一系列相關(guān)現(xiàn)象背后的生成性機制，而對于新住宅區(qū)規(guī)劃和設(shè)計而言，根據(jù)步行尺度范圍的空間通達性計算來確定道路等級和綠化需求，為建立精細化景觀設(shè)計提供了方法上的支持。

圖表來源(Sources of Figures and Tables)：

圖3處理自貓眼象限APP截圖，其余圖表均由作者繪制或拍攝。