城市微观空间感知对居民健康影响研究——以天津市和平区3个历史街区为例

李泽关睿

(天津大学 建筑学院，天津300072)

0 引言

促进城市公共健康是城市规划的初衷和终极目标之一，近年关于建成环境与居民健康关系的研究引起了规划学者的大量关注。已有研究证明城市建成环境对居民健康能够产生显著影响，土地利用[1]、功能布局[2]、交通连接[3]、绿化景观[4]、环境安全性[5]、目的地可达性[6]等空间属性成为讨论最多的影响要素，但基于人本视角的空间感知要素却涉及极少，尤其是客观空间组合要素和主观视觉感知要素，以及与居民体力活动的相关研究就更少。微观实证研究的缺失，导致不同的研究出现相悖的结论。

在微观人本尺度的建成环境与居民健康关系的研究中，有3个问题仍需明晰，即(1)显著影响居民健康的人本视角的空间感知要素有哪些，通过何种机制影响居民健康水平?(2)空间感知要素对居民健康水平的影响是否存在阈值或阈值区间?(3)如何通过优化空间感知要素提升居民的健康水平?

基于健康促进的设计理念，洞悉城市微观建成环境和居民健康两者关系，设计体力活动激发型的建成空间以减少城市孕病环境、提高空间健康绩效、促进居民主动型体力活动，从而提高健康水平，这已成为城市规划研究者的重要使命。文章以天津3个历史街区为例，分析城市空间组合和视觉感知要素对居民健康的影响因素、影响方式，并通过回答上述3个问题，深化已有建成环境对基于体力活动的居民健康影响的机制研究，进而为制定基于微观空间尺度的我国健康城市设计导则提供依据。

1 空间感知与居民健康研究现状

1.1 空间感知要素对居民健康的分析研究

1.1.1 视觉感知要素对居民健康的分析研究

人的视觉感知是对周边环境感知和评价的主要途径。基于视觉角度的城市空间研究主要将视觉感知要素分成色彩、要素和空间秩序3大类[7-8]，具体评价要素包括空间视线控制、通透性、复杂性、路径、城市节点、易读性、趣味性、图像性、围合性、人的尺度性、开窗率、贴线率等[9-14]。尽管这些指标在城市设计、建筑美学等领域得到了大量应用，但视觉感知要素在居民健康领域的研究数量仍然很少。基于视觉感知的健康评价指标尚未形成体系，且指标偏向于定性分析，使部分指标难以量化，而且当前实证研究较少，因此视觉感知对居民健康的具体影响因素和影响方式均有待讨论。

1.1.2 空间组合要素对居民健康的分析研究

城市空间组合能通过物质和心理的综合作用影响居民的体力活动[15-16]。基于空间角度的城市空间分析将研究重点放在建筑密度、宽高比、界面密度、贴线率等方面[17-18]，而一些研究开始将紧凑度、边界维数、集中度等更细化描述的指标纳入评价方法中[19-20]。在空间组合与居民健康关系研究中，指出了可达性、空间感知距离、邻里连接性、街道建设环境、空间形态、绿地开放空间、绿视率、街道开敞度、界面围合度等与居民健康相关的指标[21-29]。但多数研究集中于街道或交通性指标对居民健康的影响，对于街区等面域指标研究较少。另外，在三维空间评价方面相对缺失，难以全面解析人本尺度的空间感知，并且缺少实证分析。

1.1.3 相关微观空间要素研究矛盾

此前的一些研究尝试得出微观空间要素对居民健康的影响阈值，但在这些结论中指标影响阈值并不统一。芦原义信[30]提出街道宽高比维持在1 ～2时的空间感受适宜，但也有部分研究提出不同街道宽高比能使人们活动更舒适[31-32]；多数研究认为合适的街道绿视率比例能舒缓人们的心理压力，从而促进健康，但具体的绿视率数值在不同研究中各异，比例在15%～34%范围内各有不同[33-35]。多数指标影响阈值尚未深入计算，其影响能力还处于定性研究阶段，具体影响方式需要通过进一步的量化分析来揭示。

1.1.4 空间感知要素对居民健康的分析研究总结

在当前空间感知与居民健康关系的相关研究中，存在的4个缺陷是：(1)城市建成环境对居民健康水平的影响研究集中于中宏观视角，多数研究基于城市整体视角出发，缺乏从人本视角分析，视觉要素和空间组合等居民微观空间感知因素分析尤其少；(2)空间感知评价体系尚未建立，指标要素分析片面单一，难以综合评价两者间的关系；(3)实证案例分析稀缺，导致研究停留在理论及模型探讨阶段，基于实际建成环境指标的量化分析不充分；(4)两者间的影响机制大多停留在理论阶段，缺少基于实例论证的机制分析。

1.2 居民健康水平测度研究

城市建成环境对居民健康水平的影响是一个循序渐进的过程，在测度居民健康水平时宜选择慢性病症状作为衡量指标。通常以身体质量指数BMI(Body Mass Index)和高血压、2型糖尿病等慢性病作为因变量指标，相关研究显示上述要素受建成环境影响，但居民经济社会背景属性和建成空间环境分别对慢性病的影响强度尚未明晰[36-37]。健康水平数据可通过主观汇报和客观记录的方式搜集数据，前者一般通过问卷调查收集数据，操作简单但容易产生误差，后者可利用仪器记录或收集医院等机构的居民体检数据，数据精确但成本较高[38-39]。

1.3 微观空间感知对居民健康的分析模型研究

居民病症与客观环境要素间的关系研究通常采用多元线性回归方法，但难以体现数据样本中的空间异质性。而地理加权回归模型能更加准确地反映不同空间单元内自变量对因变量的影响[40-41]。

对于连续资料结果与其他要素关系的分析可使用线性回归分析，但在是否患病等疾病研究中，数据样本通常为二分类数据，如是否患高血压、糖尿病等，对于这类情况往往采用二元Logistic回归，以便分析不同影响要素对是否发生该结果的显著程度[42-44]。

2 空间感知与居民健康研究框架与方法

2.1 研究框架

借鉴空间感知研究中的分类层次，选择视觉感知要素三类七子项和空间组合要素三类六子项作为空间感知指标体系，如图1所示。要素、色彩、秩序三类视觉要素指标和线性空间、平面布局、三维形态三类空间组合指标作为自变量，能较全面地覆盖微观空间感知的多个维度。BMI 数据是连续数据的因变量，采用ArcGIS 10.4平台进行地理加权回归GWR(Geographically Weighted Regression)分析；是否患糖尿病和高血压症状是二分类数据因变量，采用SPSS 22.0 中的二元Logistic回归分析进行分析，并将居民背景数据作为协变量分组对照。此指标分类和研究方法能较好地解释居民在空间感知对体力活动的影响。

图1 空间感知与居民健康研究框架图

2.2 微观空间感知指标测度方法

各指标数据均来自于实地调研和由Python程序爬取获得的百度地图数据。指标量化方法包括人工智能语义分割和公式计算等。这样的数据获取和处理方式能较全面而客观地量化微观空间感知。

街道空间围合度、天空开敞度、绿视率表示各要素在居民视野中的占比。测度可利用Segnet 图片分割技术识别爬取的街景图片要素的方法获得，其中围合度为识别的植物、建筑、围栏面积之和与图片的总面积之比；天空开敞度为识别的天空面积与图片的总面积之比；绿视率为识别的植物面积与图片的总面积之比。视觉熵表示居民视野中各种色彩的混乱程度，可利用Matlab程序批量计算爬取的街景图片，其由式(1)表示为

式中：Himg为视觉熵；Ps(k)为计算每一个灰度级像素点所占的概率。

色相变化度表示居民视野中色相在调研区域中的变化，可利用MaTool 在线图片识别工具识别街景图片的色相、饱和度、亮度HSL(Hue、Saturation、Lightness)色彩模型中的H色相值；天际线变化度表示居民视野中城市天际线的复杂和变化程度，可利用入ArcGIS软件对调研区域模型进行天际线分析，以测量点天际线结果的顶点数量作为该测量点的天际线变化度；视域通视度表示居民视野中视野的通达性，可利用Depthmap软件对街区CAD数据进行可视性分析获得；街道贴线变化率表示街道界面的变化程度，可围绕街块均等取若干点，测量该点对应建筑退线距离，利用偏离度公式计算，由式(2)表示为

式中：E为街道贴线变化率；Dn为各点建筑实际退线距离；D为街道控制退线距离。

街道开敞变化率表示街道可提供开敞视野的程度，可利用调研区域模型数据对街块周边街道开敞程度运用公式计算，由式(3)表示

式中：B为街道开敞变化率；G为该点街道两侧建筑高度平均值；K为该点街道宽度。

建筑布局分维度表示街块内建筑斑块形状的复杂程度，建筑布局离散度表示街块内建筑斑块的离散程度，可分别利用Fragstats软件中的分维度和离散度公式对调研区域建筑平面斑块轮廓进行计算获得。三维多样性指数测度表示街块建筑在三维空间中的分布均匀程度，可利用香农多样性公式计算，由式(4)表示为

式中：Pi为街块中单个建筑体积占整个街块内建筑总体积的比例。

三维集聚度指数表示街块建筑在三维空间中的集聚程度，可利用莫兰公式计算，由式(5)表示为

式中：xi、yi、zi为街块中各建筑的空间重心坐标；xm、ym、zm为街块中各建筑平均重心坐标。

2.3 研究区域及问卷概况

选取天津市和平区的五大道、鞍山道、赤峰道3个历史街区为研究对象，其控制性详细规划如图2所示。3个历史街区都具有建成时间久、建筑密度大和居民结构相对稳定的特点，客观环境产生的微观空间感知对居民健康产生的影响可以得到较好的解释。同时，3个街区在功能、尺度和建筑布局等方面各有特点，使得居民在3个街区内会产生不同的空间感知，因此能横向对比不同微观空间感知类型对居民健康的影响。

根据地块大小与人口密度分布，在3个研究地块通过抽样发放问卷的方式调查居民健康数据，调查问卷内容包括年龄、性别、收入等社会背景数据和BMI指数、是否患糖尿病及高血压等症状。共收集居民数据363份，有效数据为346 份，有效率达95.32%。其中，五大道为202 份、鞍山道为148份、赤峰道为46份，基本覆盖调研区域的所有居住用地。居民性别、年龄等分布与和平区人口分布大致相同，因此可认为研究问卷能反映3个街区实际居民背景属性。

图2 研究区域控制性详细规划图[45-47]

3 城市微观空间感知测度

3个历史街区微观空间感知测度分析图如图3所示。赤峰道街区的外围环境中，南侧为现代风貌的天津现代城，北部为中心公园，肌理与街区内部差别较大，导致了赤峰道多数视觉要素指标高于其他两个街区。在空间组合方面，赤峰道街区的建筑布局分维度、建筑布局离散度、三维多样性指数等指标同样也高于另外两个街区。鞍山道街区各个街块基本为方格网布局，内部建筑组合和界面变化较少，因此街道贴线变化率、街道开敞变化率、建筑布局离散度、三维多样性指数等指标值均较低。五大道街区各街区建筑布局类型多样且街区密度较大，因此街道贴线变化率和三维集聚度指数较高。

图3 3个历史街区微观感知空间测度分析图

4 回归分析结果

利用ArcGIS空间分析提取工具将栅格数据对样本点赋值，以样本点空间属性进行回归。

各回归模型分为3组分析，其中模型1回归因子为协变量，模型2回归因子为自变量，模型3回归因子为协变量和自变量。3组模型对比，可以比较居民社会经济属性与微观空间感知属性对居民健康的相对影响程度。

4.1 微观空间感知指标与居民BMI指数的地理加权回归分析

4.1.1 全局自相关检验

对3个街区的空间全局自相关性进行检验，结果见表1。其空间Moran I指数均＞0，P值均＜0.05，可认为各街区的居民BMI指数与空间在全局有较强正相关聚集现象，可以进行地理加权回归分析。

表1 3个街区居民BMI指数全局空间自相关分析结果表

4.1.2 地理加权回归结果验证

运用普通最小二乘法OLS(Ordinary Least Squares)建立样本点中空间参数自变量与居民BMI指数关系模型，剔除分析结果中未通过零假设检验的变量，再运用方差膨胀因子法和条件指标—方差分解比法剔除会产生全局和局部多重共线性的冗余变量[48]，将剩余的变量进行地理加权回归分析。

建立自变量组与居民BMI指数的模型，结果见表2。五大道、鞍山道和赤峰道等3个街区模型拟合优度R2分别为0.862、0.855和0.556，五大道和鞍山道地理加权回归的模型拟合优度R2优于普通最小二乘法，赤峰道地理加权回归拟合优度R2差于普通最小二乘法，说明地理加权回归能在一定程度上更好地解释建成空间与居民BMI指数的关系。

各街区模型对协变量组合自变量—协变量组进行回归，结果显示自变量组比协变量组和自变量—协变量组有更好的拟合优度，说明加入模型的微观空间感知指标参数相比于居民背景属性更能对居民BMI指数产生影响，同时说明微观空间感知能够对居民健康产生影响。

表2 微观空间感知指标与居民BMI指数的地理加权回归分析结果表

4.1.3 地理加权回归系数空间分布

各街区样本点在空间中分布均质，因此可利用反距离权重法对各点的自变量回归系数进行空间插值，五大道微观空间感知要素回归系数空间分布如图4所示。五大道街区街道贴线变化率系数在街区中部及南部与BMI指数呈负相关，而在街区中部偏北及街区东北侧与BMI指数呈正相关；色相变化度系数整体与BMI指数呈正相关，系数影响自街区南北两侧向中部逐渐增强；建筑布局离散度系数在街区中部及南部与BMI指数呈负相关，而在街区北部与BMI指数呈正相关；三维集聚度指数在街区东南侧呈负相关，在街区东北侧及西南侧则呈正相关。

图4 五大道微观空间感知要素回归系数空间分布图

图5 鞍山道微观空间感知要素回归系数空间分布图

鞍山道微观空间感知要素回归系数空间分布如图5所示。鞍山道街区视域通视度系数在街区南部和北侧部分区域与BMI指数呈负相关，自南北向中部正相关影响逐渐增强；建筑布局离散度系数整体与BMI指数呈负相关，自南向北负相关影响逐渐增强；三维集聚度指数系数在街区中部偏西与BMI指数呈正相关影响，在中部自南北两侧负相关影响逐渐增强。赤峰道微观空间感知要素回归系数空间分布如图6所示。赤峰道街区色相变化度系数整体与BMI指数呈正相关，自中部向南北正相关影响逐渐增强；建筑布局离散度系数在中部及北侧与BMI指数呈负相关，在中部向东西两侧正相关影响逐渐增强；三维集聚度指数系数在南侧与BMI指数呈负相关影响，自南向北正相关影响逐渐增强，中部和北部出现两处峰值。

图6 赤峰道微观空间感知要素回归系数空间分布图

4.2 微观空间感知指标与居民患糖尿病症状的二元Logistic回归分析

用3个历史街区的协变量组、自变量组和协变量—自变量组与居民患糖尿病症状进行二元Logistic回归分析，结果见表3。各组模型至少能解释87.2%的数据；自变量组结果中，五大道街区显著性为0.913，其值较高；鞍山道和赤峰道显著性分别仅为0.289和0.426，其值较低。

表3 微观空间感知要素与居民患糖尿病症状的二元Logistic回归分析结果表

3个街区的居民背景属性回归显著性均优于空间变量回归显著性，说明居民背景属性对是否患糖尿病的影响程度大于建成空间的影响程度；3个街区中未出现能通过微观空间感知影响居民患糖尿病症状的指标。鞍山道街区的绿视率系数显著性＜0.05，说明在鞍山道街区的绿视率是对居民患糖尿病影响最显著的因子，微观空间感知总体上对居民是否患高血压的影响力较弱。

4.3 微观空间感知指标与居民患高血压症状的二元Logistic回归分析

用3个历史街区的协变量组、自变量组和协变量—自变量组与居民患高血压症状进行二元Logistic回归分析，结果见表4。各组模型至少能解释86.1%的数据，各组变量均能对患高血压症状产生影响但拟合度不高。鞍山道街区的居民背景属性回归显著性均优于空间变量回归显著性，而五大道和赤峰道街区则相反，说明居民背景属性与微观空间感知属性分别对患高血压症状的相对影响强弱程度因选取样本而异。仅有五大道街区的天空开敞度显著性＜0.05，说明此街区的天空开敞度是对居民患高血压症状影响最显著的因子，微观空间感知总体上对居民是否患高血压的影响力较弱。

表4 微观空间感知要素与居民患高血压症状的二元Logistic回归分析结果表

4.4 建成环境对居民健康水平的影响机制

色相变化度整体与BMI指数呈正相关，原因可能是历史街区整体营造出偏暖色的视觉空间会使人沉浸于历史街区风貌的观览体验，降低步行速度和体力活动水平，从而提高BMI指数。

视域通视度鞍山道街区视域通视度处于高值时，视域通视度与居民BMI指数呈负相关，当视域通视度处于低值时则反之，说明居民偏向于在空间视觉渗透性更强的区域活动，这种空间的步行选择度更高，促进居民的步行体力活动，从而降低BMI指数。

街道贴线变化率五大道街区当街道贴线变化率处于高、低值时，贴线变化率系数与BMI指数呈负相关，当贴线变化率处于中间值时则反之，说明街道贴线变化率在五大街区对居民BMI指数的影响存在阈值区间。对街道贴线变化率及其回归系数在Excel进行拟合回归，取R2较高结果分析。如图7所示，当街道贴线变化率分别＜2.12、4.51 ～5.20和＞5.84时，与BMI指数呈负相关；当贴线变化率为4.21时，贴线变化率对BMI指数正相关，影响最强。当贴线变化率处于高值时，容易在临街界面出现半围合空间，促进居民活动交流，从而降低居民BMI指数；街道贴线变化率低值区域对应五大道街区内临近大型公共空间，此时齐整的空间界面容易引导居民进行公共活动，促进BMI指数下降；而当贴线变化率处于中间值时，较为破碎的界面难以形成围合空间或引导活动，反而降低居民活动率，因此与BMI指数呈正相关。

图7 街道贴线变化率阈值曲线拟合图

三维集聚度指数在相邻街块间集聚度变化较大的区域，三维集聚度指数系数与BMI指数呈负相关影响，反之则呈正相关。历史街区中整体集聚度变化较大的区域相对于重复的历史建筑群，更容易产生空间丰富性和层次感，吸引居民在该区域进行户外交流活动，从而利于居民BMI指数下降。

建筑布局离散度在五大道街区建筑布局离散度处于高值时，建筑布局离散度系数与BMI指数呈正相关，处于低值时则与BMI指数呈负相关，而在赤峰道街区建筑部布局离散度分布规律与五大道街区相反；鞍山道街区建筑布局离散度和系数间无明显空间规律。建筑布局离散度回归系数的空间分布规律可能受街区功能影响，当街区功能以公共服务或商业功能为主时，建筑部布局离散度越低，较为紧密的建筑空间组合更能组织人群活动，促进居民体力活动水平，此时离散度系数与BMI指数呈负相关；当街区功能以居住功能为主时，建筑布局离散越高，在高密度的历史街区中有利于形成公共休闲交流空间，此时离散度系数与BMI指数呈负相关。

五大道的天空开敞度对是否患高血压症状产生影响，赤峰道的绿视率对是否患糖尿病症状产生影响，说明视觉要素能影响居民在特定空间中的愉悦感、私密感等，从而影响居民体力活动。

5 结论

文章利用地理加权回归和二元Logistic回归建立模型，着重讨论了微观尺度空间感知对居民健康的影响要素、方式、阈值和机制，得到主要结论如下：

(1)影响居民健康的微观空间感知要素包括天空开敞度、绿视率、色相变化度、视域通视度、街道贴线变化率、建筑布局离散度、三维集聚度指数，其中街道贴线变化率存在影响阈值。

(2)空间感知要素对BMI指数的影响较居民经济社会背景属性而言更强，居民背景属性是主导糖尿病和高血压的致病因素，一定程度上反映糖尿病和高血压可能受遗传因素影响更显著。

(3)不同街区的影响要素组合相似，建筑布局离散度和三维集聚度指数在3个街区中都是都是影响居民BMI指数的因子，色相变化度是影响五大道和赤峰道街区居民BMI指数的因子。

(4)空间感知要素影响居民健康的机制包括街道视线的渗透、街道界面的引导、街区功能的协调以及构造街区空间的丰富性、层次感、愉悦感、私密感等途径，空间要素通过激发居民的感官体验来提升居民户外活动频率，进而影响健康水平。