城市街區(qū)熱舒適性與空間行為關聯性研究

■ 王 一 Wang Yi 彭智凱 Peng Zhikai

0 引言

目前，國內的城市商業(yè)綜合體項目大量涌現，就上海而言，2016年新增商業(yè)綜合體項目90個，在全國首屈一指。作為商業(yè)綜合體的一種特殊類型，街區(qū)式商業(yè)綜合體的室外空間是室內的延伸。該空間雖然處于規(guī)劃紅線范圍內，屬于一種私有運營和管理的場所，但是它也容納了大量的城市公共活動，因此，街區(qū)式商業(yè)綜合體是研究城市街區(qū)的一類典型案例（圖1）。城市街區(qū) 形態(tài)會對室外熱環(huán)境和行為環(huán)境產生雙重影響[3]，兩者的空間分布存在重合和錯位的關系。假設讓更多的行為發(fā)生在熱舒適的區(qū)域，會有助于群體對城市空間品質的積極評價，從而使更多的人愿意參與室外空間的活動，提高空間的使用效能。所以，從形態(tài)出發(fā)，去認識其對熱舒適性、行為活動的共同作用和規(guī)律是有意義的。

圖1 大寧國際,街區(qū)式商業(yè)綜合體

1 研究方法與工具

1.1 原型歸納

原型歸納是研究城市形態(tài)的重要方法之一。阿爾多·羅西在《城市建筑學》認為原型歸納的方法是尋求與傳統空間契合的重要途徑，探索了城市和建筑類型學的構成原則[4]；原型歸納方法的關鍵在于總結城市空間的形態(tài)要素，它們也是真實城市規(guī)劃和街區(qū)設計的關鍵控制要素，因此，歸納結果具有普遍性和典型性。本次研究通過選取若干個典型的街區(qū)式商業(yè)綜合體實例，并對外部空間的形態(tài)特征進行分類，最終歸納出基于特定城市形態(tài)要素的街區(qū)原型。

1.2 城市街區(qū)的熱舒適性模擬

在城市形態(tài)對熱舒適性影響的研究中，有傳統的問卷和實地測量的方法[5]，而隨著計算機數值模擬技術的發(fā)展，街區(qū)尺度的模擬已經成為評價室外熱舒適性的主要方法。基于城市氣象數據，結合既有研究的氣象模型和熱舒適性計算公式，可以實現室外空間熱舒適性的高效、快速模擬。Envi-met軟件作為室外熱舒適性模擬的主流工具，經過實證研究的多次優(yōu)化，能對大量街區(qū)原型實現較好的熱舒適評價[6、7]。預測平均熱感應（Predicted Mean Vote，PMV）是一個基于群體性意見的指標，能測度人群對熱舒適性的平均感應，準確評價室外熱舒適性[8、9]。本次研究經過街區(qū)原型的有效歸納，可利用Envi-met軟件生成PMV空間梯度分布圖，從而發(fā)現街區(qū)形態(tài)和熱舒適性的潛在規(guī)律。

1.3 城市街區(qū)的空間行為模擬

和熱舒適性研究類似，空間行為的研究可以分為實證和模擬兩種途徑，實證可以評價模擬工具的準確性，模擬則可以對大量的類型進行比較。在實證研究中，常見的研究方法包括問卷、認知地圖、方位標注、方向指認、CCD追蹤記錄、行為注記圖等，但這些傳統工具不能同時采集不同地區(qū)的數據，樣本數量也會受限于人工統計水平；相比之下，模擬能夠準確、快速地描述空間和行為規(guī)律。最為常見的空間行為模擬工具是Depthmap軟件，它的基礎是空間句法理論，已經被廣泛應用于單體建筑、街區(qū)、城市，甚至大尺度區(qū)域的研究[10]。Depthmap可以生成軸線圖來模擬大尺度城市尺度的空間行為，也可以用可見性分析來模擬較為小尺度的街區(qū)。本次研究通過Depthmap計算角平均深度（Angular Mean Depth，AMD），并生成AMD空間梯度分布圖，用來評價各原型的空間可達性[11]，從而發(fā)現街區(qū)形態(tài)和空間使用頻率之間的聯系。

1.4 熱舒適性和空間行為的關聯性評價

為了能更定量地描述空間熱舒適性和行為之間相關程度，需要對兩者進行相關性分析。較為常見的相關性分析方法是多元線性回歸分析[12]，本次研究通過Arcgis平臺對PMV和AMD進行數據交互，來評價熱舒適性和可達性之間關聯性。在數據交互之前，需要保證Envi-met和Depthmap具有相同的輸出精度，這樣才能匹配一致的空間單元大小，并在Arc-gis中合并每個空間單元的所有數據，準確地進行數據交互。具體而言，數據交互分為兩個步驟：

第一步，相關性多元線性回歸分析，目的是為了量化出整體空間的相關系數。相關系數的計算原理是普通最小二乘法[13]，通過最小化誤差的平方和尋找最佳函數，對每一個空間單元進行矩陣運算并求解矩陣系數，即相關系數β以及標準差ε，見公式(1)。在Arc-gis中，OLS(Ordinary Least Squares)工具包可以用來計算每個空間單元PMV和AMD之間的相關系數β和標準差ε（圖2）。從統計學意義上來講，若相關系數β為正為正相關，相關系數β為負則為負相關；若相關系數β的絕對值越小，自變量和因變量的關聯性越小。

式[14]中，Y—因變量，本研究中為PMV；

X—自變量，本研究中為AMD；

β—相關系數；

ε—標準差。

第二步，空間疊圖，目的是為了量化出單個空間單元的數據離散程度。Arc-gis計算每個柵格的標準差ε，可以用來區(qū)分不同空間單元的數據離散程度。若某個空間單元的標準差越大，說明數據的離散程度越高，該空間單元越偏離整體空間的平均值。在本次研究中使用標準差進行空間疊圖，可以利用顏色區(qū)間對相關性分析結果可視化。

圖2 在 Arc-gis界面用OLS工具包的相關性分析結果

2 街區(qū)原型

本研究選取了上海三個典型的街區(qū)式商業(yè)綜合體項目（圖3），并列舉了若干個形態(tài)敏感因子。通過比較這三個實際項目，發(fā)現它們的地塊面積、整體容積率較為接近，然而裙房容積率、裙房層數、主街朝向[15]、街網密度[16]、道路交叉口數量卻有較大的差異（表1）。由于這些形態(tài)敏感因子很大程度上決定了街區(qū)的基本結構，因此，可以控制某一個形態(tài)因子作為常量，來歸納街區(qū)原型。本次研究歸納了兩次原型，“原型一”控制了相同的裙房容積率，而“原型二”統一了相同的裙房高度。在此條件下，通過改變其余形態(tài)因子來生成更多的變型，由此形成數值模擬的基礎。

圖3 用500 m×500m框選街區(qū)式商業(yè)綜合體及周邊

2.1 原型一

街區(qū)原型一統一了相同的地塊尺度和裙房容積率[17]（取大寧國際、五角場萬達、中信廣場的平均地塊尺度250 m×250m，平均裙房容積率1.7，平均主街寬20m，平均次街寬10m），通過變換主街朝向、街網密度兩個變量，形成3個基準模型，15個變型（圖4）。其中基準模型分別代表街區(qū)被道路平均切分2次、4次、6次的三種情況；變型代表了主街東西、南北布置、以及偏轉45°布置等五種情況。此外，原型一中的附加變量還有裙房層數。

2.2 原型二

既有研究表明，街道高寬比和街網密度會共同對熱舒適性產生影響[18]，原型一控制了相同的裙房容積率，但是未能統一相同的裙房層數，無法直觀地得出街網密度和熱舒適性的關系，所以在原型二中需要預先設置相同的裙房層數（取大寧國際、五角場萬達、中信廣場平均裙房層數4層），再通過變換街網密度、道路交叉口形態(tài)，形成7個基準模型，25個變型（圖5）。在同一裙房層數的條件下，增加街網密度會使得裙房容積率下降，但是可以通過增加塔樓的容積率進行補償。與此同時，相同街網密度的條件下，通過調整道路交叉口形態(tài)也可以衍生出若干個子類型。

3 數值模擬

3.1 熱舒適性模擬

作為模擬的前置設定數據，區(qū)域性氣候數據會根本性地影響模擬結果。在夏熱冬冷地區(qū)的上海，春秋過渡性季節(jié)的熱舒適性在一天之內維持的時間較長，戶外活動人數較多。本次研究所選取的模擬時段為2016年11月 5日 13∶00～ 14∶00，在 Envi-met軟件中導入的epw天氣文件均來自上海市國家基本氣象站發(fā)布的數據，該氣象站的區(qū)站號為58 362，站名為寶山。原型一和原型二的熱舒適性模擬包含了氣溫、相對濕度、平均風速、平均輻射溫度和預測平均熱感應（PMV）。其中PMV的計算綜合考慮了前四者，也已經被推廣用于評價室外熱舒適性，因此，本文最終選擇用PMV作為街區(qū)式商業(yè)綜合體室外空間熱舒適性的評價依據。

表1 三個上海典型街區(qū)式商業(yè)綜合體的形態(tài)敏感因子對比

圖4 原型一

圖5 原型二

3.1.1 原型一

原型一控制了相同的裙房容積率，隨著街網密度的上升，裙房層數會作為因變量增加。模擬結果顯示，街網密度和裙房層數的同時增加會導致熱舒適性下降（圖6）。然而在三種街網密度下（204，409，616），不同主街朝向的熱舒適性排名順序是相同的，從好到差依次是：東北-西南向布置主街（Vtlr）、南北向布置主街（Vtl）、不區(qū)分主次街道但偏轉45°（Basr）、西北-東南向布置主街（Hzlr）、不區(qū)分主次街道（Bas）、東西向布置主街（Hzl）。街網密度越大，不同主街朝向對熱舒適性的區(qū)別越大。

圖6 原型一： 預測平均熱感應（PMV）模擬結果

3.1.2 原型二

原型二控制了相同的裙房層數，因此，增加街網密度會導致裙房容積率降低。如果裙房容積率不受限制，例如轉移部分到塔樓的容積率，那么討論街網密度和熱舒適性的關系是有意義的。根據Y-Z平面的模擬結果，增大街網密度，總體上能夠提升室外空間的熱舒適性。但中間也出現了較大的波動（20 402，30 604），由于此時街網密度過小，街道在不同方向的數量差異主導了平均熱舒適性，因此可以排除。除了街網密度之外，道路交叉口形態(tài)和熱舒適性之間也能找到一定規(guī)律。根據X-Z平面的模擬結果，在裙房層數、街網密度相同的雙重前提下，將一個十字交叉口轉換為兩個T字交叉口，能夠大幅提升室外空間的熱舒適性：從10 200到61 618的PMV值提升了0.27（圖7）。

3.2 空間行為模擬

圖7 原型二：預測平均熱感應（PMV）模擬結果

空間句法的可見性分析能夠計算角平均深度（AMD），其原理是將深度值算法中的“距離”定義成角度，角深度即從一個柵格出發(fā)到達其他的柵格，需要最小轉過的角度之和。AMD只與角度有關，與經過的路程無關。從空間中某點到另一點的路程中，所需轉過的角度越大，尋路難度系數越高，空間可達性越低；反之，AMD越低，所需轉過的角度越小，空間可達性越高。在街區(qū)式商業(yè)綜合體中，可達性高的區(qū)域更可能產生行為集聚，也提升了空間使用頻率。

3.2.1 原型一

原型一的模擬結果顯示，增加街網密度會提升空間可達性。其次，區(qū)分主次街道對空間可達性的影響應該分兩種情況討論：當一個街區(qū)被道路切分大于4次時（409，616），區(qū)分主次街道會降低空間可達性；而當一個街區(qū)被道路切分2次時（204），區(qū)分主次街道會增加空間可達性。此外，由于Depthmap只根據二維物理空間結構進行模擬，所以裙房層數、主街朝向不會對模擬結果產生影響（圖8）。

3.2.2 原型二

根據Y-Z平面的模擬結果，增加街網密度總體上能夠提升空間可達性（204 ＞ 409 ＞ 616）。當街網密度相同時，均衡不同方向的街道數量能夠增加道路交叉口數量，可以提升空間可達性（408 ＞ 409）。相反，根據X-Z平面的模擬結果，增加T字交叉口會降低空間可達性。由于T字交叉口相比十字交叉口缺少一條直行的選擇，增加了節(jié)點處的轉彎概率，導致了AMD增大。因此，在裙房層數、街網密度、道路交叉口數量相同的前提下，若將十字交叉口轉化成多個T字交叉口，反而會降低空間的可達性（圖9）。

圖8 原型一：角平均深度（AMD）模擬結果

4 相關性分析和空間疊圖

4.1 原型一

原型一的裙房容積率固定，代表了裙房的商業(yè)開發(fā)量受限的情況下不同的變型（圖10）。通過Arc-gis對熱舒適性和空間可達性的數據交互，發(fā)現兩者的相關性存在以下規(guī)律：①當街網密度和裙房高度同時增加時，相關性降低（204 ＞ 409 ＞ 616）；②主街朝向對相關性結果的影響最大。東西向布置主街時，兩者呈現正相關，且相關性最大；南北向布置主街時，兩者呈現負相關，且相關性最大；其余情況的相關性并不明顯。

具體比較每個空間單元的疊圖結果, 發(fā)現個體結論與整體相一致：①道路交叉口越多，每個單元的標準差越大，整體離散度越大； ②東西向道路的標準差大多為正，南北向道路大多為負（圖11）。

4.2 原型二

圖9 原型二：角平均深度（AMD）模擬結果

原型二的裙房層數固定，代表了裙房的商業(yè)開發(fā)量不受限，可以向塔樓置換部分開發(fā)量的情況。經過第二輪熱舒適性和空間可達性的相關性分析，可以發(fā)現：①所有基準模型和變型的分析結果均為正相關。②適當增加街網密度能提升相關性。當街區(qū)被道路在兩個方向各切分2次時，即街道線密度在4至5（m/m2）區(qū)間內，相關性最大（-β=2.05）；當街區(qū)被道路切分大于5次時，相關性開始下降。③在裙房高度、街網密度相同的情況下，增加道路交叉口數量能提升相關性（圖12）。

具體比較每個空間單元的疊圖結果, 發(fā)現個體與整體的結論相一致：①當道路被切分5次時，標準差較小的空間單元達到最多，意味著此時街區(qū)整體離散度最?。虎诘缆方徊婵谠蕉?，每個單元的標準差越小，整體離散度越?。▓D13）。

(2)大豆進口量減少0.07%。由于國產大豆與進口大豆之間存在替代關系，國產大豆市場價格降低會減少大豆進口0.07%，約5.65萬噸。大豆進口量的變化與替代彈性大小密切相關，替代彈性越大，對進口大豆的擠出效應越強。

圖10 原型一： AMD和PMV的相關系數β和空間疊圖

圖11 原型一空間疊圖：616Vtlr

圖12 原型二： AMD和PMV的相關系數β和空間疊圖

圖13 原型二空間疊圖

5 結語

本研究通過原型歸納、數值模擬、相關性分析和空間疊圖的技術方法，討論了兩個街區(qū)原型的環(huán)境熱舒適性、空間行為及其兩者的關聯性，目的是為了得出提升熱舒適性和空間行為之間子相關性的途徑。研究結論表明，通過控制特定的街區(qū)形態(tài)敏感因子，可以有效提升可達性高的區(qū)域熱舒適性，具體表現為下面三類情景（圖14）：

第一類是裙房商業(yè)開發(fā)量受限的情況。在各項形態(tài)敏感因子中，主街朝向較于街網密度更能影響熱舒適性和空間行為之間關聯，在裙房容積率相同的條件下，若主街東西向設置，可達性高的區(qū)域熱舒適性最好。第二類是裙房的商業(yè)開發(fā)量不受限，可以向塔樓置換部分開發(fā)量的情況。在裙房高度相同的條件下，若街網密度在4～5（m/m2）區(qū)間內，可達性高的區(qū)域熱舒適性最好。第三類是裙房的商業(yè)開發(fā)量不受限，但是建筑覆蓋率受限的情況。在街網密度相同的條件下，將部分十字交叉口轉換成多個T字交叉口，可以增加道路交叉口數量，進而提升熱舒適性和空間行為之間關聯性。

以上三種情景，在真實設計決策和方案優(yōu)選過程中經常遇見。本次結論通過給出特定情景，一方面，可以更有效地指導城市規(guī)劃和街區(qū)空間形態(tài)設計；另一方面，可以讓職業(yè)建筑師和規(guī)劃師了解影響熱舒適性和空間行為的形態(tài)敏感因子，在設計前期就能有意識地根據不同情景進行空間布局。除此之外，本次有關Envi-met熱舒適性模擬還需要進一步分析，由于只選取了一天進行熱舒適性模擬，結論僅僅針對夏熱冬冷地區(qū)過渡性季節(jié)的熱舒適性和環(huán)境行為評價，不適用全年。

圖14 三類情景分析圖

參考文獻：

[1]Erell E． The application of urban climate research in the design of cities[J]． Advances in Building Energy Research．2008,2(1)：95-121．

[2]楊滔．空間句法：從圖論的角度看中微觀城市形態(tài)[J]．國際城市規(guī)劃 , 2006, 21(3)：48-52．

[3]Brager GS, De Dear RJ． Thermal adaptation in the built environment： a literature review． Energy and buildings[J]．1998, 27(1)：83-96．

[4]羅西著,黃士鈞．城市建筑學[M]．中國建筑工業(yè)出版社, 2006．

[5]Oke TR． Canyon geometry and the nocturnal urban heat island： comparison of scale model and field observations[J]．International Journal of Climatology． 1981 Jul 1;1(3)：237-54．

[6]Huttner S． Further development and application of the 3D microclimate simulation ENVI-met[OL]． Mainz University,Germany． 2012．

[7]Middel A, H?b K, Brazel AJ, Martin CA, Guhathakurta S． Impact of urban form and design on mid-afternoon microclimate in Phoenix Local Climate Zones． Landscape and Urban Planning． 2014 Feb 28;122：16-28．

[8]Havenith G． In dividualized mo del o f h uman thermoregulation for the simulation of heat stress response[J]．Journal of Applied Physiology, 2001, 90(5)： 1943-1954．

[9]Fanger P O． moderate thermal environments determination of the PMV and PPD indices and specification of the conditions for thermal comfort[S]． ISO 7730, 1984．

[10]Hillier B． Cities as movement economies[J]． URBAN DESIGN International, 1996, 1(1)：295-344．

[11]Raford N, Chiaradia A, Gil J． Space syntax： The role of urban form in cyclist route choice in central London[OL]．

[12]Krivoruchko K． Spatial statistical data analysis for GIS users[OL]． Redlands： Esri Press; 2011．

[13]Scott LM, Janikas MV． Spatial statistics in ArcGIS．Handbook of applied spatial analysis． 2010：27-41．

[14]Ezell M E, Land K C ． Ordinary Least Squares (OLS)[J]．Encyclopedia of Social Measurement, 2005：943-950．

[15]Ali-Toudert F, Mayer H． Thermal comfort in an east-west oriented street canyon in Freiburg (Germany)under hot summer conditions[J]． Theoretical and Applied Climatology,2007,87(1)：223-237．

[16]F．Ali-Toudert, H． Mayer, Numerical study on the effects of aspect ratio and orientation of an urban street canyon on outdoor thermal comfort in hot and dry climate[J]． Building and Environment, 2006,41(2)：94-108．

[17]H．Mayer, P．Hoppe, Thermal comfort of man in different urban environments[J]． Theor． Appl． Climatol, 1987,38(1)：43-49．

[18]E．Johansson, Influence of urban geometry on outdoor thermal comfort in a hot dry climate： A study in Fez, Morocco[J]．Building and Environme nt,2006,41(10)：1326-1338．