导 读

由于康泽恩城市形态学划分形态区域的方法在量化上的不足，适用规模、效率以及客观性有待提升，针对形态区域依据的三个要素——平面类型、建筑类型和土地利用，结合空间句法、类型指标量化、城市大数据，应用统计学方法和GIS平台，分别提出量化分析的措施，并对典型的广州传统街区进行实证研究，希望能为城市形态研究的继续深入提供数据支撑和可个性化调整的研究方法。

作者：朱知麟，华南理工大学建筑学院2022届硕士毕业生

指导教师：田银生，华南理工大学建筑学院教授，博士生导师

1、研究背景

经典形态学和近年的量化探索在单一要素和整合方法上仍然存在不足。康泽恩1960年在安尼克镇（Anlwick）的平面格局分析当中就有意识量化形态，但研究范围窄，缺少有效量化整合的工具，只能以归纳的方式得出平面类型单元和形态区域。时至今日，康泽恩学派的单一要素分析融入了能更精细量化形态的方法。经过量化的形态指标却只作为比较与归纳整合的参考，数据的客观性未被充分利用，缺少量化整合的方法。

2、康泽恩学派视角下的形态量化模型构建

以地块为基本尺度，分别提取形态区域要素的量化指标，再使用数据挖掘的方法进行整合、优化，如此能结合经典学派与前沿研究的优点，是量化划分形态区域的基本思路，本文基于该思路构建了以下形态量化研究模型。

2.1 形态要素量化

分别提取形态区域三要素的代表性指标，利用GIS平台计算并赋予形态分析单元——产权地块，统一分析对象，构成城市形态数据库。

2.1.1平面类型

被分作街道系统、产权地块和建筑基底三个层级进行考虑。

在街道系统上，可以使用空间句法模型，客观描述道路或者开放空间的形态并数值化。产权地块和建筑基底本身的量化取决于二者的平面几何性质。而针对地块与基底之间的关系，一般采用建筑密度等占有率指标来概括。

2.1.2 建筑类型

应当甄别并提取独立的建筑类型指标，如结构、层数等，避免其他形态要素如平面类型和功能等造成的混乱。

2.1.3 土地利用或建筑功能

这一要素实际上已经有了较为成熟的分类规则，可优化之处在于大范围的数据采集效率。而网络开放数据（以POI为代表）的逐步发展，提供了快速途径。

2.2 量化指标整合

其次是多维度指标（变量）的量化整合，SPSS平台的K均值聚类分析提供了较为合适的解决办法。各种不同纲量的指标经过Z-score标准化后得以计算个案相互间的距离，划分出基于数据本身特征的类别，经由GIS的可视化和对K值（即聚类数）的多次调整，完成对形态区域的划分和优化。而建筑结构、建筑历史风貌以及土地利用等分类变量，则可以通过分级、有序化后再进行聚类（图1）。无法有序化的变量则可拆分为虚拟变量来代替类别属性。

图1 康泽恩城市形态学量化研究模型示意图

3、以广州传统街区为例的指标体系构建及其计算方法

3.1平面类型指标

3.1.1 街道系统、地块序列——空间句法

本研究选择采用线段法构建路网模型，在全局和局部尺度都选择角度加权计算的整合度，其中局部尺度测算半径的选择，根据文献对广州北京路历史街区的研究，鉴于其地域和尺度的相似性，取其研究结论——400m，对应步行者自然活动的最大距离，该半径既能与全局尺度分析形成区别，也能满足广州传统街区尺度的形态识别（图2）。

图2 状元坊传统街区的全局角度整合度和400m测算半径局部整合度（经过下文方法赋值建筑）

路网模型的精度和广度都会影响组构值的准确性，现有的康泽恩学派相关的量化探索都存在路网精度上的不足之处，这也是平面类型划分未能细分到街区内部的原因之一。本研究以2010年广州1∶2000的地形图为基础结合局部实地调研勘误、更新的方式绘制了整个历史城区范围的细致路网，并根据“30分钟测试”经验法则扩展到了如图3（左）所示的范围。

图3 路网模型范围、历史城区范围、状元坊范围（左）；路网线段模型细节（右）

本研究提供一种方法使路网的组构值更为合理地赋予建筑要素：在GIS中为开敞空间、灰空间、实体建筑依序赋予不同的成本值，将组构值以成本分配的方式划分给整个研究区域，设置距离衰减，最后在建筑内取最大值。

该方法能弥补空间句法在线段绘制时未顾及到的细节，并加强对空间局部米制特征的描述。而且，取组构最大值，能将地块出入口的模式体现在组构值当中，利于地块序列的识别（图4、图5中、下）。

图4 组构值赋予建筑示意图

图5 直线距离赋值（上）赋值后于建筑内取平均值（中）赋值后于建筑内取最大值（下）

3.1.2 产权地块和建筑基底

广州传统街区有高密度、低强度、均质化的特点，建筑能被以群组的方式划入“亚街区”（图6），用于计算建筑密度和容积率（图7），概括建筑基底与产权地块的关系，是产权地块资料缺失条件下的近似替代方法。同样，由于地块与基底几乎重合，基底的几何属性也能近似表达地块形态。

图6 状元坊的“亚街区”划定

图7 状元坊基于“亚街区”的建筑密度（左）和容积率（右）

3.2 建筑类型指标

本研究选用如建筑层数、结构的常规类型指标以及建筑年代、风貌等级这样能反映建筑的历史分层、体现康泽恩城市形态学中对形态时期的考虑的指标，并加入“是否骑楼”这一地方特色建筑构造指标，帮助划分区分明显的形态区域。

3.3 土地利用或建筑功能指标

大尺度下，网络开放的新数据比传统的规划用地数据能更精准地反映城市空间的使用情况，且分类更细，但是在微观尺度应用时也存在一定的误差。由于传统街巷内部的功能数据缺失、POI的坐标也无法精确配准到建筑上，与实际功能产生了较大偏差（图8），因而在数据准确度有限的广州传统街区，功能数据仍应通过规划勘测部门或实地调研获取。

图8 状元坊街区的高德地图POI点密度（左）、实际土地利用（右）

4、状元坊传统街区的实证研究和分析示例

如前文所述构建指标体系如表1并可视化为图9，形成了城市形态数据库。

表1 量化指标（变量）总览表

图9 状元坊量化指标可视化总览

4.1 平面类型与建筑类型的聚类

针对功能相对单一的研究区域，形态区域的划分可相对忽略对功能的考量，而且整合度本身与商业的分布呈现较高的相关性，已经能一定程度上代表功能对形态的影响。因此本研究先对平面类型与建筑类型指标进行一次整合。在SPSS软件中对指标进行了K均值聚类分析，经过多次试验，当K=12时能呈现较好的可视化分类结果（图10），排除异常的个案后聚类数与研究者在状元坊划分的建筑类型数接近，足够支持与功能指标进一步叠合为形态区域。

图10 K=12时平面类型和建筑类型指标聚类分析图

表2反映的是各最终聚类中心的各变量均值，表中加粗标识了每个聚类中明显区别于其他指标的值。

（1）从聚类观察指标，可以判断聚类的主要特征，对形态区域进行归纳；（2）从指标观察聚类，可以区分聚类在各指标上分异，帮助理解形态区域的划分原因。

表2 最终聚类中心

4.2 叠合土地利用/建筑功能

从图11～13可以看出由于缺少历史演进的视角和对地块序列的细致探究，本方法对形态区域的亚区细分还有提升空间。但是通过图12与图13的对比能明显看出该方法的划分结果仅需经过连接和填补，第一等级的区域划分就能与经典方法几乎一致。总的来说，仅基于现状数据能做到图12的划分结果，作为快速的结果或是深入研究的基础都是可靠的。

图11 左为K=12时的形态区域，右为K=30时的形态区域

图12 K=12作为形态大区和亚区的划定依据，K=30作为最低层级单元划定依据的叠合图

图13 研究者通过经典形态学方法划定的形态区域图

4.3 不足与讨论

（1）由于网络开放数据在微观尺度上的失准，在功能的量化时效果不佳，因此在功能多样的区域，需要获取更准确的数据。但是在某些功能较为单一的研究区域，如住区，即使不考虑功能要素，仅以平面类型和建筑类型作整合，该方法也能达到不错的分区效果。

（2）本研究的量化方法基于现状数据，缺乏对历史演进的细究，构建的方法在中低层级的形态区域划分上与经典方法出现了差异。

（3）本研究对K值的选择较为主观，需依靠多次试验和经验判断，有所局限；但是K值也可以根据研究的深度和侧重进行对应调整，较为灵活。例如，形态区域各要素有着稳定性的差别，对形态的影响力不同，那么在聚类之前，可以根据研究区域的主要特征，为变量赋予权重；或是研究侧重于某一要素，也可以提高对应的变量权重。

5、结论

本研究方法分别基于形态区域要素构建了量化指标体系，结合了空间句法对平面类型的量化、GIS技术对图形指标的计算和可视化、数据挖掘方法的整合分析，并对城市大数据于土地或建筑利用的识别进行了尝试。以广州状元坊为案例，方法达成了与经典康泽恩学派研究方法近似的结果，证明了方法在微观尺度的可行性，并为分析结果的归纳提供了思路，能为城市形态研究的继续深入提供数据支撑和可个性化调整的研究路径，也能为规划编制提供更客观的形态区域化成果。