杜明帅，黄磊，王浩杰，徐艳，潘其泉
（扬州市职业大学，江苏 扬州 225009）
0 引 言城市发展之后大都会有新城区、老城区之分，老城区往往带着历史的沉淀，是一个城市的见证者和文化承载者。随着城市发展，人口集中、交通拥挤及历史文化名城保护之间的矛盾，使得老城区的更新发展和建设受到了一定限制。在新时期规划建设新要求下，建设历史文化名城、完善功能配套、增强城市“韧性”等对优化老城区空间结构和功能提出了全新的要求。
扬州市老城区位于扬州市中心，包括东关文化历史街道和汶河街道，面积5.09平方公里，拥有传统街巷345条，传统民居905处，全国重点文保14处、省级文保20处、市级文保149处，是国内历史风貌保存比较完好的古城之一；同时作为商贸、金融、文化、医疗、科教、旅游景点及配套服务的中心，也承担着一部分行政职能，集中了优质的医疗、教育资源，老城的交通、人口、环境以及历史文化名城保护之间的矛盾明显。目前老城区居住着近12万居民，老年人口与未成年人口偏高，人口老龄化问题较为突出，出行方式大多以步行和非机动车为主。
可步性测度方法是通过空间布局分析，通过步行指数（Walk Score）的计算分析，研究居民在一定范围内步行出行到相应公共设施需求的满足程度。本文以扬州市老城区（汶河和东关街道）开放的城市公共步行空间为例，利用定性描述和定量分析相结合，通过网络爬取和实地调研获取，设计并确定可步行性测度方法和指标体系，并利用GIS技术进行老城区可步行性评价，在此基础上，提出街道可步行性优化措施和相关建议，有助于有效缓解老城区居民就学、看病、购物、出行等难题，提高居民幸福感和满意度。
1 研究数据与方案1.1 数据采集POI（Point of Information）意为信息点 或兴趣点。在地理信息系统中，一个POI可以是一栋房子、一个商铺、一个邮筒、一个公交站点等，每个POI包含四方面信息：名称、类别、经度、纬度信息，可以利用GIS技术进行图形转换获得空间数据。
本研究针对扬州市老城区，通过网络爬虫方式进行公共服务设施POI大数据采集，利用GIS技术进行经纬度表转换为空间数据，获得POI点数据，再结合地图和实地调研进行信息筛选和完善，最后利用ARCGIS创建扬州老城区公共设施POI空间数据库，如图1所示；老城区道路网数据和行政区划等数据，是在第二次全国土地资源调查成果基础上，结合地图和实地调研，进行补修完善，最终获得最新相关专题数据，如图2所示。
图1 公共设施POI数据
图2 路网数据
1.2 方案设计本文使用基于日常设施配置分析的步行指数测度方法，对研究区进行小区单点可步性量化，分析周边公共设施配置水平和步行满意度水平等。在对老城区设施分类和距离衰减率的指标前提下，利用GIS技术进行可步性分析与评价，其研究技术流程包括：空间数据采集、道路交叉口获取、基础步行指数计算、步行指数修正和结果评价，如图3所示。
图3 设计流程图
依据Walk Score网站公布的生活设施分类标准及权重设置内容，同时结合我国《城市居住区规划设计标准》GB 50180—2018中对社区基础公共设施的分类分级设置标准，本土化调整扬州市老城区的生活服务设施分类及权重系数，将居民日常生活设施兴趣点（POI）分为教育、医疗、市政、金融、商业服务五大类，并参考设施使用频率等级（高频/中频/低频=3/2/1）赋予标准初始权重，如表1所示。
表1 公共设施分类与权重表
在设施分类表的基础上，利用GIS路网分析得到OD成本矩阵，进行小区到周围生活设施数量的相应权重计算与赋值，再结合距离衰减规律对各项权重进行衰减计算，如表2所示，最后将各类设施权重相加，得到每个小区点出发点到达一定范围内的不同公共设施的基础步行指数。
表2 距离衰减率表
2 研究过程2.1 路网分析OD成本矩阵是多个起始点与多个目的点之间连通成本（时间、费用、路长）的表格。利用GIS网络分析中的OD成本矩阵分析老城区各小区在2 400 m、1 600 m和400 m不同范围内可以达到的设施点情况如图4所示。
图4 OD成本矩阵
2.2 基础步行指数计算导出OD成本矩阵，根据设施分类表和距离衰减率表计算出小区到设施点距离衰减后的权重，连接到小区数据，进行基本步行指数的计算。
2.3 步行指数修正因路网交叉和社区环境的影响，需要对基础步行指数进行修正，可通过所在地区的交叉口密度和街区长度进行测度，获得小区点2 400 m范围内道路交叉口的密度如图5所示，以确定老城区公共设施的可步行性程度。街道交叉口密度是衡量网络连接的关键指标，通常在道路网格上提取和聚合街道交叉点以计算密度。本文在ArcGIS中利用以下公示进行交叉口密度计算：交叉口密度＝交叉口的数量/Π2（＝2 400 m）。
图5 道路交叉口密度图
2.4 小区单点步行指数本文选择小区为单点形式进行步行指数分析，利用如表3所示的交叉口密度衰减率和街区长度衰减率计算小区单点步行指数修正值，如图6所示，所用计算公式为：修正后的小区单点步行指数=基础步行指数×（100－交叉口密度衰减率）×（100－街区长度衰减率）/100。
图6 步行指数修正
表3 交叉口密度和街区长度衰减率对照表
利用在ArcGIS制图中，利用最大最小归一公式将小区单点步行指数结果归一化分析，获得老城区175个小区的步行指数分布图，并按照0～24、25～49、50～69、70～89、90～100进行五级分类展示步行指数Walk Score空间分布图，如图7所示。
图7 步行指数空间分布特征
2.5 步行指数（Walk Score）分析Walk Score是位于0～100之间的一个数值，用来描述区域的生活便利性程度，以下为具体分级指标：
90～100分：步行者天堂，日常生活需求完全可以步行范围内解决；70～89分：非常适合步行，大多数日常生活需求步行范围内解决；50～69分：步行性一般，一部分生活需求可以步行范围内解决；25～49分：步行性较差，大部分生活需求依赖较远距离出行；0～24分：小汽车依赖，几乎所有生活需求都依赖较远距离出行。
可见，步行范围内基本生活配套越多，Walk Score分值越高，可步行性越好，日常出行可以靠步行解决；配套越少，分值越低，代表着步行出行可能性越低，步行环境友好度越差。
因此，从数量和空间布局方面，对图7所示的扬州老城区步行指数空间分布特征和步行指数分值进行分析，得出以下分析结果：
（1）从数量来看：Walk Score低于24的有20个小区，占比为11.4%，步行出行基本不能满足日常生活需求，需要依赖于其他交通工具出行，步行环境较差；Walk Score在25～49区间内的有34个小区，占比为19.4%，大部分生活需求依赖较远距离出行，步行性较差；Walk Score在50～69区间内的有50个小区，占比为28.6%，部分生活需求可步行解决，步行性一般；Walk Score在70～89区间内有51个小区，占比为29.1%，大多数日常生活需求步行范围内解决，非常适合步行，大多数服务设施可以通过步行到达；Walk Score在90以上的有20个小区，占比为11.4%，说明该类小区的公共设施的步行友好度较高，其可达区域内设施服务的多样性和丰富度较好，日常生活需求完全可以步行范围内解决。
（2）从空间来看：步行指数比较高的小区集中分布在老城区的中部，这一区域内有丰富的公共服务设施，并且由内而外呈现圈层分布，步行指数分布趋势由中心向四周逐渐降低。老城区有些地区社区生活圈的步行性较低，大多位于老城区的角落，居民在这些区域中无法通过步行出行满足日常生活需求，需要借助其他的交通工具来满足日常生活所需，并且可达区域内设施服务的多样性和丰富性也都受了限制，而步行性较高的区域集中分布在地区中心，导致老城区存在空间配置不均衡的问题。
3 结 论本文主要利用GIS技术，结合步行指数理论，对扬州市老城区公共设施进行小区单点可步性量化测度研究。从计算结果分析得出，老城区中心区域的社区生活圈的步行性较高，但由于老城区的发展和历史原因并不能达到理论的步行性能力，因此未来在制定老城改造与建设方案中，可适度对步行友好度较低的区进行政策性倾斜，优化公共资源配置布局，提升老城区空间品质，营造健康低碳生活方式。
本文研究还存在一些值得改进的地方：步行指数的评价方法单一，还可以尝试面域步行指数评价；以基于路网的方式计算距离衰减率，没有考虑到实际交通状况计算结果。
