城市开放社区模式的可视化仿真分析
林正松1,2, 代棋帆2, 张璐2, 刘璇2, 唐超3, 冰河1,2
1.中国地质大学 环境学院,武汉 430074
2.中国地质大学 艺术与传媒学院,武汉 430074
3.东南大学 交通学院,南京 211102
通讯作者:冰河(1963-),男,教授,博士生导师.研究方向:环境规划与设计.E-mail:15124725396@163.com

作者简介:林正松(1985-),男,博士研究生.研究方向:环境规划与设计.E-mail:lzs2015@cug.edu.cn

摘要

提取中国武汉市3.26 km2的某居住用地作为规划区,运用Trans CAD仿真软件对野外采集的居民出行量、道路通行量矩阵进行预测及出行平衡分析,创建目标年(2020)出行量矩阵,获取开放型及封闭型社区道路分配参数,结合开发强度及规划区与社区空间单元之间的集聚度等进行可视化评估。结果证明:开放社区比封闭社区出行耗时少,排队距离短,出行成本低;规划区与空间单元社区具有关联性。邻近社区单元之间呈正相关性,东南方向主干道交汇处集聚度高,居民出行量集中;西北方向三环线周围社区之间集聚度低,早晚高峰流时段居民可选择此通道出行;中间邻近社区之间集聚度不明显。

关键词: 市政工程; 开放社区; 道路拥堵; 莫兰指数; 仿真技术; 武汉市
中图分类号:TU984 文献标志码:A 文章编号:1671-5497(2018)01-0336-08
Visualized simulation analysis of open urban community model
LIN Zheng-song1,2, DAI Qi-fan2, ZHANG Lu2, LIU Xuan2, TANG Chao3, BING He1,2
1.School of Environmental Studies,China University of Geosciences, Wuhan 430074, China
2.School of Arts Communication,China University of Geosciences, Wuhan 430074,China
3.School of Transportation, Southeast University, Nanjing 211102, China
Abstract

In this paper, a residential land (3.26 km2 approx) in Wuhan is taken as the planning area. Combined with on-site-collected resident trip volume and the matrix of traffic capability with the assistance of traffic simulation software Trans CAD, the equilibrium between traffic generation and attraction is predicted and analyzed, also the matrix of trip volume of the objective year (2020) is built and the traffic assigning parameter is acquired. The development intensity and concentration of units in communities and other factors are also included to conduct visual assessment. Results show that, first, the time spent in open communities is less and the waiting line is shorter than that in gated communities, so the cost will be reduced; and second, there is connection between the planning area and spatial units in communities. Adjacent units are positive correlated that communities near the junction in the southeast are highly aggregated and the resident trip volume is larger, while communities near the junction in the northwest are loosely gathered and resident trip volume is smaller. This means choosing roads in the northwest during peak time in the morning and evening is a feasible way to avoid traffic congestion. Aggregation of communities in the middle area is not obvious.

Keyword: municipal engineering; open community; traffic congestion; Moran̓s I; simulation technique; Wuhan city
0 引 言

开放空间源于20世纪初英国、美国、法国等开展的睦邻运动, 目的是为培养居民的自治和互助精神。美国社会学家法林顿1915年首次提出了社区发展的概念[1, 2]。20世纪90年代美国规划学者彼得· 卡尔索普等倡导的通过街道及建筑拓扑学的应用来创造和谐城市形态、重视邻里空间塑造及街道与城市外部设计、建设高质量的公园与保留用地来连接邻里及城市等[3]。中国北宋时期商业繁荣和社会安居乐业促进城市形态转型, 适应社会发展的坊巷制逐渐取代了封闭里坊制[4, 5]。中国城市转型经历了3种改变人们以街道组织居住空间的城市居住模式:①20世纪50年代形成的单位大院体制[6, 7]; ②中国住宅产业化推广后, 一方面人们开始分析居住形态结构与设施布局的整体关系, 以及居住区生活与配套服务关联作用的重要性[8]; 另一方面以开放型住区的空间布局和封闭单元规模开始探索开放型社区的发展模式[9]。③21世纪初中国兴起的物业管理模式, 封闭住区堡垒模式形成[10]。2016年5月人民日报在前沿观察栏目刊发文章, 认为街区制的核心不在于围墙是否开放, 而是反对现实中常见的大街区模式, 鼓励尺度适宜、道路细密的小街区模式 11

本文主要探索街区制推广后改善开放社区道路拥堵难题, 缓解城市病蔓延, 提高城市社区居住环境质量。对目标年开放社区居民出行量平衡分配、开发强度、道路饱和度及空间集聚度等指标进行可视化仿真评估, 为证明推广街区制能改善道路拥堵问题提供有益参考。

1 研究区域和数据来源
1.1 研究区域

如图1所示, 选取武汉一块面积约3.26 km2的典型居住用地作为规划区(30° 38'80″ N、114° 19'.64″E)。西南邻近汉口商业中心, 金融业发达, 背靠2个大型商业区(江汉路步行街和汉正街), 道路密集, 人口密度为13425人/ km2(武汉市2015年统计年鉴), 大量食物残渣、废弃物、废水等导致城市病恶化; 东南方是三大主干道(解放大道、发展大道和后湖大道)交汇处, 交通流量大, 有害颗粒物(PM10、PM2.5)浓度高达123, 空气质量差。因此, 推广开放社区对破解道路拥堵, 改善城市病蔓延, 提高社区居住环境质量成为本文研究的目标。

图1 研究区域Fig.1 Study area

1.2 数据来源

根据数据抽样调查方法, 2015年12月29-31日分别抽取3条典型主干道、次干道及支路作为样品, 将全天分成5个时段进行数据统计(见表1)。统计结果反映出全天最大出行量为早、晚高峰时段, 主要以上学、上班及通勤为主。主、次干道及支路最大出行量在早高峰时段约为5739、2358、283 pcu, 在19:00~21:30时段最小出行流量约4976、165、53 pcu, 平均出行流量约3096 pcu。全天最大出行量约占道路通行能力的150%, 只有19:00~21:30时段的道路流量最小, 约占道路通行能力102%; 最多延误时间为34 min; 最长延误距离为423 m(建设项目交通影响评价技术标准(GJJ/T 141-2010))。

表1 抽样样品数据统计 Table 1 Proportion of traffic flows and vehicles
2 评价方法
2.1 选取评价指标

项目组在规划区开展线下和线上问卷访谈, 发出问卷报告500份, 收到460份(线上问卷230份, 线下访谈230份)。通过对不同性别、年龄、职业居民的访谈结果, 统计居民关注度最高的8个影响因子, 随机抽取100份基础样品, 利用主成分分析法获取指标权重, 结果见表2。结合规划区特点, 结果选取居民出行量、建筑面积及人口数量作为本文的评价指标。

表2 评价指标统计 Table 2 Evaluation index
2.2 居民出行生成和预测分析

2.2.1 居民出行生成分析

本文将居住用地引起的出行生成分2类:一类是居民出勤、上学和弹性出行而引起的出行产生量; 二类是对应的回程出行吸引量。基于规划区人口由2015年的10.76万人增加至目标年(2020)的16.78万人(含流动人口)(武汉市2015年统计年鉴)。本文引入回程出行比例计算回程出行生成量模型, 以平衡各社区出行产生量和出行吸引量[12, 13]:

S= i=1m(PiTpi+PifTpif)(1)

式中:S为社区居民出行总量; m为社区交通路网数量; PiTpi分别为交通社区常住人口数和人均出行次数; PifTpif分别为交通社区流动人口数和人均出行次数, 人均出行次数取决于各交通社区现状及目标年经济发展水平和土地利用强度(人均出行频率规范)。根据公式得出2020年交通生成总量为67.25万人次, 获取社区居民出行产生量、吸引量参数(见表3)。

表3 常住及流动人口生成量统计 Table 3 Analyses of trip generation by permanent residents and floating population

2.2.2 居民出行量预测分析

所有出行居民都做出行驶时间最小的决策, 在出行分布状态里, 同一矩阵之间所有被使用路径的时间相等, 不大于任何未被使用路径的时间。这种出行分布状态称为用户平衡状态, 由居住用地引起的往返出行产生量预测引入模型:

S1=s(a1+a2+a3)2Gi1=RiYiGi=1nRiYiG3Ai1=Gi1a4a1+a2+a34

式中:S1为区域内出行产生总量; Gi1i社区由居住用地引起的非回程出行产生量; Ai1Gi1对应的回程出行吸引量; a1a2a3a4分别为居民上班、上学、弹性、回程出行系数; YiG为交通产生区位势, 与i社区开发强度和通行能力成正比; 本文以1号社区的区位势为1, 相邻社区区位势为与1号社区实际区位优势的比值; 居民上班、上学、弹性、回程出行系数取值相同(α =2.5), 推出出行产生量公式:

Gi=Gi1+Gi2(5)

式中:i社区产生量由2部分组成:一是由区域内居住用地引起的主动式出勤、上学和弹性出行量; 二是由公共设施、商业用地等对应的被动式回程出行产生量, 定义为与主动式出行量一致, 即G1=2Gi1。出行吸引量公式:

Ai=Ai1+Ai2(6)

式中:i社区吸引量由2部分组成:一是由内部居住用地引起的主动式出勤、上学和弹性吸引量; 二是居住用地对应的被动式回程出行吸引量, 定义为与主动式吸引量一致, 即Ai=2Ai2。根据式(2)~(6)交叉预测模型推算, 获得2015年的居民出行产生量(P)、出行吸引量(A)参数值(见表4)。

表4 出行产生量、吸引量预测统计 Table 4 Forecast on traffic generation and attraction
2.3 规划区与空间单元关联性分析

引入社区居民出行量作为分析规划区与社区空间单元之间是否存在关联性, 反映整体与局部之间的集聚程度; 局部空间的集聚性体现了相邻近社区之间出行分配的平衡关系。本文利用Arc Gis软件将2015年与2020年规划区22个社区居民出行量作为空间自相关分析的点数据, 引入表达空间社区邻近关系模型:

W= w1w2w3nw11w12w13nwn1wn2wn3wnn(7)

式中:W表示空间权重; wij= 10; n表示社区空间单元个数。建立基于空间邻接关系的权重矩阵, 绘制核心点分布趋势Moran, s I散点图, 横坐标为空间单元标准化后的属性值, 纵坐标为标准化后相邻单元权重的平均值。

2.3.1 规划区与空间单元集聚度分析

Moran's I反映空间邻接或空间邻近区域空间单元属性值的相似程度, 为分析规划区与各社区空间的关联性, 本文运用Geoda软件分析各社区的空间集聚度, 引入模型[14]:

I= ni=1ni1nwij× i=1ni1nwij(xi-x̅)(xj-x̅)i=1n(xi-x̅)2(8)

式中:I为Moran's I; x1为规划区i的观测值; wij为社区i到社区j的空间权重矩阵。Moran's I的取值为[-1, 1], 小于0表示负相关, 无限趋近于0表示不相关, 大于0表示正相关。

2.3.2 邻近空间单元关联性分析

局域空间自相关Moran's I的LISA (Local indicators of spatial association)反映i社区单元分布规律或属性值与邻近社区单元j同一分布规律的相关程度, 引入局部空间自相关Moran's I模型:

I= (xi-x̅)xijwij(xj- x̅)(9)

利用Geoda软件生成LISA集聚参数, 分布情况反映邻近单元之间的集聚度。式(9)中以ij社区为例, 用不同颜色表示邻近社区之间的集聚度, 此方法可反映相邻近空间单元之间是否具有关联性及其关联性强度。

3 评价结果
3.1 规划区出行分配

规划区出行分布状态是以2015年12月野外采集的居民流量分布矩阵为基数, 用Trans CAD仿真软件进行矩阵反推及重力模型平衡分析, 预测2020年规划区周边道路分配参数, 表明开放社区与封闭社区两种情况出行速度、延误时间及排队距离的可视化评估结果如图2所示, 红色代表高-高集聚, 表明i社区与j社区之间集聚度较高; 蓝色代表低-低集聚, 表明i社区与j社区之间集聚度较低; 紫色代表低-高集聚, 表明社区i集聚度低于社区j集聚度; 无色表示集聚度不显著。

图2 莫兰指数散点图Fig.2 Scatter plot of Moran’ s I

结果证明, 开放社区出行耗时下降, 延误距离降低, 出行效益提高, 成本降低, 说明规划区拥堵路段改善效果明显。虽然部分路段延误距离变化较小, 但总体延误时间呈下降趋势, 使各个路段行驶速度趋于均衡。封闭社区因通道数量少和人为造成的断头路、丁字路等原因, 阻碍了主、次干道的平衡分流作用, 居民出行需要绕道行驶, 造成出行成本增加。北面京珠高速出口处主干道与社区支路网连接处的丁字型交叉口, 在区域详细规划时需与主干道连接(武汉市城市总体规划布局(2010~2030)); 南侧出现断头路和人行横道在南侧分隔带处终止, 且没有地下通道(或高架桥), 社区居民无法与南侧道路连接, 造成出行成本增加和延误时间变长。因此, 南侧分隔带在未来规划时需打开, 完善行人过街设施, 便于周边社区居民出行。

3.2 规划区空间集聚度评价

根据出行量标准化进行全局空间自相关分析(见图3), 结果分布在第一象限和第三象限的点为空间正相关点参数, Moran's I为0.42, 规划区为空间正相关性, 表明规划区南侧与北侧的空间单元之间呈集聚的特征, 反映出行量较高的社区出行量与较高的社区相邻; 出行量较低的社区与出行量较低的社区相邻, 且落入第一、三象限的空间单元存在较强的空间正相关。为了检验Moran's I是否显著, 在Geoda软件中采用蒙特卡罗模拟方法来检验。当P值等于0.001, 说明在99.99%置信度下的空间自相关显著, 迭代计算分别为99.98%、99.97%等。

图3 延误时间、行驶速度和排队距离分析Fig.3 Analysis of delay time, vehicle speed and vehicle distance

基于相邻社区集聚度与社区居民出行量在空间上呈正相关态势, 说明2020年开放社区集聚度与出行量的相关性较强, 东南部是3条主干道的交汇处(发展大道, 解放大道, 后湖大道), 相邻近社区之间集聚度较高, 居民出行量集中; 西北方向靠近武汉市三环线, 居民出行量少, 相邻近社区之间集聚地低, 早晚高峰时段居民可选择此处通道出行; 中间相邻近社区之间集聚度不明显, 而2020年相邻社区集聚度变化无规律性, 居民出行量在早晚高峰时段较拥挤, 出行分布不均衡, 道路饱和度高, 拥堵现象严重(见图4)。

图4 开放社区集聚度变化趋势Fig.4 Changing distribution of open communities

4 结束语

本文以城市开放社区作为研究对象, 从当前街区规划中道路拥堵问题出发, 认为中国过去30年在城市规划布局时重视尺度而忽视密度, 导致道路尺度越来越紧张, 宽马路成为许多大城市的典型配置。结果表明:①开放社区比封闭社区出行耗时少、排队距离短、出行成本低; ②规划区与空间单元社区关联性较强, 邻近社区单元之间呈正相关性, 体现了推广开放社区对破解道路拥堵、提高城市社区居住环境的研究价值及现实意义。下一步项目组将依据《城市道路交通规划设计规范》要求, 探索推广小尺度模式下的开放社区, 在适应国家建设节约型社会的背景下通过城市土地利用、基础设施建设、交通环境优化等方面进行可持续规划设计, 优化城市功能布局, 以人为本, 提升城市活力的探索工作。

The authors have declared that no competing interests exist.

参考文献
[1] Wilens H A. Redesigning your city-a constructionist environment for urban planning education[J]. Informatics in Education, 2014 (13): 197-208. [本文引用:1]
[2] Kuffer M, Barrosb J. Urban morphology of unplanned settlements: the use of spatial metrics in VHR remotely sensed images[J]. Procedia Environmental Sciences, 2011, 7: 152-157. [本文引用:1]
[3] Mau Rahman. Coordination of urban planning organizations as a process of achieving effective and socially just planning: a case of Dhaka city, Bangladesh[J]. International Journal of Sustainable Built Environment, 2015, 4(2): 330-340. [本文引用:1]
[4] 李培. 国外封闭社区发展的特征描述[J]. 国际城市规划, 2008, 23(4): 110-114.
Li Pei. A depict on the characteristics of gated community[J]. Urban Planning Forum, 2008, 23(4): 110-114. [本文引用:1]
[5] 耿莎莎. 单位大院与封闭社区的主要空间特征对比与思考[J]. 山西建筑, 2013(22): 4-6.
Geng Sha-sha. The comparison and thinking of main space features of unit compound and closed community[J]. Shanxi Architecture, 2013(22): 4-6. [本文引用:1]
[6] 单皓. 二战后美国城市的发展[J]. 国外城市规划 2003, 27(6): 72-80.
Shan Hao. The development and after World War II of American cities[J]. Planning Studies Overseas, 2003, 27(6): 72-80. [本文引用:1]
[7] 刘铨. 德国高效城市道路系统分析[J]. 国外城市规划, 2006, 21(2): 92-95.
Liu Quan. Effective urban roads system in Germany[J]. Urban Planning International, 2006, 21(2): 92-95. [本文引用:1]
[8] 宋彦, 张纯. 美国新城市主义规划运动再审视[J]. 国际城市规划, 2013, 28(1): 98-103.
Song Yan, Zhang Chun. Reflections on the new urbanism movement in the U. S. [J]. International Urban Planning, 2013, 28(1): 98-103. [本文引用:1]
[9] 宋伟轩. 封闭社区研究进展[J]. 城市规划学刊, 2010(4): 42-51.
Song Wei-xuan. A review on researches of the gated community[J]. Urban Planning Forum, 2010(4): 42-51. [本文引用:1]
[10] 郑卫. 中国古代城市规划制度变迁与城市意象模式转型[J]. 城市规划学刊, 2009(1): 103-108.
Zheng Wei. The change of urban planning system and the transition city image in ancient China[J]. Urban Planning Forum, 2009(1): 103-108. [本文引用:1]
[11] 庄贵阳 . 因势利导循序渐进建好城市街区[N]. 人民日报, 2016-05-22.
Zhuang Gui-yang. Building city blocks with make the best step by step[N]. People̓s Daily, 2016-05-22, 05 Page. [本文引用:1]
[12] 杨敏, 陈学武, 王炜, . 基于人口和土地利用的城市新区交通生成预测模型[J]. 东南大学学报: 自然科学版, 2005, 35(5): 161-165.
Yang Min, Chen Xue-wu, Wang Wei, et al. Trip generation forecasting model of new district based on urban population and land use[J]. Journal of Southeast University (Natural Science Edition), 2005, 35(5): 161-165. [本文引用:1]
[13] 赵淑芝, 赵贝. 多因素影响下的城市居民出行行为时间价值[J]. 吉林大学学报: 工学版, 2011, 41(1): 46-50.
Zhao Shu-zhi, Zhao Bei. Value of travel time of urban resident under multifactor influence[J]. Journal of Jilin University (Engineering and Technology Edition), 2011, 41(1): 46-50. [本文引用:1]
[14] 周熙阳, 杨兆升, 张伟, . 考虑干线协调控制的城市最优路径搜索算法[J]. 吉林大学学报: 工学版, 2016, 46(6): 1799-1806.
Zhou Xi-yang, Yang Zhao-sheng, Zhang Wei, et al. Urban shortest path searching algorithm considering control of arterial intersections[J]. Journal of Jilin University (Engineering and Technology Edition), 2016, 46(6): 1799-1806. [本文引用:1]