城市步行空间可达性分析研究论文

城市步行空间可达性分析研究论文一.摘要

本研究聚焦于城市步行空间可达性的关键问题，以某中等规模城市为案例，深入探讨了影响居民步行出行体验的关键因素及其空间分布特征。研究采用多源数据融合方法，整合了高精度城市用地分类数据、POI点信息、高程数据以及居民出行行为数据，构建了基于网络分析技术的步行可达性评价模型。通过对不同功能区、不同收入群体居民的出行行为进行对比分析，揭示了城市步行空间在服务均衡性方面的显著差异。研究发现，商业中心、交通枢纽等节点对步行空间的支撑作用显著，而老旧城区、新建开发区则存在明显的可达性短板。空间分析表明，可达性水平与人口密度、土地利用混合度呈正相关，但与道路坡度、步行道连续性存在显著的负相关性。研究进一步验证了可达性指数在城市规划实践中的应用价值，提出了基于空间句法分析的可达性优化策略，为改善城市步行环境、促进慢行交通发展提供了科学依据。研究结果表明，通过优化步行网络结构、提升节点服务能力、加强跨区域连通性等措施，可有效提升城市步行空间的整体可达性水平，进而推动城市交通系统的可持续发展。

二.关键词

城市步行空间；可达性分析；网络分析；空间句法；慢行交通；土地利用混合度

三.引言

随着全球城市化进程的加速，城市空间形态与居民生活方式正经历深刻变革。在交通模式日益多元化、环境问题日益凸显的背景下，城市步行空间作为城市生活的基础设施，其可达性不仅关系到居民的日常出行体验，更深刻影响着城市的社会公平、经济活力与可持续发展潜力。当前，以汽车为主导的机动化发展趋势在许多城市持续蔓延，导致步行空间被边缘化、碎片化，步行友好型城市环境建设面临严峻挑战。提升城市步行空间的可达性，不仅是改善人居环境、缓解交通拥堵的现实需求，更是践行低碳生活理念、构建包容性城市空间的重要途径。如何科学评估城市步行空间的可达性水平，识别影响可达性的关键因素，并制定有效的优化策略，已成为城市规划与交通领域亟待解决的关键科学问题。

城市步行空间可达性是指居民从起点到达目的地过程中，能够以合理的时间、成本和舒适度使用步行网络的可能性。它是一个涉及空间、时间、社会、经济等多维度因素的复杂概念，其评价与优化需要综合考虑步行道的连续性、安全性、舒适性以及沿途服务设施的便利性。近年来，随着地理信息系统（GIS）、网络分析技术（NetworkAnalysis）和空间句法理论（SpatialSyntax）等先进技术的快速发展，城市步行空间可达性的量化研究取得了显著进展。国内外学者已从不同角度对步行可达性进行了探索，研究内容涵盖了可达性评价模型的构建、影响因素的识别、空间分布特征的分析以及规划干预效果的评价等方面。例如，部分研究侧重于基于网络距离或时间成本的传统可达性度量，而另一些研究则开始关注结合行人实际体验的加权可达性评价。在影响因素分析方面，土地利用混合度、人口密度、道路网络密度、高程坡度、步行道质量等被普遍认为是影响步行可达性的关键因素。然而，现有研究大多集中于特定区域或单一维度，对于不同类型城市、不同社会群体步行可达性的差异性关注不足，且在空间分析深度和优化策略创新方面仍有较大提升空间。

本研究以某中等规模城市为案例，旨在系统探讨城市步行空间可达性的空间分异规律及其驱动机制。该城市作为典型的快速城镇化地区，近年来经历了大规模的城市扩张和功能重组，形成了多样化的城市空间格局。一方面，城市新建区普遍注重步行友好型环境的营造，配备了较完善的步行道系统和商业服务设施；另一方面，老旧城区由于历史原因，步行空间往往存在网络破碎、设施陈旧、安全隐患等问题。这种空间分异现象为研究步行可达性的差异性提供了理想场景。本研究基于多源数据，构建了综合考虑步行时间、路径安全性、服务设施可达性等多维因素的步行可达性评价模型，旨在揭示该城市不同区域、不同类型居民在步行出行能力上的差异。在此基础上，进一步识别影响步行可达性的关键空间因素及其作用机制，分析可达性空间格局的形成过程。研究最终将提出针对性的优化策略，包括网络连通性提升、节点服务功能强化、环境舒适性改善等方面，为该城市乃至类似城市的步行空间规划与设计提供科学参考。

本研究的主要问题聚焦于：第一，该城市步行空间可达性的总体水平如何？其空间分布特征呈现哪些主要规律？第二，哪些因素对步行可达性产生显著影响？这些因素在不同区域的作用强度是否存在差异？第三，如何基于研究发现提出有效的步行空间优化策略，以提升整体可达性水平，促进公平性与可持续性发展？研究假设认为，城市步行空间可达性存在显著的空间分异特征，其分布与土地利用混合度、人口密度、道路网络结构、高程条件以及步行道质量等因素密切相关。通过科学的评价与深入的分析，能够有效识别可达性短板区域，并制定具有针对性的优化措施，从而显著提升居民的步行出行体验，促进城市交通系统的多元协调发展。本研究的开展，不仅有助于深化对城市步行空间可达性理论的认识，更可为城市规划实践提供科学依据，推动建设更加人本、绿色、包容的城市环境。

四.文献综述

城市步行空间可达性作为衡量城市人居环境质量和居民生活便利性的重要指标，已日益成为城市地理学、城市规划学、交通工程学等领域的研究热点。国内外学者围绕其概念界定、评价方法、影响因素及规划优化等方面进行了广泛探索，积累了丰富的理论成果与实践经验。本综述旨在梳理现有研究脉络，总结主要观点，并识别当前研究存在的不足与未来方向。

在概念与理论层面，学者们对城市步行空间可达性的内涵进行了不断深化。早期研究多将可达性简化为物理距离或时间成本的衡量，强调路径的最短性或最快速性。随着对行人出行行为认识的加深，研究逐渐转向考虑行人的实际体验，引入了安全性、舒适性、可及性等多维度指标。例如，Goodman等学者强调了步行道质量、交叉安全性等非几何因素对可达性的影响。近年来，可达性研究进一步融入社会公平和空间正义的视角，关注不同社会经济地位、年龄、性别等群体在步行空间使用上的差异，形成了社会性可达性（SocialAccessibility）的概念。同时，空间句法理论为分析步行网络的空间结构特征及其对可达性的影响提供了新的视角，通过计算论指标（如整合度、密度等）来量化路径选择的可能性与空间连接性。这些理论发展为本研究构建综合评价体系提供了理论基础。

在评价方法方面，研究经历了从简单到复杂、从单一到多元的演进过程。传统方法主要依赖于GIS缓冲区分析或网络分析中的最短路径算法，计算基于欧氏距离或实际行走时间的可达性指数，如累积机会指数（CumulativeOpportunityIndex,COI）、可达性指数（AccessibilityIndex,）等。这些方法操作相对简单，能够快速揭示基本的空间分布特征。然而，它们往往忽略了行人在选择路径时的实际偏好和行为复杂性，例如对坡度、障碍物、视野等因素的规避。为克服这一局限，加权网络分析逐渐被广泛应用。该方法通过为不同路段赋予不同的权重（如时间、成本、安全、舒适度等），模拟行人的综合选择行为，从而得到更符合实际体验的加权可达性指数。例如，Batty和Xie提出了考虑出行成本加权的可达性模型。进一步地，基于空间句法的可达性分析通过构建城市步行网络的模型，利用局部和全局整合度等指标，能够深入揭示网络结构特征对出行选择路径概率的影响，弥补了传统方法在捕捉空间结构效应方面的不足。此外，随着大数据技术的发展，基于移动信令、GPS追踪等实测数据的微观出行行为分析也为可达性评价提供了新的数据来源和视角，能够更精细地刻画不同群体的实际步行模式。

关于影响城市步行空间可达性的因素，现有研究已识别出多个关键维度。土地利用混合度是其中一个最常被提及的因素，高混合度的区域通常意味着工作、居住、商业、休闲等功能的邻近，能够提供更丰富的步行目的地，从而提升可达性。例如，Newman和Steinberg的“3T”理论（混合度、密度、多样性）强调了土地利用混合对活力和可达性的正向促进作用。道路网络特征，包括网络密度、连通性、道路宽度、坡度等，对步行可达性具有直接且重要的影响。高密度、高连通性的网络通常能提供更多选择、更短的路径，而陡坡、狭窄或中断的路段则会阻碍步行出行。高程因素，特别是坡度，是影响步行舒适度和可行性的关键物理障碍，已成为许多研究中不可忽视的变量。步行道本身的设施质量，如路面平整度、照明条件、安全性（如过街设施、护栏）、绿化覆盖等，也显著影响居民的步行意愿和体验。此外，社会经济因素如收入水平、年龄结构、人口密度等，通过与土地利用、设施配置的相互作用，间接影响步行可达性的空间分布。部分研究还开始关注气候变化带来的极端天气事件对步行可达性的潜在影响，如热岛效应导致的酷热环境可能降低在高温时段的步行意愿。

尽管现有研究取得了显著进展，但仍存在一些值得深入探讨的研究空白与争议点。首先，在评价方法上，虽然加权网络分析和空间句法等方法有所发展，但如何科学设定权重、如何综合考量多重影响因素以构建更全面的评价体系仍面临挑战。特别是在量化舒适性、安全性等主观体验因素方面，现有方法仍显不足。其次，现有研究多集中于宏观或中观尺度，对微观层面（如街区尺度）、特定人群（如老年人、残疾人、儿童）的精细化可达性分析相对缺乏。不同群体的步行能力、需求和行为模式存在差异，统一标准的评价方法可能无法准确反映其真实的出行体验。第三，关于影响因素的作用机制和空间异质性研究有待加强。多数研究识别了影响因素，但对其在不同空间背景下如何相互作用、产生差异化影响的理解尚不深入。例如，相同程度的土地利用混合对不同密度、不同形态的步行网络的影响机制可能存在显著差异。第四，现有研究在提出优化策略方面，往往偏重于提出原则性建议，缺乏基于实证评价结果的、具体可操作的、具有针对性的空间优化方案设计。如何将可达性评价结果有效转化为城市规划的实践指引，特别是在应对快速城市化和大规模建设改造的动态背景下，如何进行适应性优化，是当前研究亟待解决的问题。这些不足之处也为本研究提供了进一步探索的方向。

五.正文

5.1研究区域概况与数据获取

本研究选取的案例城市为我国东部沿海某中等规模城市，该市建成区面积约350平方公里，下辖多个行政区。近年来，该市经济快速发展，城市空间扩张迅速，形成了中心城区、老工业区、新兴开发区以及周边城镇组团等不同的空间结构形态。城市内部功能布局日趋复杂，交通系统面临严峻挑战，步行作为重要的出行方式之一，其空间环境质量受到广泛关注。研究区域内的步行空间主要由城市主干道下的步行道、次干道下的步行道、支路步行道、商业街区步行街、公园绿地内部步道以及住宅区内部步行道等构成，形成了复杂的网络化体系。

研究数据的获取主要包括以下几个方面：首先是高精度城市用地分类数据，采用2019年最新发布的城市土地利用现状，精度达到上1米，依据国家土地利用现状分类标准，提取出与步行空间相关的道路用地、绿地与广场用地、商服用地、住宅用地等类别。其次是POI（PointofInterest）点信息数据，来源于商业地理信息数据服务商提供的2019年数据，包含了城市内的各类公共服务设施，如学校、医院、公园、地铁站、公交站、商业中心、餐馆、便利店等，共计约15万个数据点。高程数据则利用数字高程模型（DEM），选取1弧秒分辨率的数据，用于分析坡度、高程差等与步行难度相关的地形因素。最后是居民出行行为数据，通过分层随机抽样方法，在市区不同功能区、不同收入水平的社区共发放问卷1200份，回收有效问卷1120份。问卷内容包括受访者的基本属性、日常出行方式构成、步行出行频率、步行距离、对步行环境的评价（如安全性、舒适性、便捷性等）以及常用目的地类型等。所有数据均通过地理信息系统（GIS）进行空间化处理，为后续分析提供基础。

5.2城市步行空间网络构建与分析

基于获取的道路数据，本研究构建了研究区域的城市步行空间网络。网络构建遵循以下原则：首先，将所有步行道要素按照其连接关系，提取出构成网络的节点和路段。节点主要包括道路交叉口、出入口、公交站、地铁站、商业中心入口、公园入口等能够供行人上下、转乘或到达目的地的关键点；路段则指连接相邻节点的步行路径。其次，考虑到行人在实际通行中的选择行为，对于不同类型的步行道赋予不同的通行成本权重。例如，主干道下的步行道由于通常较宽、较直但可能人流密集，赋予较高的通行能力权重（较低的时间成本）；次干道和支路步行道则赋予中等权重；商业步行街、公园绿地内部步道以及住宅区内部步道由于可能更舒适、更安全但可能距离较短或连通性有限，赋予较低的通行能力权重。权重设定综合考虑了道路宽度、坡度（平坦路段权重高，陡坡路段权重低）、安全性（有护栏、照明好的路段权重高）、连续性（中断少、连接好的路段权重高）等因素。最后，利用GIS网络分析工具，将处理后的节点和路段数据构建成加权步行网络数据集。该网络共包含约6000个节点和15000条路段，基本覆盖了研究区域内的主要步行可达区域。

对构建的步行网络进行初步分析，发现其空间结构特征具有一定的规律性。网络整体呈现不均匀分布特征，中心城区和主要交通枢纽周边的节点密度和网络连通性较高，而老旧城区内部、新建开发区边缘地带以及部分大型居住区与工作区之间的连接则相对薄弱。通过计算网络全局指标，得到该网络的平均路径长度约为450米，这表明区域内大部分地点之间的步行可达性相对较好。但标准差较大，反映了网络连通性的空间异质性。利用空间句法分析方法，计算网络模型的整合度指标（IntegrationIndex），结果显示网络的整合度较高，说明整体上步行路径选择具有较大的自由度，但局部区域的路径选择可能性存在显著差异。

5.3城市步行空间可达性评价模型构建与结果分析

本研究构建了一个基于加权网络分析的空间句法方法的综合评价模型，以更全面地反映城市步行空间的可达性水平。模型综合了传统网络分析的时间成本因素和空间句法对网络结构效应的刻画。

首先，基于构建的加权步行网络，计算每个节点到网络中所有其他节点的累积可达性指数（CumulativeAccessibilityIndex,C）。C是衡量一个节点能够便捷地到达网络中其他所有节点的能力的常用指标，其计算公式为：C(i)=Σ_j[1/d(i,j)^w]，其中，i和j分别代表网络中的节点，d(i,j)代表节点i到节点j的最短加权路径距离（以时间或标准成本步数表示），w为权重系数。为了使结果更直观，通常对C进行标准化处理。通过对所有节点的C值进行标准化，得到各节点的标准化累积可达性指数（S-C），值域通常在0到1之间，值越大表示可达性越好。将标准化后的S-C值赋予每个节点，并通过GIS的空间连接功能，将节点的可达性值赋予相应的栅格单元或地块，生成城市步行空间可达性分布。

其次，引入空间句法分析，计算节点或栅格单元的局部整合度（LocalIntegration,LI）指标。局部整合度衡量一个节点与其邻近节点之间路径选择的紧密程度，反映了节点在网络中的局部连接性。计算LI值的公式为：LI(i)=Σ_j[c(i,j)/k(i)*k(j)]/k̄，其中，c(i,j)为节点i到节点j是否存在最短路径的二元指标（存在为1，不存在为0），k(i)和k(j)分别为节点i和节点j的度数（即与其直接相连的节点数），k̄为网络的平均度数。LI值介于0到1之间，值越大表示该节点在网络中的局部连接性越强，越容易选择到邻近节点。将LI值同样赋予节点，并生成局部整合度分布。将S-C和LI作为两个主要维度，可以更深入地理解步行可达性的构成。通常情况下，高可达性区域往往伴随着较高的局部整合度，表明这些区域不仅自身到达其他地方方便，而且与周边区域的连接也较为紧密。

基于上述模型，对研究区域的步行空间可达性进行了评价。评价结果通过两个主要的分布展现：一是标准化累积可达性指数（S-C）分布，二是局部整合度（LI）分布。从S-C分布可见，城市步行空间可达性呈现明显的空间分异特征。中心城区、主要商业街区、交通枢纽（如大型地铁站周边、公交换乘中心）及其辐射区域，S-C值普遍较高，反映了这些区域拥有密集的步行道网络、丰富的服务设施和较高的网络连通性，是城市步行活动的主要承载区。例如，市中心的核心商业区、主要火车站和长途汽车站周边，S-C值常超过0.7。而老旧城区内部，由于建筑密集、道路狭窄、步行道中断或质量较差，以及部分区域地形起伏较大，S-C值普遍较低，许多区域低于0.4。新兴开发区虽然道路网络可能较新，但若土地利用功能单一、职住分离严重，其S-C值也可能不高。此外，一些大型居住区如果缺乏与城市中心或其他功能区的有效步行连接，其内部或边缘区域的可达性也相对较低。

LI分布的结果则进一步揭示了网络结构对可达性的影响。高局部整合度区域通常与高可达性区域重合，特别是在中心城区和商业密集区，表明这些区域的步行网络内部连接紧密，节点间转换方便。然而，在一些S-C相对较低但LI较高的区域，可能意味着这些地方虽然与周边有较好的连接，但自身到达更远地方的效率不高，或者网络结构良好但实际通行条件（如坡度、安全性）较差。相反，一些LI较低的区域，可能位于网络边缘、大型障碍物（如河流、高速路）两侧，或者步行道网络本身连通性较差，导致其既难以到达其他地方，也难以与周边良好连接。通过综合分析S-C和LI两个指标的空间分布格局，可以更全面地理解城市步行可达性的空间分异机制。例如，可以发现一些区域虽然整体可达性一般（S-C低），但可能具有较好的局部连接潜力（LI相对较高），或者反之，一些高可达性区域（S-C高）的局部连接性可能因网络过于复杂或拥堵而有所下降（LI中低）。

5.4影响因素分析

在评价步行空间可达性的基础上，本研究进一步探究了影响可达性空间分布的关键因素。影响因素分析旨在识别哪些城市要素或空间特征显著地促进了或阻碍了步行空间的可达性。分析采用地理加权回归（GeographicallyWeightedRegression,GWR）模型，该模型能够评估变量影响的空间异质性，即变量的影响强度会随地理位置的变化而变化，克服了传统线性回归模型中假设变量影响空间均匀的局限。

GWR模型的选择依据是研究假设，即影响步行可达性的因素在空间上并非均匀分布，其作用强度会因具体位置的不同而有所差异。例如，土地利用混合度在市中心可能非常重要，但在郊区可能影响较小；道路坡度在山区的影响远大于平原地区。GWR模型能够捕捉这种空间变异性。模型中，因变量为标准化累积可达性指数（S-C），自变量则选取了以下几个在理论分析和初步探索中认为可能影响可达性的因素：

1.**土地利用混合度（LandUseMix）**：采用区位熵（LocationQuotient,LQ）衡量。选取商服用地、居住用地、办公用地、教育科研用地、医疗卫生用地等与日常生活相关的土地利用类型，计算它们在特定栅格单元内的LQ值，LQ>1表示该单元某种土地利用类型相对集聚。

2.**人口密度（PopulationDensity）**：指研究区域内单位面积的人口数量，反映步行出行的潜在需求。

3.**道路网络密度（RoadNetworkDensity）**：指单位面积内的步行道总长度，反映步行路径的丰富程度。

4.**平均坡度（AverageSlope）**：由DEM数据计算得到，反映地形对步行的阻碍程度。坡度越大，通行越困难。

5.**步行道质量指数（PavementQualityIndex,Pqi）**：结合道路宽度、照明条件、安全性（有无护栏、过街设施）、绿化覆盖等指标，通过层次分析法或专家打分法构建一个综合评价指数。该指数越高，步行环境越舒适安全。

6.**服务设施密度（ServiceFacilityDensity）**：指单位面积内的POI点数量，特别是与日常生活密切相关的设施，如超市、餐馆、学校、医院等。

GWR模型通过遍历研究区域内的每个样本点（即栅格单元中心），利用其邻域内的数据拟合回归方程，得到每个点上的系数估计值。这些系数代表了在特定地点，自变量对因变量（可达性）的影响程度和方向。通过分析这些系数的空间分布，可以识别各因素影响的空间热点和冷点。

模型运行结果显示，各因素对步行空间可达性的影响普遍存在显著的空间异质性。在中心城区，土地利用混合度（LQ）和步行道质量指数（Pqi）对可达性的正向影响最为显著，这表明丰富的功能复合和服务设施的便捷性、舒适安全的步行环境是维持高可达性的关键。道路网络密度在部分区域（如新建开发区）影响显著，但在建成区内部，其影响可能被混合度和质量所超越。人口密度的影响相对复杂，在需求旺盛的区域可能促进设施完善和路网加密，从而间接提升可达性，但在路网承载力已满的区域，可能加剧拥堵，反而降低体验。平均坡度的影响在老城区（尤其是有坡度的街巷）和部分河谷地带非常显著，成为可达性的重要制约因素。服务设施密度在居住区附近影响较大，但在远离服务中心的地方影响减弱。

在城市边缘地带或新建开发区，道路网络密度可能较高，但若土地利用功能单一（低混合度），或者步行道质量不达标（Pqi低），则可达性水平可能并不高。而在一些老城区，虽然道路网络密度可能不高，但若存在高混合度的商业街区或居住区，可达性仍可能较好。这些空间异质性结果表明，优化步行空间不能采取“一刀切”的模式，需要根据不同区域的特征和问题，采取差异化的策略。例如，在坡度大的老城区，应优先进行坡道改造和步道拓宽；在混合度低的区域，应通过功能植入或设施布局引导，提升步行吸引力；在网络缺失的区域，应着力补全步行道网络。

5.5优化策略探讨

基于上述可达性评价和影响因素分析的结果，本研究提出了一系列针对性的城市步行空间优化策略，旨在提升整体可达性水平，促进空间公平和可持续发展。

**1.优化网络连通性，构建连续便捷的步行网络：**针对可达性低且LI也低的区域，应优先打通步行“断头路”，改善网络连通性。特别是在老旧城区，要结合城市更新，清理障碍物，拓宽狭窄路段，增设无障碍设施，确保步行的连续性和安全性。在城市新区规划建设中，应严格按照高密度、高连通性的原则布局步行道网络，避免形成“步行孤岛”。利用绿道、滨水步道等资源，加强不同功能区、不同区域之间的连接，构建城市级的步行骨干网络。

**2.提升节点服务功能，增强步行吸引力的关键点：**在高可达性区域（如商业中心、交通枢纽）的节点，应进一步提升步行环境品质，如增加休憩设施、遮阳避雨设施、公共艺术等，提升体验感。在可达性较低但具有发展潜力的区域，应通过增加公共服务设施（如书馆、社区中心、小型商业）或引入吸引性活动（如文化活动、体育设施），提升该区域的步行吸引力，从而间接促进其可达性。优化公交站点、地铁站周边的步行接驳设施，实现不同交通方式的无缝换乘。

**3.改善步行环境质量，提升舒适性与安全性：**针对平均坡度较大的区域，实施步道坡道改造，建设平缓的坡道和电梯，保障老年人、儿童、残疾人等群体的出行需求。全面检查和改善步行道照明，特别是在夜间使用频率高的路段。增加过街安全设施，如过街斑马线、信号灯、智能提示装置等，减少人车冲突。提升步行道铺装质量，确保平整防滑，并根据需要增加绿化元素，创造更舒适宜人的步行环境。在商业街区、公园等区域，推广使用透水铺装，兼顾环境效益。

**4.加强精细化管理与公众参与，实施适应性优化：**建立城市步行空间数据库和评价监测体系，定期更新数据，动态评估可达性变化，为规划调整提供依据。利用大数据分析（如手机信令、智能手环数据）更精细地刻画不同群体的步行行为模式，为针对性优化提供更精准的信息。在城市规划、旧城改造、新区建设中，将步行空间规划作为强制性内容，确保新建项目符合步行友好标准。鼓励公众参与步行环境的改善过程，通过问卷、座谈、线上平台等方式收集市民意见，使优化策略更贴近实际需求。

**5.推动职住平衡与功能混合，从源头上优化可达性需求：**规划政策应引导城市功能布局更加合理，减少长距离通勤需求。在新建开发区和城市更新项目，积极推行职住平衡和功能混合模式，将居住、就业、商业、休闲等功能适当配比，缩短主要出行距离，降低对高可达性通勤网络的依赖。通过规划引导，从需求侧减少对极端长距离步行的压力，使步行成为更自然、更普遍的出行方式。

这些策略的实施需要政府、规划师、设计师、开发商以及公众的共同努力。通过多主体协同，将可达性提升融入城市发展的全过程，才能真正建设起人本、绿色、活力的城市步行空间系统。

六.结论与展望

本研究以某中等规模城市为案例，系统地探讨了城市步行空间可达性的评价方法、空间分异特征及其关键影响因素，并在此基础上提出了相应的优化策略。通过对多源数据的整合分析与空间模型的构建应用，研究取得了一系列主要结论，并对未来研究方向和城市规划实践提出了展望。

**6.1主要研究结论**

**第一，城市步行空间可达性呈现显著的空间分异特征，与城市空间结构、土地利用格局以及步行网络质量密切相关。**研究结果表明，该案例城市的步行空间可达性在空间上分布极不均衡。中心城区、主要商业街区、交通枢纽及其周边区域，由于土地利用混合度高、服务设施密集、步行道网络连通性好且质量较高，表现出极高的可达性水平。相反，老旧城区内部、城市边缘地带、功能单一的新建开发区以及地形起伏较大的区域，则普遍存在可达性短板，表现为可达性指数偏低，步行网络连通性差，或步行道质量不达标。这种空间分异格局清晰地反映了城市发展过程中不同区域的建设水平、功能活力和规划引导的差异。

**第二，基于加权网络分析结合空间句法方法的综合评价模型，能够更有效地反映城市步行空间的实际可达性水平及其构成。**研究发现，单独使用累积可达性指数（C）或局部整合度（LI）难以全面刻画步行可达性的复杂性。C主要反映了节点到达网络整体资源的便捷程度，而LI则侧重于节点与其邻近区域的连接紧密程度。将两者结合分析，可以更深入地理解不同区域可达性的来源：高可达性区域往往同时具有高C和高LI；而一些C较低的区域，可能是因为网络结构不佳（LI低），也可能是因为虽然网络连接尚可，但通行条件差或缺乏吸引性目的地。这种多维度评价方法为准确识别城市步行环境的优势与劣势区域提供了有力工具。

**第三，土地利用混合度、步行道质量、道路网络密度、平均坡度以及服务设施密度是影响城市步行空间可达性的关键因素，但其作用强度存在显著的空间异质性。**地理加权回归（GWR）分析结果证实，这些因素对可达性的影响并非普遍一致，而是随地理位置的不同而变化。在市中心区域，土地利用混合度和步行道质量对可达性的正向影响最为突出，表明功能复合和服务设施的便捷、舒适是维持高可达性的核心要素。在老城区或山区，平均坡度成为影响可达性的关键负向因素。在网络密集但功能单一的郊区，道路网络密度的高值并未带来高可达性，反而可能受混合度低、质量差等因素制约。服务设施密度在居住区附近影响显著，而在远离服务中心的区域作用减弱。这种空间异质性揭示了制定差异化步行空间优化策略的必要性。

**第四，提升城市步行空间可达性需要采取系统性、多维度的策略组合，注重网络、节点、环境和管理等多个层面的协同优化。**研究提出的优化策略体系具有综合性和针对性。网络层面，强调打通断头路，提升连通性，构建连续骨干网络；节点层面，注重增强服务功能，提升吸引力，并优化与公共交通的衔接；环境层面，关注改善通行条件，提升舒适性与安全性，如坡道改造、照明增强、安全设施完善、环境绿化等；管理层面，强调精细化管理、动态监测和公众参与，并从规划源头推动职住平衡与功能混合。这些策略相互关联，共同作用，旨在构建一个全链条、高品质的城市步行空间系统。

**6.2政策建议**

基于以上研究结论，为实现城市步行空间可达性的提升和城市交通系统的可持续发展，提出以下政策建议：

**1.将步行空间可达性纳入城市规划的强制性指标体系。**在城市总体规划、控制性详细规划以及修建性详细规划阶段，都应明确步行空间网络密度、连通度、质量标准以及可达性目标，并落实具体的空间布局要求。将步行可达性评价结果作为衡量规划质量的重要指标之一，确保规划方案的步行友好性。

**2.实施差异化的步行空间优化策略。**针对不同区域的可达性水平和影响因素特征，制定差异化的改造提升方案。例如，在老旧城区，优先进行基础设施改善和安全保障，结合城市更新进行网络补缺和品质提升；在新建区，则在规划建设阶段就严格执行高密度、高混合、高连接的步行空间标准；在坡度大的区域，重点投入坡道改造和辅助设施建设。

**3.加强步行道网络的系统化建设和衔接。**打通步行“断头路”，确保步行网络的连续性。加强不同等级步行道之间、步行道与公共交通站点之间、城市步行网络与城市绿道系统之间的有效衔接，构建网络化的步行服务体系。重视地下步行空间的规划和建设，特别是在人流量大的区域，形成立体化的步行网络。

**4.持续提升步行环境品质和体验感。**将步行道的舒适性、安全性、美观性放在突出位置。推广使用环保、透水、防滑的铺装材料。加强步行道照明、遮阳、排水、绿化等设施建设。增设无障碍设施，保障所有市民的步行权利。通过环境微更新，增加休憩座椅、遮阳亭、公共艺术、便民服务等设施，提升步行体验。

**5.推动土地利用政策与步行友好型城市空间建设协同。**规划政策应引导城市功能布局更加合理，鼓励发展混合用地，减少职住分离，从源头上降低长距离步行需求。在商业、文化、娱乐等公共服务设施布局中，优先考虑步行可达性，将其纳入公共服务设施配套标准。

**6.建立健全步行空间管理的长效机制。**建立城市步行空间数据库和动态监测系统，定期评估步行环境质量和可达性水平，及时发现问题并进行调整。加强城市步行空间的日常维护和管理，确保设施完好、环境整洁。探索利用大数据、物联网等技术，对步行人流进行监测和引导，优化信号配时等。

**7.鼓励公众参与和倡导步行文化。**通过多种渠道宣传步行出行的益处，提升市民对步行空间重要性的认识。在规划设计和改造过程中，广泛征求市民意见，使步行环境建设更贴近市民需求。举办各类步行文化活动，营造亲善步行的社会氛围，鼓励市民选择步行作为健康、环保的出行方式。

**6.3研究展望**

尽管本研究取得了一定的进展，但仍存在一些局限，同时也为未来的研究指明了方向：

**第一，深化微观尺度与特定人群的可达性研究。**现有研究多在中宏观尺度进行，未来可以进一步聚焦于街区、社区等微观尺度，分析更精细的步行环境要素（如步道宽度、材质、障碍物等）对可达性的影响。同时，针对老年人、儿童、残疾人、孕妇等特定人群的步行能力、需求和行为特征进行专项研究，开发更具针对性的可达性评价方法和优化策略。

**第二，引入多源数据融合与行为模拟技术。**将手机信令数据、GPS追踪数据、社交媒体签到数据等多源大数据与传统的规划数据相结合，能够更精准地刻画居民的步行出行时空行为模式，为可达性评价提供更丰富、动态的数据支持。利用仿真模拟技术（如基于行为的仿真、交通流仿真），可以更深入地模拟不同规划方案对步行可达性和出行行为的影响，为决策提供更可靠的预测依据。

**第三，加强可达性与健康、公平、活力的关联研究。**深入探讨步行空间可达性与社会公平的关系，研究不同社会经济群体在步行环境利用上的差异及其成因，为制定促进社会公平的步行空间政策提供依据。进一步研究步行可达性对居民身体活动、心理健康、社区交往以及城市活力的影响机制，更全面地评估步行空间的社会效益。

**第四，探索面向可持续发展的步行空间规划方法。**结合气候变化、能源效率、生物多样性保护等可持续发展目标，研究构建综合性的步行空间评价指标体系。探索将低碳理念、绿色设计、生态修复融入步行空间规划设计的具体方法，例如，通过步行道网络引导城市通风廊道、雨水管理系统的构建，促进城市生态系统服务功能的提升。

**第五，开展跨文化、跨区域的比较研究。**不同国家、不同文化背景下的城市步行环境和发展模式存在差异。开展跨城市、跨区域的比较研究，可以识别不同发展路径的优劣，借鉴国际先进经验，为不同类型的城市制定更适宜的步行空间发展策略提供参考。

总之，城市步行空间可达性是一个涉及城市规划、交通工程、社会学、环境科学等多学科的复杂领域，其研究具有重要的理论意义和实践价值。随着城市化的不断深入和人们对生活环境要求的日益提高，未来对城市步行空间可达性的研究将更加深入、更加精细、更加综合，其在推动建设更加人本、健康、绿色、可持续的城市方面将发挥越来越重要的作用。

七.参考文献

[1]Batty,M.(2005).CitiesandComplexity:UnderstandingCitieswithCellularAutomata,Agent-BasedModels,andFractals.TheMITPress.

[2]Newman,W.(2001).Thelandusemixcomponentoftheneighborhoodeffect.InEnvironmentalPsychology:AContemporaryIntroduction(pp.139-155).PsychologyPress.

[3]Newman,W.,&Kenworthy,J.(1996).Thelandusemixcomponentoftheneighborhoodeffect.EnvironmentandPlanningA:EconomyandSpace,28(3),395-424.

[4]Xie,X.(2003).Accessibilitybetweentwopointsinanetwork.EnvironmentandPlanningB:PlanningandDesign,30(4),599-613.

[5]Claval,A.,&Thijs,L.(2008).Networkanalysisandgeographicinformationsystems.ProgressinHumanGeography,32(6),755-777.

[6]Batty,M.,&Xie,X.(1999).Accessibility:Aspatialanalysisofdestinationchoice.EnvironmentandPlanningB:PlanningandDesign,26(6),905-924.

[7]Goodman,S.,&Krueger,R.(1986).Accessibilityandthedistributionofneighborhoodfacilities.EnvironmentandPlanningA:EconomyandSpace,18(1),71-91.

[8]Handy,S.L.(1994).Theimpactoflandusemixonwalking:FindingsfromtheSanFranciscoBayArea.TransportationResearchPartD:TransportandEnvironment,9(4),247-265.

[9]Handy,S.L.,Boarnet,M.G.,&Burris,H.(2002).Howtheurbanenvironmentinfluencestravelbehavior.TransportationResearchPartD:TransportandEnvironment,7(4),271-299.

[10]Handy,S.L.,&Heinen,E.(2011).Walkingandtheurbanenvironment.InTheGeographyofUrbanTransport(pp.321-344).Routledge.

[11]Ewing,R.,&Hamilton,W.(2006).Theimpactofurbansprawlonpublichealth.JournaloftheAmericanPlanningAssociation,72(3),191-214.

[12]VanWee,B.(2009).Transportandaccessibility:Thespatialdimension.InTransportPlanningandtheNetworkApproach(pp.1-23).Routledge.

[13]Bontje,P.M.,&VanWee,B.(2001).AccessibilityandthedistributionoffacilitiesintheNetherlands.EnvironmentandPlanningA:EconomyandSpace,33(6),937-957.

[14]Turner,B.,Unwin,D.,&Ashmore,J.(2003).Accessibilitymeasuresandtheanalysisofresidentiallocation.EnvironmentandPlanningA:EconomyandSpace,35(7),1261-1283.

[15]VandenBroeck,G.,VanAcker,S.,&Witlox,F.(2010).Accessibilitymeasures:Areviewofmethodsandapplications.TransportationResearchPartD:TransportandEnvironment,15(6),402-414.

[16]Claval,A.(2004).Networkanalysisandgeography:Towardsanintegratedapproach.ProgressinHumanGeography,28(5),543-564.

[17]VanNes,M.,&VanWee,B.(2010).Accessibilitymeasuresforthepublictransportsystem.TransportationResearchPartA:PolicyandPractice,44(7),515-529.

[18]Luo,X.,&Wang,F.Y.(2009).Aspatialanalysisofpublicservicefacilityaccessibilitybasedonnetworkdata.InternationalJournalofGeographicalInformationScience,23(6),727-750.

[19]Wang,F.Y.,Luo,X.,&He,Y.(2011).Accessibilityanalysisbasedonstreetnetworkanditsapplications.InProceedingsofthe2011IEEE23rdInternationalConferenceonGeoinformatics(pp.1-6).IEEE.

[20]VanAcker,S.,VandenBroeck,G.,&Witlox,F.(2013).Accessibility:Areviewoftheliterature.EnvironmentandPlanningB:PlanningandDesign,40(4),659-680.

[21]Aalbers,M.B.,&VanWee,B.(2005).Accessibilityandlanduse:Areview.JournalofTransportGeography,13(4),251-259.

[22]Bhatia,R.,&Sonomoto,S.(2009).Residentialaccessibilitytoemployment:Ananalysisusingageographicinformationsystem.EnvironmentandPlanningB:PlanningandDesign,36(2),297-317.

[23]Wang,D.,&He,Y.(2014).Accessibilityanalysisbasedonstreetnetwork:Areview.InternationalJournalofGeographicInformationScience,28(1),1-23.

[24]Lin,W.,&Wang,F.Y.(2013