سرزندگی شهری یک شاخص کلیدی برای سنجش توسعه شهری است. این موضوع در برنامه ریزی شهری و توسعه پایدار روند رو به رشدی داشته است و پیشرفت قابل توجهی در اندازه گیری شاخص های تک سرزندگی شهری بر اساس واحدهای بسته یا بلوک حاصل شده است. با توسعه مداوم فناوری سنجش هوشمند، داده های شهری چند منبعی به طور فزاینده ای فراوان می شوند. استفاده از چنین داده‌هایی برای اندازه‌گیری سرزندگی چند بعدی شهری فضای خیابان، که منعکس‌کننده عملکردهای چندگانه یک فضای شهری است، می‌تواند به طور قابل‌توجهی دقت تحلیل‌های سرزندگی شهری را بهبود بخشد و ساخت شهرهای سالم مردم‌مدار را ارتقا دهد. در این مطالعه، خیابان‌ها به‌عنوان واحد تحلیل و داده‌های چندمنبعی مانند مسیر تاکسی‌ها و دوچرخه‌های مشترک، انتخاب شدند. نظرات کاربران و نقاط مورد علاقه تسهیلات فرهنگی (POI) در چنگدو، شهری در جنوب غربی چین، برای شناسایی الگوهای فضایی سرزندگی شهری در خیابان‌ها در ابعاد اجتماعی، اقتصادی و فرهنگی استفاده شد. همبستگی بین عوامل محیطی ساخته شده و سرزندگی چند بعدی شهری در خیابان با استفاده از مدل رگرسیون چندگانه تحلیل شد. توزیع فضایی ابعاد مختلف سرزندگی شهری فضای خیابان در چنگدو تا حدی متفاوت است. برای مناطقی که نشاط اجتماعی بالایی دارند، وجود مراکز تولید و زندگی در مجاورت آن معمول است. مراکز نشاط اقتصادی بالا معمولاً در امتداد خیابان های شلوغ با تمرکز بالایی از مشاغل یافت می شوند. مناطقی با مراکز نشاط فرهنگی بالا تمایل دارند در خیابان های مرکزی شهر متمرکز شوند. کاربری زمین، حمل و نقل، محیط خارجی، جمعیت و اشتغال همگی ارتباط تنگاتنگی با سرزندگی شهری در خیابان ها دارند. شمارش جمعیت و تراکم POI بیشترین تأثیر را بر سرزندگی چند بعدی شهری دارند. ازدحام و سطح امکانات خدماتی به شدت بر تعامل اجتماعی، فعالیت های تجاری و ارتباطات فرهنگی تأثیر می گذارد. خوبی تناسب (R2 ) از مدل های رگرسیونی برای نشاط اجتماعی، اقتصادی و فرهنگی به ترتیب 590/0، 423/0 و 409/0 است. با استفاده از داده‌های شهری چندمنبعی، یافته‌های ما می‌تواند به ذینفعان کمک کند تا الگوهای فضایی و عوامل مؤثر بر سرزندگی چند بعدی شهری در خیابان‌ها را بهتر درک کنند و برنامه‌ریزی شهری و استراتژی‌های توسعه پایدار را برای آینده ارائه دهند.

کلید واژه ها:

سرزندگی شهری ; خیابان ها ؛ داده های چند منبعی ؛ چند بعدی ؛ عوامل تاثیر گذار

1. مقدمه

سرزندگی شهری شاخصی است که سطح توسعه شهر را می سنجد و بیان جامعی از کیفیت توسعه شهر ارائه می دهد [ 1 ، 2 ، 3 ]. این شاخص به طور گسترده در جامعه شناسی، معماری، برنامه ریزی و طراحی شهری و روانشناسی محیطی برای نشان دادن درک های مختلف از سرزندگی استفاده می شود [ 4 ، 5 ]. جاکوبز [ 6 ] سرزندگی را از طریق تعامل بین افراد در خیابان ها تعریف کرد و استدلال کرد که سرزندگی محصول تعامل بین مردم یا بین مردم و فضا است. لینچ [ 7] سرزندگی را به عنوان درجه ای تعریف می کند که فرد می تواند نیازهای تغذیه ای، ایمنی و ارگونومیک خود را از محیط اطراف به دست آورد و مهمتر از همه بقای خود است. گهل [ 8 ] خاطرنشان کرد که سرزندگی فضایی از مکان ها، افراد و فعالیت های آنها که عناصر اساسی سرزندگی شهری هستند، ناشی می شود. سرزندگی شهری جذابیت، تنوع عملکردی و تحرک فضای شهری را در نتیجه فعالیت ها و تعاملات انسانی توصیف می کند [ 9 ]. فضاهای شهری پر جنب و جوش از فعالیت‌های انسانی متنوع حمایت می‌کنند، ارتباطات و تعامل اجتماعی را ارتقا می‌دهند و احساس امنیت و تعلق به فضاهای شهری را در بین ساکنان تقویت می‌کنند و از این طریق به رفاه ساکنان کمک می‌کنند و توسعه شهری پایدار را ارتقا می‌دهند [ 10 ، 11 ].]. این فعالیت‌های متنوع شامل فعالیت‌های اقتصادی، اجتماعی و فرهنگی ساکنان می‌شود و می‌توان آنها را به عنوان ابعاد مختلف سرزندگی شهری توصیف کرد [ 12 ]. اگرچه مفهوم سرزندگی شهری دائماً در حال تغییر است، فعالیت ها و تعاملات انسانی کانون اصلی این شاخص را نشان می دهد. برنامه ریزان و مدیران شهری به طور فزاینده ای علاقه مند به کمی سازی و درک ویژگی های سرزندگی شهری [ 13 ] هستند و این ویژگی ها به عاملی کلیدی در استراتژی های ملی برای توسعه شهرهای سالم و بهبود کیفیت زندگی تبدیل شده اند [ 4 ، 14 ].
اندازه گیری کمی سرزندگی شهری توجه بسیاری از رشته ها مانند برنامه ریزی شهری، علوم اطلاعات جغرافیایی و علوم اجتماعی را به خود جلب کرده است. در مطالعات اولیه، سرزندگی شهری عمدتاً از طریق بررسی میدانی فعالیت‌های انسانی، تعاملات و تجربیات زندگی مشخص می‌شد، اما این رویکرد با هزینه‌ها و حجم نمونه کوچک محدود می‌شود [ 15 ، 16 ]. با توسعه مداوم فناوری اطلاعات و ارتباطات، سنجش شهری به تدریج از سنجش آنلاین جدا شده از صنعت به سنجش چند شبکه ای یکپارچه توسعه یافته است [ 17 ]. دستگاه‌های حسگر هوشمند می‌توانند برای به دست آوردن داده‌های شهری چندمنبعی با وضوح‌های مکانی-زمانی متعدد و ثبت توزیع تعداد زیادی از فعالیت‌های انسانی استفاده شوند.18 ، 19 ]، تبدیل شدن به یک منبع ضروری برای تحقیقات شهری و حکمرانی شهری [ 20 ، 21 ]، و در نتیجه ارائه یک رویکرد جدید برای اندازه گیری سرزندگی شهری [ 22 ، 23 ]. در بسیاری از مطالعات، ویژگی های داده های سنجش اجتماعی از منابع مختلف [ 24 ]، از جمله داده های تلفن همراه [ 25 ، 26 ]، داده های رسانه های اجتماعی [ 13 ، 22 ]، نقشه حرارتی جمعیت [ 27 ]، داده های مسیر ترافیک [ 28 ، 29 ] داده‌های نور شب [ 30 ]، داده‌های نمای خیابان [ 31 ] و داده‌های نقطه اتصال WiFi [32] به عنوان پروکسی موثر برای سنجش سرزندگی شهری استفاده شده است. با فراوانی روزافزون انواع داده‌های شهری، توصیف سرزندگی شهری به تدریج از یک بعد به ابعاد چندگانه تغییر یافته است، عوامل مؤثر بر سرزندگی شهری به طور جامع‌تری مورد توجه قرار گرفته‌اند و پژوهشگران بیشتری شروع به تمرکز بر روابط بین سرزندگی شهری کرده‌اند. کاربری زمین، منظر شهری و الگوهای رشد شهری. با این وجود، اندازه گیری سرزندگی شهری همچنان چالش هایی را به همراه دارد. تنوع فعالیت‌های اجتماعی، اقتصادی و فرهنگی در فضاهای شهری باعث می‌شود که داده‌های یک منبع واحد برای دریافت جامع سرزندگی چند بعدی یک فضای شهری کافی نباشد. در مقابل، داده‌های چندمنبعی شهری می‌توانند ابعاد چندگانه سرزندگی شهری را توصیف کنند. بدین ترتیب،22 ، 33 ].
در تجزیه و تحلیل سرزندگی شهری، بلوک ها یا قطعات زمین معمولاً به عنوان واحد اصلی تجزیه و تحلیل استفاده می شوند [ 34 ، 35 ، 36 ]. اما در برنامه ریزی و طراحی شهری، فضای خیابان علاوه بر بلوک، یکی از مجموعه های ضروری عناصر پلان است [ 4 ، 37 ]. خیابان ها بخشی از شبکه حمل و نقل شهری هستند و به ویژگی های دسترسی آنها توجه بیشتری شده است. با این حال، از آنجایی که خیابان‌ها اسکلت فرم فیزیکی شهری را تشکیل می‌دهند، انواع فعالیت‌های اقتصادی در یک شهر در خیابان‌های اصلی رخ می‌دهد و این فعالیت‌ها صرفاً مربوط به گذر نیست، بلکه شامل فعالیت‌های تجاری، دست‌فروشی و فروش نیز می‌شود. جیکوبز [ 6] استدلال می کرد که خیابان ها رگ حیات شهرها هستند نه کانال های ترافیکی صرف. به عنوان یک فضای عمومی با کارکردهای متعدد مانند حمل و نقل و فعالیت های اقتصادی در یک شهر، خیابان ها عملکردهای شهری را از نظر فیزیکی و شناختی به هم متصل می کنند و حرکت و کیفیت زندگی مردم را شکل می دهند [ 38 ، 39 ]، با سطح بالایی از دسترسی به خیابان ها که به این امر کمک می کند. تمرکز جمعیت و افزایش سرزندگی شهری [ 6 ]. خیابان‌ها علاوه بر کارکرد حمل‌ونقل، محل بسیاری از فعالیت‌های روزمره ساکنان هستند و نقش مهمی در پیوند و تقویت روابط اجتماعی دارند .]. استفاده از خیابان‌ها به‌عنوان واحد تحلیل می‌تواند اندازه‌گیری دقیق‌تری از سرزندگی شهری را امکان‌پذیر کند و به مسائل آماری بالقوه ناشی از مسئله واحد منطقه‌ای قابل اصلاح کلاسیک (MAUP) با واحدهای بلوک یا قطعه، که به تأثیری اشاره دارد که هر دو مقیاس تحلیل ( به عنوان مثال، کوچکترین واحد تحت مشاهده) و دامنه مطالعه به طور قابل توجهی بر نتیجه آماری تأثیر می گذارد [ 40 ]. جلال الدینی و اوکتای [ 41 ] یک بررسی ادبیات و نظرسنجی پرسشنامه ای برای تجزیه و تحلیل سرزندگی خیابان Salamis در فاماگوستا و خیابان Ziya Rızkı در گیرنه، قبرس و عوامل مؤثر بر آن انجام دادند. مطالعه سرزندگی خیابان در جامعه ژوجیادو در شانگهای نشان داد که تراکم و درجه اختلاط عملکردهای اجتماعی عوامل اصلی تأثیرگذار بر سرزندگی خیابان هستند.42 ]. گوو و همکاران از داده‌های تلفن همراه و داده‌های نقطه مورد علاقه (POI) برای بررسی پویایی سرزندگی خیابان و تنوع کاربری‌ها در منطقه اصلی شهری شینینگ، چین و شناسایی انواع سرزندگی خیابان استفاده کرد [ 43 ]. با استفاده از داده های تلفن همراه به عنوان یک پروکسی برای سرزندگی خیابان، وو و همکاران. همبستگی بین سرزندگی خیابان و محیط های شهری با تراکم بالا را با استفاده از جاده نانجینگ غربی در شانگهای به عنوان مطالعه موردی آزمایش کرد [ 44 ]. با استفاده از سئول به عنوان مطالعه موردی، سونگ و لی [ 16] از فعالیت پیاده روی به عنوان متغیر وابسته استفاده کرد و یک مدل رگرسیون چندسطحی برای سرزندگی خیابان ساخت. در این مطالعات، خیابان به عنوان واحد تحلیل برای توصیف دقیق‌تر ویژگی‌های توزیع و عوامل مؤثر بر سرزندگی شهری در نظر گرفته شد. با این حال، مطالعات در مورد اندازه گیری جامع سرزندگی چند بعدی خیابان ها با استفاده از داده های چند منبع محدود باقی مانده است.
تحقیقات سرزندگی شهری در حال حاضر از داده های شهری چندمنبعی به طور گسترده استفاده می کند، اما واحد تحلیل بر اساس بلوک ها یا قطعات زمین است. در مقابل، فعالیت های اقتصادی، اجتماعی و فرهنگی ساکنان در خیابان ها و اطراف آن متمرکز است. با ارزیابی سرزندگی شهری در خیابان‌ها، می‌توان کیفیت خیابان‌های شهری را بهبود بخشید، شهرهای قابل زندگی را با سرزندگی بیشتر خیابان‌ها افزایش داد و نوسازی شهری و توسعه پایدار را ترویج کرد [ 42 ]]. در این مطالعه، خیابان ها به عنوان واحد تحلیل برای کشف توزیع فضایی سرزندگی شهری خیابان در ابعاد اجتماعی، اقتصادی و فرهنگی مورد استفاده قرار گرفتند. با استفاده از مجموعه داده چند منبعی از DiDi Chuxing، Dianping، Amap و پلت فرم Tecent Easygo، ما ارتباط بین سرزندگی شهری یک خیابان و شاخص‌های محیط ساخته شده را بررسی می‌کنیم. برای اندازه‌گیری سرزندگی اجتماعی یک خیابان، از روش تطبیق نقشه برای استخراج داده‌های مبدا-مقصد (OD) تاکسی‌ها و مسیرهای دوچرخه مشترک استفاده شد. بر اساس نظرات کاربران، وزن‌های دهان به دهان کاربر را برای اندازه‌گیری سرزندگی اقتصادی یک خیابان می‌سازیم. سرزندگی فرهنگی یک خیابان را می توان با استفاده از داده های POI فرهنگی اندازه گیری کرد. سرزندگی شهری خیابان به عنوان متغیر وابسته در مدل تحلیل رگرسیون چندگانه در نظر گرفته شد. و 11 شاخص برای بررسی عوامل تعیین کننده سرزندگی شهری آن خیابان انتخاب شد. این مطالعه با استفاده از خیابان‌ها به‌عنوان واحد تحلیل، با هدف آشکارسازی الگوی فضایی ظریف‌تر ابعاد چندگانه سرزندگی شهری در خیابان و شناسایی همبستگی بین سرزندگی شهری و عوامل محیط ساخته‌شده انجام شد. بنابراین، روش پیشنهادی می‌تواند برای افزایش سرزندگی شهری در خیابان‌ها و ارتقای توسعه سالم و پایدار شهرهای مردم‌مدار مورد استفاده قرار گیرد.
ادامه این مقاله به شرح زیر سازماندهی شده است. بخش 2 منطقه و داده های مطالعه ما را شرح می دهد. بخش 3 معیارهایی را برای ارزیابی سرزندگی شهری و عوامل محیطی ساخته شده در خیابان ها و همچنین مدل های رگرسیون چندگانه معرفی می کند. بخش 4 به بررسی الگوهای فضایی و روابط بین سرزندگی شهری و محیط ساخته شده در خیابان می پردازد. بخش 5 یافته های مقاله را مورد بحث قرار می دهد. بخش 6 خلاصه ای مختصر از مقاله را ارائه می دهد.

2. منطقه مطالعه و داده ها

2.1. منطقه مطالعه

چنگدو در حوضه سیچوان چین واقع شده است، از نظر جغرافیایی بین 102 درجه و 54 دقیقه تا 104 درجه و 53 دقیقه شرقی و 30 درجه 05 دقیقه تا 31 درجه و 26 دقیقه شمالی واقع شده است. چنگدو به عنوان مرکز استان سیچوان، مرکز سیاسی و اقتصادی این کشور است. استان سیچوان، و تنها شهر زیر استانی در جنوب غربی چین، با 12 ناحیه شهری، پنج شهر در سطح شهرستان و سه شهرستان. مساحت این شهر 14335 کیلومتر مربع ، مساحت شهری 3639.81 کیلومتر مربع و مساحت ساخته شده 1421.6 کیلومتر مربع است .در شهر مرکزی بولتن آماری توسعه اقتصادی و اجتماعی ملی چنگدو نشان می دهد که چنگدو دارای جمعیت ساکن 20,937,800 نفر و تولید ناخالص منطقه ای سالانه 177.17 میلیارد یوان در سال 2020 بود. این شهر در سال 2017 “خوشبخت ترین شهر چین” نام گرفت و در رتبه 2020 قرار گرفت. از 100 شهر برتر چین
منطقه مورد مطالعه ما منطقه ساخته شده به طور پیوسته شهری در چنگدو است. این منطقه در مرکز چنگدو واقع شده است، همانطور که در شکل 1 نشان داده شده است، در شمال، شرق، غرب و جنوب از جاده کمربندی 3 شهر محدود شده است . منطقه مورد مطالعه عمدتاً شامل مناطق اداری منطقه Jinniu، منطقه Wuhou، منطقه Qingyang و Chenghua است که حوزه اصلی فعالیت ساکنان شهری در چنگدو است، با حمل و نقل توسعه یافته، تقاضای بالا برای ساکنان برای انتخاب تاکسی و دوچرخه مشترک برای سفر. و اقتصاد و فرهنگ شکوفاتر شود.

2.2. منابع داده و پیش پردازش

منابع داده‌های این پژوهش شامل داده‌های جاده، داده‌های محاسبه سرزندگی خیابان و داده‌های عوامل مؤثر است. داده‌های جاده عمدتاً از داده‌های OpenStreetMap (OSM) تشکیل شده و توسط نقشه بایدو تکمیل شد. مجموعه داده شبکه راه با استخراج خطوط مرکزی جاده و با استفاده از اتصال جاده و قوانین توپولوژیکی آن ساخته شد. در این مقاله، واحد خیابان به عنوان یک قطعه که توسط دو تقاطع متوالی قطع می شود، تعریف می شود. به عنوان یک فضای عمومی که حامل ترافیک، فعالیت های اقتصادی و سایر رویدادها است، واحدهای خیابانی در طول زمان عملکرد استفاده یکسانی با ویژگی های جمعیتی و اجتماعی-اقتصادی مشابه دارند [ 6 ، 13 ] و واحدهای خیابانی برای مطالعات سرزندگی شهری [ 42 ، 43 ] به کار گرفته شده اند.]، بنابراین فرض می کنیم که خیابان ها فضاهای همگنی را برای فعالیت های شهری فراهم می کنند. ما خیابان‌هایی را با حداقل دو خط و عرض بیشتر از 10 متر در جاده‌های اصلی در جاده حلقه سوم چنگدو انتخاب کردیم. مجموعه نهایی خیابان ها شامل 4434 خیابان بوده و میانگین حداکثر و حداقل طول واحدهای خیابانی به ترتیب 256.88 متر، 2757.29 متر و 6.26 متر است.
داده‌های POI برای امکانات فرهنگی، داده‌های بررسی کاربر از فروشگاه‌ها و داده‌های مسیر تاکسی و دوچرخه برای اندازه‌گیری سرزندگی شهر چنگدو استفاده شد. پلتفرم DiDi Chuxing، یک سرویس سواری چینی مشابه اوبر، مجموعه داده‌های باز مسیر Chendu را ارائه کرد و خزنده‌های وب نظرات کاربران و داده‌های POI را از پلتفرم Dianping و پلتفرم AMap جمع‌آوری کردند، که از بزرگترین شرکت‌های خدمات زندگی آنلاین یا آفلاین چین هستند. و به ترتیب ارائه دهندگان خدمات نقشه آنلاین. علاوه بر این، داده‌های عامل تأثیرگذار شامل داده‌های جمعیت، ساختمان، قیمت مسکن، اشتغال و نمای خیابان بود. Tencent ‘Easygo’ Open Big Data Platform یک محصول خدمات مبتنی بر مکان است که اطلاعاتی در مورد شلوغی یک منطقه ارائه می دهد و داده های آن وضوح مکانی و زمانی بالایی دارد.45 ]. ما خزنده وب را پیاده سازی کردیم که از یک API Easygo ( https://heat.qq.com/heatmap.php (دسترسی در 7 دسامبر 2018)) برای جمع آوری داده ها استفاده می کند، که نشان دهنده نقاط داغ فعالیت کاربر در منطقه و مطابقت با واقعی است. شلوغی زمان داده های ساختمان از AMap به دست آمد و داده های قیمت مسکن و داده های اشتغال از Lianjia.com (یکی از بزرگترین ارائه دهندگان خدمات آژانس املاک در چین (در 1 دسامبر 2018 در دسترس قرار گرفت)) و Zhaopin.com دانلود شدند.(یک پلت فرم آنلاین استخدام استعداد در چین که به ترتیب اطلاعات واقعی و جامع استخدام سازمانی را در اختیار کاربران قرار می دهد (در 1 دسامبر 2018 در دسترس قرار گرفته است). به منظور شناسایی هرچه جامع‌تر اطلاعات خیابان‌ها، نقاط نمونه‌برداری در فواصل مساوی در شبکه جاده‌ها تنظیم می‌شوند و داده‌های نمای خیابان با توجه به مختصات نقاط نمونه‌برداری از نقشه بایدو به‌دست می‌آیند. با در نظر گرفتن وضعیت واقعی مسافران مختلف در مطالعه، تصاویر نمای خیابان با زاویه دید عمودی 10 درجه، میدان دید 120 درجه مطابق با چشم انسان و جهت رو به جلو به عنوان داده های تجربی انتخاب شدند [ 46 ].]. پس از به دست آوردن داده های فوق، از یک اسکریپت پایتون برای حذف مقادیر تکراری و پرت از داده های مربوطه، طبقه بندی داده های بررسی و داده های POI و ژئوکدگذاری اطلاعات آدرس موجود در داده های قیمت مسکن و اشتغال برای تعیین مکان های مکانی آنها استفاده شد. انواع مختلفی از داده‌های چند منبعی برای دوره 2018-2021، علاوه بر مجموعه داده مسیر تاکسی در سال 2016، به‌دست آمدند. منبع، محتوا، تعداد رکوردها و زمان کسب داده‌ها در جدول 1 نشان داده شده است.
ما تصدیق می کنیم که مجموعه داده ها در مقاله دوره های مختلفی را پوشش می دهند. از سوی دیگر، مطالعات قبلی با استفاده از مجموعه داده‌های تلفن همراه، پایداری فعالیت‌های انسانی را در بازه‌های زمانی کوتاه نشان می‌دهد [ 47 ]. منطقی است استنباط کنیم که فعالیت‌های انسانی در چنگدو از سال 2018 تا 2021 تغییر چندانی نکرده است. پس از سال 2010، شهرنشینی در چنگدو وارد مرحله نسبی پایداری شد [ 48 ، 49 ]]. بنابراین، در فاصله زمانی کوتاه 2018 تا 2021، سرزندگی شهری حاصل از داده‌های چند منبعی نیز پایدار است. به دلیل در دسترس بودن داده های باز در Chendu، از داده های مسیر تاکسی از سال 2016 برای آشکار کردن وضعیت سرزندگی شهر استفاده می شود.

3. روش شناسی

با در نظر گرفتن خیابان‌ها به‌عنوان واحد تحلیل و ترکیب داده‌های چندمنبعی شهری، شاخص‌های اجتماعی، اقتصادی و فرهنگی سرزندگی شهری در خیابان را اندازه‌گیری کردیم. سپس بر اساس ساخت سیستم عاملی محیط ساخته شده خیابان ها، مقادیر شاخص را با استفاده از تکنیک های یادگیری ماشین و تحلیل فضایی محاسبه کرده و با استفاده از رگرسیون چندگانه، همبستگی بین توزیع فضایی سرزندگی شهری و محیط ساخته شده خیابان ها را کشف می کنیم. مدل. چارچوب روش تحقیق در شکل 2 نشان داده شده است .

3.1. سرزندگی اجتماعی

نشاط اجتماعی ارتباط تنگاتنگی با فعالیت های اجتماعی ساکنان دارد. از منظر حمل و نقل، از مسیرهای وسایل نقلیه می توان برای سنجش فعالیت های سفر ساکنان استفاده کرد. تعداد خروج و ورود، و همچنین نقطه عزیمت و مقصد یک سفر، می‌تواند مکان‌های اولیه‌ای را که فعالیت‌های اجتماعی در آن انجام می‌شود نشان دهد [ 50 ، 51 ]]. ما از داده‌های OD استخراج‌شده از داده‌های مسیر تاکسی و اشتراک‌گذاری دوچرخه برای منعکس کردن مکان‌های اصلی و نقاط تجمع فعالیت‌های اجتماعی از طریق تعداد کل OD استفاده می‌کنیم، و از مشکل فرکانس نمونه‌گیری ناسازگار ناشی از پذیرش مستقیم داده‌های مسیر اجتناب می‌کنیم. علاوه بر این، تاکسی ها می توانند با پوشش دهی بالا در هر شرایط آب و هوایی و با محدودیت های محدود کار کنند، در حالی که دوچرخه های مشترک بسیار متحرک و مقرون به صرفه هستند. ترکیب این دو نوع حمل و نقل می تواند طیف افراد با نیازهای مختلف برای سفر را گسترش دهد و نشاط اجتماعی را با دقت بیشتری مشخص کند. DiDi Chuxing سهم اصلی بازار آنلاین سواری-هیلینگ را به خود اختصاص داده است و Mobike یک شرکت پیشرو در بازار اشتراک دوچرخه است. داده‌های با کیفیت بالا از وسایل نقلیه سواری آنلاین DiDi و دوچرخه‌های مشترک Mobike انتخاب و پیش پردازش شده و نقاط OD مسیرهای مربوطه استخراج شد. همراه با داده های شبکه جاده برای تطبیق نقشه، نقاط OD با خیابان های مربوطه مطابقت داده شد. سپس، سفرهای OD تاکسی و دوچرخه مشترک شمارش شد و میانگین تعداد نقاط OD در روزهای هفته و تعطیلات به عنوان معیار نشاط اجتماعی در منطقه مورد مطالعه استفاده شد.

3.2. نشاط اقتصادی

امکانات تجاری مانند فروشگاه‌های خرده‌فروشی یا رستوران‌ها که بیشتر در اطراف خیابان‌ها توزیع می‌شوند، انواع فعالیت‌های اقتصادی شهری را پرورش می‌دهند [ 52 ]. از این رو، این مکان ها تسهیلات کلیدی برای فعالیت های اقتصادی در فضای شهری هستند. مطالعات قبلی بیشتر بر تعداد فروشگاه‌ها تکیه کرده‌اند تا نشاط اقتصادی را منعکس کنند. با این حال، تعداد فروشگاه ها به طور کامل فعالیت های مصرف را منعکس نمی کند. در مقابل، داده‌های بررسی کاربر از پلت‌فرم‌های اطلاعات آنلاین می‌تواند رفتارهای مصرف را با دقت بیشتری منعکس کند. در چین، پلتفرم Dianping بررسی های نسبتاً عینی و دقیقی را برای تسهیلات تجاری ارائه می دهد و می تواند تصویری از شاخص های مختلف خدمات ارائه شده توسط این مشاغل ارائه دهد ( شکل 3).). نتایج بررسی‌های کاربران می‌تواند به طور قابل‌توجهی بر رفتار مصرف‌کننده آنلاین تأثیر بگذارد و فعالیت‌های مصرفی در تأسیسات تجاری را منعکس کند [ 5 ، 53 ، 54 ، 55 ]. در این مطالعه، داده‌های بررسی کاربر برای محاسبه وزن سرزندگی اقتصادی ارائه شده توسط تسهیلات تجاری معرفی شد. ما محبوبیت فروشگاه، کیفیت خدمات و مقیاس خدمات را به عنوان شاخص های سطح اول سیستم ارزیابی Dianping بر اساس شاخص ها و روش های ارزیابی مورد استفاده در مطالعات قبلی انتخاب کردیم [ 55 ، 56 ]] و در دسترس بودن داده ها. پس از طبقه بندی و پاکسازی داده ها از Dianping، فروشگاه های فیزیکی که خدمات آفلاین مانند خرید غذا، اوقات فراغت و سرگرمی و خدمات زندگی را ارائه می دهند انتخاب شدند. سپس آزمون کیزر-مایر-اولکین (KMO) و آزمون کروییت بارتلت با توجه به شاخص های انواع فروشگاه ها انجام شد. با استفاده از KMO، ضرایب همبستگی بین متغیرها را می توان مقایسه کرد تا مشخص شود که کدام ضرایب همبستگی برای استفاده در تحلیل عاملی مناسب تر است. به طور کلی، مقدار KMO بالای 0.7 برای تجزیه و تحلیل مولفه اصلی مناسب است. برای آزمایش توزیع و استقلال داده ها، از آزمون بارتلت بیشتر استفاده می شود. مقدار KMO 0.77 و p-value آزمون بارتلت کمتر از 0.001 بود که نشان می‌دهد داده‌های ارزیابی برای تجزیه و تحلیل مؤلفه‌های اصلی مناسب هستند.57 ]. ماتریس بارگذاری عامل اولیه با استفاده از بیشینه سازی واریانس چرخانده شد و مقادیر ویژه به دست آمده از سه مولفه اصلی همه بزرگتر از 1 بودند، با نرخ مشارکت واریانس تجمعی 83.126%. با توجه به اصل ارزش ویژه مولفه اصلی بیشتر از 1 یا نرخ مشارکت تجمعی بیشتر از 75% [ 58 ]، اجزای اصلی چرخانده می‌توانند به خوبی رتبه‌بندی کاربران انواع مختلف فروشگاه‌ها را در خیابان‌های چنگدو توضیح دهند. امتیاز ترکیبی رتبه‌بندی کاربران با تعریف مدل رتبه‌بندی کاربر به صورت معادله (1) محاسبه شد.

جایی که ضریب هر جزء اصلی (نسبت سهم واریانس) است و به ترتیب برای نشان دادن محبوبیت فروشگاه، کیفیت خدمات و مقیاس خدمات استفاده می شود. برخی از داده‌های بررسی کاربران دارای تعداد کمی بررسی فروشگاه هستند اما امتیازات بالایی دارند، روش فوق می‌تواند به طور موثر از این نقص جلوگیری کند و سهم فروشگاه‌های مختلف را به طور عینی منعکس کند. سرزندگی اقتصادی یک خیابان با تطبیق فروشگاه‌ها با واحد خیابان مربوطه و سپس انجام مجموع وزنی تعداد فروشگاه‌های موجود در واحد خیابانی محاسبه شد. به عنوان وزن سهم اقتصادی فروشگاه ها.

3.3. نشاط فرهنگی

مراکز فرهنگی در خیابان بیان معماری نیازهای مادی ساکنان در بحبوحه توسعه سریع فرهنگ اجتماعی است. این مراکز دارای ویژگی‌های فضایی خاصی هستند که می‌توانند علاقه‌مندان فرهنگی را جذب کنند و با فعالیت‌های رفتاری متنوعی همراه هستند تا محلی برای برقراری ارتباط فرهنگی برای ساکنان فراهم کنند [ 45 ، 59 ]. برای پوشش نیازهای ارتباطی فرهنگی ساکنان در تمام سنین، پنج نوع امکانات فرهنگی – یعنی فیلم و کنفرانس. نمایش بصری؛ پرس و جو و خواندن؛ فرهنگ، ورزش و تفریح؛ و امکانات مرکز پیچیده – از داده های POI استخراج شد [ 29]. به طور خاص، امکانات «فیلم و کنفرانس» شامل سالن‌های سینما، سالن‌های کنسرت و سالن‌های کنفرانس چند منظوره بود. امکانات «نمایش بصری» شامل سالن‌های نمایشگاه، موزه‌ها، گالری‌های هنری، موزه‌های علم و فناوری و افلاک‌نماها بود. امکانات «پرسش و مطالعه» شامل کتابخانه ها، آرشیوها، مراکز اطلاعاتی و مراکز آموزشی بود. امکانات «فرهنگی، ورزشی و تفریحی» شامل مکان‌های ورزشی، مراکز آموزشی و برخی مکان‌های تفریحی بود. و امکانات «مجموعه مرکز» شامل مکان‌های فرهنگی متنوع و پیچیده مانند مراکز اجتماعی، مراکز سالمندان و مراکز فرهنگی و ورزشی بود. امکانات فرهنگی با یک منطقه حائل 300 متری در اطراف خط خیابان همپوشانی دارند تا مجموع امکانات فرهنگی در هر خیابان را محاسبه کنند، که معیاری از سرزندگی فرهنگی آن خیابان است.

3.4. عوامل محیطی ساخته شده در خیابان

در زمینه طراحی شهری، برنیک و سرورو یک سیستم شاخص «3 بعدی» (تراکم، تنوع و طراحی) را برای عوامل مؤثر در محیط ساخته شده شهری تعریف کردند [ 60 ] و بلزر و اتلر این سیستم را بیشتر به یک شاخص «5 بعدی» گسترش دادند. سیستم با افزودن فاصله به حمل و نقل و دسترسی به مقصد [ 61]. این مطالعه با تکیه بر ویژگی‌های داده‌های شهری چندمنبعی و سیستم نشانگر 5 بعدی، در مجموع 11 شاخص را تعریف کرد که چهار دسته از عوامل را پوشش می‌دهند – یعنی محیط بیرونی خیابان. کاربری زمین؛ حمل و نقل و مسافرت؛ و جمعیت و اشتغال – برای توصیف کمی محیط ساخته شده فضای خیابان و تجزیه و تحلیل رابطه بین سرزندگی شهری و محیط ساخته شده خیابان ها با مدل های رگرسیون چندگانه. به طور خاص، عوامل محیط بیرونی خیابان شامل سه شاخص – یعنی شاخص نمای سبز خیابان است. فاکتور نمای آسمان; و تراکم ساختمان – که برای انعکاس محیط فیزیکی خارجی فضای خیابان استفاده می شود، با مقادیر آنها که مستقیماً بر آسایش محیطی فضای خیابان تأثیر می گذارد. شاخص نمای سبز نسبت پوشش گیاهی در چشم انداز خیابان است که توسط عابران پیاده مشاهده می شود و عامل نمای آسمان نسبت مساحت آسمانی است که عابران پیاده می توانند از خیابان ببینند. هر دو نسبت از طریق تقسیم بندی معنایی تصاویر نمای خیابان تعیین می شوند و در معادله (2) محاسبه می شوند.

جایی که شاخص نرخ آسمان یا سبز است، تعداد نقاط نمونه برداری در خیابان است، نسبت عناصر آسمان یا پوشش گیاهی در تصویر نمای خیابان است که با استفاده از مدل DeepLabV3 برای تقسیم بندی معنایی تصویر در ناحیه یادگیری ماشین با دسترسی به API GluonCV در پایتون [ 62 ] تعیین می شود.

فاکتورهای کاربری زمین شامل سه شاخص بود-یعنی ترکیبی از POI. چگالی POI؛ و سطح قیمت مسکن – که برای مشخص کردن تنوع و شدت کاربری زمین در خیابان استفاده می‌شوند و در ترکیب با قیمت مسکن نزدیک‌ترین منطقه مسکونی، ویژگی‌های مکان و قدرت مصرف را در اطراف فضای خیابان منعکس می‌کنند. ما عوامل کاربری زمین را از مجموعه داده های POI مورد استفاده در مطالعات قبلی اندازه گیری می کنیم [ 13 ، 56 ]. مخلوط POI با استفاده از فرمول آنتروپی مشتق شده از شاخص شانون به عنوان معادله (3) محاسبه شد.

جایی که شاخص مخلوط است، درصد POI نوع i در منطقه بافر خیابان j و n استتعداد کل انواع POI است. ما POI ها را به 14 نوع دسته بندی کردیم که عبارتند از رستوران ها، مراکز خرید، مکان های دیدنی، امکانات عمومی، شرکت ها، خدمات مالی و بیمه ای، خدمات علمی، آموزشی و فرهنگی، امکانات حمل و نقل، مسکن تجاری، خدمات زندگی، خدمات ورزشی و اوقات فراغت، خدمات اقامتی، سلامت. خدمات مراقبتی و سازمان های دولتی یا سازمان های اجتماعی. از آنجایی که بلوک‌های شهری با توزیع متمرکز POI دارای جریان عابر پیاده بالاتر و زیرساخت خدمات فرهنگی نسبتاً متمرکز هستند، ما تراکم POI را به عنوان یک عامل تأثیرگذار در تجزیه و تحلیل سرزندگی فرهنگی حفظ کردیم. عوامل حمل‌ونقل و سفر شامل سه شاخص بودند. راحتی اتوبوس؛ و راحتی مترو – که برای توصیف راحتی حمل و نقل در فضای خیابان استفاده می شد. عوامل جمعیت و اشتغال شامل دو شاخص – یعنی جمعیت شماری و تراکم اشتغال – بود که توزیع جمعیت و بنگاه ها را در واحد خیابانی مشخص می کند. برای تراکم اشتغال، از داده‌های استخدام برای منعکس کردن ویژگی‌های توزیع شرکت‌ها در اطراف واحد خیابانی استفاده شد. اسکریپت های پایتون نوشته شده با کتابخانه پانداها در پردازش داده ها و محاسبات شاخص بالا استفاده شد، در حالی که ArcPy در ArcGIS 10.5 برای تجزیه و تحلیل فضایی استفاده شد. حداقل، حداکثر، میانگین، انحراف معیار و روش محاسبه هر شاخص در شرح داده شده است داده‌های استخدام برای منعکس کردن ویژگی‌های توزیع شرکت‌ها در اطراف واحد خیابانی استفاده شد. اسکریپت های پایتون نوشته شده با کتابخانه پانداها در پردازش داده ها و محاسبات شاخص بالا استفاده شد، در حالی که ArcPy در ArcGIS 10.5 برای تجزیه و تحلیل فضایی استفاده شد. حداقل، حداکثر، میانگین، انحراف معیار و روش محاسبه هر شاخص در شرح داده شده است داده‌های استخدام برای منعکس کردن ویژگی‌های توزیع شرکت‌ها در اطراف واحد خیابانی استفاده شد. اسکریپت های پایتون نوشته شده با کتابخانه پانداها در پردازش داده ها و محاسبات شاخص بالا استفاده شد، در حالی که ArcPy در ArcGIS 10.5 برای تجزیه و تحلیل فضایی استفاده شد. حداقل، حداکثر، میانگین، انحراف معیار و روش محاسبه هر شاخص در شرح داده شده استجدول 2 .

3.5. تحلیل رگرسیون چندگانه

برای تحلیل عوامل موثر بر سرزندگی چند بعدی شهری فضای خیابان، یک مدل رگرسیون چندگانه با استفاده از معادله رگرسیون نشان داده شده در رابطه (4) ساخته شد.

که در آن مقادیر سه سرزندگی خیابان به عنوان متغیر وابسته و 11 مقدار شاخص به عنوان متغیر مستقل انتخاب شدند. با استفاده از سه مدل رگرسیون نشاط اجتماعی، اقتصادی و فرهنگی در خیابان‌ها، سعی می‌کنیم مکانیسمی را آشکار کنیم که عوامل محیطی ساخته شده خیابان‌ها بر سرزندگی شهری تأثیر می‌گذارند. چند خطی ممکن است زمانی رخ دهد که همبستگی متوسط ​​یا زیاد بین دو یا چند متغیر مستقل وجود داشته باشد که منجر به تفسیر نادرست تحلیل رگرسیون شود. ضریب تورم واریانس (VIF) یک آزمون رایج برای ارزیابی سطح چند خطی است. هر متغیری با مقدار VIF بیشتر از 5 یا 10 باید از مدل حذف شود [ 63]. در نهایت، متغیرهای مستقل با همبستگی کم برای تحلیل رگرسیون مدل انتخاب شدند.

4. نتایج

4.1. الگوی فضایی سرزندگی چند بعدی شهری در خیابان

توزیع فضایی سرزندگی شهری در خیابان های چنگدو در شکل 4 نشان داده شده است. برای مقایسه با سایر معیارهای حیاتی، ما مقدار حیاتی را در محدوده [0، 1] با نرمال سازی Min-Max نرمال کردیم. به طور کلی، سرزندگی عمدتاً به عملکرد مربوط می شد و ویژگی های توزیع متفاوتی داشت. ارزش سرزندگی در مرکز شهری بیشتر از مناطق شهری پیرامونی بود و در مجاورت جاده کمربندی دوم به طور قابل توجهی کاهش یافت. ارزش‌های سرزندگی اجتماعی و فرهنگی در شرق کمی بالاتر از غرب بود و منطقه تجاری که توسط خیابان‌های نزدیک جاده چونشی نشان داده می‌شد ارزش‌های حیات اجتماعی و اقتصادی بالایی داشت. توزیع فضایی ارزش سرزندگی فرهنگی با ارزش‌های سرزندگی اجتماعی و اقتصادی همبستگی معنی‌داری نداشت.
توزیع فضایی سرزندگی اجتماعی در شکل 4 نشان داده شده استالف، با مناطق پر ارزش عمدتاً در خیابان های نزدیک به جاده کمربندی اول تا جاده کمربندی دوم، به ویژه در نواحی شرقی و جنوبی این محدوده توزیع شده است. به صورت محلی، نشاط اجتماعی در مناطق تجاری که با خیابان‌های نزدیک به جاده چونشی (①) و واندا پلازا در جاده جین‌هوا (②)، در کالج‌ها و دانشگاه‌هایی که توسط خیابان‌های نزدیک دانشگاه سیچوان (③) نمایندگی می‌شوند، در مراکز پزشکی که توسط خیابان‌های نزدیک بیمارستان چین غربی (④)، در مراکز فرهنگی و ورزشی که توسط خیابان‌های نزدیک به مرکز ورزشی چینگ یانگ (⑤)، در پارک‌های صنعتی به نمایندگی از جاده کیون (⑥)، در مراکز حمل‌ونقل با خیابان‌های نزدیک راه‌آهن شمال چنگدو نشان داده می‌شوند. ایستگاه (⑦) و ایستگاه راه آهن جنوبی (⑧)،
سرزندگی اقتصادی واحدهای خیابانی توزیع پراکنده ای را نشان داد ( شکل 4ب) و عمدتاً در خیابان های نزدیک به مناطق تجاری اصلی توزیع می شود. بالاترین ارزش سرزندگی خیابان عمدتاً در خیابان‌های نزدیک منطقه تجاری در جاده چونشی (①)، پس از آن جاده جین‌هوا در نزدیکی واندا پلازا (②)، خیابان‌های نزدیک MixC (③)، خیابان نینگشیا در نزدیکی شهر نیو سیتی پلازا (④) توزیع شد. و جاده شمالی رنمین در نزدیکی میدان واندا در منطقه جینیو (⑤). علاوه بر این، خیابان‌هایی مانند جاده شمالی Kehua (⑥) که نزدیک به دانشگاه سیچوان است، خیابان Wuhouci (⑦) که در کنار مکان دیدنی معروف ووهو قرار دارد، و خیابان Kuixinglou که نماینده فرهنگ غذایی چنگدو است. ⑧)، به دلیل توزیع خوشه ای مشاغل در صنایع مختلف، نشاط اقتصادی بالایی را نشان داد.
همانطور که در شکل 4 ج نشان داده شده است، سرزندگی فرهنگی یک روند تمرکز مشخص را نشان می دهد، با مقادیر سرزندگی بالا برای خیابان های داخل جاده کمربندی دوم و ارزش سرزندگی نسبتاً پایین برای خیابان های خارج از جاده کمربندی دوم. به طور خاص، چندین منطقه محلی با ارزش بالا مانند خیابان‌های نزدیک میدان تیانفو و موزه چنگدو (①)، خیابان‌های نزدیک مرکز ورزشی چنگدو (②)، خیابان‌های نزدیک پارک صنعت فرهنگی غربی (⑤)، خیابان‌های نزدیک موزه چنگدو یونگلینگ ( ④)، خیابان‌های نزدیک MixC (⑤) و خیابان‌های نزدیک انجمن Zizhu (⑥).

4.2. شاخص های عوامل محیطی ساخته شده در خیابان

نتایج هر شاخص از محیط ساخته شده خیابان در شکل 5 نشان داده شده است. توزیع شاخص‌های محیط بیرونی خیابان واضح است: منطقه اصلی شهری به دلیل ساختمان‌های بلند و منابع زمین محدود دارای نرخ سبز و آسمان پایین است و منطقه بیرونی شهری به دلیل باز بودن دارای نرخ سبز و آسمان بالا است. نمای خیابان ها، و همچنین نرخ نمای سبز کم و نرخ بالای آسمان به دلیل عریض تر بودن جاده ها و مناظر در دایره ترافیک اصلی. همانطور که انتظار می رود، پراکندگی، تراکم POI و ترکیب در مناطق مرکزی شهری بیشتر از مناطق شهری پیرامونی است. چندین منطقه با قیمت خانه بالاتر در بخش جنوبی منطقه مورد مطالعه، و به طور کلی قیمت خانه در شمال پایین تر وجود دارد. مناطق مرکزی و جنوبی از نظر سهولت دسترسی به اشتغال مزیت بیشتری دارند. راحتی اتوبوس به طور مساوی نسبت به راحتی مترو توزیع می شود.

4.3. رابطه بین سرزندگی شهری و محیط ساخته شده در خیابان

بین سه نوع سرزندگی شهری و 11 شاخص، تحلیل همبستگی انجام شد. به جز نشاط اجتماعی و نرخ آسمان که همبستگی نداشتند ( جدول 3 )، بین همه متغیرها به درجات مختلف روابط همبستگی وجود داشت. به عنوان مثال، بین سرزندگی اجتماعی، سرزندگی اقتصادی و تراکم POI، و همچنین سرزندگی اجتماعی و جمعیت شماری، با ضرایب همبستگی بیش از 0.6 همبستگی متوسط ​​و بسیار معنادار وجود دارد. از آنجایی که نرخ آسمان می تواند بر سرزندگی شهری تأثیر بگذارد، در مدل سازی و تجزیه و تحلیل عوامل تأثیرگذار برای کامل بودن حفظ می شود. از ضریب تورم واریانس (VIF) برای آزمایش چند خطی بودن در بین 11 شاخص عوامل محیط ساخته شده استفاده شد ( جدول 4).) و مقادیر VIF آنها همگی کمتر از 10 بودند، با حداکثر VIF 2.01، مربوط به تلورانس 0.50، که نشان می دهد هیچ چند خطی قابل توجهی در بین متغیرها وجود ندارد. آزمون مدل DW مقادیر 1.84، 1.82 و 1.38 را به دست داد، که همگی نزدیک به 2 هستند، که نشان می‌دهد که باقیمانده‌های مدل فاقد خود همبستگی هستند و این مدل، فرض اساسی استقلال باقی‌مانده را برآورده می‌کند.
با اعمال مدل در رابطه (4)، نرم افزار SPSS برای وارد کردن داده ها برای تحلیل رگرسیون خطی چندگانه پیاده سازی شد. نتایج نهایی در جدول 5 , جدول 6 , جدول 7 و جدول 8 ارائه شده است. مشاهده می شود که مدل رگرسیون با نشاط اجتماعی اندکی بهتر از نشاط اقتصادی و فرهنگی تناسب دارد. R2 تعدیل شده نشان می دهد که به ترتیب 58.9٪، 42.21٪ و 40.8٪ از تغییرات در سرزندگی اجتماعی، اقتصادی و فرهنگی را می توان با عوامل مرتبط توضیح داد ( جدول 5).). از آزمون F برای تشخیص اینکه آیا متغیرهای مستقل کل محیط ساخته شده تأثیر معناداری بر متغیر وابسته سرزندگی شهری به طور کلی دارند یا خیر استفاده شد. بر اساس نتایج آزمون، مقادیر F برای سه نوع حیات به ترتیب 582.41، 296.14 و 280.32 و Sig آنها بود. مقادیر همگی کمتر از 0.05 بودند که نشان می‌دهد هر شاخص بر هر سه نوع سرزندگی شهری به طور کلی تأثیر معنی‌داری دارد، همانطور که در جدول 5 نشان داده شده است. از آزمون t برای تعیین اینکه آیا هر متغیر مستقل در مدل رگرسیون خطی چندگانه تأثیر معناداری بر متغیر وابسته دارد یا خیر استفاده شد ( جدول 6 ، جدول 7 و جدول 8).). ضرایب رگرسیون در صورتی که سطح معنی داری کمتر از 0.05 باشد، آزمون معناداری را پشت سر می گذارند. مدل رگرسیون نشاط اجتماعی آزمون قیمت مسکن و نرخ سبز شدن را قبول نکرد. دسترسی به مترو، پراکندگی جاده و دسترسی به کار همگی در مدل رگرسیون سرزندگی اقتصادی شکست خوردند. همه عوامل در مدل رگرسیون سرزندگی فرهنگی معنی دار بودند (با قبولی در آزمون t ).
همه این عوامل به شدت با سرزندگی شهری، از جمله محیط بیرونی خیابان، کاربری زمین، حمل و نقل و سفر و جمعیت و اشتغال مرتبط هستند. شمارش جمعیت و تراکم POI به ترتیب دارای ضرایب استاندارد شده 0.38 و 0.36 هستند که نشان می دهد جریان عابر پیاده و کاربری زمین بیشترین تأثیر را بر سرزندگی اجتماعی خیابان ها دارند ( جدول 6).). هر چه شاخص‌های ضریب کاربری اراضی بالاتر باشد، خدمات زندگی بیشتر و تا حدودی خیابان سرزنده‌تر می‌شود. هرچه سفر راحت‌تر باشد و تعداد جمعیت و تعداد مشاغل موجود بیشتر باشد، افراد بیشتری جمع می‌شوند و ارتباط برقرار می‌کنند. افرادی که در مناطقی زندگی می کنند که دید واضحی از آسمان دارند، به احتمال زیاد در شهر فعالیت های مسافرتی دارند. بنابراین نشاط اجتماعی خیابان تحت تأثیر همه این عوامل است.
نتایج حاصل از تحلیل رگرسیون سرزندگی اقتصادی در خیابان ها اهمیت کاربری زمین را نشان می دهد. همانطور که در جدول 7 نشان داده شده استتأثیر تراکم POI و شمارش جمعیت بر سرزندگی اقتصادی خیابان‌ها بیشتر است، با ضرایب استاندارد شده به ترتیب 0.53 و 0.14. تا حدی، مناطق پرجمعیت می توانند فعالیت های اقتصادی مشابه ویترین فروشگاه ها را ترویج دهند و غنا و تمرکز صنایع مرتبط با آنها و حمل و نقل راحت نیز به نشاط اقتصادی منطقه کمک می کند. از سوی دیگر، عواملی مانند ضریب نمای آسمان پایین و شاخص نمای سبز بر سرزندگی اقتصادی یک محله تأثیر مثبت دارند. به دلیل تمرکز بالای مردم و تجارت در نواحی مرکزی شهر، خیابان‌های دارای سطح فعالیت اقتصادی بالا تمایل به شلوغی و سایه‌اندازی دارند که باعث کاهش فضای سبز می‌شود.
همه عوامل مرتبط با نشاط فرهنگی در خیابان ها بسیار قابل توجه بودند و وفور ترافیک عابر پیاده و حمل و نقل عالی، شرایط مسکونی و زندگی، خیابان ها را از نظر فرهنگی پرنشاط تر کرد. ضرایب استاندارد شده برای تراکم POI و راحتی کار به ترتیب 0.27 و 0.26 بود و تأثیر آنها بر سرزندگی فرهنگی بیشتر بود ( جدول 8).). تراکم ساختمان با سرزندگی فرهنگی همبستگی منفی معنی‌داری داشت که نشان می‌دهد خوشه‌های متمرکز ساختمان‌ها می‌توانند بر سرزندگی فرهنگی تأثیر منفی بگذارند. افزایش سرزندگی فرهنگی خیابان را می توان با کاهش فاکتور نمای آسمان و مقادیر شاخص نمای سبز آن مرتبط دانست. افزایش سرزندگی فرهنگی خیابان را می توان با کاهش فاکتور نمای آسمان و مقادیر شاخص نمای سبز آن مرتبط دانست. با توجه به شکل 4 ج، نشاط فرهنگی عمدتاً در خیابان‌های داخل جاده کمربندی دوم، با نرخ انسداد ساختمانی بالا، مشاهده شد.

5. بحث

داده های شهری چند منبعی پایه ای برای سرزندگی شهری دقیق و چند بعدی در خیابان ایجاد می کند. تفاوت‌ها در توزیع سرزندگی شهری عمدتاً به عملکردهای مرتبط با فضای خیابان و ویژگی‌های عملکردی یک خیابان منفرد مربوط می‌شود و فعالیت‌های ساکنان بر الگوهای توزیع سرزندگی شهری در ابعاد مختلف تأثیر می‌گذارند. در خیابان چنگدو، سطوح بالایی از نشاط اجتماعی عمدتاً در مراکز مختلف تجمع مرتبط با فعالیت های تولید و زندگی پراکنده است. سرزندگی اقتصادی مربوط به مناطقی است که جریان‌های متراکم عابر پیاده و خوشه‌های تجاری در آن قرار دارند، در حالی که مناطق با ارزش‌های بالای سرزندگی فرهنگی در خیابان‌های مرکزی شهری متمرکز هستند. مقایسه ارزش‌های مختلف سرزندگی شهری نشان می‌دهد که خیابان‌هایی با ارزش سرزندگی اقتصادی بالا عموماً دارای ارزش سرزندگی اجتماعی بالایی هستند، در حالی که خیابان‌هایی با ارزش سرزندگی اجتماعی بالا دارای ارزش سرزندگی اقتصادی بالا و پایین هستند، که نشان می‌دهد مکان‌هایی که ساکنان آن درگیر فعالیت‌های مصرفی مختلف هستند. به طور گسترده در خیابان توزیع شده است، و این مکان ها تعداد زیادی از ساکنان را جذب می کنند، بنابراین ارزش های نشاط اجتماعی بالایی ایجاد می کنند. از سوی دیگر، برای خیابان‌هایی با ارزش‌های سرزندگی اجتماعی بالا، علی‌رغم وجود جریان‌های عابر پیاده بالا، هنوز «افت سرزندگی اقتصادی» وجود دارد که نیازمند بهینه‌سازی تنوع عملکردی خیابان‌ها برای افزایش بیشتر نشاط اقتصادی است. خیابان‌هایی که ارزش‌های سرزندگی فرهنگی بالایی دارند، ارزش‌های سرزندگی اجتماعی و اقتصادی برجسته‌ای ندارند.64 ]. با اندازه‌گیری ابعاد چندگانه سرزندگی شهری، می‌توان پدیده‌های پیچیده اقتصادی و فرهنگی و فرآیندهای اجتماعی در فضای شهری را به‌طور جامع‌تری تحلیل کرد که منجر به بهینه‌سازی برنامه‌ریزی و طراحی شهری و بهبود سرزندگی شهری در ابعاد مختلف می‌شود.
شاخص های محیطی ساخته شده ارتباط نزدیکی با سرزندگی شهری خیابان دارد. به طور کلی، استفاده از زمین، سفرهای ترافیکی، جمعیت و اشتغال در اطراف خیابان‌ها ارتباط تنگاتنگی با سرزندگی خیابان دارند، که تأیید می‌کند که سرزندگی شهر از مردم زنده و فعالیت‌های مختلف آن ناشی می‌شود [ 6 ]. با توجه به نشاط اجتماعی و اقتصادی، شمارش جمعیت و تراکم POI تأثیر قابل توجهی بر ارتباطات اجتماعی و تجارت دارد. این یافته با تحقیقات قبلی مطابقت دارد [ 2]، که نشان داد سطوح کاربری بالاتر زمین منجر به ساخت تأسیسات خدماتی زندگی می شود که فعالیت های ساکنان را در خود جای داده و شرایطی را ایجاد می کند که در آن جمعیت می توانند جمع شوند. سرزندگی شهری با فعالیت های ساکنان و توسعه متعاقب آن خوشه های صنایع مرتبط افزایش می یابد. از سوی دیگر، میزان تأثیر جمعیت شماری بر سرزندگی فرهنگی کمتر از تراکم POI، ترکیبی از POI و راحتی کار است که ویژگی های فرهنگی منحصر به فرد آن را نشان می دهد. با این حال، راحتی اتوبوس و نرخ سبز نیز تاثیر بسزایی دارد و فعالیت های فرهنگی از حمل و نقل راحت و محیطی منحصر به فرد بهره می برند. سیستم‌های حمل‌ونقل خدمات مسافرتی انعطاف‌پذیری را ارائه می‌کنند و در نتیجه فرصت‌ها را برای فعالیت‌ها و تعاملات انسانی افزایش می‌دهند [ 65]. فضاهای سبز در شهرها می توانند احساسات مثبت را ترویج کرده و فعالیت بدنی را تسهیل کنند [ 66 ]. نکته مهم این است که همه عوامل بر این سه نشاط تأثیر نمی گذارند، مانند عامل کم عرضی جاده که فقط بر نشاط اجتماعی و نشاط فرهنگی تأثیر می گذارد و تأثیر متضادی بر هر دو دارد. این نتیجه نشان می دهد که افزایش سرزندگی شهری باید به صورت جامع و چند بعدی مورد توجه قرار گیرد.
فضای خیابان دارای فعالیت های شهری متعددی است و باید اقدامات هدفمندی برای افزایش سرزندگی چند بعدی شهری بر اساس ویژگی های خیابان های مختلف انجام شود. از منظر نشاط اجتماعی، توزیع سرزندگی شهری متاثر از عملکرد خیابان ها است. همراه با روند توسعه املاک و سایر توسعه‌ها، تمدید تسهیلات با تأخیر رخ می‌دهد و لازم است از زمین‌هایی که در توسعه عقب مانده‌اند استفاده کامل شود [ 24 ]. علاوه بر این، یک طبقه‌بندی منطقی از کاربری مختلط، مزایای زیادی را برای برنامه‌ریزی فراهم می‌کند و راه‌حل‌های برنامه‌ریزی واضح و منحصربه‌فردی را ارائه می‌کند [ 67 ]]. بنابراین، برای خیابان‌هایی که عمدتاً کارکردهای مسکونی دارند، مکان‌های پشتیبانی خدمات عمومی می‌توانند به طور مناسب برای بهبود خدمات زندگی متنوع اضافه شوند. برای خیابان هایی که عمدتاً کارکردهای صنعتی دارند، می توان با افزودن امکانات کاربردی مانند مسکونی و پذیرایی، محیط اشتغال را به طور مناسب بهبود بخشید تا بنگاه های بیشتری را برای استقرار در بورس جذب کند و سطح تحرک انسانی را بیشتر بهبود بخشد. از منظر نشاط اقتصادی، ارزیابی ظرفیت یک خیابان برای حمایت از فعالیت های تجاری در مقیاس بزرگ و جریان پایدار عابر پیاده ضروری است. ظرفیت حمل شهری یک فشارسنج مهم توسعه پایدار شهری است و در نظر گرفتن ظرفیت تحمل محیط و امکانات خیابان می تواند به حفظ رشد اقتصادی منطقه ای پایدار کمک کند [ 68 ]]. بر این اساس می توان با ارتقای ظرفیت و کیفیت خدمات متنوع و بهبود شرایط حمل و نقل اطراف فضای خیابان، نشاط اقتصادی را به طور مستمر افزایش داد. از منظر نشاط فرهنگی، خیابان‌های مناطق حاشیه‌ای را می‌توان از منظر توسعه متوازن کلی شهر به‌طور مناسب ارتقا داد. به عنوان مثال، پیشینه منحصر به فرد فرهنگ پاندا در چنگدو می تواند به عنوان نقطه ورود برای برنامه ریزی و ساخت امکانات فرهنگی و گردشگری بیشتر برای ارتقای سطح خدمات فرهنگی عمومی مورد استفاده قرار گیرد. اخیراً، سیاست‌های مربوط به ایجاد «شهر جهانی صنایع فرهنگی و خلاق» و «شهر توریستی مشهور جهان» در چنگدو، تبادل مداوم افراد و بر این اساس، اجتماعی، سرزندگی های اقتصادی و فرهنگی متقابلاً از طریق فعالیت های مبادله ای مختلف ارتقاء یافته و افزایش یافته است. به طور کلی، بهبود سرزندگی شهری نیازمند برنامه ریزی در مقیاس دقیق و استراتژی های بهینه سازی در فضای خیابان و همچنین توسعه هماهنگ و پایدار در ابعاد اجتماعی، اقتصادی و فرهنگی است.

6. نتیجه گیری

سرزندگی شهری یک مفهوم انتزاعی جامع است که از عوامل تأثیرگذار مختلفی که مکمل یکدیگر هستند ناشی می شود [ 69 ]. جلوه ای بیرونی از عملکرد کلی شهر است. مردم و محیط ساخته شده حیاتی ترین عوامل در سرزندگی شهری هستند و فعالیت های اجتماعی، اقتصادی و فرهنگی در نتیجه تجمع مردم و پیگیری اهداف اساسی زندگی، الزامات زیست محیطی و فرهنگ معنوی پدید می آیند .]. سرزندگی شهری به طور فزاینده ای به جنبه های مختلف از جمله جنبه های اقتصادی، اجتماعی، زیست محیطی و حتی فرهنگی تجزیه می شود و محققان در حال انجام تجزیه و تحلیل سرزندگی شهری با استفاده از محله ها، قطعات، سلول های شبکه یا مناطق تحلیل ترافیک به عنوان واحد تحلیل هستند. در این میان، خیابان‌های شهری فضاهای باز عمومی در شهرها هستند که به‌طور سنتی کارکرد اجتماعی حمل‌ونقل را انجام می‌دهند و همچنین حامل فضایی فعالیت‌های اجتماعی-اقتصادی و فرهنگی شهری هستند .]. در این پژوهش از داده‌های چندمنبعی شهری برای اندازه‌گیری سرزندگی چندبعدی شهری با استفاده از خیابان‌ها به‌عنوان واحد تحلیل استفاده شد و همبستگی بین ابعاد مختلف سرزندگی شهری مانند سرزندگی اجتماعی، اقتصادی و فرهنگی و عوامل محیطی ساخته‌شده خیابان مورد تجزیه و تحلیل قرار گرفت. توزیع نشاط چند بعدی شهری در خیابان را می توان با اندازه گیری نشاط اجتماعی بر اساس مسیر حرکت تاکسی ها و دوچرخه های مشترک، اندازه گیری نشاط اقتصادی با استفاده از داده های رتبه بندی کاربران و اندازه گیری نشاط فرهنگی بر اساس داده های POI تعیین کرد. داده‌های چندمنبعی شهری مانند نمای خیابان، ساختمان‌ها، قیمت مسکن و داده‌های استخدام را می‌توان برای تعیین کمیت عوامل محیطی ساخته‌شده شهری و تحلیل همبستگی آنها با سرزندگی شهری خیابان‌ها مورد استفاده قرار داد.
به طور کلی، ویژگی های توزیع فضایی سرزندگی اجتماعی، اقتصادی و فرهنگی خیابان های چنگدو کمی متفاوت است. خیابان‌هایی با نشاط اجتماعی بالا به وضوح بین جاده‌های کمربندی اول و دوم جمع می‌شوند و در اطراف مناطق مسکونی، پارک‌های صنعتی، مدارس و دیگر مراکز عمده تولیدی و زندگی توزیع می‌شوند که عمدتاً تحت تأثیر عواملی مانند محیط خارجی خیابان، کاربری زمین، جمعیت و اشتغال نشاط اقتصادی در نزدیکی مناطق خرید عمده با خدمات برتر و جریان عابر پیاده مانند خرید و غذاخوری متمرکز شده است و منطقه خرید جاده Chunxi به عنوان نماینده معمولی است. سرزندگی فرهنگی روند کاهشی را از مرکز شهر به سمت حاشیه نشان می دهد که ارتباط تنگاتنگی با محیط خارجی و کاربری زمین در خیابان دارد.
بر اساس واحد خیابان، سرزندگی اجتماعی، اقتصادی، فرهنگی به صورت واقعی و عینی سنجیده شده است، تحلیل کمی فضای خیابان غنی شده است و مطالعات سرزندگی شهری بر اساس داده های چند منبع شهری گسترش یافته است. تجزیه و تحلیل سرزندگی مرتبط و مکانیسم های تأثیر می تواند به عنوان مرجعی برای افزایش سرزندگی شهری در ابعاد مختلف استفاده شود. در آینده، از داده‌های سری زمانی برای تحلیل ویژگی‌های زمانی سرزندگی شهری استفاده خواهد شد و داده‌های چند منبعی از شهرهای مختلف برای مقایسه سرزندگی شهری برای شهرهای مختلف تجزیه و تحلیل خواهند شد.

مشارکت های نویسنده

مفهوم سازی، Caihui Cui و Qian Li. روش، کیان لی و ژیگانگ هان. نرم افزار، کیان لی و فنگ لیو. اعتبار سنجی، Caihui Cui و Zhigang Han. تحلیل رسمی، Caihui Cui; تحقیق، کیان لی و یادی ران. منابع، فنگ لیو و یادی ران. مدیریت داده، Yadi Run و Qirui Wu. نوشتن – آماده سازی پیش نویس اصلی، کیان لی; نوشتن-بررسی و ویرایش، Caihui Cui و Zhigang Han. تجسم، Yadi Run و Qirui Wu; نظارت، Caihui Cui; مدیریت پروژه، Zhigang Han; و تامین مالی، Zhigang Han. همه نویسندگان نسخه منتشر شده نسخه خطی را خوانده و با آن موافقت کرده اند.

منابع مالی

این تحقیق توسط بنیاد ملی علوم طبیعی چین با شماره کمک مالی 41871316 تامین شده است. پروژه کلیدی علوم انسانی و اجتماعی پایگاه تحقیقاتی کلیدی وزارت آموزش، چین، شماره کمک مالی 16JJD770019. بنیاد علم و فناوری استان هنان، شماره کمک هزینه 212102310421; پروژه نوآوری علم و فناوری منابع طبیعی استان هنان، چین، شماره کمک مالی 202016511؛ و برنامه تحقیق و توسعه کلید ملی چین، شماره کمک مالی 2021YFE0106700.

بیانیه هیئت بررسی نهادی

قابل اجرا نیست.

بیانیه رضایت آگاهانه

قابل اجرا نیست.

بیانیه در دسترس بودن داده ها

داده های موجود در صورت درخواست به منظور حفاظت از حریم خصوصی شرکت کنندگان در تحقیق.

قدردانی ها

تشکر ویژه از سردبیر و داوران ناشناس این مقاله برای نظرات سازنده آنها، به ویژه در طول همه گیری COVID-19.

تضاد علاقه

نویسندگان هیچ تضاد منافع را اعلام نمی کنند.

منابع

  1. یو، دبلیو. چن، ی. Thy, TM; فن، پ. ژانگ، دبلیو. شناسایی سرزندگی شهری در مناطق شهری کشورهای در حال توسعه از دیدگاه مقایسه ای: شهر هوشی مین در مقابل شانگهای. سوست جامعه شهرها 2020 , 65 , 102609. [ Google Scholar ] [ CrossRef ]
  2. لان، اف. گونگ، ایکس. دا، اچ. ون، اچ. ورود جمعیت و زیرساخت‌های اجتماعی چگونه بر سرزندگی شهری تأثیر می‌گذارند؟ شواهد از 35 شهر بزرگ و متوسط ​​در چین. Cities 2020 , 100 , 102454. [ Google Scholar ] [ CrossRef ]
  3. دلکلوس-آلیو، X. گوتیرز، آ. Miralles-Guasch، C. شرایط سرزندگی شهری جین جاکوبز در بارسلونا: اندازه‌گیری‌های ردیابی مسکونی و مبتنی بر تلفن هوشمند محیط ساخته‌شده در یک کلان شهر مدیترانه. شهرها 2019 ، 86 ، 220–228. [ Google Scholar ] [ CrossRef ]
  4. شیا، سی. ژانگ، ا. بله، AG روابط متفاوت بین فرم شهری چند بعدی و سرزندگی شهری در ابرشهرهای چینی: بینش هایی از یک تحلیل مقایسه ای. ان صبح. دانشیار Geogr. 2021 ، 112 ، 1-26. [ Google Scholar ] [ CrossRef ]
  5. لانگ، ی. هوانگ، سی. آیا اندازه بلوک مهم است؟ تاثیر طراحی شهری بر سرزندگی اقتصادی شهرهای چین محیط زیست طرح. ب مقعد شهری. علوم شهر 2019 ، 46 ، 406-422. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. جیکوبز، جی . مرگ و زندگی شهرهای بزرگ آمریکا . کتاب‌های قدیمی: نیویورک، نیویورک، ایالات متحده آمریکا، 1961. [ Google Scholar ]
  7. لینچ، KA تصویر شهر ; مطبوعات MIT: کمبریج، MA، ایالات متحده آمریکا، 1971. [ Google Scholar ]
  8. Gehl, J. زندگی بین ساختمان ها ; ون نوستراند راینهولد: نیویورک، نیویورک، ایالات متحده آمریکا، 1987. [ Google Scholar ]
  9. چهتری، پ. استیمسون، RJ; وسترن، J. مدل سازی عوامل جذابیت محله منعکس شده در انتخاب های تصمیم گیری مکان مسکونی. گل میخ. Reg. علمی 2006 ، 36 ، 393-417. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. سولیس، پ. مانلی، ای. ژونگ، سی. Batty, M. استفاده از داده های تحرک به عنوان پروکسی برای اندازه گیری سرزندگی شهری. جی. اسپات. بین المللی علمی 2018 ، 16 ، 137-162. [ Google Scholar ] [ CrossRef ]
  11. خو، ی. بلی، ا. بوجیک، آی. Ratti, C. چگونه دوستان فضای شهری را به اشتراک می گذارند: یک تحلیل مکانی-زمانی اکتشافی با استفاده از داده های تلفن همراه. ترانس. GIS 2017 ، 21 ، 468-487. [ Google Scholar ] [ CrossRef ]
  12. جیانگ، دی. در مورد سرزندگی شکل شهری . انتشارات دانشگاه جنوب شرقی: نانجینگ، چین، 2007. [ Google Scholar ]
  13. تو، دبلیو. زو، تی. شیا، جی. ژو، ی. لای، ی. جیانگ، جی. لی، کیو. به تصویر کشیدن پویایی فضایی سرزندگی شهری با استفاده از داده های بزرگ شهری چند منبعی. محاسبه کنید. محیط زیست سیستم شهری 2020 , 80 , 101428. [ Google Scholar ] [ CrossRef ]
  14. شورا، S. چین سالم 2030. در دسترس آنلاین: https://www.gov.cn/xinwen/2016-10/25/content_5124174.htm (در 12 سپتامبر 2021 قابل دسترسی است).
  15. عزمی، دی. کریم، HA پیامدهای پیاده‌روی در جهت ارتقای محله شهری پایدار. Procedia-Soc. رفتار علمی 2012 ، 50 ، 204-213. [ Google Scholar ] [ CrossRef ]
  16. سونگ، اچ. لی، اس. محیط ساخته شده مسکونی و فعالیت پیاده روی: شواهد تجربی از سرزندگی شهری جین جاکوبز. ترانسپ Res. قسمت D Transp. محیط زیست 2015 ، 41 ، 318-329. [ Google Scholar ] [ CrossRef ]
  17. گونگ، جی. ژانگ، ایکس. شیانگ، ال. چن، ن. پیشرفت ها و کاربردهای سنجش یکپارچه و تصمیم گیری هوشمند در شهرهای هوشمند. Acta Geodaetica et Cartographica Sinica 2019 ، 48 ، 1482-1497. [ Google Scholar ]
  18. تو، و. کائو، جی. گائو، کیو. کائو، آر. نیش، ز. یو، ی. لی، کیو. سنجش پویایی شهر با ادغام داده های بزرگ مکانی-زمانی چند منبعی. Geomat. Inf. علمی دانشگاه ووهان 2020 ، 45 ، 50-58. [ Google Scholar ]
  19. لیو، ی. لیو، ایکس. گائو، اس. گونگ، ال. کانگ، سی. ژی، ی. چی، جی. شی، ال. حس اجتماعی: رویکردی جدید برای درک محیط های اجتماعی-اقتصادی ما. ان دانشیار صبح. Geogr. 2015 ، 105 ، 512-530. [ Google Scholar ] [ CrossRef ]
  20. لی، کیو. از ژئوماتیک تا انفورماتیک شهری. Geomat. Inf. علمی دانشگاه ووهان 2017 ، 42 ، 1-6. [ Google Scholar ]
  21. او، س. او، دبلیو. آهنگ، ی. وو، جی. یین، سی. Mou, Y. تأثیر الگوهای رشد شهری بر سرزندگی شهری در مناطق تازه ساخته شده بر اساس تجزیه و تحلیل قوانین انجمن با استفاده از “داده های بزرگ” جغرافیایی. کاربری اراضی Pol. 2018 ، 78 ، 726-738. [ Google Scholar ] [ CrossRef ]
  22. هوانگ، بی. ژو، ی. لی، ز. آهنگ، ی. کای، جی. Tu، W. ارزیابی و توصیف سرزندگی شهری با استفاده از داده های بزرگ فضایی: شانگهای به عنوان مطالعه موردی. محیط زیست طرح. ب مقعد شهری. علوم شهر 2020 ، 47 ، 1543-1559. [ Google Scholar ] [ CrossRef ]
  23. بله، ی. لی، دی. لیو، ایکس. چگونه تراکم بلوک و گونه‌شناسی بر سرزندگی شهری تأثیر می‌گذارد: یک تحلیل اکتشافی در شنژن، چین. جئوگر شهری. 2018 ، 39 ، 631-652. [ Google Scholar ] [ CrossRef ]
  24. شیا، سی. بله، AG-O. Zhang، A. تجزیه و تحلیل روابط فضایی بین شدت استفاده از زمین شهری و سرزندگی شهری در سطح بلوک خیابان: مطالعه موردی پنج کلان شهر چین. Landsc. طرح شهری. 2020 , 193 , 103669. [ Google Scholar ] [ CrossRef ]
  25. یو، دبلیو. چن، ی. ژانگ، Q. لیو، ی. ارزیابی صریح فضایی سرزندگی شهری با استفاده از داده‌های چند منبع: موردی از شانگهای، چین. پایداری 2019 ، 11 ، 638. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  26. لیو، اس. ژانگ، ال. لانگ، ی. لانگ، ی. Xu, M. یک چارچوب جدید تحلیل و ارزیابی سرزندگی شهری بر اساس مدل‌سازی فعالیت انسانی با استفاده از داده‌های بزرگ چند منبعی. ISPRS Int. Geo-Inf. 2020 ، 9 ، 617. [ Google Scholar ] [ CrossRef ]
  27. ذکریا، بی. او، X. لی، ام. ژو، سی. سرزندگی غذای شهری: تکنیکی جدید برای ارزیابی سرزندگی شهری. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2021 ، 18 ، 3578. [ Google Scholar ] [ CrossRef ]
  28. زنگ، پ. وی، ام. لیو، ایکس. بررسی دینامیک فضایی و زمانی سرزندگی شهری با استفاده از داده‌های اشتراک‌گذاری دوچرخه. پایداری 2020 ، 12 ، 1714. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  29. تا، ن. زنگ، ی. زو، س. Wu, J. تجزیه و تحلیل رابطه بین محیط ساخته شده و سرزندگی شهری در مرکز شانگهای بر اساس داده های بزرگ. علمی Geogr. گناه 2020 ، 40 ، 60-68. [ Google Scholar ]
  30. کیم، Y.-L. رویکرد داده محور برای توصیف سرزندگی شهری: چگونه بافت مکانی-زمانی به طور پویا شب سئول را تعریف می کند. بین المللی جی. جئوگر. Inf. علمی 2020 ، 34 ، 1235-1256. [ Google Scholar ] [ CrossRef ]
  31. وانگ، ام. Vermeulen، F. زندگی بین ساختمان ها از تصویر نمای خیابان: تجزیه و تحلیل داده های بزرگ در مورد سرزندگی سازمانی محله چه چیزی را نشان می دهد؟ مطالعه شهری. 2020 ، 58 ، 3118-3139. [ Google Scholar ] [ CrossRef ]
  32. Kim, YL Seoul’s Wi-Fi hotspots: نقاط دسترسی Wi-Fi به عنوان شاخصی از سرزندگی شهری. محاسبه کنید. محیط زیست سیستم شهری 2018 ، 72 ، 13-24. [ Google Scholar ] [ CrossRef ]
  33. کانگ، سی. فن، دی. جیائو، اچ. اعتبارسنجی فعالیت، تنوع زمان و مکان به عنوان مؤلفه‌های ضروری سرزندگی شهری. محیط زیست طرح. ب مقعد شهری. علوم شهر 2021 ، 48 ، 1180-1197. [ Google Scholar ] [ CrossRef ]
  34. ژانگ، ا. لی، دبلیو. وو، جی. لین، جی. چو، جی. Xia, C. چگونه منظر شهری می تواند بر سرزندگی شهری در سطح بلوک خیابان تأثیر بگذارد؟ مطالعه موردی 15 کلانشهر در چین. محیط زیست طرح. ب مقعد شهری. علوم شهر 2020 ، 48 ، 1245-1262. [ Google Scholar ] [ CrossRef ]
  35. نیش، سی. او هست.؛ وانگ، L. مشخصه فضایی سرزندگی شهری و ارتباط با معیارهای مختلف شبکه خیابانی از دیدگاه چند مقیاسی. جلو. بهداشت عمومی 2021 ، 9 ، 677910. [ Google Scholar ] [ CrossRef ]
  36. گان، ایکس. هوانگ، ال. وانگ، اچ. مو، ی. وانگ، دی. Hu, A. اندازه بلوک بهینه برای بهبود سرزندگی شهری: یک تحلیل اکتشافی با چند شاخص سرزندگی. ج. طرح شهری. Dev 2021 , 147 , 04021027. [ Google Scholar ] [ CrossRef ]
  37. خیابان ها و الگوهای مارشال، اس . Routledge: نیویورک، نیویورک، ایالات متحده آمریکا، 2005. [ Google Scholar ]
  38. شن، ی. کریمی، ک. اتصال عملکرد شهری: مشخصه‌یابی خیابان‌های شهری کاربردی با داده‌های ورود به شبکه‌های اجتماعی. شهرها 2016 ، 55 ، 9-21. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. لینچ، ک . نظریه شکل شهر خوب . انتشارات MIT: بوستون، MA، ایالات متحده آمریکا، 1981; صص 193-222. [ Google Scholar ]
  40. زو، دی. وانگ، ن. وو، ال. خیابان لیو، Y. به عنوان یک واحد مونتاژ و تجزیه و تحلیل داده های جغرافیایی بزرگ در مطالعات شهری: مطالعه موردی با استفاده از داده های تاکسی پکن. Appl. Geogr. 2017 ، 86 ، 152-164. [ Google Scholar ] [ CrossRef ]
  41. جلال الدینی، س. Oktay، D. فضاهای عمومی شهری و سرزندگی: تحلیلی اجتماعی- فضایی در خیابان های شهرهای قبرس. Procedia-Soc. رفتار علمی 2012 ، 35 ، 664-674. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  42. لیو، ام. جیانگ، ی. او، ارزیابی کمی JJS در مورد سرزندگی خیابان: مطالعه موردی جامعه ژوجیادو در شانگهای. پایداری 2021 ، 13 ، 3027. [ Google Scholar ] [ CrossRef ]
  43. گوا، ایکس. چن، اچ. یانگ، ایکس. ارزیابی سرزندگی پویای خیابان و عوامل تأثیرگذار آن بر اساس داده‌های بزرگ چند منبعی. بین المللی جی. جئوگر. Inf. علمی 2021 ، 10 ، 143. [ Google Scholar ] [ CrossRef ]
  44. وو، دبلیو. نیو، ایکس. لی، ام. تأثیر محیط ساخته شده بر سرزندگی خیابان: مطالعه موردی جاده نانجینگ غربی در شانگهای بر اساس داده های موقعیت مکانی تلفن همراه. پایداری 2021 ، 13 ، 1840. [ Google Scholar ] [ CrossRef ]
  45. چن، ی. لیو، ایکس. لی، ایکس. لیو، ایکس. یائو، ی. تعیین مناطق عملکردی شهری با داده‌های رسانه‌های اجتماعی در سطح ساختمان: روش تاب‌خوردگی زمانی پویا (DTW) مبتنی بر فاصله k-medoids. Landsc. طرح شهری. 2017 ، 160 ، 48-60. [ Google Scholar ] [ CrossRef ]
  46. لانگ، ی. لیو، ال. خیابان ها چقدر سبز هستند؟ تحلیلی برای مناطق مرکزی شهرهای چین با استفاده از Tencent Street View. PLoS ONE 2017 , 12 , e0171110. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  47. آهنگ، سی. Qu، Z. بلوم، ن. Barabási، AL محدودیت های قابل پیش بینی در تحرک انسان. Science 2010 ، 327 ، 1018-1021. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  48. میائو، JT ویژگی های برنامه ریزی: تفسیر مجدد برنامه ریزی شهری در چین با مورد چنگدو. طرح. عمل تئوری. 2019 ، 20 ، 512-536. [ Google Scholar ] [ CrossRef ]
  49. فی، دبلیو. ژائو، S. گسترش زمین شهری در شش کلان شهر چین از سال 1978 تا 2015. علم. کل محیط. 2019 ، 664 ، 60-71. [ Google Scholar ] [ CrossRef ] [ PubMed ]
  50. لیو، ایکس. تیان، ی. ژانگ، ایکس. Wan, Z. شناسایی مناطق عملکردی شهری در چنگدو بر اساس داده‌های سری زمانی مسیر تاکسی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 158. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  51. سان، م. Fan، H. شناسایی و تجزیه و تحلیل مراکز شهری بر اساس روش درخت کانتور موضعی با استفاده از داده‌های مسیر تاکسی: مطالعه موردی شانگهای. ISPRS Int. J. Geo-Inf. 2021 ، 10 ، 220. [ Google Scholar ] [ CrossRef ]
  52. هان، ز. کوی، سی. میائو، سی. وانگ، اچ. چن، X. شناسایی الگوهای فضایی فروشگاه‌های خرده‌فروشی در ساختار شبکه جاده‌ای. پایداری 2019 ، 11 ، 4539. [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
  53. خو، اف. فنگ، ز. Qin، X. وانگ، ایکس. وانگ، اف. از مکان مرکزی تا نظریه جریان مرکزی: اکتشاف پذیرایی شهری. تور. Geogr. 2018 ، 21 ، 121-142. [ Google Scholar ] [ CrossRef ]
  54. سنکال، اس. نانتل، جی. تأثیر توصیه‌های محصول آنلاین بر انتخاب‌های آنلاین مصرف‌کنندگان. J. خرده فروشی. 2004 ، 80 ، 159-169. [ Google Scholar ] [ CrossRef ]
  55. زو، اف. ژانگ، ایکس. تأثیر بررسی‌های آنلاین مصرف‌کننده بر فروش: نقش تعدیل‌کننده محصول و ویژگی‌های مصرف‌کننده. جی. مارک. 2010 ، 74 ، 133-148. [ Google Scholar ] [ CrossRef ]
  56. یو، ی. ژوانگ، ی. بله، AG; زی، جی. Ma، CL; لی، کیو. اندازه گیری استفاده ترکیبی مبتنی بر POI و روابط آنها با سرزندگی محله. بین المللی جی. جئوگر. Inf. علمی 2017 ، 31 ، 658-675. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  57. Qin، X. ژن، اف. گونگ، ی. ترکیب داده های بزرگ و کوچک: مطالعه تجربی در مورد توزیع و عوامل محبوبیت فضای پذیرایی در نانجینگ، چین. ج. طرح شهری. توسعه دهنده 2019 , 145 , 05018022. [ Google Scholar ] [ CrossRef ]
  58. هاردل، دبلیو. Simar, L. Applied Multivariate Statistical Analysis , 3rd ed.; Prentice Hall: Engelwood، NJ، ایالات متحده، 2012. [ Google Scholar ]
  59. Chion، M. تولید نشاط شهری: مورد رقص در سانفرانسیسکو. جئوگر شهری. 2009 ، 30 ، 416-439. [ Google Scholar ] [ CrossRef ]
  60. برنیک، ام. سرورو، آر. دهکده های ترانزیت در قرن بیست و یکم . McGraw-Hill: نیویورک، نیویورک، ایالات متحده آمریکا، 1997. [ Google Scholar ]
  61. بلزر، دی. اتلر، جی. توسعه محور ترانزیت: حرکت از بلاغت به واقعیت . مرکز موسسه بروکینگز در سیاست شهری و متروپولیتن: واشنگتن، دی سی، ایالات متحده آمریکا، 2002. [ Google Scholar ]
  62. GluonCV: ابزار یادگیری عمیق برای بینایی کامپیوتر. در دسترس آنلاین: https://cv.gluon.ai/build/examples_segmentation/index.html (در 12 سپتامبر 2021 قابل دسترسی است).
  63. کوتنر، ام. Nachtsheim، C. Neter, J. Applied Linear Statistical Models , 4th ed.; McGraw-Hill: نیویورک، نیویورک، ایالات متحده آمریکا، 2004. [ Google Scholar ]
  64. وینیس، جی. لینکلن، ال. یون، جی. پیشبرد پایداری از طریق فضای سبز شهری: خدمات اکوسیستم فرهنگی، برابری و عوامل اجتماعی تعیین کننده سلامت. بین المللی جی. محیط زیست. Res. بهداشت عمومی 2016 ، 13 ، 196. [ Google Scholar ]
  65. رودریگ، جی پی؛ کامتویس، سی. Slack، B. جغرافیای سیستم های حمل و نقل . Routledge: نیویورک، نیویورک، ایالات متحده آمریکا، 2009. [ Google Scholar ]
  66. Weijs-Perrée، M. دین، جی. برگ، PVD تحلیل روابط بین عواطف شهروندان و رضایت لحظه ای آنها در فضاهای عمومی شهری. پایداری 2020 ، 12 ، 7921. [ Google Scholar ] [ CrossRef ]
  67. رامان، آر. روی، بریتانیا تاکسونومی برنامه ریزی کاربری ترکیبی شهری. کاربری اراضی Pol. 2019 ، 88 ، 104102. [ Google Scholar ] [ CrossRef ]
  68. وی، ی. هوانگ، سی. لام، PTI; یوان، ز. توسعه پایدار شهری: بررسی ارزیابی ظرفیت حمل شهری. Habitat Int. 2015 ، 46 ، 64-71. [ Google Scholar ] [ CrossRef ]
  69. پان، اچ. یانگ، سی. کوان، ال. لیائو، ال. بینشی جدید در درک سرزندگی شهری: مطالعه موردی در حلقه اقتصادی دو شهر منطقه چنگدو-چونگ کینگ، چین. پایداری 2021 ، 13 ، 10068. [ Google Scholar ] [ CrossRef ]
شکل 1. منطقه مطالعاتی چنگدو، چین.
شکل 2. چارچوب مطالعه.
شکل 3. سیستم ارزیابی «دیانپینگ» در سنجش پویایی اقتصادی.
شکل 4. الگوی فضایی سرزندگی شهری در خیابان ها. مکان هایی که با اعداد نشان داده شده اند (به عنوان مثال، ①، ②، ③…) در نمودار، مناطقی با ارزش حیاتی بالا هستند. الف ) نشاط اجتماعی. ب ) نشاط اقتصادی. ج ) نشاط فرهنگی.
شکل 5. توزیع فضایی شاخص های عوامل محیطی ساخته شده در خیابان ها. ( الف ) نرخ آسمان. ( ب ) نرخ سبز. ( ج ) تراکم ساختمان. ( د ) مخلوطی از POI. ( ه ) چگالی POI. ( و ) سطح قیمت خانه. ( ز ) پراکندگی جاده. ( ح ) راحتی اتوبوس. ( i ) راحتی مترو. ( ی ) جمعیت شماری. ( ک ) راحتی کار.

بدون دیدگاه

دیدگاهتان را بنویسید