过刊检索
期数   从:
   至:
文章标题:
作者姓名:
关 键 词:
摘  要:
      
互动交流
本期您最喜欢的文章
《城市规划学刊》网站用户调查
您当前的位置: 首页 - 学术动态
01区域和城市空间发展(王兰) 发布时间: 2017-05-26 点击: 3081

运用科学指导城市规划政策与实践:如何实现健康和可持续的未来城市
土地使用和运输政策通过交通暴露、噪音、空气污染、社会隔离、低体力活动和久坐行为加剧了全球范围内的伤害和非传染性疾病的流行。机动化交通是威胁人类健康的温室气体排放的一个主要原因。越来越多的证据表明,如果决策时考虑到对健康的影响,将有利于解决广泛的健康问题,但许多城市的城市规划、交通规划及城市设计政策并没有体现这一点。加强研究转译将能提高有关健康的研究在城市和交通规划决策中的影响力,可以解决许多全球性的健康问题。本文通过介绍应用于城市规划、交通规划及城市设计的相关研究的概念模式和案例,阐述这种做法的潜力。主要的建议是城市应提倡土地紧凑、混合使用的设计,鼓励出行模式从私家车转向步行、自行车和公共交通。本文提倡系统性的城市设计方法,通过倡导主动交通来提高健康和可持续发展水平。这种做法从长远看来有望成为一个改善人口健康水平的强有力的战略。
本文一共分为八个部分。
第一部分介绍了世界各地城市的土地利用和交通政策对健康存在一定的负面影响,主要体现为交通伤害、空气污染和低活动量。因此有关土地利用和交通政策对健康产生影响的研究证据应该更有效地指导城市设计,使其能提高健康水平和环境可持续性。本文在第一部分简要介绍了本文中的三个案例研究,并且使用了“研究翻译”、“知识转移”和“知识交换”三个术语来概括这三个案例研究中将研究结论应用于政策制定的过程。文章的结论和建议将建立在整个系列文章上,指出创造健康和可持续发展的城市所需的研究和政策。
第二部分介绍了指导研究转译的模式与依据。首先引用了政策制定的三种趋向:问题趋向是指决策制定者需要认识到这是一个问题;建议趋向的政策制定需要甄别各种可行的解决办法;政策趋向是指使政治家乐于做出这样的决策。文章接着指出决策制定者希望有针对性的学术研究能帮助他们做出决策。在第二部分的最后,文章提出了研究转译的四阶段模式。关键的第一步是做与政策相关的研究,第二步是使用令政策制定者信服的研究方法,第三步是通过适当的沟通方式积极地向政策制定者传递调查结果,第四步是参与宣传政策的改良。
第三、四、五部分介绍本文中的三个案例研究,分别是美国的活力生活研究、澳大利亚居住环境研究和美国亚特兰大大城市区域交通和空气质量策略研究。美国的活力生活研究表明土地利用和交通政策可以影响广泛的健康结果,尤其是非传染性疾病和机动车伤害。澳大利亚居住环境研究模拟了土地利用和交通政策,并估计了城市可以实现的人口健康收益。美国亚特兰大大城市区域交通和空气质量策略研究主要揭示了与健康有关的联邦政策如何促使区域交通政策改变以及该研究起到的关键作用,这也是一个将研究知识转化为政策的成功案例。这三个案例研究均较好地体现了研究转译的四个阶段模式,包括确保研究问题与政策相关,应用与政策相关的研究方法,积极地进行宣传工作以及倡导政策和实践变革。在每个案例研究的最后总结了相应的经验,其中美国的活力生活研究50%的项目已经纳入决策过程,80%的相关政策和宣传组织领导人熟悉该案例研究;澳大利亚居住环境研究阐述了如何在非卫生部门中影响卫生政策的制定;美国亚特兰大大城市区域交通和空气质量策略研究说明了与健康相关的联邦政策如何驱使区域交通政策产生变革。
第六部分介绍了该系列的最后一篇文章,关于如何将个人的研究向知识领域转化,认为研究证据的使用可以成为一种工具,为城市设计和交通规划的决策制定提出改进建议。文章借鉴了研究转译的概念模式,总结了与知识转移有关的领域的证据,并使用了多个案例研究以说明有效的研究转译能够促进健康导向的土地利用和交通规划的实践和政策制定。
第七部分介绍了有关研究转译的结论。机动车导向的土地利用和交通政策正导致越来越多的非传染性疾病和损伤;因此有必要充分利用研究证据,使城市规划和交通政策符合健康促进的导向。不同的案例研究表明,对健康的研究能在土地利用和交通决策中起到作用;而面临的挑战则是要确保使用更常规和有效的方式来研究健康。由于不同国家的政策不尽相同,应使决策者根据当地的情况进行决策。因此使用概括的研究证据应当慎重,特别是在尝试将相关研究进行转译中。
第八部分介绍了该系列文章的结论和建议。该系列文章的研究结果表明,城市规划可能产生最大健康效益的方法是使对步行、自行车和公共交通的安全基础设施的支持优先于对私人机动交通的支持。虽然这对于北美等城市可能是一个挑战,但对于亚洲的城市则是一个需要重视的理念。
来源:SALLIS J F, BULL F, BURDETT R, et al. Use of science to guide city planning policy and practice: how to achieve healthy and sustainable future cities[J]. Lancet, 2016, 388(10062): 2936.
(供稿:孙文尧)

量化社区与邻里实验室:一个城市计算科学和城市技术创新的框架
在数据采集和建模技术在城市规划与研究中广泛应用并不断创新的背景下,本文提出,在未来世界的城市中,应该对城市设施、环境与人之间的互动关系有更好的理解。而当前的城市数据分析技术与建模工具更多地集中在城市的层面,通过分析传感技术收集的数据可以更好地了解与改善城市生活;但是这种数据分析方式并不足以对城市的质量、可持续和弹性或者更广泛的城市政策与规划产生重大影响。城市级别的数据收集与分析需要投入大量的时间和资源,而在社区层面则可以实现持续的、实时的数据采集和分析,为新的物质和信息技术政策提供试验场。从社区的角度进行数据收集与分析并不是通过减少空间孔径(spatial aperture)来减少分析的复杂性,而是在问题识别、数据解析与问题解决上更好地与居民建立联系,从而引发更多的社区参与。因此,作者提出量化社区(Quantified Community)的概念,从城市建模方法与城市环境的数据收集方法两个方面提出并论证了量化社区建模与数据集成的概念性框架。基于作者部署在纽约的三个不同尺度与类型的初级量化社区的经验,提出了量化社区的应用领域,并讨论了数据的隐私性与透明性问题以及未来的工作方向。
首先,作者指出当前的城市规划与现实世界存在巨大的脱节,规划设计与决策仍然主要依赖于人类和社会、建成环境相互作用的理论,这些理论并没有得到系统地验证。在实践中,惯例和日常规则经常用于指导开发、规划和设计决策以及评估政策实施的效果。而城市政策和设计评估的标准往往也都是缺少大数量级、高精度的数据支撑的指标。作者引用了雅各布斯的观点,认为城市是城市建设和城市设计中的一个巨大的测试失败与成功的实验室,是城市规划从业者应该学习、形成和测试理论的实验室。
在社区层面进行城市建模则可以同时测量和综合分析特定社区中的物质基础设施、自然环境以及人类或社会活动数据。这些基础测量通过提供一个有可比性的社区基准数据来强化社区问题识别、社区目标优化等方面的社区参与。通过在城市结构中集成传感器完成关键系统和基础设施的实时测量、监测和分析,并提供观测数据,以支撑循证导向的城市设计和政策制定。这种量化的社区还可以提供新技术的测试台、真实的政策评估实验点,以及开发和测试商业模式的机会。
随后作者基于以上概念框架,认为实现量化社区需要的传感器类型和数据类型有:
①利用嵌入式和移动传感器网络,获取室内外含有定位的环境传感数据,主要包括光线的亮度水平、噪声、空气质量、风速等;
②利用建筑自动化系统与其他原位传感器,收集建筑与城市基础设施集聚区的资源消耗数据:包括能源、水、垃圾的消耗与排放等;
③利用结合行政记录、社交媒体数据的传感器,收集包括投诉、违法行为、情感分析、公共空间质量调查(可达性、清洁度等)、用户端的生理与生物统计数据;
④交通可达性和使用的数据包括:自行车的使用数据、巴士乘客数据、地铁乘客OD数据,出租车乘客OD数据;
⑤在考虑到敏感数据与数据隐私的情况下,获取关于流动性、行为与社会互动的数据,包括:蓝牙与Wi-Fi接入数据、阻塞点测量数据、计算机视觉识别与视频成像数据等。
作者指出,通过量化社区收集的数据和结果分析可以用来:①测试和验证规划设计关于密度、城市环境的混合使用程度的基本假设;②评估重大城市发展决策对现有或周边社区的环境与社会影响;③整个城市基础设施系统在社区尺度实现运营效率提升和资源消耗降低;④创建一个可以检测新技术、设计理论、政策干预和资源保护战略的真实实验环境与理念验证平台。
同时,作者考虑到了量化社区数据的收集和使用中无法避免的数据隐私性的问题。他认为应该在充分了解个人和社区共享数据的价值主张以及技术安全与访问的使用协议的情况下,通过激励措施来保证持续的众包和参与性数据;并且应提高数据传播与分析的透明度。
最后,作者介绍了纽约在开发邻里实验网络方面的重大举措——部署在曼哈顿下城、哈德逊码头、红钩的三个量化社区的运行情况。三个不同尺度与类型的量化社区在目标建立、数据收集类型等方面都充分结合了当地具体的问题与挑战。量化社区旨在理解社区发展的动态,以支撑更健康、更有成效和更有弹性的环境。社区层面的城市模型提供了社区界定其各自需求和优先次序的能力,通过与邻里以及当地社区团体建立联系,能够更好地阐述城市中的问题和需求。未来随着社区尺度的传感器和计算基础设施部署到更多的城市社区或邻里,这些社区可以创建一个通用的、带有能够跨越时空维度的社区标杆和指标的测量基准。
来源:KONTOKOSTA C E. The quantified community and neighborhood lab: a framework for computational urban science and civic technology innovation[J]. Journal of Urban Technology, 2016: 67-84.
(供稿:周楷宸)

区域多中心:铁路基础设施凝聚力影响评估的指标框架
区域凝聚力已成为交通规划的主要目标之一,促进了相关评估方法的制定,以量化预测主要运输基础设施的区域影响。与凝聚力相关联,多中心被定义为实现区域平衡的最佳空间配置。
全文共分为五个部分。第一部分为绪论。作者的研究的目的是通过使用新的区域多中心指标将区域凝聚力纳入铁路备选方案的评估标准。作者提出了一个基于多中心形态维度的指标,并通过分析西班牙北部地区的铁路备选方案进行测试。这种比较可以预测不同铁路类型在未来区域结构中的影响,为多中心发展提供了选择最佳备选方案的工具。
第二部分介绍了现有的多中心评估研究。大部分研究对多中心的分析包含了两个不同的维度:形态维度和功能维度。形态维度侧重于各研究对象的具体特征,通常基于其相对规模和区域分布。功能维度是指不同中心之间的关系,主要使用网络分析技术和通勤数据进行分析。作者提出的多中心度量指标由三个子指标组成:规模、网络连通性和周边性,都与形态维度的空间分布方面有关。根据出行时间数据,网络联通性和周边性两个指标可以在通勤数据丢失的情况下作为功能维度指标。
第三部分介绍了具体的研究方法,包括三个阶段。第一阶段是对各种备选方案的定义以及每对站点之间的出行时间数据的计算。
第二阶段包括计算规模、网络连通性和周边性的指标。规模是指人口的等级分布。网络连通性估算站点之间的相互依赖性,以出行时间表示。周边性(Peripherality)表示区域内因交通网络的质量而存在的不连续地区(区域内周边性)以及该地区与国内其他地区(区域间周边性)的连接水平,通常以可达性表示,大多数周边性指标被定义为可达性指标的倒数。
第三阶段涉及建立区域多中心指标。①建立区域多中心指标:多中心指标是每个备选方案的规模、网络连通性和周边性的区域标准值的汇总结果。可以根据利益相关者的需求,更改每个指标的标准权重。本研究采用了对三个标准平均分配重要性的方法。通过将每个备选方案得到结果(指标值)提高到每个标准权重的方法,可以将得分聚合成最终多中心指标。最终结果提供了铁路网络备选方案的排名,有助于选择最佳方案。②敏感性分析(Sensitivity analysis):对排名结果应用灵敏度分析,特别是不同标准下权重的选择来验证提出的模型。
第四部分是对西班牙北部坎塔布里亚地区的案例研究。①高铁备选方案定义和计算出行时间数据:A0,无作为方案,代表2024年当前网络状况不会改变;A1,桑坦德 - 帕伦西亚线方案,代表桑坦德和帕伦西亚之间的拟议高铁建成;A2,毕尔巴鄂新线方案,在桑坦德和毕尔巴鄂之间的沿海建造一条新的国际标准线,替代现有的线路,而不会有中间停靠;A3,将目前线路现代化改造为毕尔巴鄂方案,对现有的桑坦德毕尔巴鄂路径及其对国际宽度的修改; A4,布尔戈斯的一条新线方案,桑坦德布尔戈斯高铁部分沿袭旧的未完成的桑坦德 - 梅德 - 迭戈路线,一个新的国际宽度高铁线,没有中间停靠。每个铁路线的平均出行时间值和频率是根据西班牙国家铁路网公司的时间表信息确定的。
②计算规模,网络连接性和周边性的指标:关于预计人口,A0和A1将增加大多数居民的人口;A2和A4,将会减少大量城市的人口,特别是在西部和南部地区。关于区域内的周边性,A4与布尔戈斯的直接连接呈现最低值,该地区的郊区比其他备选城市少;A2毕尔巴鄂的新线将增加区域周边性,因为它只会改善桑坦德及其周边地区的可达性同时牺牲该区域的其他城市。A4和A2的备选方案是最能改善区域可达性的替代方案,从而减少其周边性;A0在区域间的周边性方面是最糟糕的选择;A4保持最佳性能,因为它是区域内和区域间周边性的最佳选择。在对每个替代方案应用最终的区域多中心指标后,铁路网络备选方案的排名是A4> A1> A0> A3> A2。在敏感性分析中A4仍然是所有标准组合的最佳替代方案,A2仍然是所有组合的最糟糕的替代方案。
第五部分是结论。本文的主要贡献是使区域多中心指标可以用作铁路网络决策支持工具,从而能够在区域内部实现更加平衡的区域凝聚力。该区域指数考虑了城市层面的集聚效应,并且可以进行次区域分析,这是解决城乡多中心发展问题的关键。研究结果表明,对基础设施区域效应的分析应在不同层次上进行统筹,以确保国家级多中心体系不会通过将人口和活动集中在单一的中心城市来破坏区域发展。在区域层面研究多中心性时,不仅要考虑初期的城市体系配置和区域需求,还要考虑其规划的优先次序和数据可用性。
来源:GONZÁLEZ-GONZÁLEZ E, NOGUÉS S.  Regional polycentricity: an indicator framework for assessing cohesion impacts of railway infrastructures[J]. European Planning Studies, 2016, 24(5): 950-973.
(供稿:呼斯乐)