原标题：【文献荐读】探索德里的住宅建成形态类型：基于网格聚类的可持续城市化方法

　　 导读

　　本期推荐文献为Aviral Marwal等2023年发表于《Urban Sustainability》上的文章《Exploring residential built-up form typologies in Delhi: a grid-based clustering approach towards sustainable urbanization》。已有研究已经确立了城市形态和可持续性之间的重要联系。由于缺乏邻里层面的空间数据和地图，全球南方城市微尺度城市形态的多样性受到的关注有限，这给探索微观城市形态特征带来了挑战。本研究使用基于网格的k-means聚类算法来填补这一空白，以识别德里的住宅建筑形态类型，并评估其对可持续城市化的影响。

　　01 引言

　　根据联合国经社部的报告，德里是全球人口第二多的城市群，预计2028年人口将达3720万。随着城市化推进，人类与城市建筑环境互动增加，研究其可持续性具有重要价值。近几十年来，发展中国家城市移民涌入引发土地使用模式与居住模式的快速变化，不同社区在社会经济指标和建筑结构上差异显著，用一种特定的城市形态来描述一个城市可能会产生误导，因此需探索社区建筑类型差异以衡量城市的可持续城市化程度。

　　在此背景下，本研究提出了一些重要的问题：德里的住宅区是否存在多样化的建筑形态如何将其可视化并进行测量？建筑形态对德里的可持续城市化有什么影响？设定两大目标：一是用k-means聚类算法对德里社区聚类并表征其主要建筑形态类型学，二是分析不同建筑形态类型学对可持续城市化的影响。

　　现有城市形态文献揭示了三个主要问题。系统探索捕捉邻里层面空间格局异质性的研究较为有限；测量城市形态的地理尺度选择不当可能会导致修改面积单位的问题(MAUP)；城市形态分析中对空间数据进行聚类还存在挑战。

　　此外，如何解释聚类结果也是一个重要挑战。尽管基于机器学习(ML)的聚类算法可以聚类多变量大数据集，但它们可能无法提供如何解释聚类结果的清晰理解。最近的发展是解释性方法的兴起，例如SHAP，这些方法旨在增强ML模型的可解释性和透明度。

　　02 材料与方法

　　2.1 数据准备

　　第一步是使用谷歌地球绘制德里居民区的地图，然后将住宅区导出到ArcGIS软件中，并将其转换为网格大小为100×100米的栅格文件，从而得到37,092个网格单元。本研究重点关注城市形态的常用要素：(a)密度，包括建成区密度和2012年至2022年建成区密度的增长；(b)街道设计，包括街道交叉口密度和街区大小；(c)五项服务的可达性。

　　第一个要素是服务的可达性。表1列出了各项服务、每项服务的观察次数及其来源。可达性的计算方式为所有五种服务的观测累积计数的归一化值的总和，如公式(1)所示：

　　表1 服务设施及其来源

　　第二个和第三个因素分别是建成区密度和建成区密度的增长。将每个网格单元 2012年至2022年建成密度的百分比变化作为建成区密度的增长。

　　本研究的第四个和第五个要素分别是十字路口密度和街区大小，这是使用开放街道地图(OSM)数据库计算的。本研究中使用的所有城市形态元素的数据摘要如表2所示。本节中描述的研究方法如图1所示。

　　表2 城市形态要素数据

　　图1 研究方法流程图

　　2.2 k-means聚类

　　本研究使用k-means聚类将网格单元划分为相似的城市形态属性。K-means聚类是一种机器学习算法，用于对数据集中的数据点进行聚类或分组。该算法将数据划分为“k”个不重叠的聚类，其中k是用户选择的预定义数字。本研究使用了Python中的scikit-learn库来执行算法。首先，使用最小-最大缩放器(the min-max scaler)将数据缩放到0到1的范围，然后使用广泛使用的肘部方法确定最佳聚类数。肘部方法使用WCSS(聚类内平方和)计算聚类内的总变化，并绘制结果以确定最佳聚类数量(k)。

　　03 研究结果

　　3.1 研究背景

　　印度首都德里是全球人口第二多的城市，拥有2800多万居民。预计到2030年，它将成为世界上人口最稠密的城市。图2显示了德里的地图，网格大小为100×100米。

　　图2 德里地图，其中住宅区以100×100米的网格大小显示

　　在过去的十年里，德里的建筑面积几乎翻了一番，这给政府的住房和交通管理带来了挑战。根据德里发展局的数据，住房需求和供应之间的不匹配以及难以承受的价格导致了1700多个未经授权的聚居区的增长，这些聚居区是该市400多万人的家园。2019-2020年德里经济调查报告显示，每1000人拥有643辆汽车，是2005-2006年的两倍，导致交通拥堵、道路事故和停车位短缺。《德里2041年总体规划》预计，德里的日均出行量将超过4600万人次，人均出行率为1.58次。这些是德里因大规模城市化而面临的一些问题，如果不进行适当的规划干预，这些问题可能会进一步体现出来。在此背景下本研究将德里作为案例研究，以了解可以执行哪些地方规划干预措施来实现可持续城市化。

　　3.2 聚类特征

　　在对数据进行标准化处理并确定最佳聚类数量后，本研究使用五个城市形态元素运行k-means聚类算法。该算法将网格单元聚类为6种，命名为T1至T6。表3显示了六个聚类中网格单元的百分比份额。图3显示了6个聚类下网格单元的空间分布情况。

　　表3 六个聚类中网格单元的百分比占比

　　图3 六个聚类下网格单元的空间分布

　　为了确定聚类之间的统计差异，本研究进行了方差和协方差的多变量分析(MANOVA)检验（表4）。该测试揭示了六个聚类之间城市形态元素平均值的巨大差异，表明每个聚类具有不同的城市形态特征组成。

　　表4 多元方差分析（MANOVA）测试结果

　　图4显示了六个聚类中各种城市形态元素的箱线图。例如，图4(a)显示聚类T1的可达性得分中位数最高，而图4(b)显示聚类T5的街道交叉口密度中位数最高。

　　图4 箱线图展示了不同聚类中城市形态要素的数据分布。图中所示的城市形态要素如下:(a)可达性，(b）街道交叉口密度，(c)建成区密度，(d)建成区增长，以及(e)街区面积（平方米)

　　图5描绘了每个聚类的多变量数据的平行坐标图，提供了聚类之间差异的直观说明。

　　图5 平行坐标图。变量显示在x轴上，每个聚类的标准化平均值分数显示在y轴上

　　3.3 聚类类型化

　　使用Python中的SHAP模块，使用SHAP工具来可视化聚类之间的变化。图6显示了SHAP工具的总结图。

　　图6 所有六个聚类的SHAP值总结图。每个特征由一个水平条表示，条的颜色指示变量或特征的值，蓝色表示低值，红色表示高值。SHAP值的方向表示特征值对聚类的表征效果。正(负)SHAP值表示该特征更有可能(不太可能)表征该聚类

　　总结图显示了城市形态元素对聚类预测影响的性质和程度。在T1聚类的情况下，服务可达性、建筑密度和地块大小的高值具有正的SHAP值。中等路口密度值和低增长率值也具有正的SHAP值。这意味着T1聚类更有可能通过服务可达性、建成密度和街区大小的高值，以及路口密度的中等值和低增长值来预测。为了构建聚类类型，本研究使用了影响最强的聚类特征，即在T1聚类的情况下，服务可达性的高值。因此将T1聚类标记为具有高服务可达性的区域。

　　基于对T1聚类的分析，剩余聚类的类型学可以被类似地框定。T2聚类以适度的建成密度为其主导特征；T3聚类被标记为具有高增长率的区域； T4聚类以低建筑密度为主要特征，为具有乡村景观的城市化区域；T5聚类的主导特征是高街道交叉口密度，被标记为紧凑和拥挤的区域； T6聚类为高密度区。

　　表5列出了基于箱线图和多元图分析的聚类特征，以及使用SHAP工具构建的主要城市形态或类型学。

　　表5 聚类特征与类型学

　　04

　　讨论

　　聚类分析确定了德里六种不同的住宅建筑形态类型。本节旨在实现研究的第二个目标，即分析这些不同的建成形态类型学影响着德里的可持续城市化。本研究从城市形态的角度分析了可持续性，该研究确定了以下有助于可持续城市化的城市形态特征：服务设施和公交站点的高可达性、具有开放空间的中等或高建筑密度、适度的街道网络密度和大型街区规模。该研究还认识到，由于德里的地块规模通常小于标准规范，所以大地块具有潜在好处。因此，大型街区被认为是德里可持续城市化的必要条件。

　　上述分析表明，虽然某种城市形态特征可能孤立地促进可持续城市化，但必须通过考虑每个元素的贡献来评估特定聚类内的可持续性。正如研究结果所示，只有在聚类T1中，所有城市形态特征才有助于可持续城市化。考虑到聚类T1下的网格单元总面积仅占德里总住宅面积的19%(参见表1)，因此得出结论，德里只有19%的住宅面积可以考虑可持续城市化，其余区域需要不同形式的干预。

　　尽管该研究存在不足，但为理解德里等快速城市化地区的城市化提供了一个视角，这些城市的城市形态具有空间异质性。研究表明，社区层面的城市形态可以表现出显著的空间差异，因此用特定的城市形态来描述城市可能会产生误导。本文的研究方法可推广到其他城市，能用于创建基于主导建成类型、并由适应性和动态边界界定的发展区域。根据这些区域或聚类的主要特征，可以制定所需的规划干预措施。因此，通过在可持续城市化分析中纳入邻里的建成形态，本研究为城市化研究提供了另一种视角，未来的研究可以在此基础上考虑邻里的非物质特征。

　　原文信息

　　[1] Marwal, A., Silva, E.A. Exploring residential built-up form typologies in Delhi: a grid-based clustering approach towards sustainable urbanisation. npj Urban Sustain 3, 40 (2023). https://doi.org/10.1038/s42949-023-00112-1

　　版权声明：本文版权归城市形态学研究团队所有，如需转载请与后台联系。

　　文案：张飘

　　编辑：袁依七

　　校核：柴雪瑞、郑欣然