刘家灿临干道步行空间声景评价及其影响要素研究

硕士学位论文
临干道步行空间声景评价及其影响要素研究
Study on Soundscape evaluation and influencing factors of
pedestrian space near trunk road
课题来源：国家自然科学基金（51878110）
《基于规划要素影响机制的交通噪声预估方法与规划管控研究》
作者姓名：刘家灿
学科、专业：建筑学
学号： 31916016
指导教师：路晓东
完成日期： 2022.05.24
大连理工大学
Dalian University of Technology
大连理工大学学位论文独创性声明
作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究
工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，
本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请
学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献
均已在论文中做了明确的说明并表示了谢意。
若有不实之处，本人愿意承担相关法律责任。
学位论文题目：《临干道步行空间声景评价及其影响要素研究》
作者签名：日期： 2022 年 06 月 13 日
大连理工大学专业学位硕士学位论文
摘要
中国城市进入高质量发展阶段，城市空间品质提升是一重要研究课题。临干道步行
空间是城市公共空间的重要组成部分，作为居民日常活动的载体其环境品质显得尤为重
要，然而其受到交通噪声的严重干扰，影响品质的提升。以临干道的步行空间为研究对
象，选取了大连市 3 个典型的研究样本，分别代表临干道商业、生活性、混合式步行空
间，运用声景问卷调查与城市要素采集的方法对 22 个测点进行实验调研，共获得 504
份有效问卷及相关城市要素数据，旨在获取临干道步行空间声景优化策略。结论如下：
（1）明确了临干道步行空间声景总体评价存在的差异性。通过对声景问卷中的总
体评价（声舒适度、响度、协调度）进行聚类分析，发现在声压级相差不大的情况下，
每个典型临干道步行空间的测点皆明显呈现两组聚类，聚类一声景总体评价明显好于聚
类二。这说明步行空间环境要素可能会对声景总体评价产生重要影响。
（2）明确了噪声源感知对声景总体评价的影响机制。研究首先对比了两聚类分组
下的噪声源感知评价的差异，并将其与声景总体评价进行相关性分析，然后以声景情感
维度为中介，来探讨噪声源对声景总体评价的影响途径。研究发现两聚类下个人声、人
群声感知具有显著性差异，其他噪声源皆没有显著性差异，这说明人的活动是产生声景
总体评价差异的重要原因之一；其次发现可以通过降低人工声或提升自然声的措施来提
升临干道步行空间声景总体评价；此外发现噪声源对声景总体评价的直接影响较小，主
要通过两个声景情感维度（愉悦感维度与事件感维度）间接影响，且经由愉悦感维度的
中介路径更为显著。
（3）明确了城市要素对声景总体评价的影响机制。研究将筛选出的城市要素指标
（绿化率、步行可达性、空间开阔度等）与声景评价做相关性及线性回归分析。结果发
现基于街景图像的城市视觉要素中，对临干道步行空间声景总体评价影响最大的是绿化
率，每提升 1 个单位的绿视率，声舒适度、协调度分别显著提升 0.87、0.39 个单位，而
响度显著降低 0.87 个单位；基于主观问卷的感知绿化率对交通噪声与声舒适度之间的关
系具有显著的调节效应，即感知绿化率越高，交通噪声对声舒适度的负面影响越小；基
于空间句法的步行可达性与声景总体评价呈现显著负相关，即步行可达性可达性越高，
声景总体评价越差；提升空间开阔度能显著的提升声舒适度及协调度评价。
研究证明了在不改变主干道交通流的情况下，临干道步行空间声景是可以由建筑及
景观设计所优化，这种优化主要通过影响人群活动或通过影响视觉感受来实现。这对构
建良好的临干道步行空间乃至城市公共空间的声环境具有重要意义。
关键词：临干道步行空间；声景评价；城市要素；交通噪声；结构方程模型
-I-
Study on Soundscape evaluation and influencing factors of pedestrian

space near trunk road
Abstract
Chinese cities have entered the stage of high-quality development, and the improvement
of urban space quality is an important research topic. The pedestrian space near the trunk road
is an important part of urban public space. As the carrier of residents' daily activities, its
environmental quality is particularly important. However, it is seriously disturbed by traffic
noise, which affects the improvement of quality. Taking the pedestrian space near the trunk
road as the research object, three typical research samples in Dalian are selected, representing
the commercial, living and mixed pedestrian space of the trunk road respectively. The
experimental investigation is carried out on 22 measuring points by using the methods of
soundscape questionnaire and urban element collection, and a total of 504 valid
questionnaires and relevant urban element data are obtained, in order to obtain the soundscape
optimization strategy of the pedestrian space near the trunk road. The conclusions are as
follows:
(1) The differences in the overall evaluation of the soundscape of the pedestrian space
near the main road are clarified. Through the cluster analysis of the overall evaluation (sound
comfort, loudness and coordination) in the soundscape questionnaire, it is found that under
the condition of little difference in sound pressure level, the measuring points of each typical
pedestrian space adjacent to the main road obviously show two groups of clusters, and the
overall evaluation of soundscape in cluster 1 is significantly better than that in cluster 2. This
shows that the environmental elements of pedestrian space may have an important impact on
the overall evaluation of soundscape.
(2) The influence mechanism of noise source perception on the overall evaluation of
soundscape is clarified. Firstly, the two clustering groups are compared the difference of noise
source perception evaluation under the condition of noise, and analyze its correlation with the
overall evaluation of soundscape, and then use the emotional dimension of soundscape as the
intermediary to explore the influence way of noise source on the overall evaluation of
soundscape. It is found that there are significant differences in individual sound and crowd
sound perception under the two clusters, and there is no significant difference in other noise
sources, which shows that human activities are one of the important reasons for the overall
evaluation difference of soundscape; Secondly, it is found that the overall evaluation of the
soundscape of the pedestrian space near the main road can be improved by reducing the
- II -
artificial sound or improving the natural sound. In addition, it is found that the noise source
has little direct impact on the overall evaluation of soundscape, mainly through two emotional
dimensions of soundscape (pleasure dimension and event dimension), and the intermediary
path through pleasure dimension is more significant.
(3) The influence mechanism of urban elements on the overall evaluation of soundscape
is clarified. The correlation and linear regression analysis between the selected urban factor
indicators (greening rate, pedestrian accessibility, space openness, etc.) and soundscape
evaluation are carried out. The results show that among the urban visual elements based on
street view images, the greening rate has the greatest impact on the overall evaluation of the
soundscape of the pedestrian space near the main road. For each increase of the green visual
rate, the sound comfort and coordination degree are significantly increased by 0.87 and 0.39
units respectively, while the loudness is significantly reduced by 0.87 units; The perceived
greening rate based on subjective questionnaire has a significant regulatory effect on the
relationship between traffic noise and acoustic comfort, that is, the higher the perceived
greening rate, the smaller the negative impact of traffic noise on acoustic comfort; There is a
significant negative correlation between walking accessibility based on spatial syntax and the
overall evaluation of soundscape, that is, the higher the walking accessibility, the worse the
overall evaluation of soundscape; Improving the space width can significantly improve the
acoustic comfort and coordination evaluation.
The research proves that without changing the traffic flow of the main road, the
soundscape of the pedestrian space near the main road can be optimized by architecture and
landscape design. This optimization is mainly realized by affecting crowd activities or visual
perception. This is of great significance to build a good sound environment of pedestrian
space adjacent to trunk roads and even urban public space.
Key Words ： Pedestrian space near the main road; Soundscape evaluation; Urban
elements; Traffic noise; structural equation model
- III -
目录
摘要 .............................................................................................................................I
Abstract .............................................................................................................................. II
1 绪论 .............................................................................................................................. 1
1.1 研究背景 ........................................................................................................... 1
1.1.1 城市高质量发展 .................................................................................... 1
1.1.2 城市步行空间品质亟待提高 ................................................................ 1
1.1.3 临干道步行空间噪声污染严重 ............................................................ 2
1.1.4 临干道步行空间声景研究的重要性 .................................................... 3
1.2 研究目的与意义 ............................................................................................... 3
1.2.1 研究目的 ................................................................................................ 3
1.2.2 研究意义 ................................................................................................ 3
1.3 国内外研究现状 ............................................................................................... 4
1.3.1 国内外城市步行空间的研究现状 ........................................................ 4
1.3.2 国内外城市声景的研究现状 ................................................................ 7
1.4 研究界定、内容和方法 ................................................................................. 11
1.4.1 研究界定 .............................................................................................. 11
1.4.2 研究内容 .............................................................................................. 13
1.4.3 研究方法 .............................................................................................. 13
1.4.4 研究框架 .............................................................................................. 15
2 相关概念与理论研究基础 ........................................................................................ 16
2.1 声景相关理论与方法 ..................................................................................... 16
2.1.1 声景概念与演变 .................................................................................. 16
2.1.2 声景评价方法 ...................................................................................... 17
2.1.3 声景评价指标 ...................................................................................... 19
2.2 城市要素相关理论与方法 ............................................................................. 21
2.2.1 城市要素筛选 ...................................................................................... 21
2.2.2 空间句法理论与方法 .......................................................................... 23
2.2.3 天空可视度理论与方法 ...................................................................... 28
2.2.4 街景图像理论与方法 .......................................................................... 30
2.3 本章小结 ......................................................................................................... 34
- IV -
3 实验调研与实验设计 ................................................................................................ 36
3.1 临干道步行空间样本选择 ............................................................................. 36
3.1.1 商业步行空间样本 .............................................................................. 37
3.1.2 生活性步行空间样本 .......................................................................... 39
3.1.3 混合式步行空间样本 .......................................................................... 41
3.2 实验组织 ......................................................................................................... 43
3.2.1 被试对象 .............................................................................................. 43
3.2.2 实验时间 .............................................................................................. 43
3.2.3 实验流程 .............................................................................................. 43
3.3 主观问卷设置 ................................................................................................. 45
3.3.1 主观评价问卷 ...................................................................................... 45
3.3.2 信度效度检验 ...................................................................................... 46
3.4 城市要素的采集与测量 ................................................................................. 47
3.4.1 采集与测量仪器 .................................................................................. 47
3.4.2 采集与测量方法 .................................................................................. 47
3.5 本章小结 ......................................................................................................... 57
4 临干道步行空间声景总体评价 ................................................................................ 59
4.1 商业步行空间声景总体评价及聚类分析 ..................................................... 59
4.2 生活性步行空间声景总体评价及聚类分析 ................................................. 62
4.3 混合式步行空间声景总体评价及聚类分析 ................................................. 65
4.4 步行空间声景总体评价聚类分组 ................................................................. 68
4.5 本章小结 ............................................................................................................ 70
5 声景评价参量间的影响机制 .................................................................................... 72
5.1 声景聚类对比分析 ......................................................................................... 72
5.1.1 噪声源感知对比 .................................................................................. 72
5.1.2 声景情感维度对比 .............................................................................. 75
5.2 声景评价传递路径对比分析 ......................................................................... 79
5.2.1 声景评价结构方程模型 ...................................................................... 79
5.2.2 声景评价传递路径 .............................................................................. 82
5.2.3 声景聚类分组传递路径差异 .............................................................. 85
5.3 基于声学要素的声景优化策略 ..................................................................... 89
5.4 本章小结 ......................................................................................................... 90
- V -
6 城市要素对声景评价的影响机制 ............................................................................ 92
6.1 空间句法与声景评价 ..................................................................................... 92
6.1.1 空间句法模型半径优选 ...................................................................... 92
6.1.2 空间句法与声景总体评价 .................................................................. 93
6.1.3 空间句法与噪声源感知评价 ............................................................ 105
6.1.4 空间句法与声景情感维度评价 ........................................................ 105
6.1.5 空间句法与空间视觉感知评价 ........................................................ 106
6.2 天空可视度与声景评价 ............................................................................... 107
6.2.1 天空可视度与声景总体评价 ............................................................ 107
6.2.2 天空可视度与噪声源感知评价 ........................................................ 110
6.2.3 天空可视度与声景情感维度评价 .................................................... 111
6.2.4 天空可视度与空间视觉感知评价 .................................................... 111
6.3 基于街景图像的视觉要素与声景评价 ....................................................... 112
6.3.1 空间视觉要素与声景总体评价 ........................................................ 114
6.3.2 空间视觉要素与噪声源感知评价 .................................................... 123
6.3.3 空间视觉要素与声景情感维度评价 ................................................ 124
6.3.4 空间视觉要素与空间视觉感知相关性分析 .................................... 125
6.4 基于主观问卷的视觉要素与声景评价 ....................................................... 126
6.4.1 空间视觉要素与声景总体评价 ........................................................ 127
6.4.2 空间视觉要素与噪声源感知评价 .................................................... 128
6.4.3 空间视觉要素与声景情感维度评价 ................................................ 130
6.4.4 空间视觉要素对声景评价调节效应分析 ........................................ 131
6.5 基于城市要素的声景优化策略 ................................................................... 134
6.6 本章小结 ....................................................................................................... 140
7 结论与展望 .............................................................................................................. 143
7.1 总结 ............................................................................................................... 143
7.2 展望 ............................................................................................................... 144
参考文献 ........................................................................................................................ 146
附录 A 声漫步调查问卷 ............................................................................................ 155
攻读硕士学位期间发表学术论文情况 ........................................................................ 157
致谢 ........................................................................................................................ 158
- VI -
大连理工大学学位论文版权使用授权书 .................................................................... 159
- VII -
1 绪论
1.1 研究背景
1.1.1 城市高质量发展
追求城市高质量发展已经成为国际城市发展的重要趋势，以人为本，和谐发展成为
当今时代发展的主题。只有追求高质量的发展，为居民创造高品质的生活，城市才能进
入良性循环的发展轨道。从世界学术来看，无论是杨•盖尔提出的人性化城市，简•雅各
布斯的城市活力论，到鲁特•维恩霍芬提出的幸福度指标研究，还是到我国吴良镛先生
对于人居环境的研究，其宗旨都是为了探讨城市如何才能高质量的发展，营造一个富有
活力的人居城市，提升居民的幸福度[1]。
我国城市发展已经从高速增长转化为高质量发展阶段，城镇化进程放慢进入后半
场，人民群众对美好生活的向往日益浓烈[2]。而由于之前城市高速增长，有些城市规划
与结构不合理，落下了一系列的城市病，城市面貌有待改进，特别要重视与城市居民联
系紧密的城市公共空间的改善问题。目前，提升城市空间环境品质已成为各地政府的首
要任务。
1.1.2 城市步行空间品质亟待提高
步行是城市居民的主要活动方式，是体验城市空间环境的必要条件。通过步行不仅
可以强身健体，还可以与城市亲密接触和感受，增强居民的归属感。然而步行效益的实
现离不开城市步行空间[3]。因此，作为居民日常活动载体的步行空间可以被认为是一个
高优先级的公共空间。简·雅各布斯所著的《美国大城市的死与生》（1961）中有一句
话：“当我们想到一个城市时，首先出现在脑海里的就是街道。街道有生气，城市也就
有生气，街道沉闷，城市也就沉闷。街道的质量直接影响着人们对城市的印象”[4]，可
见步行空间直接影响人们对城市的第一印象以及生活舒适度。
此外城市步行空间是居民日常出行的交通空间，同时也是人们社交、休憩、娱乐的
活动空间；步行空间是城市面貌的展示窗口以及城市文化的载体，步行空间两侧不同历
史年代、样式各异的建筑以及行道树木和曲折相宜的步行道路等共同构成城市肌理的一
部分，向人们述说着城市的历史。因此，作为居民日常活动的载体，提升城市步行空间
品质显得尤为重要。
然而，在城市内部，步行空间中的行人高度暴露于有害的交通噪声，特别是在大城
市中，步行空间受交通噪声的污染更为严重。根据 Murphy 等人的研究，79.55%的行人
- 1 -
回答说，在爱尔兰都柏林市中心选定的行人空间，交通是主要的噪声污染源[5]。交通噪
声影响生活质量，是一个重要的公共健康问题，影响环境的质量[6]。因此，城市步行空
间品质亟待提高。
1.1.3 临干道步行空间噪声污染严重
据孙彤宇等人研究，城市中的步行空间 90%以上是附着于主干道的人行道[7]，所以
对于城市中的步行空间来说大多数是临干道的步行空间，在这种步行空间行走的行人高
度暴露于交通噪声中，如图 1.1 所示。而在中国，1/3 的主干道长度的交通噪声超过 70
dBA[8]，交通噪声严重影响行人健康（1.1.3 节）。
图 1.1 临干道步行空间
Fig. 1.1 pedestrian space near trunk road
噪声能够引起许多疾病，现已经成为仅次于空气污染的城市第二大污染源(2011)[9]。
根据我国每年发布的《中国噪声污染防治报告》，过去十年间，噪声投诉已经达到总环
境投诉的 38％，位居前二。部分城市的噪声投诉甚至达到了 70％-80％。其中道路交通
噪声占城市噪声的百分之六十至百分之八十[10]。
- 2 -
交通噪声会对人的身体以及心理造成严重的危害。Fuks 研究发现，人如果长期待在
噪声污染严重的空间环境中会增加患高血压的几率[11](2014)；M.S.等人研究发现，年龄
在 64.5 岁以上的老人长期暴露于交通噪声中会导致中风的患病率增加[12]；Colin Nugent
研究发现，高水平或者持续的噪声会直接或间接的影响人类健康[13](2016)。因此，新颁
布的《中华人民共和国噪声污染防治法》（2021）强调“因公路、城市道路等交通运行
排放噪声造成严重污染的，各地政府应组织相关单位制定噪声污染综合治理方案。”
1.1.4 临干道步行空间声景研究的重要性
先前对于交通噪声的治理一般是在噪声控制方面[14]，然而新的研究发现在城市地区
降低声源的响度并不一定会创造一个好的声音环境[15]，应该把声景建设加入到这些治理
措施中[16]。声景被国际标准化组织定义为“对声音环境、景观、社会或个人的感知和理
解”，声景对环境品质的提升起着特别重要的作用[17]，声景和传统的噪声控制不同，它
关注人对声环境的主观评级，而不是将人机械的当做声音的接受者[18]。
目前，国内外针对临干道的步行空间研究较少，对其声景的研究更是少之又少（1.3
节）。因此，深入研究分析临干道步行空间的声景评价及其影响要素，对提升行人行走
舒适度及步行空间的设计具有重要意义。
1.2 研究目的与意义
1.2.1 研究目的
临干道步行空间作为城市公共空间的重要组成部分，具有占地面积大、使用频率高
的特点，且紧靠城市干道设置。然而在我国 1/3 主干道长度的交通噪声超过 70 dBA，临
干道步行空间的声环境受到严重噪声干扰，影响行人健康（1.1 节）。
传统治理交通噪声的手法是进行物理降噪，如在道路两侧设置隔声屏障，通常由玻
璃和钢材制作，但这种做法会给临干道步行空间的行人造成心理上的压力，并且会影响
城市界面，割裂城市的完整性。因此本文以临干道步行空间为研究对象，以声景为切入
点，探讨通过声景营造的方法来改善临干道步行空间的声环境，提升行人舒适度。
1.2.2 研究意义
（1）为临干道步行空间声景评价做出预判
在我国，对城市声景的研究正处于起步阶段，而对于临干道步行空间声景的评价方
式及标准更是少之又少。本研究探究了临干道步行空间的声景评价规律及其影响要素，
明确了不同临干道步行空间的声景评价的差异以及空间特征，可以让政府规划者或者行
人对临干道步行空间声景评价进行提前的预判，以做出相应的整改措施或心理建设。
- 3 -
（2）为临干道步行空间声景品质的提升提供科学依据
临干道步行空间作为与居民联系密切且分布较广的城市公共空间，研究其声景评价
与提升对提升城市整体空间品质具有重要意义。以往改善临干道步行空间声环境的办法
较少，通过传统的物理降噪效果不佳。本研究明确了临干道步行空间的声景评价的内在
影响机制及城市要素对它的影响，并最终将声景理念落实到空间设计优化，以此来提升
行人的行走舒适度，对进一步改善临干道步行空间乃至城市公共空间的声环境品质提供
参考。
1.3 国内外研究现状
1.3.1 国内外城市步行空间的研究现状
城市步行空间作为承载行人交通与活动的主要载体，在城市设计、建筑设计以及社
会学等领域的实践中越来越受到重视。此外城市步行空间作为城市的有机组成部分之
一，对提升城市环境品质也起着至关重要的作用。为提升城市步行空间的品质，世界许
多城市提出了相应的设计策略，如哥本哈根的自行车交通策略，波特兰提出 Green
Streets，伦敦提出 Better Streets 的步行空间策略，以及我国的经济中心上海发布《街道
设计导则》等，由此可见，提升城市步行空间的品质已经形成共识[19]。与此同时，国内
外许多学者对城市步行空间进行了一系列的研究，以下将展开详细叙述。
国外学者对城市步行空间的研究开展的较早一些，如表 1.1 所示。最早可以追溯到
上个世纪六十年代，雅各布斯和凯文·林奇等对于街道步行空间的研究上。如雅各布斯
对世界各地主要城市的街道步行空间进行了测绘，对比了其空间尺度的不同，并且总结
了街道的物质要素与空间尺度[20]，凯文·林奇论述了城市意象的构成元素，即道路、边
界、区域、标志、节点等五大部分，提出街道是其核心构成元素[21]，他们最初关注街道
步行空间与经济、社会关系的讨论，随后一些专家学者开始重视对城市步行空间的设计
手法、空间形态特征的研究，如里德·尤因通过对街道步行空间的实测，分析研究了影
响行人知觉体验的街道空间元素，并提出相应的感知模型。
近年来，国外的学者多关注行人在步行空间的感知体验，以行人的感知舒适度作为
城市步行空间品质好坏的评价标准，具体如尤因基于街景图像，通过人为打分对街道步
行空间的意象化、人性化尺度、整洁度、围合性、通透性等 5 个空间品质的维度进行评
价，并构建了评估城市设计品质的评价体系[23]；哈维构建了街道步行空间物质要素与感
知安全度之间的回归模型，研究发现步行空间贴现率和绿化率与空间品质呈显著正相关
[27]
。
- 4 -
表 1.1 国外对城市步行空间的研究
Tab. 1.1 foreign research on urban pedestrian space
学者题目主要内容
对世界各地主要城市的街道步行空间进行了测绘，
雅各布斯[20] 伟大的街道对比了其空间尺度的不同，并且总结了街道的物质
要素与空间尺度。
论述了城市意象的构成元素，即道路、边界、区域、
[21] 标志、节点等五大部分，提出街道是其核心构成元
凯文·林奇城市意象
素
基于街道的视觉秩序，结合行人在街道步行空间的
芦原义信[22] 街道的美学活动需求，分别从街道的美学规律、自然、人文特
征来论述街道空间的平面布局手法。
通过对街道步行空间的实测，分析研究了影响行人
[23]
里德·尤因度量城市设计知觉体验的街道空间元素，并提出相应的感知模
型。
实地调查测量街道步行空间的空间品质、沿街建筑
盖尔[24] 交往与空间
立面的品质，以及人流量等。
基于街景图像，通过人为打分对街道步行空间的意
评估城市设计：依据场象化、人性化尺度、整洁度、围合性、通透性等 5
尤因[23]
所的指标个空间品质的维度进行评价，并构建了评估城市设
计品质的评价体系。
基于街景图像，对美国纽约多条步行空间的美观程
使用谷歌街景评估社区度进行量化评价，并将其结果与实地调研的数据进
朗德尔[26]
环境行对比分析，发现街景评价与主观调查的结果差异
性较小。
构建了街道步行空间物质要素与感知安全度之间
街景设计对感知安全度
哈维[27] 的回归模型，研究发现步行空间贴现率和绿化率与
的影响
空间品质呈显著正相关。
- 5 -
表 1.2 国内对城市步行空间的研究
Tab. 1.2 domestic research on urban pedestrian space
学者题目主要内容
钟文[28] 街道步行空间的人性化设系统梳理总结了街道步行空间的设计原则和设计

（2005）计要点，并提出人性化的步行空间设计策略。
步行空间设计与步行交通
[29]
通过对扬·盖尔关于城市公共空间研究成果的总
赵春丽方式的选择——扬·盖尔
结，提出有关步行路径、距离、环境等方面的步行
（2012）城市公共空间设计理论探
空间设计理论
析
对城市步行空间的基本特征进行分析与解读，研究
邓浩[30] 城市步行空间基本特征的
发现追求城市步行的空间以及历史的连续性，有利
（2013）形态学解读
于提升城市空间的民主性与公共性。
基于步行者视角的街道底通过对上海的 17 个步行街道研究，发现适宜的街

陈泳[31]
层界面研究道尺度、合理的街道密度以及连续的街道界面会对
（2014）
提升行人的活动积极性。
通过对步行街道以近人尺度视角的量化研究，发现
方智果[32] 基于“近人尺度”视角的现代大尺度的街道并不能完全适用之前芦原义信
（2014）街道空间研究提出的街道空间尺度理论，并通过研究提出街道的
相对及绝对尺度概念。
中国主要城市街道步行指对中国各地主要城市的 70 多万街道进行了步行指

龙瀛[33]
数的大规模测度数的测度，同时从城市和街道空间尺度对步行指数
(2018)
展开分析。
利用街景数据和新分析技术，对街道步行空间品质
叶宇[34] 人本尺度的街道空间品质
进行测度，并构建了街道步行空间品质评价矩阵，
（2019）测度
已找出具有活力的街道。
通过 VR 实验探究了街道空间环境与行人健康的关
徐磊青[35] 疗愈导向的街道设计:基
系，研究发现街道界面与绿视率对街道的疗愈性具
（2019）于 VR 实验的探索
有显著的影响，并提出了相关的街道设计策略。
杜坤[36] 基于街景影像的人本尺度基于街景图像数据对街道空间进行研究，并以北京

（2020）街道空间规划理论与方法街道为例，提出相关街道空间规划与治理方法。
- 6 -
（续表）
基于多源开放数据的居住基于多源开放数据，以北京中心区的街道为研究对
赵晓龙[37]
型街道空间特征与步行流象，探讨了步行流量与街道步行空间特征之间的相
（2020）
量相关性研究关性。
国内对于城市步行空间的系统研究相对于国外要晚一些，具体如表 1.2 所示。国内

一部分学者最初聚焦于城市步行空间设计手法上，如钟文[28]系统梳理总结了街道步行空
间的设计原则和设计要点，并提出人性化的步行空间设计策略。还有一些学者关注城市
步行空间的空间特征，如邓浩[30]对城市步行空间的基本特征进行分析与解读，研究发现
追求城市步行的空间以及历史的连续性，有利于提升城市空间的民主性与公共性；陈泳
通过对上海的 17 个步行街道研究，发现适宜的街道尺度、合理的街道密度以及连续
[31]
的街道界面会对提升行人的活动积极性。而近年来，更多的学者将注意力放到城市步行
空间的品质，及其与行人的关系上，如叶宇[34]等基于街景数据和新分析技术，对街道步
行空间品质进行测度，并构建了街道步行空间品质评价矩阵，已找出具有活力的街道。
徐磊青[35]等通过 VR 实验探究了街道空间环境与行人健康的关系，研究发现街道界面与
绿视率对街道的疗愈性具有显著的影响，并提出了相关的街道设计策略。
总结：国内外对于城市步行空间的研究已经取得了一系列的成果，早期学者的研究
以城市步行空间为主体，探究城市步行空间的空间形态特征以及步行空间设计手法等，
而近年来学者更加关注城市步行空间的品质与活力，以及行人在步行空间的感知体验。
行人的行走舒适度逐渐成为衡量城市步行空间好坏的重要指标。此外对城市步行空间的
研究方式也从之前单一的实地调研转化为利用现代化的技术手段多方位、多角度的进行
研究调研，如利用 VR 模型、街景图像等对城市步行空间展开调研，也是得研究更便捷、
更准确。
但上述国内外的研究成果多聚焦于城市步行空间的空间形态特征、设计手法、品质
与活力等方向的研究，而对于城市步行空间的声环境品质研究较少，特别是针对于临干
道的步行空间声环境的研究更是少之又少。在我国，临干道步行空间分布较广，城市 90%
以上的步行空间是依附于干道设置的[7]，受交通噪声污染严重，行人的声环境感受极差，
因此研究临干道步行空间声环境品质显得尤为重要。
1.3.2 国内外城市声景的研究现状
对于城市声景的研究，国内外均取得了不少进展，整理如表 1.3 和 1.4 所示。
- 7 -
表 1.3 国外对城市声景的研究
Tab. 1.3 foreign research on urban Soundscape
作者题目主要内容
对校园的声景展开研究，将提前录制的实测
Nilsson[38] Children's and adults' perception
点的声音数据放给学生及其家长听，然后填
（2003） of soundscapes at school
写主观感知问卷。
对欧洲多个城市的公共空间进行实地声景调
Yang[39] Acoustic comfort evaluation in
查，发现主要噪声源为交通噪声，降低声压
（2005） urban open public spaces.
级，并不一定会提高行人的声舒适度。
研究了城市公共步行空间的声景，通过语义
Semantic differential analysis of 差异分析表明，尽管城市开放公共空间声景
Kang[40]
the soundscape in urban open 观的描述和评价相当复杂，但仍有可能确定
（2010）
public spaces 主要因素，包括放松、沟通、空间性和动态
性。
Pheasant The importance of 研究发现声舒适度、安静程度与自然因素呈
R[41] auditory-visual interaction in the
显著正相关，视听交互作用对声环境安静程
（2010） construction of ‘tranquil space’ 度起着重要作用。
Soundscape of waterscape and
Kang[42] 基于声景的研究视角对英国某路沿线水景进
square on the Sheffield Gold
（2013）行分析，并进行了现场的声音数据测量。
Route
The influence of visual 研究声屏障对交通噪声评价的影响，发现声
L. Maffe[43]
characteristics of barriers on 屏障为透明材料比声屏障为不透明材料时的
（2013）
railway noise perception 交通噪声的烦恼度低。
对韩国首尔的商业步行空间进行声景研究，
Jeon[44] Soundwalk approach to identify
发现商业步行空间的声景评价与空间开敞
（2013） urban soundscapes individually.
度、视觉、声舒适度有关。
从声景的角度对德国的一个多功能城市地区
Spatiotemporal variability of
Liu [45] 进行分析，发现城市声景格局的空间变化是
soundscapes in a multiple
（2013）由自然景观物质引起的，而人类活动引起了
functional urban area.
声景的时间变化。
Soundscape quality indicators for
Filipan K.[46] 通过声漫步法，对比利时的 8 个城市公园展
city parks, the Antwerp case
（2014）开了声景研究。
study.
Effect of Design Factors on
Yu B[47] 对城市步行空间声景进行研究，发现空间尺
Soundscape Perception in Urban
（2014）度和立面材料的设计可以显著提高声景。
Pedestrian Street
- 8 -
（续表）
Ten questions on the
Kang[48] 提出了关于声景研究的十个问题，并探讨了
soundscapes of the built
（2016）如何将声景落实到建筑环境规划和管理。
environment.
Modeling soundscape
pleasantness using perceptive 利用声漫步法，对城市公共步行空间展开声
Aumond[49]
assessments and acoustic 景研究，发现实验路径的方向对声景评价并
（2017）
measurements along paths in 没有显著性影响。
urban context.
A cross-national comparison in
Jeon[50] 对不同国家城市公园的声景进行对比研究，
assessment of urban park
（2018）发现声景的评价参量具有很高的相似性。
soundscapes in France
Personal Audiovisual Aptitude
通过 VR 实验研究视听交互作用对声景评价
Kang S[51] Influences the Interaction
的影响，发现提升绿视率有利用降低室外公
（2018） Between Landscape and
共空间的噪声烦恼度。
Soundscape Appraisal
Spatial variations in pedestrian 研究了城市步行空间声景观评价的空间差异
LU[52]
soundscape evaluation of traffic 性，包括交通噪声的烦恼，各种声源的优势，
（2020）
noise 以及声景观的感知维度等。
表 1.4 国内对城市声景的研究
Tab. 1.4 domestic research on urban Soundscape
作者题目主要内容
葛坚[53] 将声景的理论引入到城市设计之中，同时扩
城市景观中的声景观解析与设计
（2004）展了城市公共空间的设计手法。
袁晓梅[54]
中国古典园林的声景观营造研究了中国古典园林的声景营造特征。
（2004）
孟琪[55] 以主观响度和声舒适度为研究的着眼点，对
地下商业街的声景研究与预测
（2010）地下商业步行空间的声景展开研究。
[56]
张圆城市开放空间声景恢复性效益及以城市公共空间为研究对象，对其声景展开
（2014）声环境品质提升策略研究研究，并从声景恢复的角度提出优化策略。
生态水体景观视觉影响下道路交研究了生态景观水体视觉对不同声压级的道
任欣欣[57]
通声评价的实验研究路交通噪声评价的影响规律，研究采用五级
（2015）
里克特量表实验进行。
对重庆市主城区的一典型公园进行声景研
谢辉[58] 山地城市公园声景研究——以重
究，研究采用声漫步法对该公园的视觉景观
（2016）庆市碧津公园为例
及声景进行主观问卷调查。
- 9 -
（续表）
从声景的角度出发，探究了城市商业步行空
于博雅[59]
城市商业街声景观研究间声景的主观感知与客观评价，并提出其声
（2017）
景营造策略。
以街道步行空间为研究对象，研究街道界面
吴鹄鹏[60] 街道空间形态与界面对声环境的
及空间形态对其声环境的影响，并提出相应
（2018）影响研究
的声环境改造策略。
基于声景的角度，对不同类型的城市步行空
刘曦东[61] 声环境规划视角下不同噪声强的
间展开声环境研究，探究其声景评价规律，
（2019）城市步行空间优化策略研究
并提出相应的声景优化策略。
通过实地调研与实验，探究绿视率、景观等
徐帆[62] 城市开放空间视听因素对交通噪
与噪声源的视听交互作用对交通噪声感知的
（2019）声感知的影响研究
影响规律。
对深圳市 336 个街道步行空间展开研究，基
邢晨[63] 深圳城市高密度街道声景评价及
于声景标准规范及以往声景研究成果，对声
（2021）设计研究
景影响要素及评价指标做出筛选。
以居住区生活性街道步行空间为研究对象，
孙玉芩[64] 生活性街道近人空间感知对道路探究行人空间感知对交通噪声评价的影响，
（2021）交通噪声评价的影响研究并提出基于声景理念的街道步行空间设计策
略。
早期许多学者对城市公共空间做了一些声学研究，试图通过物理降噪的方式减少交
通噪声对城市声环境的影响。最常用的方式为降低交通噪声的声压级，或设置声屏障等。
但对于临干道步行空间来说，在干道两侧设置声屏障会对行人造成心理上的压力，并且
会影响城市界面，割裂城市的完整性。此外降低主干道的声压级很难实现，并且陆续有
研究证明城市地区降低声压级并不一定会创造一个好的声音环境[39]，应该把声景建设加
入到这些治理措施中[16]
随着声景理念的不断深入，国内外大量学者转向声景方向研究，如表 1.3、1.4 所示。
在国外，Nilsson[38]对校园的声景展开研究，将提前录制的实测点的声音数据放给学生及
其家长听，然后填写主观感知问卷。Yang[39]等对欧洲多个城市的公共空间进行实地声景
调查，发现主要噪声源为交通噪声，背景声压级是声景评价的重要指标之一；Kang[40]
等对城市公共空间的声景展开研究，通过语义差异分析表明，尽管城市开放公共空间声
景观的描述和评价相当复杂，但仍有可能确定主要因素，包括放松、沟通、空间性和动
态性。在国内，葛坚[53]等将声景的理论引入到城市设计之中，同时扩展了城市公共空间
- 10 -
的设计手法；谢辉[58]等对重庆市主城区的一典型公园进行声景研究，研究采用声漫步法
对该公园的视觉景观及声景进行主观问卷调查。但上述成果多以校园、公园、古典园林、
广场等低噪声的城市公共空间为研究对象，忽略了对临干道这种高度暴露于交通噪声的
步行空间的研究。
此外，不少学者对城市步行空间声景展开了研究，如表 1.3、1.4 所示。在国外，Jeon[44]
等对韩国首尔的商业步行空间进行声景研究，发现商业步行空间的声景评价与空间开敞
度、视觉、声舒适度有关；YU[47]等对城市步行空间声景进行研究，发现空间尺度和立
面材料的设计可以显著提高声景；Aumond[49]利用声漫步法，对城市公共步行空间展开
声景研究，发现实验路径的方向对声景评价并没有显著性影响；LU[52]研究了城市步行
空间声景观评价的空间差异性，包括交通噪声的烦恼，各种声源的优势，以及声景观的
感知维度等。在国内，孟琪[55]以主观响度和声舒适度为研究的着眼点，对哈尔滨市的地
下商业步行空间的声景进行研究；吴鹄鹏[60]以街道步行空间为研究对象，研究街道界面
及空间形态对其声环境的影响，并提出相应的声环境改造策略；孙玉芩[64]以居住区生活
性街道步行空间为研究对象，探究行人空间感知对交通噪声评价的影响。但以上成果，
大都是研究的低声压级下的城市步行空间，忽视了对临干道的这种声环境较为恶劣、声
压级较高的步行空间的研究。
总结：国内外学者对城市声景的研究多聚焦于校园、公园、广场等环境相对安静的
公共空间，虽然有部分学者对城市步行空间声景也展开了研究，但研究的步行空间声压
级相对较低，声环境相对较安静，忽视了对临干道这种声环境较为恶劣、分布较广的步
行空的研究。因此本文以临干道步行空间为研究对象，探究其声景评价规律及其影响要
素，看能否通过声景营造的方法来改善临干道的声环境，提升行人舒适度。
1.4 研究界定、内容和方法
1.4.1 研究界定
（1）临干道步行空间
本文提出的临干道步行空间，包括两个限定条件，一个是“临干道”，另一个是“步
行空间”。其中“临干道”即为临近城市主干道，根据《城市道路交通规划设计规范》
GB50220-95，城市道路可分为城市快速道、城市主干道、城市次干道和城市支路四大类。
其中城市主干道即连接城市与周边外部区域交通的干道，同时承担城市内部各主要分区
的交通运输任务。一般将机动车与非机动车分隔设置，车道数为四车道及以上，以车速
快、交通较大、人车分行为特点。
- 11 -
“步行空间”是指以承载步行交通为主同时可能兼顾休闲、娱乐的城市公共空间。
在以往的研究中，从空间形式出发将步行空间划分为“点”、“线”和“面”三种形式
的空间类型[65][66]。本文基于声景评价的研究视角，结合步行空间的分布位置、空间功能、
主要行人的不同又将城市步行空间又细分为三类，分别是临干道商业步行空间、临干道
生活性步行空间、临干道混合式步行空间，具体如下：
○
1 临干道商业步行空间
此类步行空间多位于城市商业中心，一侧临近城市主干道的同时，另一侧为大型商
业等功能形态，行人以购物的顾客为主，较为注重步行空间的质量。这一类商业步行空
间多设置地板砖、绿化、桌椅、雕像等，氛围较为亲切怡人，使行人在购物之余可以驻
足停歇。但由于紧临主干道设置，步行空间高度暴露于交通噪声之下，行人深受噪声干
扰，声景评价较较差，亟待改善。
○
2 临干道生活性步行空间
此类步行空间不像商业步行空间那样位于城市商业中心，它多位于居住组团附近。
临近城市干道设置，周围多是居住小区，行人以周围居民为主。这种步行空间多具有一
些商业功能，设置一些小型临街店铺，供居民日常所需，也有可能仅供居民休闲、娱乐
以及同行设置的步行空间。这种步行空间与居民的生活联系最为密切，但由于紧靠干道
设置，行人也深受噪声干扰，声环境亟待改善。
○
3 临干道混合式步行空间
此类步行空间一般分布在城市次中心，商业和居住区结合地带。和临干道商业步行
空间、临干道生活性步行空间一样都是紧临城市主干道设置，并且可以看做是两者的结
合，这种步行空间一侧既分布有一些大型商业又具有小型临街店铺，是一种商业和生活
混合的步行空间，主要行人是购物的顾客和周边小区居民兼有。这种混合式步行空间也
因为临近主干道，受到交通噪声的污染，行人声舒适度受到严重影响，声环境亟待改善。
（2）声景
声景的英文名为 Soundscape，它来源于 landscape 一词，它又可以被译为“音景”、
“声景观”等。2014 年，国际标准化组织（ISO）对声景的定义为“个体、群体或社区
所感知的在给定场景下的声环境”（ISO12913）[67]。在本文的研究中，“声景”的声源
包括交通噪声、人工声、个人声、人群声和自然声音等五大声源，并且注重人类对它的
感知影响。声景的构成主要包括三个要素，即“人”、“声音”、“环境”，其中“人”
- 12 -
是指听者，“声音”是指发生的声事件，而“环境”是指声音与人的空间载体，三者之
间相互影响、相互作用，构成一个不可分割的整体[68]。因此，在本研究中声景不是机械
的物理参量，而是一种感性的建构。
1.4.2 研究内容
全文研究主要分为三大部分，具体如下：
（1）探究临干道步行空间声景总体评价存在的差异性
研究选取了大连 3 个典型的临干道步行空间作为研究样本，首先通过主观问卷调查
对其分别进行声景评价，获得声学指标与声景总体评价等数据。然后对 3 个典型样本空
间声景的总体评价（声舒适度、响度、协调度）进行分析，探究各测点声景总体评价存
在的差异性。最后通过声景聚类分组，将声景具有差异的步行空间进一步的归纳总结，
用于后续分析。
（2）探究临干道步行空间声景差异性的内在影响机制
为探究上述临干道步行空间声景评价的差异内在的影响机制，特别是噪声源对声景
评价的影响，研究首先对比了两聚类分组下的噪声源感知的差异，并将其与声景总体评
价进行相关性分析。然后探讨了两聚类分组下声景情感维度的差异，随后将 8 个感知维
度简化成两个情感特征，即事件感维度和愉悦感维度，接着将这两个情感特征与声景总
体评价进行相关性分析。最后构建了声景评价的结构方程模型，以声景情感维度为中介，
来探讨噪声源对声景总体评价的影响途径，并对比了两聚类下声景评价路径传递差异。
（3）探究临干道步行空间城市要素对声景评价的影响
探究城市要素是否会对临干道步行空间声景评价产生影响。其中城市要素包括基于
空间句法的指标：可达性、穿行度，基于鱼眼图像的指标：天空可视度，基于全景图像
的空间视觉要素指标：绿视率、围合度、天空可视度、机动化程度，以及基于主观问卷
的空间视觉要素：视觉舒适度、感知绿化率、空间开阔度、总体印象。通过线性回归分
析与皮尔逊（Pearson）相关性检验等研究上述城市要素与声景评价的关系。最后根据研
究得出的结论，提出临干道步行空间声景的优化策略。
1.4.3 研究方法
（1）文献及理论归纳法
通过大量阅读国内外相关研究文献，明确临干道步行空间声环境的研究现状与空
白，结合对研究课题的深度分析，提出本文所要研究的内容与方法，对临干道步行空间
声景评价方法及城市要素测量工具等进行系统的归纳总结，同时进行创新探索，寻求对
研究有指导意义的理论与方法，从而推动研究的进展。
- 13 -
（2）现场调研与实测
首先通过主观问卷调查的方法对 3 个典型的临干道步行空间进行声景评价调查，包
括噪声源、声景情感维度和空间视觉感知等信息，并利用声级计、鱼眼镜头、微单相机、
Google Map 地图等对各实测点的客观数据进行采集，包括步行步行可达性、天空可视度、
以及绿视率等城市要素指标，为后续研究提供足够的实验数据。
（3）统计分析法
本研究使用了两款软件对问卷数据进行统计分析，即 SPSS 21.0 软件和 AMOS 22.0
软件。SPSS 21.0 软件主要用于分析主观问卷，常用的功能为图表分析、数据管理、统
计分析等。本研究主要利用 SPSS 21.0 软件的信度效度检验、相关性分析、均值分析、
线性回归分析等来探究临干道步行空间声景评价规律及其影响要素。
AMOS 22.0 软件主要用于结构方程模型的分析。结构方程模型可以对多个变量进行
分析，它可以分析潜变量与显变量、潜变量与潜变量或显变量与潜变量之间的关系，其
中潜变量为不能直接观测的变量，而显变量是可以直接观测的变量。本研究使用 AMOS
22.0 软主要进行多群组分析、路径传递分析以及调节效应分析。
- 14 -
1.4.4 研究框架
图 1.2 研究框架图（图片来源：作者自绘）
Fig. 1.2 Research framework
- 15 -
2 相关概念与理论研究基础
2.1 声景相关理论与方法
本章首先对声景的概念与演变进行了系统的梳理，为研究提供理论支持。接着对声
景的评价方法与评价指标作了说明。最后对城市要素指标进行筛选，并将筛选出的城市
要素相关理论与测量方法作了详细阐述，为接下来的实验调研与实验设计打下理论基
础。
2.1.1 声景概念与演变
“声景”这一概念最早是由加拿大作曲家 R.Murray Schafer 于上世纪 60 年代提出。
他对声景的描述为：“声景为人听觉所感受到的环境。这种环境可以是现实生活中真实
存在的，也可以是抽象存在的，如录音、音乐作品皆可成为声景”[69]。由此，声景不再
局限于对客观声源的描述，还可以表示现实生活中城市或自然环境中的声音。
声景在不同的研究领域被赋予了不同的定义，如 Truax B.（1978）将声景定义为“被
社会和个人所理解和感知的声环境”[69]。这里的声环境可以是现实生活中的物理实体环
境，也可以是抽象的存在，比如文学作品中描述的声音环境。Brown 在 2011 年发表的
文章中则提出声景包括客观属性和人的主观信息，可以表示“某片区全部声音的集合”，
也可以是“个人所理解和感知的声环境”[70]。国际标准化组织（ISO）在 2014 年对“声
景（Soundscape）”一词的定义，即“个体、群体或社区所感知的在给定场景下的声环境”
（ISO12913）[71]。这个定义强调了“给定场景”，即在不同的空间环境中，行人或群体
对声环境的感受也会不同。至此，声景从被创立之初到现今，始终与“景观（Landscape）”
一词紧紧相连。它被视为感性的碰撞而并非客观声源的物理参数。
国内对声景的研究起步较晚。王季卿教授在 1999 年提出“声的生态学”是声景所
涉猎的问题，它不仅局限于声学，还涉及到技术、社会和自然的结合[72]。此后，康健、
李国棋、秦佑国、葛坚、吴硕贤等先后对声景进行研究实践，国内对声景的研究至此徐
徐展开。康健（2002）提出声景是由空间环境、声音、听者三要素构成[68]，如图 2.1 所
示，因此要对声景产生影响的所有声音要综合考虑[73]。秦佑国（2005）提出声景既包含
人在特定环境感知声音时声音对其影响，又包括周围背景环境对其产生的干扰[69]。总的
看来，人们越来越重视对声景的研究，并且声景研究的领域已经已经超越了声环境的本
身，并且覆盖到时空环境和人文交互领域。
- 16 -
图 2.1 声景构成分析(图片来源：张圆[56])
Fig. 2.1 analysis of soundscape composition
2.1.2 声景评价方法
临干道步行空间的声景评价基于行人的步行体验，需要一定数量的被试者现场体验
感知并填写问卷，这种方法比单一专家打分参与的研究方法更可靠[74]。吉尔福德[75]研究
发现，当被试人员对研究内容不具有深刻了解时，利用五级评级测度的效果最好，当超
过五级的评级测度时，被试人员对评价对象的感知差异描述较为困难，评级分段越少，
对于每段数字代表的程度含义越容易理解[76]。因此本文对临干道步行空间声景的评价采
用公众评价的研究方法，采用五级李克特量表进行问卷评价，符合声景评价的科学标准。
图 2.2 声漫步调查路线（图片来源：kang[80]）
Fig. 2.2 survey route of acoustic walking
- 17 -
在本次研究中，利用了声学漫步法[77]进行声环境问卷的填写。声学漫（Soundwalk）
是由 Murray Schafer 创造发起的，常用于声景评价，是一种非常有效的评估方式[78][79]。
声学漫步法能够将主观评价和客观实测结合起来，定量定性的对声景进行研究。对定量
数据的研究主要为视觉数据（如街景图像、天空可视度等）和声学数据（声压级、持续
时间、测量位置等）。对定性数据的研究通常要考虑：声漫步组织、被试者、研究区域、
实验时间等。一般情况下，声学漫步是需召集一批被试者以组为单位进行实测的，当然
一个人也可以完成。实验流程是被试者根据事先确定的实验路线，依次在各实测点进行
现场声景评价，并完成主观问卷填写。声学漫步法最常应用于视觉质量、声景质量、声
源感知、整体印象等研究内容，它是人亲身感受自然环境的一种方式，已经成为研究城
市声景不可或缺的一种方法。
图 2.3 声漫步调查路线及被试者位置（图片来源：Jeon J Y[81]）

Fig. 2.3 survey route and subject location
声漫步法在国内外运用较为成熟。Kang 等利用声漫步法评估了美国山谷花园的声
景，评估涵盖了声景质量，声景与地点的匹配程度，感知声音的主导地位声源和声景的
情感品质[80]，如图 2.2 所示。Joo Young Hong 利用声漫步法对城市声景进行了调研，研
究发现声景感知主要由声音舒适度、视觉图像和视觉效果决定的[81]，如图 2.3 所示；
张圆[82]对研究城市声景展开研究时，提出利用声漫步法可以进行深入分析；张秦英[83]
- 18 -
利用声漫步法对城市绿地空间声景进行了研究；韩国珍[84]在天津进行声景研究，选取了
12 个声景利用声漫步法进行实测，研究得出声景评价标准，为城市的声景划分了等级以
作保护。
2.1.3 声景评价指标
研究根据 ISO 声景标准（2018）[85]，提出声景评价指标，包括声景总体评价、噪声
源感知评价、声景情感维度评价、空间视觉评价四部分。接下来做详细介绍。
（1）声景总体评价
近年来许多学者对声景总体评价的相关指标进行了研究，如孟琪[55]利用主观响度、
声舒适度等指标研究了商业地下街声环境，为建立地下商业街声景预测模型提供了基
础，如图 2.4 所示；路晓东[86]等利用舒适度、协调度、安静度 3 个指标来探究人们对滨
海声景的评价；kang[87]等对声舒适度与声景情感维度之间的关系进行了研究；张东旭[88]
利用安静度和响度对寺庙进行了声景评价；Lee PJ[89]等利用噪声烦恼度指标研究了城市
空间的声环境；刘曦东[61]利用声舒适度、响度、烦恼度等指标来探究小区声景的评价。
图 2.4
[55]
地下商业街主干响度与声舒适度（图片来源：孟琪）
Fig. 2.4 loudness and sound comfort of underground commercial street trunk
本文声景总体评价指标有声舒适度、响度、协调度等。声舒适度是指行人感知到临
干道步行空间声环境的舒适程度，通过五级李克特量表进行评测，数值越大，代表临干
道步行空间声环境的舒适程度越高；响度是指行人感知到临干道步行空间的声环境的安
静喧闹程度，通过数字量表测度评估，数值越大，响度越大；协调度用于衡量行人认为
当前声音与环境相协调的程度，数值越大代表临干道步行空间声环境协调度越高。声景
总体评价比较全面的衡量了某个空间声环境的好差，是一个综合性的重要指标。
（2）噪声源感知评价
- 19 -
本文声源显著性评价将声源分为五类，分别是交通噪声、人工声、个人声音、人群
声以及自然声音等。交通噪声指主干道上的汽车、公交车以及有轨电车等在行驶时发出
的噪声；人工声是指临干道步行空间周围广播声、音乐声、装卸货物声以及器乐声等；
个人的声音包括行人的谈话声、笑声、脚步声等；自然声音包括鸟鸣声、水声、风声等
自然界的声音。
（3）声景情感维度评价
声景评价以及近些年来提及比较多的声景，它们本身是一个比较复杂的系统，涉及
到身体、心理等多个维度的问题。因此想要更好的对声景评价做出评价，就需要对声环
境的感知维度的构成做出进一步的分析。目前许多学者对城市公共空间的感知维度构成
进行了研究，并取得了不少进展，但不同城市公共空间的感知维度亦有不少差别。
图 2.5
[91]
声景情感维度模型（图片来源：Kang ）
Fig. 2.5 soundscape emotion dimension model
Kang 等[40]利用语义细分法对多个广场进行评价对比，并获得 4 个感知维度；Axels

son 等[90]通过对五十多个广场声环境进行录音并回放，得出了 2 个主要感知维度，即“愉
悦感维度”与“事件感维度”；kang 等[91]提出建立了声景图的模型，并对情感维度做出
了探讨，如图 2.5 所示；Lu X[92]等对三个距离道路不同的步行空间进行了声景调查，探
- 20 -
讨了声景感知维度的空间差异，如图 2.6 所示；Raimbault 等[93]以多个城市空间为研究样

本获得了三个感知维度，即活动、时间变化、空间特征；Cain 等[94]构建了类似于二维度
的感知模型，即活力的、平静的。
图 2.6 高、中、低噪声步行区域愉悦感与事件感维度（图片来源：Lu X[92]）

Fig. 2.6 dimensions of pleasure and sense of event in high, low and medium regions
本文根据瑞典 SQP 提供的标准声景情感维度指标，选取了愉快的、混乱的、平静

的、烦恼的、充满活力的、无事件感的、事件感多的、单调的 8 个形容词来进行声景情
感维度评价，其中前 4 个词为愉悦感维度，后 4 个词为事件感维度。
（4）空间视觉评价
本文空间视觉指标评价指标包括 4 个，分别为视觉舒适度、感知绿化率、空间开阔
度以及总体印象。其中视觉舒适度是行人对临干道步行空间视觉感知的是否舒适，包括
步行空间是否整洁、干净等；感知绿化率是指行人看到的绿化率的多少，用来衡量步行
空间的绿化水平；空间开阔度是指行人感受到的步行空间的开敞程度，这个受到建筑高
度、步行空间高宽比周围绿化遮挡等综合影响；总体印象是用来衡量行人对步行空间视
觉感知的总体评价，受到视觉舒适度、感知绿化率、空间开阔度等综合影响。
2.2 城市要素相关理论与方法
2.2.1 城市要素筛选
城市要素包含空间形态要素、视觉要素、空间的可达性等多个方面。大量的研究证
明，城市步行空间有其独特的声音传播规律，而步行空间形态等城市要素对步行空间内
的声音的传播具有重要的影响作用[95]。步行空间的空间形态等城市要素之所以能对声环
境产生影响，一部分原因是因为来自主干道的交通噪声在向步行空间内部传播的时候，
会受到步行空间建筑高度、排列方式、围合程度等的影响，因而会对行人所感受到的噪
- 21 -
声大小产生影响。此外，街道绿化率等空间视觉要素也有可能会影响行人声景评价。事
实上，城市要素对临干道步行空间声景评价的影响是一个复杂的综合的过程。
图 2.7 断面围合度（图片来源：吴鹄鹏[60]）
Fig. 2.7 section girth
图 2.8 不同绿视率的街道空间（图片来源：孙玉芩[64]）
Fig. 2.8 street space with different line sticking rates
许多学者对城市要素对声环境的影响作了研究。如 Kang 等人[96]通过对于香港和英

国的街道，发现街道开口这种城市要素会导致声音衰减 3 到 5 分贝；Lee 和 Kang[97]探讨
了街道宽高比对声环境的影响；Picaut 和 Simon[98]建筑立面的反射与散射作用对声环境
具有重要影响；于博雅等[99]研究了空间尺度对商业街道声环境的影响；吴鹄鹏研究了街
道宽度、高度、平面围合度和断面围合度等空间形态对声环境的影响[60]，如图 2.7 所示；
- 22 -
孙玉芩探究了贴线率、界面密度、围合性、天空可见度、绿视率等街道近人空间感知因
素对道路交通噪声评价的影响[64]，如图 2.8 所示。
综上，基于声景评价研究的视角，在前人研究的基础上结合临干道步行空间实际情
况，选取了空间可达性、天空可视度、基于街景图像的空间视觉要素与基于主观问卷的
空间视觉要素等城市要素来进一步研究其对声景评价的影响，如表 2.1 所示。其中基于
主观问卷的空间视觉要素在 2.1.3 节已作说明，其余的相关城市要素以下将做详细介绍。
表 2.1 城市要素指标筛选
Tab. 2.1 screening of urban factor indicators
类别指标
空间句法可达性、穿行度
天空可视度天空可视度（SVF）
基于街景图像视觉要素绿视率、围合度、天空可见度、机动化程度
基于主观问卷视觉要素视觉舒适度、感知绿化率、空间开阔度、总体印象
2.2.2 空间句法理论与方法
（1）空间句法概述
空间句法理论（Space Symtax）是由英国伦敦大学的比尔希列尔（BillHillier）和朱
利安妮汉森（Julienne Hanson）等人在 20 世纪 70 年代创立的，Hillier 等人在《空间的
社会逻辑》（The Social Logic of Space）中系统阐述了空间句法理论，认为整体空间中
各要素之间的复杂关系是影响社会经济活动发展的空间要素[100]，空间句法通过对自由
空间内外形态关系的研究，阐释了建筑、聚落乃至景观空间的社会文化逻辑结构和意义
[101]
，空间句法理论基于拓扑学原理，基于拓扑网络，在不同尺度下分析了城市空间的
内部结构关系。如图 2.9 所示空间 10 的拓扑步数较大，因为它需要通过较多的空间才能
到达另一个顶端空间 7，而空间 5 仅需要较少的拓扑步数就能方便的到达其他点，因此
具有较好的中心性，与其他空间具有较好的连通性。
- 23 -
图 2.9 空间句法拓扑原理（作者改绘）
Fig. 2.9 Topological principle of spatial syntax
（2）空间句法理论模型
在空间句法中，空间分隔是对空间的量化方法，空间分割的方法包括关系图解法、
凸状法、线段法、线段法，根据空间分隔的思想产生了很多的空间句法模型，分别是凸
状模型（Convex map）、轴线模型（Axial map）、线段模型（segment map）、视域模
型（Visibility graph analysis，VGA）等，模型是对空间组构关系图解的进一步表达。
在空间句法中，空间的量化方法是空间分隔，包括凸状法、关系图解法、线段法、
线段法等，根据这些方法衍生出许多空间句法模型，分别是凸状模型（Convex map）、
线段模型（segment map）、轴线模型（Axial map）等，下边就这几个模型分别作介绍。
○
1 凸状模型
图 2.10 凸空间建模原理（图片来源：段进[102]）
Fig. 2.10 principle of convex space modeling
凸状模型的原理是空间中任意两个点之间不受遮挡、相互可视，这样的空间成为凸
空间。对于室内空间的分析多应用凸状模型，根据空间中任意两点可视的原理将室内空
- 24 -
间转化成为一个个凸多边形。目前对凸状模型的分析多选用 Depthmap 软件，可以从局

部与整体空间两个尺度进行研究，并有可视性和可行性两个角度供选择。凸形模型是以
数理关系图解为基础的，如图 2.10 所示，凸状模型的优点在于在建模过程中能够对空间
进行准确的还原，能够考虑到空间的长宽尺度。但其缺点是建模工作量较大，所消耗的
人力、物力以及时间成本太高，因此，凸状模型一般被用于建筑内部这样较小的空间分
析中。
○
2 轴线模型
图 2.11 轴线模型建模原理（图片来源：段思[103]）
Fig. 2.11 modeling principle of axis model
Hillier 与 Hanson 等人最早提出了轴线模型，它是运用轴线来表达城市空间的空间

结构，当空间的距离足够长时，空间的宽度影响就可以忽略不计，这种情况正适合利用
轴线模型对该空间进行分析。
线性运动与相互可视是轴线模型的物理基础，关系图解依然是数理基础，轴线其实
是一个不用考虑宽度的凸空间，如图 2.11 所示。在轴线模型中，空间结构是用视觉轴线
来表示的，用数量最少、长度最长的轴线串起全部的凸空间，对空间句法的相关参数进
行计算时，可以将这种轴线转换成关系图解。
○
3 线段模型
线段模型是对轴线模型的进一步发展，它本身就属于一种特殊的轴线模型，它的建
模方式如图 2.12 所示，将人类的出行模拟成遵循相关规律的，即偏转角度最小，线段模
型考虑到了实际距离，并且在道路可达性的计算中加权了各道路之间的夹角。
- 25 -
图 2.12 线段模型的角度加权（图片来源：陶伟[104]）
Fig. 2.12 angle weighting of line segment model
图 2.13 线段模型的角度加权（图片来源：TURNER A[105]）

Fig. 2.13 angle weighting of line segment model
线段模型相比于轴线模型的优点在于其模型误差小且较为直观，因为其可以沿着道
路中心线进行建模。在如图 2.13 中，当 A、B 两点的直线距离相等时，道路空间的转折
角大小会影响行人对道路的选择[104]，人们往往会选择道路偏转角较少的道路行走。因
此线段模型的算法更加符合现实的交通流，该模型已经成为在城市空间规划研究中应用
的主流空间句法模型了。
（4）空间句法相关软件的运用
计算空间句法指标常用的软件为 Depthmap 软件，这是由 UCL 大学开发的，此外还
有 Axwoman 软件和 sDNA 等软件运用空间句法的计算中，这几款软件在功能和适用性
方面都有差别，各有优劣。各个软件在基于空间句法相关指标的基础上又被进一步优化，
因此基于不同算法的软件在计算结果上可能会出现差异[106]。
空间设计网络分析（Spatial Design Network Analysis，sDNA）是由英国卡迪夫大学
于 2013 年研制开发的一款空间分析软件，它作为一个工具包基于 ArcGIS 软件运行。
ArcGIS 的模型与上述提到的线段模型类似，但 sDNA 相较与 Depthmap 软件来说运行稳
定且速度较快[107]。Depthmap 软件中对于搜索半径 R 的定义是在路网中心以设定的半径
- 26 -
R 画圆，以此得到的圆形区域，但在 sDNA 中可以选择“离散型”或“连续型”两种方式

搜索半径方式进行分析，这是根据实际的路网情况来选择的，一般而言“连续型”搜索
路径半径的方式计算结果更为准确[106]，。因此在本文中选择使用 sDNA 软件对临干道
步行空间的空间句法相关指标进行如图 2.14 所示后续研究。
图 2.14 sDNA 搜索半径算法示意图（图片来源：sDNA 使用手册）

Fig. 2.14 schematic diagram of sDNA search radius algorithm
（5）空间句法相关参数
综上，sDNA 的建模方式更符合人们对空间的认知情况，且建模时沿着道路的中心
线，可以减少建模的误差，比轴线模型更具有优势。因此本研究选用基于 ArcGIS 的 sDNA
软件对临干道的步行空间进行空间句法的建模分析，用于后续研究。空间句法相关参数
在 sDNA 中的定义及计算方法如下：
○
1 可达性 NQPDA（x）
可达性（NQPDA（x））在空间句法中又称为接近度，用于表示某区域交通到达的
潜力，一般用路网在搜索半径 R 内多达其他路网区域的难易程度来衡量，越容易到达则
说明可达性越高[108]。此参数在本文中用于研究临干道步行空间行人的步行可达性。
○
2 穿行度（TPBt）
穿行度（TPBt）通常用于表示路网在搜索半径内行人通过的概率，穿行度越高代表
测点的通过性越高，承载的通过的人流、车流也越多。在以往的研究中，穿行度多用于
交通疏散、车流分析中[109]，在本研究中，穿行度被用于衡量临干道步行空间的人流分
析。
○
3 搜索半径（R）
搜索半径（R）是用来衡量某区域内，某空间特征受其周围空间特征所影响的重要
变量，它能够反映出城市功能的服务半径，以及人们的认知与出行特征[106]。搜索半径
可以根据行人的出行时间与距离来确定。
- 27 -
2.2.3 天空可视度理论与方法
（1）天空可视度定义
天空可视度（The sky view factor）简称 SVF，Watson and Johnson 将其定义为平面
接收的辐射与整个半球辐射环境的辐射之比[110]。换句话说，SVF 表示每个测点可见的
天空的比例，其数值范围为从完全遮挡天空时的 0 到完全可见并且不受周围物体限制时
的 1。此外天空可视度也常被称为天空可视域、天空开阔度、天空可视因子等多种称呼。
国内外对天空可视域的研究较为广泛，涉及城市规划、大气科学领域以及物理环境
等多个学科，取得了不少成果。如 Silva and Fonseca 利用天空可视度评价城市几何形状
对交通噪声的影响[111]；KlemenZak eK 利用天空可视度探究了遮挡物与太阳辐射之间的
关系[112]，如图 2.15 所示；F Bourbia 利用天空可视度探究了天空受地形的遮挡程度[113]。
图 2.15 天空可视度模型（图片来源：KlemenZak eK[112]）

Fig. 2.15 sky visibility model
本文 SVF(天空可视度)的概念指在建筑围合的临干道步行空间中，行人看到的实测
地点垂直上空天空所占的比例，它关系到临干道步行空间的空间品质、行人的视觉感受
以及行走舒适度，因此可能会影响行人的声景评价。有必要说明的是，此处的 SVF(天
空可视度)与 2.2.4 节的“天空可见度”不同，“天空可见度”是行人行走时平视看到的
天空的比例，而此处是行人仰视时所看到的天空的比例，因此这是两个不同的概念，测
量以及计算方法也有所不同。
（2）天空可视度实测方法
近年来各国学者探索了多种天空可视度的实测方法，从技术方法的层面可以分为三
种，即鱼眼拍摄实测法、三维建模分析法和 GIS 模拟计算法。
- 28 -
○
1 鱼眼拍摄实测法
鱼眼拍摄实测法是利用数码相机外加鱼眼镜头，并且固定在三角支架上的拍摄方式
进行实地拍摄，然后将拍摄的彩色鱼眼镜头图片导入到特定软件进行处理，然后将彩色
的鱼眼图片处理成黑白图像，其中白色的代表天空，黑色的为建筑、树木、构筑物等遮
盖天空的元素。将鱼眼图像以划分扇区切分的方式来分析 SVF 的情况，并对处理后的
黑白图像进行赋值，进而可以计算出黑色占整张图的比例，所得的值即为天空可视度的
值。
实地拍摄的方法简单易行，安德森利用现场拍摄照片的方式对森林树冠的覆盖率进
行了研究，并研究了森林中的天空开阔度。但由于数据精度以及后求其处理问题，这种
方法一直到上个世纪 90 年代后才被逐渐公认为是研究天空可视度的重要方法。在后期
相关数字化软件的协助下，对拍摄的鱼眼照片进行处理，然后通过赋值系统进行量化。
天空可视度的值为 0 到 1 之间，即当数值为 0 是代表整个天空不可见，当数值为 1 时代
表天空完全不受建筑物等遮挡，天空充满人的视野，如图 2.16 所示。
图 2.16 鱼眼拍摄实测法（图片来源：杨俊宴[114]）
Fig. 2.16 fish eye shooting method
- 29 -
○
2 三维建模分析法
三维建模分析法首先要根据城市空间的各项数据指标进行三维建模，然后根据三维
模型分析城市空间的天空可视度。城市空间的各项数据指标可以由现场测量和高精度的
地形图来获取并以此来组建数据库，这是天空可视度三维分析的基础，它的基本表达对
象为建筑本体，也决定了测算数据的准确性。
○
3 GIS 模拟计算法
GIS 模拟计算法利用计算机代理数据对 SVF 进行直接计算测量，是一种考虑到周边
起伏地形环境遮蔽的计算方法。该方法适合于在城市中使用，在农村由于大量植物遮挡
作用，使得计算精度不佳，效果不理想。该方法的优点是可以快速大量获取天空可视度
的值，但由于计算时忽视建筑等细节，精度不高，过于理想化。
综上，鱼眼拍摄实测法特别适合在实际情况中运用确定 SVF，因为它操作方便，可
以精确地识别处理形状各异、尺寸不一的建筑。此外，植物、构筑物以及景观小品等也
都考虑在内，因此用这种方法得到的天空可视度较为精确。而其他的方法用于这种情况
可能会导致错误[114]。因此本文采用鱼眼拍摄实测法进行天空可视度的实测。
2.2.4 街景图像理论与方法
（1）街景图像理论
基于街景图像的城市空间品质评价是利用街景图像中所呈现的街道的立体轮廓与
各层级建筑景观等信息，从中选取需要的评价元素，如建筑、树木、道路、天空和设施
等，对城市、居住区、街道等某区域的环境品质等进行分析，实现对经济环境、社会环
境、美学环境或城市物理环境多的评价[115]。
街景图像具有以下优点：①街景图像以行人的视点拍摄城市步行空间的图像，其中
包含丰富的城市空间信息，能模拟行人真实的视觉场景，反映出城市的基础设施及街道
层级的景观，以及周边建筑而立面信息；②街景图像数据获取方式多样，既可从百度街
景、谷歌街景等平台爬取，又可实地进行拍摄获取，这为不同地区、不同方向的研究提
供了丰富的可供选择的数据源；③街景数据的收集的成本低、易获取且效率高。
使用街景图像和人工智能化处理，获取城市要素特定以及更为复杂的指标，进而对
城市视觉、空间以及环境品质的研究已经成为当下的一个研究热点[116]。Li 等使用谷歌
地图提供的街景图片对城市的绿化进行了评估，并对绿色景观指数做出了修改[117]，如
图 2.17 所示。Andrew GRundle 等通过对纽约 37 个街道的研究，发现街景数据与现场实
- 30 -
测的数据具有高度一致性[118]。Nikhil Naik 等基于机器学习技术对上百万张街景图片进

行测评打分，来测度纽约五个城市街道的空间感知安全度[119]。
图 2.17 绿色植被提取结果（图片来源：Li X[117]）

Fig. 2.17 extraction results of green vegetation
（2）街景图像测算方法
以 SegNet 为代表的机器深度学习算法运用深度卷积神经网络构架能够对街景图片
进行准确的识别处理，它能够有效的识别街景图像中的绿化、建筑、天空、设施、车辆、
车道等多种要素[120]。深度学习是机器学习的一种方式，它能够使计算机通过对现实物
的不断学习总结经验，来更全面的理解现实世界[121]。
许多学者应用 SegNet 等深度学习软件对街景图像数据做了分析。如叶宇等利用
SegNet 软件对上海市街景进行分析，计算其绿化可见度，并将其与道路可达性进行了叠
加分析[122]，如图 2.18 所示。龙瀛等通过街景图片来分析中国多个城市的街道空间品质，
- 31 -
以及城市中心区域的绿化情况[123]，如图 2.19 所示。Lu 等通过深度学习技术对街景图片

进行处理，以探究城市居民的步行行为与城市绿化率的关系[124]。
图 2.18 绿化率与步行可达性（图片来源：叶宇[122]）
Fig. 2.18 greening rate and pedestrian accessibility
图 2.19 每个城市（A）及 4 中分类下（B）的城市街道的绿化（图片来源：LONG Y[123]）

Fig. 2.19 greening of urban streets under classification (b) in each city (a) and 4
综上本研究采用 SegNet 图像语义分割工具对街景图片进行分析，现有研究直接应

用提出机构剑桥大学（University of Cambridge）的训练图片库和识别模型在中国的城市
中开展研究，并取得了良好的识别效果[123]，故在本研究中并没有对 SegNet 软件进行进
一步的深度学习训练，而是直接用的提出机构的 SegNet 模型。
- 32 -
（3）基于街景图像识别指标
基于声景评价的研究视角，结合临干道步行空间行人感知视角以及前人的研究，选
取了 4 个基于街景图像识别的视觉要素指标做进一步分析，即绿视率、围合度、天空可
见度和机动化程度，以下作详细说明。
○
1 绿视率
经研究证明，步行空间的绿化植物可以有效提升人们行走的舒适度，是影响人们出
行时长的一个重要因素[125]。以往衡量一个步行空间的绿化率多采用“人均绿地面积”、
“绿地率”等指标，但上述指标是平面上的二维指标，忽略了垂直方向上的绿化成分，
绿化不仅在水平方向上起到划定范围的作用，而且在垂直方向上也起到了绿色背景墙的
作用。
从行人的视角出发，为了测算行人视野中绿化的情况，日本学者青木阳提出“绿视
率”这一概念，即行人视野中绿色植物的占比[126]。对于中小型的步行空间，绿视率的
计算方法线拍摄测点街景图像，然后通过计算绿色植物在照片中的像素占比从而得到结
果，如图 2.20 所示。本研究用手机拍摄测点的街景图像作为数据源。
图 2.20 “绿视率”为视线内绿色占比（图片来源：作者自绘）
Fig. 2.20 "green visibility" shows the proportion of green in the line of sight
○
2 围合度
步行空间的围合度表达了步行空间路面、建筑、设施、植物等为合成的空间，是反
映空间大小与宽敞度的重要指标。步行空间的围合度对行人来说具有很大影响，不同的
围合度空间会使行人产生宽松或拥挤的感觉，从而影响行人的行走舒适度，对声舒适度
势必也会产生影响。由于步行空间由多个环境要素共同构成，在本次研究中将建筑物、
围墙、栏杆、植物等作为围合度的限定要素。
- 33 -
○
3 天空可见度
天空可见度被定义为行人视野中天空所占的比例，是衡量步行空间品质的一个重要
指标[127]，如图 2.21 所示。天空可见度对于行人产生的影响在于以下两个方面：一方面
是适宜的天空可见度会提升行人的视觉舒适度，另一方面是天空可见度与城市天际线联
系密切，丰富了步行空间的空间层次感。
此处有必要说明的是此处的“天空可见度”与 2.2.3 的“天空可视度”（SVF）不
同，“天空可视度”是行人仰视时所看到的天空的比例，而此处是行人行走时平视看到
的天空的比例，因此这是两个不同的概念，测量以及计算方法也有所不同。
图 2.21 “天空可见度”为视线范围内天空占比（图片来源：作者自绘）
Fig. 2.21 "sky visibility" shows the proportion of sky within the line of sight
○
4 机动化程度
机动化程度用于衡量步行空间的车辆通过水平。对于步行空间安全性和舒适性的考
量，行人往往会选择通过车速慢以及车速较小的步行空间。机动化水平较高的步行空间
一方面受交通噪声污染严重，另一方面给人带来不安全感，影响行人行走舒适度。国外
城市步行空间常用降低机动化水平的措施来提升步行空间行人的舒适度[128]。本文以道
路和车辆占比来衡量研究地点机动化的程度。
2.3 本章小结
本章首先对声景的概念与演变进行了系统的梳理，为研究提供理论支持；然后对声
景的评价方法与评价指标作了研究，参照以往学者的研究经验，利用声漫步法对临干道
步行空间声景进行主观问卷调查，问卷采用采用五级李克特量表形式，包括声景评价和
空间视觉评价两大部分，符合声景评价的科学标准；最后对影响临干道步行空间声景评
- 34 -
价的城市要素做出筛选，通过对以往学者的相关研究梳理，结合本研究的实际情况，选
取了以下城市要素来进一步研究其对声景评价的影响，包括基于空间句法的指标：步行
可达性、穿行度，基于鱼眼图像的指标：天空可视度，基于街景图像的空间视觉要素指
标：绿视率、围合度、天空可视度、机动化程度，以及基于主观问卷的空间视觉指标：
视觉舒适度、感知绿化率、空间开阔度、总体印象，并将上述城市要素指标的理论与实
测方法做了详细阐述，为接下来的实验调研与实验设计打下理论基础。
- 35 -
3 实验调研与实验设计
本章包含研究的前期准备和工作，主要包括四大部分内容，即研究对象选取、实验
组织、问卷设置以及城市要素数据的采集与测量。首先根据研究目的与标准选取了 3 个
典型的临干道步行空间，并分别做介绍；然后介绍实验组织，通过主观问卷调查与客观
数据采集的方式探究临干道步行空间声景评价规律；最后对主观问卷的设置及信度、效
度的检验以及城市要素的采集与测量做了详细说明。
3.1 临干道步行空间样本选择
根据 1.4.1 小节对临干道步行空间的界定，基于声景评价的研究视角，结合步行空
间的分布位置、空间功能、主要行人的要求，把临干道步行空间分为三类，即临干道商
业步行空间、临干道生活性步行空间和临干道混合式步行空间。
图 3.1 样本点选取（图片来源：作者自绘）
Fig. 3.1 Sample point selection
依据上述分类标准，通过对大连地区多个临干道的步行空间现场调研与测量，最终
选取了 3 个典型的临干道步行空间作为研究对象，分别为临西安路商业步行空间、临软
- 36 -
件园路生活性步行空间和临黄浦路混合式步行空间，如图 3.1 所示。这 3 典型步行空间

共同的特征是都紧临主干道，且平时人流量较多，行人饱受交通噪声等干扰，声景评价
较差，这种问题亟待改善。同时 3 个步行空间包含的类型较为全面，即商业类、生活类
以及商业与生活混合类满足研究需求。本文以这 3 个典型步行空间为研究对象，探究其
声景评价及其影响要素，以期改善临干道步行空间的声景评价。下面就 3 个典型样本空
间分别做介绍。
3.1.1 商业步行空间样本
第一个实验样本选取了紧邻大连西安路的一条全长 1.4 公里的步行空间，如图 3.2
所示。西安路作为大连市的一条主干道，交通量较大，交通噪声污染也较为严重。该步
行空间另一侧分布有大型商场和临街店铺等功能业态，是一条典型的临干道商业步行空
间，平时人流量较大。
图 3.2 临干道商业步行空间样本点（图片来源：作者自绘）
Fig. 3.2 Sample points of commercial pedestrian space near trunk road
依据不同空间类型、商业业态等因素，在该步行空间上选取了 6 个点作为研究对象，
如图 3.3 所示。其中 1 点为临街广告牌外一点，地点 2 为小型临街店铺空间，3、4 点紧
邻罗斯福大型商业广场，5 点紧临中央大道购物广场，6 点为小区外围墙处一点。
- 37 -
图 3.3 临干道商业步行空间实测点（图片来源：作者摄影）
Fig. 3.3 Measured points of commercial pedestrian space near trunk road
图 3.4 临干道商业步行空间 1-1 剖面图（图片来源：作者自绘）

Fig. 3.4 Section 1-1 of commercial pedestrian space adjacent to trunk road
此外西安路为六车道主干道，道路宽度为 20 米，步行空间与主干道紧邻，之间无
绿化分隔，如图 3.4、3.5 所示；实测地段共有 5 个信号灯，限速 50km/h，交通流是自
由流，且实测期间没有堵车现象，因此在本次研究中认为交通噪声是稳态声源。
- 38 -
图 3.5 临干道商业步行空间 2-2 剖面图（图片来源：作者自绘）

Fig. 3.5 Section 2-2 of commercial pedestrian space adjacent to trunk road
3.1.2 生活性步行空间样本
第二个实验样本选取了紧邻大连软件园路的一条全长 0.98 公里的步行空间，如图
3.6 所示。在软件路的南侧为大连理工大学，作为一条城市主干道，软件园路平时车流
量较大，交通噪声对一旁步行空间里的行人造成较大干扰，声舒适度也较差。该步行空
间的另一侧分布着小型临街店铺等功能业态，是一条典型的生活性步行空间，因为紧靠
大连理工大学和居民区，所以平时人流量较大。
图 3.6 临干道生活性步行空间样本点（图片来源：作者自绘）
Fig. 3.6 sample points of living pedestrian space near trunk road
- 39 -
图 3.7 临干道生活性步行空间实测点（图片来源：作者拍摄）
Fig. 3.7 Measured points of living pedestrian space near trunk road
依据不同空间类型、商业业态等因素的不同，在该步行空间选取了 8 个点作为研究
对象。其中 5 点为一个社区小广场，7 点背靠科技园大厦，8 点与大连软件园以绿化相
隔，其余点为小型临街店铺空间，如图 3.7 所示。
此外软件园路为四车道主干道，道路宽度为 14 米，步行空间与主干道之间有少许
行道树相隔，如图 3.8、3.9 所示。实测地段共有 2 个信号灯，限速 50km/h，交通流是
自由流，且实测期间没有堵车现象，因此在本次研究中认为交通噪声是稳态声源。
图 3.8 临干道生活性步行空间 1-1 剖面图（图片来源：作者自绘）

Fig. 3.8 Section 1-1 of living pedestrian space near trunk road
- 40 -
图 3.9 临干道生活性步行空间 2-2 剖面图（图片来源：作者自绘）

Fig. 3.9 Section 2-2 of living pedestrian space near trunk road
3.1.3 混合式步行空间样本
第三个实验样本选取了紧邻大连黄埔路的一条全长 2 公里的步行空间，如图 3.10
所示。该步行空间紧临大连的一条主要交通干道黄浦路，受交通噪声干扰性较大，在步
行空间另一侧分布有大型商业、沿街商铺、居住区等功能业态，是一条典型的兼顾商与
生活的混合式步行空间，平时人流量也较大。
依据不同空间类型、商业业态等因素的不同，在该步行空间上选取了 10 个地点作
为测试地点，如图 3.11 所示。其中地点 1、2、4、5、6、7、8、9 位于临干道的步行空
间上，另外 3、10 两个地点位于居住区内部作为对比点。
图 3.10 临干道混合式步行空间样本点（图片来源：作者自绘）
Fig. 3.10 sample points of mixed pedestrian space near trunk road
- 41 -
图 3.11 临干道混合式步行空间实测点（图片来源：作者拍摄）
Fig. 3.11 Measured points of mixed pedestrian space near trunk road
此外黄浦路为六车道主干道，道路宽 20 米，与样本一、二不同的是该步行空间与
主干道之间有绿化带和一条有轨电车轨道相隔，如图 3.12、3.13 所示。该实测地段共有
3 个信号灯，限速 60km/h，交通流是自由流，且实测期间没有堵车和有轨电车通过的情
况，因此在本次研究中认为交通噪声是稳态声源。
图 3.12 临干道混合式步行空间 1-1 剖面图（图片来源：作者拍摄）

Fig. 3.12 Section 1-1 of mixed pedestrian space adjacent to trunk road
- 42 -
图 3.13 临干道混合式步行空间 2-2 剖面图（图片来源：作者拍摄）

Fig. 3.13 Section 2-2 of mixed pedestrian space adjacent to trunk road
3.2 实验组织
本研究利用声漫步法对 3 个典型的临干道步行空间进行问卷调查和测量客观城市要
素数据。声漫步的实测方法是让被试者根据事先确定好的实测点和路线，到现场亲身感
受，对实测点的声景做出主观评价填写问卷，并记录漫步过程中声压级等客观数据。
3.2.1 被试对象
研究表明，18-25 岁的年轻人在听觉感知方面更为敏感。随着年龄的增长，人的听
力水平会逐渐降低，感知高频声音的能力下降更为明显[129]。因此，在本次实验中选择
大连理工大学的研究生为被试对象，年龄在 23~25 岁之间，此类人群对不同噪声源的分
辨能力较强，对声环境的舒适度要求较高，使得实验结果更为可靠。
3.2.2 实验时间
实验分三次进行，分别为：
2020 年 10 月，正常工作日，下午 2 点至 4 点——临干道混合式步行空间；
2021 年 06 月，正常工作日，下午 2 点至 4 点——临干道商业步行空间；
2021 年 06 月，正常工作日，下午 2 点至 4 点——临干道生活性步行空间；
测量期间天气晴朗，风力小于 5 级，并且避开了下班高峰期，防止车辆拥堵对实验
造成干扰。
3.2.3 实验流程
实验分 3 次进行，每次实测一条步行空间，以临干道商业步行空间为例叙述。实验
被试对象均为在校的研究生，其中男生 12 名，女生 12 名，总计 24 名。
实验包括问卷调查、声压级测量、人数统计以及全景照片的拍摄：
（1）问卷调查
实验前对被试者进行简单的实测培训，主要包括问卷具体内容以及试验流程讲解，
确保被试者能够较好的完成实测。据以往的研究，Aumond 模拟了巴黎城市步行过程中
- 43 -
的声景评价，发现实验路线方向对声景评价结果并无显著影响[49]。因此为了避免被试人
员过多造成对声景评价的影响，在本次实验中 24 名被试者被分为两组，两组的实测路
径是相反的，每组男女各 6 名，并各指定一名领队。被试者在领队的带领下需要徒步依
次走完实测的 6 个地点，在每个地点的指定位置，先静默聆听 2 分钟，并运用所有感官
感知周围的环境。听完后，被试者填写调查问卷，如图 3.14 所示。此外，为了防止被试
对象在实测中产生疲劳，实验中间安排休息 10-15 分钟。
图 3.14 问卷实测现场
Fig. 3.14 field survey of questionnaire
（2）声压级测量
计权网络是依据听觉感知来不断修正电信号的网络，它可以用来模拟正常人耳对不
同频率声音的感知[130]。声压级利用计权网络测得的声压级称为声级，声级又可以分为 A、
B、C 三种，它是依据使用的计权网络的不同所划分的。其中 A 计权网络是用于模拟小
于 55 分贝的低噪声频率，该特征曲线与人耳感知的较为接近，因此被广泛应用于日常
的噪声测试[131]。《声环境质量标准》（GB3069-2008）中规定用 A 计权网络测得的声
级称为 A 声级，连续等效 A 声压级(LAeq)是指 A 声压级在特定的时间 T 内的平均能量值
。另外还有两个比较重要的声学测量指标即 L10 与 L90：其中 L10 表示在规定时间内，
[132]
有 10%的时间（或采样数）超过该声级，称之为累计百分声级,可用于描述噪声的平均
- 44 -
峰值；L90 表示在规定时间内，有 90%的时间（或采样数）超过该声级，可用于描述环

境的背景音。
本文在对临干道步行空间的声学指标进行测量时选取了 LAeq、L10 与 L90 三个指标，
其单位为分贝，即 dB。每组指定一名副领队，负责用 NTI XL2 测试声学指标。由于临
干道步行空间各测点声学指标随着时间的变化而变化，因此在测量时将 XL2 声级计的
测量时间设置为 3 分钟，测量时声级计据地高度约为 1.2 米处，且接声口指向主干道。
此外由于声压级的测量与问卷调查是同时进行的，因此在测量时问卷被试者要保持足够
的安静，避免对测得的声压级产生干扰。
另临干道生活性、混合式步行空间的实验组织流程与此一样，在此就不再赘述。经
过 3 次实验，剔除掉具有离群值的问卷，共收回有效调查问卷 504 份，其中临干道商业
步行空间 136 份，被试人员男女各 12 人；临干道生活性步行空间 184 份，被试人员男
生 11 人、女生 12 人；临干道混合式步行空间 184 份，被试人员男女各 12 人。除此之
外，还获得了每个测试点的天空可视度、街景照片等信息（见 3.4.2）。
3.3 主观问卷设置
3.3.1 主观评价问卷
本次研究的主观评价问卷，基于 2.1.3 关于声景评价指标的研究，最终确定进行四
个方面的声景评价，分别包括噪声源感知评价、声景总体评价、声景情感维度评价以及
空间视觉评价。具体问卷见附录 A。
对于噪声源的感知评价，主要包括交通噪声、人工声、个人声音、人群声以及自然
声音五类，并使用五级李克特量表进行评价，数值从-2 到 2 分别代表一点没有、一点、
适度、许多、完全占据。
对于声景总体评价，主要包括 3 个指标，即声舒适评价、声环境响度评价以及协调
度评价，也均使用五级李克特量表进行评价。其中，声舒适度评价：-2 非常不适、-1 不
适、0 一般、1 舒适、2 非常舒适；响度评价：-2 非常安静、-1 安静、0 一般、1 吵闹、
2 非常吵闹；声环境协调度评价：-2 一点也不、-1 稍微、0 适度、1 很合适、2 完美。
对于声景情感维度，基于 2.1.3 关于声景评价指标的研究，文本确定为两个，即“愉
悦感维度”和“事件感维度”，并根据瑞典 SQP 提供的标准情感词汇选取了 8 个形容
词作为这两个维度的问卷问题，即愉悦感维度：愉快的、混乱的、平静的、烦恼的；
事件感维度：充满活力的、无事件感的、事件感多的、单调的。并选择五级李克特量表
从-2 到 2，分别代表强烈的不同意、不同意、不同意不反对、同意、强烈的同意。
- 45 -
对于空间视觉评价，本研究确定了四个指标，分别是视觉舒适度、感知绿化率、空
间开放程度、总体印象，也均使用五级李克特量表进行评价。其中，视觉舒适度：-2 非
常不适、-1 不适、0 一般、1 舒适、2 非常舒适；感知绿化率、空间开放程度、总体印
象从-2 到 2 分别代表非常差、差、一般、好、非常好。
3.3.2 信度效度检验
对于问卷调查数据，为了保证其可信度和科学性，需要对其进行信度和效度检验
[133]
，以便进行下一步的研究分析。信度检测的是问卷数据的可靠性与内在一致性的程
度，可以反映出问卷数据的稳定性和集中程度，即问卷问题能否稳定的反映出要评价的
事物。信度检验采用α系数法，计算公式如下[134]：
α= ( K/K -1) × (1- ( ∑Si2 ) / ST² ) （3.1）
式中：K——量表中题项的总数；
Si2 ——第 i 题得分的题内方差；
ST2——全部题项总得分的方差。
相关研究表明克朗巴哈α系数＞0.6 即为可信，＞0.8 则表明问卷数据具有较高的内
在一致性[135]，根据公式计算全部问卷数据的信度系数α为 0.651，临干道商业步行空间、
生活性步行空间、混合式步行空间的信度系数值分别为α1=0.623、α2=0.651、α3=0.624，
因此问卷通过信度检验。
效度检测的是问卷能否准确、真实的反映出实测样本的特征，效度越高代表问卷数
据越能准确的反映出实测对象的真实特征。本次研究采取效度检验最常用的方法，即因
子分析法。首先，样本容量为 504，变量数为 21，样本容量与变量数之比为 24：1＞10：
1，初步判断原始数据适用于因子分析。接下来利用 KMO（Kaiser-Meyer-Olkin）检验来
进一步检验问卷数据是否适合进行因子分析，计算公式如下[136]：
KMO = (∑∑Srij2) × (∑∑Srij2 +∑∑Sαij2 ) （3.2）
式中 rij——效度相关系数；
αij——效度偏相关系数。
KMO 的计算数值在 0~1 之间，当 KMO≥0.7 时，表明问卷数据适合进行因子分析；
当 0.6≤KMO＜0.7 时，表明问卷数据勉强可以进行因子分析；当 0.5≤KMO＜0.6 时，表
明问卷数据不太适用于因子分析；当 KMO＜0.5 时，表明问卷数据完全不适合进行因子
分析。根据公式对问卷数据进行 KMO 计算，结果为 0.853>0.7，Bartlett 的球形度检验
- 46 -
近似卡方值为 4602.42，对应所的显著性水平 p=0.000<0.001，故问卷数据通过效度检验，

满足进一步的数据分析研究要求。
3.4 城市要素的采集与测量
由 2.2 节研究可知，本研究对城市要素做出了筛选，城市要素包括基于空间句法的
指标：步行可达性、穿行度，基于鱼眼图像的指标：天空可视度，基于街景图像的空间
视觉要素指标：绿视率、围合度、天空可视度、机动化程度，以及基于主观问卷的空间
视觉指标：视觉舒适度、感知绿化率、空间开阔度、总体印象。接下来就这些城市要素
指标的采集与获取方法作详细介绍。
3.4.1 采集与测量仪器
本研究在利用声漫步法对实测点进行主观问卷调查的同时还需采集样本空间的一
些客观城市要素数据，如空间句法相关指标、天空可视度、街景图像等。其中空间句法
相关指标原始数据采集方法为 Google Map 地图截取；拍摄天空可视度图像的设备为配
备鱼眼镜头以及三角支架的微单相机；拍摄街景图像的仪器是微单相机；最后基于问卷
的视觉要素是由问卷调查获取的。具体如表 3.1 所示。
表 3.1 客观数据采集与测量仪器
Tab. 3.1 objective data acquisition and measuring instruments
仪器名称型号应用
拍摄天空可视度以及
微单相机富士 X-T3
街景照片
鱼眼镜头 7.5mm F2.8II 拍摄天空可视度照片
三脚支架 WT-3111B 支撑相机拍摄
3.4.2 采集与测量方法
城市要素的采集与测量方法整理如表 3.2 所示，接下来将做详细介绍。
- 47 -
表 3.2 城市要素采集与测量方法
Tab. 3.2 Urban factor collection and measurement method
类别指标描述获取方式
衡量行人从其他步行区域到达该步
可达性
行空间的难易程度 CAD 建模导入 sDNA
空间句法
穿行度越高代表测点的通过性越高，中计算
穿行度
承载的通过的人流、车流也越多
天空可视度每个测点可见的天空的比例（垂直角鱼眼相片导 RayMan
天空可视度
（SVF）度）中计算
绿视率街景图像中植物像素占比
街景图像中建筑、植物、围栏等像素
围合度
基于街景图像视占比街景图像导入 SegNet
觉要素街景图像中天空像素占比（平视角计算
天空可见度
度）
机动化程度街景图像中步道与汽车像素占比
视觉舒适度行人视觉感受是否舒适
感知绿化率行人感知到的绿化率得多少
基于主观问卷视
空间开阔度行人感受到的步行空间的开敞程度主观问卷调查
觉要素
行人对步行空间视觉感知的综合评
总体印象
价
(1) 空间句法指标的采集和测量方法
根据 2.2.2 节的研究，空间句法（space syntax）是由英国伦敦大学的比尔希列尔
（BillHillier）和朱利安妮汉森（Julienne Hanson）等人在 20 世纪 70 年代创立的一种空
间网络分析方法，用以分析城市空间与建筑的网络特征及其对社会经济的影响。本文尝
试使用 CAD 建立空间句法模型，并导入基于 GIS 的 sDNA 软件分析计算空间句法相关
指标，以便做进一步的分析。
○
1 空间句法建模
与传统绘制道路中心线的建模方式不同，本文主要研究样本空间的步行可达性，因
此是以行人的步行路径为建模对象。以临干道商业步行空间为例，首先利用 Google map
截取研究样本空间的地图图像，然后导入 CAD 软件中构建研究区域的步行系统，包括
人行道流线和商场内部的人群流线，还有沿街商铺内部流线用短线表示，绘制时只画行
人可进入的公共空间，私密空间及不开放空间未在其列。为避免边缘效应对整个模型的
- 48 -
影响，在绘制时需要设置足够的缓冲区，使得实测点都位于模型的偏中心位置，以确保
分析结果的准确性，如图 3.15 所示。
图 3.15 CAD 构建空间句法模型（图片来源：作者自绘）

Fig. 3.15 construction of spatial syntax model by CAD
○
2 空间句法相关指标计算
在 CAD 中绘制完成后，保存为 2010 版 DXF 格式，导入到 ArcGIS 10.2 软件中，然
后在 ArcGIS 10.2 中加载 sDNA 工具箱（"Spatial Design Network Analysis"条目），双击
该条目下的"Preparation"选项，将导入到 ArcGIS 中的路网图层拖入到 Input polyline
features 框中；Output polyline features 输出选项保持默认即可，也可自行选定文件夹并
命名；接下来勾选 split links 选型，其他的保持默认即可，最后点击确认，生成网络准
备文件，如图 3.16 所示。
- 49 -
图 3.16 sDNA 网络准备（图片来源：作者自绘）

Fig. 3.16 sDNA network preparation
接下来对步行系统模型进行整体分析，在进行整体分析时需要输入搜索半径，在空
间句法中搜索半径一般是先根据经验值输入，然后再根据具体情况筛选出最优半径。基
于人本视角的空间分析，本次研究中的搜索半径实际是以人的出行距离来衡量的。根据
正常行人的行走速度为 80m/min，搜索半径选择如表 3.3 所示。
表 3.3 行人步行时间和距离（作者自绘）
Tab. 3.3 Pedestrian walking time and distance
距离（m） 200 400 600 800 1000 1200 1500 2000
步行时间（min） 2.5 5 7.5 10 12.5 15 18.8 25
具体操作是在 SDN 工具箱中双击打开“Analysis”分析，将网络准备形成的文件拖入

到 Input polyline features 框中；Output features 输出位置一栏保持默认即可，也可自行选
定文件夹并命名；在 Routing and analysis metric 一栏中选择 Angular 角度变化度数，这
是一种分析选用的度量方式；Radi 表示分析计算所选取的半径范围，通常以米为单位，
注意这里的单位要和 CAD 建模的单位保持一直，如果 CAD 中用毫米建模，则此处也要
以毫米为单位，此处使用 200，400，600，800，1000，1200，1500，2000，n(计算全局
网络空间)为输入半径；接下来在分析方式上勾选 Continuous Space（optional）选择连续
- 50 -
空间的方式，使得结果更为准确，其它选项保持默认最后点击 ok 运行计算即可，如图
3.17 所示，经 sDNA 软件计算，最终结果如图 3.18 所示。
图 3.17 sDNA 整体分析（图片来源：作者自绘）

Fig. 3.17 sDNA Overall analysis
图 3.18 计算结果局部展示（图片来源：作者自绘）
Fig. 3.18 Partial display of calculation results
- 51 -
最后将 sDNA 计算出的空间句法相关指标进行可视化表达，以全局可达性可视化为

例。双击 sDNA 整体分析生成的图层，选择 Symbology 选项下的 Quantities（数量符号
化），接着单击 Graduated colors，在右侧的选项框 Value 一栏中，下拉选择 NetQuantPD
Ang Rnc，即半径为 n 时的全局接近度（全局可达性）。分类方式选择 Natural Breaks（jenks）
（自然断裂法），为了使可视化效果更为细化，Classes 选择 24 阶，以临干道商业步行
空间全局可达性分析为例，最终结果如图 3.19 所示。
图 3.19 临干道商业步行空间全局可达性（图片来源：作者自绘）
Fig. 3.19 Global accessibility analysis of commercial pedestrian space near trunk road
基于 sDNA 的计算法则，计算出样本空间每段路径的空间可达性，如图 3.16 所示。

图中线段颜色越暖、越接近红的代表可达性数值越高；颜色越冷、越接近绿色代表可达
性数值越低。此外每个实测点的可达性，以其所靠近的道路的可达性衡量。
(2) 天空可视度的采集和测量方法
○
1 天空可视度图像获取
天空可视度图像获取采用的是鱼眼拍摄实测法，即利用数码相机外加鱼眼镜
头，并且固定在三角支架上的拍摄方式拍摄鱼眼图像。将三角支架调到大概 1.5 米左右
的位置，这接近行人的正常的眼睛高度。在拍摄前，将相机镜头垂直向上，用手机自带
的水准仪放到相机上边找平，确保相机处于一个水平位置，然后再在每个测点进行天空
可视度影像的拍摄，如图 3.20 所示。
- 52 -
图 3.20 鱼眼拍摄实测法（图片来源：作者自绘）
Fig. 3.20 Fish eye photographing method
○
2 利用 Rayman 计算天空可视度数值
RayMan（Radiation on the human body）是由德国弗莱堡大学开发的一款城市生物气
象研究软件[137]，其核心为 RayMan 辐射模型，是以德国工程师协会的 VDI[138]准则建立
的，该工具除了可以用来用来计算太阳辐射量等还有一个重要的功能就是计算天空可视
度。
首先将拍好的各测点的鱼眼影像导入到 Rayman pro 软件中，然后利用 cut off 工具
将天空部分进行剪除，只留下建筑物以及植物等遮挡物。如图 3.21 所示。然后将彩色的
鱼眼图片处理成黑白图像，其中白色的代表天空，黑色的为建筑、树木、构筑物等遮盖
天空的元素。将鱼眼图像以划分扇区切分的方式来分析 SVF 的情况，并对处理后的黑
白图像进行赋值，进而可以计算出黑色占整张图的比例，所得的值即为天空可视度的值。
如图 3.22 所示。
- 53 -
图 3.21 Rayman 处理全景照片（图片来源：作者改绘）

Fig. 3.21 Rayman handles panoramic photos
图 3.22 Rayman 处理前后鱼眼图像对比（图片来源：作者改绘）

Fig. 3.22 Comparison of fish eye images before and after Rayman processing
（3）基于街景图像的城市要素采集与测量方法
近年来的一些研究表明步行空间的视觉要素特征能从步行空间的客观特征层面反
映出行人的主观感受。步行空间的视觉要素特征可以通过步行空间的街景图像反映出
来，且街景图像的算法分析已经成为学术研究的热点[139]。
- 54 -
○
1 街景图像的采集
利用微单相机对实验地点进行街景图的拍摄，为了还原被试者感受到的最真实全面
的场景，现拍摄 360 度的全景图片代替单方向的二维街景图片，同时为了防止全景图片
产生畸变，放弃使用相机自带的全景图拍摄功能，改用普通模式，每一个地点拍摄 6 张，
后期利用 photoshop 合成全景图。此外，拍摄时将相机镜头高度固定于 1.5 米，模拟人
眼正常视角高度。获得的街景图像将用于计算城市要素的相关指标，如图 3.23 所示。
图 3.23 实测点全景图（图片来源：作者自绘）
Fig. 3.23 Panorama of measured points
- 55 -
○
2 街景图像的测量方法
接下来利用像素级语义分割技术，即 SegNET 来分析街景照片，可以准确且高效的
计算出步行空间的绿视率等空间视觉指标[140]。
图 3.24 SegNET 智能分割图像（图片来源：作者改绘）

Fig. 3.24 Segnet intelligent image segmentation
图 3.25 空间视觉要素指标计算（图片来源：作者改绘）
Fig. 3.25 Index calculation of spatial visual elements
- 56 -
通过 Seg NET 对全景照片进行自动化语义分割，可以分割识别出如下的步行空间视

觉要素，即：建筑、天空、铺装、植物、汽车、围栏、步道、路标、行人、电线杆、标
志、自行车，如图 3.24 所示。具体的空间视觉要素包含四个指标分别为：绿视率（植物
像素占比）、机动化程度（汽车、道路之和像素占比）、天空可见度（天空像素占比）、
围合度（植物、围栏与建筑物之和像素占比），如图 3.25 所示。
以临干道生活性步行空间中的地点 2 为例，将实测地点的全景图片导入 Seg NET 中
进行智能化分割，计算空间视觉要素指标过程如图 3.26 所示。
图 3.26 空间视觉要素指标计算过程（图片来源：作者自绘）
Fig. 3.26 Calculation process of spatial visual element index
（4）基于主观问卷的城市要素采集与测量方法
基于主观问卷的城市要素主要包括视觉舒适度、感知绿化率、空间开阔度、总体印
象四个指标，是基于主观问卷调查获取的，详见 3.2、3.3 节，此处不再赘述。
3.5 本章小结
本章包含研究对象选取、实验组织、问卷设置以及城市要素的采集与测量四大部分，
是整个研究过程的基础，为后续章节对临干道的声景评价及其影响要素的研究提供数据
支持。
（1）本章首先通过对大连地区多个临干道的步行空间现场调研与测量，结合 1.4.1
的研究，选取了 3 个典型的临干道步行空间作为研究对象，分别为临干道商业步行空间、
- 57 -
临干道生活性步行空间和临干道混合式步行空间，并分别做了详细介绍，同时在 3 个典
型样本空间中一共选取了 22 个实测点以做进一步的实验研究。
（2）实验组织是通过主观问卷调查与客观城市要素采集的方式探究临干道步行空
间声景评价规律。其中主观调查问卷采用五级李克特量表，包括声景评价与空间视觉评
价两大部分。对 3 个样本空间分别进行实验，每次实验招募 24 名左右研究生在实测点
现场感受并填写主观问卷调查，同时利用 XL2 声级计测量现场声学指标。最后通过 3
次实验一共获得 504 份有效问卷，满足样本容量要求，并通过信度与效度检验。
（3）此外对城市要素的采集与测量做了详细介绍。城市要素包括空间句法相关指
标、天空可视度、街景图像等。其中空间句法相关指标采集与测量方法为是：首先从
Google Map 中截取样本空间的地图，然后导入 CAD 中建模，最后导入基于 GIS 的 sDNA
中计算相关指标；天空可视度的采集与测量方法是：首先利用配备鱼眼镜头以及三角支
架的微单相机拍摄各测点的鱼眼图像，然后将鱼眼图像导入到 Rayman 软件中处理计算；
街景图像的采集与测量方法：首先利用微单相机拍摄各测点的平视图像，每个测点拍摄
6 张，然后导入 Photoshop 中合成一张 360°的全景图像，最后导入到 SegNET 软件中计
算绿视率等空间视觉指标；基于主观问卷的空间视觉指标的采集与测量方法为：被试者
进行现场问卷调查。
- 58 -
4 临干道步行空间声景总体评价
本章节对第三章获取的临干道步行空间声景评价问卷的结果进行统计分析，来探究
临干道步行空间的声景评价规律。首先利用 GIS 插值法将主观问卷中声景总体评价的 3
个指标，即“声舒适度”、“响度”、“协调度”得分的均值进行可视化显示，来探究
3 个样本空间各测点声景总体评价的差异；然后利用 SPSS 软件对 3 个样本空间的实测
点分别进行声景总体评价聚类分组；最后将声景总体评价的聚类分组进行归纳总结。
4.1 商业步行空间声景总体评价及聚类分析
基于被试人在声音漫步期间填写的声景评价问卷，用 Kriging 插值法来可视化整个
地区的感知属性，以“声舒适度”、“响度”、“协调度”3 个问题得分的均值（表 4.1）
作为输入变量使用 GIS 空间分析工具生成相应的可视化图，如图 4.1 所示。同时为了使
结果更为直观，避免出现一些负值，现对问卷数据进行转换赋值，例如对于声舒适度的
评价：0，非常不适（-2）；1，不适（-1）；2，一般（0）；3，舒适（1）；4，非常舒
适（2），如表 4.1 所示
图 4.1 中的可视化图覆盖了整个研究区域的插值曲面。插值的边界总是基于边缘点
的坐标定义的。颜色范围从 0 到 4。为了图形化的目的，色阶被划分为 14 个相等的分段，
相当于 14 种颜色。通过这种方式，所有的地图都以图形可见的变化相互比较。插值技
术只能提供基于一组控制点的预测和误差评估。在这种情况下，目的只是简单地将声景
评价变化可视化。由于这个原因，插值技术不应该与声音传播的物理学或任何类型的声
学过滤混淆。类似的方法可以在文献中检索[141]。
表 4.1 临干道商业步行空间声景总体评价均值
Tab. 4.1 average value of overall evaluation of soundscape of commercial pedestrian space near trunk
road
声舒适度响度协调度
地点编号
均值标准差均值标准差均值标准差
1 1.30 0.93 3.17 0.65 1.39 0.99
2 1.41 0.80 2.91 0.53 1.64 1.00
3 1.78 0.74 2.70 0.64 2.00 0.85
4 1.70 0.88 2.87 0.46 1.87 0.76
5 1.96 1.07 2.83 0.83 2.17 0.72
6 1.50 0.80 3.05 0.79 1.77 0.97
- 59 -
图 4.1 临干道商业步行空间声感知可视化图（图片来源：作者自绘）
Fig. 4.1 visualization of sound perception in commercial pedestrian space near trunk road
由表 4.1、图 4.1 可知，声舒适度、协调度与响度呈现对立的模式，各个样本点之间

的声景评价存在差异。其中 5 点的声舒适度（均值=1.96）和协调度（均值=2.17）最高，
3（均值=1.78、2.00）、4 点（均值=1.70、1.87）次之，1、2、6 点声舒适度（均值=1.30~1.50）
和协调度（均值=1.39~1.77）较差；对于响度，1 点（均值=3.17）最高，6 点（均值=3.05）
和 2 点（均值=2.91）次之，3、4、5 点响度（均值=2.70~2.87）较少，这可能是因为 1、
2、6 点步行空间较为狭窄且紧邻干道造成的。
此外实测期间测得的临干道商业步行空间各点声压级 LAeq 如图 4.2 所示，声压级最
大的为地点 6（LAeq=71.2dBA），地点 1、2、5 声压级相差无几（LAeq=70.1-70.8dBA），
声压级最小的为地点 3（LAeq=67dBA）。总体上各测点声压级相差较小，声压级最大的
点与最小的点仅相差 4.2dBA。此外 L10 和 L90 变化趋势与 LAeq 大体相同，各测点差异不
大。
- 60 -
图 4.2 临干道商业步行空间各测点声压级
Fig. 4.2 sound pressure level at each measuring point of commercial pedestrian space near trunk
road
聚类分析是根据各数据间距离的远近将各数据指标归纳为若干类，每个类别内部的
元素尽可能的相似，并且各类别之间的差异尽可能的大[142]。运用 SPSS 软件对调查问卷
中的声学感知指标做聚类分析，具体做法是以“声舒适度”、“响度”、“协调度”等
3 个数据指标的均值为变量，聚类方法为组间连接，以平方 Euclidean 为度量标准区间。
聚类树状图如图 4.2 所示，10 个地点被聚类成了 2 个组(A、B 组)。
由图 4.3 可知，声景评价被分为两大类，第一类（A 组）包括地点 3、4、5，以空
间形态较为开敞，功能业态为大型商业为特征，这类步行空间声舒适度、协调度较高，
响度较小，声景评价相对较好；第二类（B 组）步行空间紧邻沿街小型商铺或居住区外
围墙等，包括地点 1、2、6，这类步行空间声舒适度、协调度较差，响度较大，声景评
价相对较差。
- 61 -
4.3 临干道商业步行空间声景评价聚类分析及声舒适度对比（图片来源：作者自绘）
Fig.4.3 cluster analysis of soundscape evaluation and sound comfort comparison of commercial
4.2 生活性步行空间声景总体评价及聚类分析
基于被试在声音漫步期间填写的声景评价问卷，用 Kriging 插值法来可视化临干道
生活性步行空间各测点的感知属性，以“声舒适度”、“响度”、“协调度”3 个问题
得分的均值（表 4.2）作为输入变量使用 GIS 空间分析工具生成相应的可视化图，如
图 4.4 所示。
表 4.2 临干道生活性步行空间声景总体评价均值
Tab. 4.2 average value of overall evaluation of soundscape of living pedestrian space near trunk road
地点编号
1 1.83 0.98 2.65 0.78 1.91 0.67
2 1.78 0.74 2.43 0.73 1.52 0.99
3 1.61 0.72 2.70 0.64 1.61 1.08
4 1.70 0.82 2.57 0.79 1.70 1.02
5 2.04 0.64 2.57 0.59 1.70 0.77
6 1.65 0.71 2.83 0.49 1.78 0.80
7 2.00 0.85 2.57 0.66 1.91 0.67
8 2.00 0.85 2.52 0.67 1.91 0.95
- 62 -
图 4.4 临干道生活性步行空间声感知可视化图
Fig. 4.4 visualization of sound perception in living walking space near trunk road
由表 4.2、图 4.4 可知，1、5、7、8 点的声舒适度（均值=1.83~2.04）和协调度（均

值=1.70~1.91）较高，3、4、6 点声舒适度（均值=1.61、1.70）和协调度（均值=1.61~1.78）
较差；对于响度，6 点（均值=2.83）最高，3 点（均值=2.70）次之，2、5、7、8 点响
度（均值=2.43~2.57）较少，其余点相差不大。
此外实测期间测得的临干道商业步行空间各点声压级 LAeq 如图 4.5 所示，声压级最
大的为地点 6（LAeq=70.2dBA），地点 3、4、7、8 声压级相差无几（LAeq=68.2-69.7dBA），
声压级最小的为地点 2（LAeq=66.4dBA）。总体上各测点声压级相差较小，声压级最大
的点与最小的点仅相差 3.8dBA。此外 L10 变化趋势与 LAeq 大体相同，各测点差异不大，
而 L90 在测点 3 和侧点 4 与 LAeq 变化趋势不同，可能当时背景声音较低，但总体各测点
差异也并不大。
- 63 -
图 4.5 临干道生活性步行空间各测点声压级大小
Fig. 4.5 sound pressure level at each measuring point of living pedestrian space near the main road
同样，运用 SPSS 软件对调查问卷中的声学感知指标做聚类分析。具体做法是以“声

舒适度”、“响度”、“协调度”等 3 个数据指标为变量，聚类方法为组间连接，以平
方 Euclidean 为度量标准区间。聚类树状图如图 4.4 所示，8 个地点被聚类成了 2 个组(A、
B 组)。
由图 4.6 可知，声景评价同样被分为 2 大类，第一类（A 组）其功能业态为临街小
型店铺、社区小广场（地点 5）以及绿化步行空间（包括地点 7、8）等，这类步行空间
声舒适度、协调度较高，响度较小，声景评价相对较好。第二类（B 组）包括地点 2、3、
4、6，其功能业态皆为临街小型店铺，这类步行空间声舒适度、协调度较差，响度较大，
声景评价较差。
- 64 -
图 4.6 临干道生活性步行空间声景评价聚类分析及声舒适度对比（图片来源：作者自绘）
Fig. 4.6 cluster analysis and acoustic comfort comparison of living pedestrian space on the main
road
4.3 混合式步行空间声景总体评价及聚类分析
同样基于被试在声音漫步期间填写的声景评价问卷，用 Kriging 插值法来可视化临
干道混合式步行空间各测点的感知属性，以“声舒适度”、“响度”、“烦恼程度”、
“协调度”等指标的均值（表 4.3）作为输入变量使用 GIS 空间分析工具生成相应的可
视化图，如图 4.7 所示。
表 4.3 临干道混合式步行空间声景总体评价均值
Tab. 4.3 overall evaluation mean value of soundscape of mixed pedestrian space near trunk road
地点编号
1 1.67 0.82 2.50 0.66 1.92 0.97
2 1.45 0.69 2.80 0.70 1.40 0.75
3 3.42 0.58 0.79 0.51 3.17 0.56
4 2.21 0.72 2.00 0.72 2.21 0.72
5 2.04 0.81 2.33 0.70 2.00 0.78
6 2.29 0.86 2.38 0.65 2.08 0.93
7 2.25 0.61 2.29 0.62 1.92 0.83
8 2.00 0.59 2.33 0.64 1.96 0.91
9 1.45 1.05 3.10 0.45 2.00 1.08
10 2.67 0.56 1.58 0.78 2.50 0.88
- 65 -
由表 4.3、图 4.7 可知，声舒适度、协调度与响度呈现对立的模式。地点 3 和地点

10 声舒适度（均值=3.42、2.67）和协调度（均值=3.17、2.50）最高,响度（均值=0.79、
1.58）最小，声景评价比其他 8 个点都要好。可能是因为两个地点均位于居住区内，受
交通噪声等干扰较少，从而提高了声景的总体评价。
图 4.7 临干道混合式步行空间声感知可视化图
Fig. 4.7 Visualization of sound perception in mixed pedestrian space near trunk road
此外，对于 4、5、6、7、8 点，其声舒适度均值介于 2.0 到 2.29 之间，响度均值介

于 2.0 到 2.38 之间，协调度均值介于 1.92 到 2.21 之间，声感知差别不大，可能是由于
空间类型、功能业态都较为相近造成的。
最后，1、2、9 点的声舒适度（均值=1.45~1.67）、协调度（均值=1.40~2.00）较差，
响度（均值=2.50~3.10）较高，这可能是这 3 个地点空间较为开敞、功能业态较为复杂
造成的。
- 66 -
图 4.8 临干道混合式步行空间各测点声压级大小
Fig. 4.8 sound pressure level at each point of mixed pedestrian space near trunk road
此外实测期间测得的临干道混合式步行空间各点声压级 LAeq 如图 4.8 所示，声压级

最大的为地点 9（LAeq=66.8dBA），因为其临近万达广场，来往车辆较多、行人也较多
所以可能声压级较大；地点 2、4、5、6、8 声压级相差无几（LAeq=63.9-65.9dBA）；最
后声压级最小的为地点 3（LAeq=49.4dBA）和地点 10（LAeq=55.4dBA），因为这两个点
为居住区内部的测点，作为对比点离干道较远，因而声压级较少。总体上临干道上的各
测点声压级相差较小，声压级最大的点与最小的点仅相差 5.5dBA。此外 L10 变化趋势与
LAeq 大体相同，各测点差异不大，而 L90 在测点 5 与 LAeq 变化趋势不同，可能当时背景
声音较低，但总体各测点差异也并不大。
同样，运用 SPSS 软件对调查问卷中的声学感知指标做聚类分析，以“声舒适度”、
“响度”、“协调度”等 3 个数据指标为变量，聚类方法为组间连接，以平方 Euclidean
为度量标准区间。需要说明的是 3 点和 10 点为居住区内的点，接下来将作为对比点进
行分析，聚类分析时将这两个点排除在外。所得聚类树状图如图 4.6 所示，8 个地点被
聚类成了 2 个组(A、B 组)。
由图 4.9 可知，声景评价被分为 2 大类，第一类（A 组）其功能业态为沿街商铺，
包括地点 1、4、5、6、7、8，这类步行空间声舒适度、协调度较高，响度较小，声景评
价较好；第二类（B 组）包括地点 2、9，以空间形态较为开敞，功能业态较为复杂为特
- 67 -
征，这类步行空间声舒适度、协调度较差，响度较大，声景评价较为恶劣。
图 4.9 临干道混合式步行空间声景评价聚类分析及声舒适度对比（图片来源：作者自绘）
Fig. 4.9 cluster analysis of soundscape evaluation and comparison of sound comfort of mixed
4.4 步行空间声景总体评价聚类分组
通过上述对三个典型临干道步行空间的声景总体评价进行分析发现，在每条街交通
流量、车速、声压级基本一致的情况下，三个样本步行空间的声景总体评价呈现明显聚
类，且均被聚类成两类，聚类一的声景评价均好于聚类二，这说明步行空间其他环境要
素可能会对声景总体评价产生重要影响。
为了进一步探究到底是什么因素影响了临干道步行空间的声景总体评价，根据上述
聚类分析的结果，现将 3 个样本步行空间聚类后的样本点分为两类，分别为聚类一（声
景评价较好）和聚类二（声景评价较差）样本点，其中聚类一包括 13 个样本点，聚类
二包括 9 个样本点，如表 4.4 所示，以便做进一步分析。
表 4.4 临干道步行空间声景总体评价聚类分组
Tab. 4.4 clustering and grouping of overall evaluation of soundscape in pedestrian space near trunk
road
聚类分组临干道商业步行临干道生活性步临干道混合式步总计
空间行空间行空间
聚类一 3.4.5 1.5.7.8 1.4.5.6.7.8 13
聚类二 1.2.6 2.3.4.6 2.9 9
- 68 -
为了比较两种聚类下声景的总体评价对比，对 3 个相关性指标进行了均值分析，为
了使结果更为直观，避免出现一些负值，现对问卷数据进行转换赋值，例如对于声舒适
度的评价：0，非常不适（-2）；1，不适（-1）；2，一般（0）；3，舒适（1）；4，非
常舒适（2），结果如图 4.10 所示。研究发现，聚类一声舒适度评价、协调度评价（均
值=1.98、1.97）均高于聚类二（均值=1.54、1.64），而响度评价（均值=2.50）低于聚
类二（均值=2.83）。这说明聚类一地点的整体声景评价要好于聚类二。
图 4.10 声景总体评价（图片来源：作者自绘）
Fig. 4.10 General evaluation of soundscape
为了进一步探究两种聚类下声景总体评价是否存在显著性差异，对两种聚类进行了
独立样本 T 检验，包括 Levene 方差等同检验、均值方程的 t 检验。当 Levene 方差等同
检验和均值方程 t 检验的 sig＜0.05 时，表示方程否定两组数据原方差相等的假设，即聚
类一与聚类二声景总体评价存在显著性差异；反之，当 Levene 方差等同检验和均值方
程 t 检验的 sig＞0.05 时，表示方程认同两组数据原方差相等的假设，即聚类一与聚类二
声景总体评价不存在显著性差异。
- 69 -
结果如表 4.5 所示。研究发现，对于声舒适度评价、响度评价、协调度评价聚类一

与聚类二均存在显著性差异，结合上述均值对比可知，聚类一地点的声景总体评价整体
要明显好于聚类二的地点。
表 4.5 聚类一与聚类二关于声景总体评价的独立样本 T 检验
Tab. 4.5 Independent sample t-test for general evaluation of soundscape in cluster I and cluster II
Levene 方差检验均值方程的 t 检验
F Sig. t df Sig.(双侧)
假设方差相等 4.222 .040 5.947 502 .000

声舒适
假设方差不相等 5.960 426.485 .000
假设方差相等 12.412 .000 -5.355 502 .000

响度
假设方差不相等 -5.377 429.274 .000
假设方差相等 25.946 .000 4.058 502 .000

协调度
假设方差不相等 3.910 369.998 .000
4.5 本章小结
本章节的主要目的是通过对第三章获取的声景评价问卷进行统计分析，来探究临干
道步行空间声景总体评价规律。首先利用 GIS 插值法将主观问卷中声景总体评价的 3 个
指标，即“声舒适度”、“响度”、“协调度”得分的均值进行可视化显示，来探究 3
个样本空间各测点声景总体评价的差异；然后利用 SPSS 软件对 3 个样本空间的实测点
分别进行声景评价聚类分析；最后将声景总体评价的聚类分析进行归纳总结。具体结论
如下：
（1）对于临干道商业步行空间来说，各测点声压级 LAeq 相差较小，声压级最大
的点与最小的点仅相差 4.2dBA,并且在实测期间，交通流为自由流，无堵车现象车速稳
定，因此认为在实测期间交通噪声为稳态声源。在这种情况下，通过对各测点声景总体
评价进行聚类分析，发现 6 个测点被聚类成两类，即聚类一与聚类二，且聚类一测点总
体声舒适度、协调度评价均值皆高于聚类二，但响度评价均值低于聚类二，因此聚类一
测点声景总体评价明显好于聚类二。这说明步行空间环境要素可能会对临干道商业步行
空间的声景总体评价产生重要影响。
（2）对于临干道生活性步行空间来说，各测点声压级 LAeq 相差较小，声压级最
- 70 -
大的点与最小的点仅相差 3.8dBA,并且在实测期间，交通流为自由流，无堵车现象车速
稳定，因此认为在实测期间交通噪声为稳态声源。在这种情况下，通过对各测点声景总
体评价进行聚类分析，发现 8 个测点被聚类成两类，且聚类一测点声景总体评价明显好
于聚类二。这说明步行空间环境要素可能会对临干道生活性步行空间的声景总体评价产
生重要影响。
（3）同样对于临干道混合式步行空间来说，各测点声压级 LAeq 相差较小，声压
级最大的点与最小的点仅相差 5.5dBA,并且在实测期间，交通流为自由流，无堵车现象
车速稳定，因此认为在实测期间交通噪声为稳态声源。在这种情况下，通过对各测点声
景总体评价进行聚类分析，发现 8 个测点被聚类成两类，且聚类一测点声景总体评价明
显好于聚类二。这说明步行空间环境要素可能会对临干道混合式步行空间的声景总体评
价产生重要影响。
（4）对上述结果进行总结，发现在每个样本空间交通流量、车速、声压级相差不
大的情况下，3 个典型临干道步行空间声景评价皆呈现明显聚类，被聚类成两组，即聚
类一（共计 13 个测点）与聚类二（共计 9 个测点），且聚类一测点声景评价明显好于
聚类二。这说明步行空间环境要素可能会对临干道步行空间的声景总体评价产生重要影
响。
- 71 -
5 声景评价参量间的影响机制
本文第四章表明，临干道步行空间声景总体评价产生明显聚类，被聚类成两组，且
聚类一声景总体评价要明显好于聚类二。本章的主要目的是探究声景评价参量间的影响
机制，其中声景评价参量主要包括主观问卷内的声景总体评价、噪声源感知评价和声景
情感维度三大部分。研究首先对比了两聚类下声景评价参量的差异以及与声景总体评价
的相关性，然后对临干道步行空间声景总体评价传递路径进行对比分析。
5.1 声景聚类对比分析
5.1.1 噪声源感知对比
为了比较两种聚类下的声源感知，对 5 类噪声源进行了均值分析，同样为了使结果
更为直观，避免出现一些负值，现对问卷数据进行转换赋值：0，一点没有（-2）；1，
一点（-1）；2，适度（0）；3，许多（1）；4，完全主导（2）。结果如图 5.1 所示。
图 5.1 显著声源感知评价（图片来源：作者自绘）
Fig. 5.1 Evaluation of significant sound source perception
- 72 -
研究发现，聚类二交通噪声感知评价（均值=3.05）高于聚类一（均值=2.92），但
相差不大，仅相差 0.13；聚类二人工声感知评价（均值=1.60）高于聚类一（均值=1.39）；
聚类一个人声、人群声感知评价（均值=1.57、1.18）高于聚类二（均值=1.26、0.91）；
最后对于自然声音的感知评价，聚类一（均值=1.13）也高于聚类二（均值=1.05），但
相差也不大，仅差 0.08。
表 5.1 聚类一与聚类二关于噪声源感知的独立样本 T 检验
Tab.5.1 Independent sample t-test for noise source perception in cluster I and cluster II
假设方差相等 1.625 .203 -1.884 502 .060

交通噪声
假设方差不相等 -1.915 446.165 .056
假设方差相等 5.207 .023 -1.916 502 .056
人工声
假设方差不相等 -1.966 458.533 .050
假设方差相等 9.528 .002 3.701 502 .000
个人声音
假设方差不相等 3.741 438.608 .000
假设方差相等 5.633 .018 2.698 502 .007
人群声
假设方差不相等 2.750 449.810 .006
假设方差相等 .695 .405 .905 502 .366
自然声音
假设方差不相等 .891 401.496 .373
为了进一步探究两种聚类下噪声源感知是否存在显著性差异，对两种聚类进行了独
立样本 T 检验，包括 Levene 方差等同检验、均值方程的 t 检验。
聚类一与聚类二关于噪声源感知的独立样本 T 检验结果如表 5.1 所示。研究发现，
对于个人声音、人群声感知评价聚类一与聚类二存在显著性差异（t＞1.96，Sig.（双侧）
＜0.05），而对于交通噪声、人工声、自然声音感知，聚类一与聚类二则不存在明显差
异，这也进一步验证了上述均值分析的结果。这说明，对于临干道的步行空间来说，个
人声音、人群声可能会对行人声景评价产生显著影响，而交通噪声、人工声、自然声可
能影响不大。
为了进一步研究噪声源对于临干道行人声景评价产生的影响，将噪声源与声景评价
聚类指标“声舒适度”、“响度”、“协调度”分别进行皮尔逊（Pearson）相关性检验，
包括按声景评价聚类分组的相关性分析以及总体数据的相关性分析，结果如下表 5.2 所
示。
- 73 -
表 5.2 声景总体评价与声源感知评价相关性分析
Tab. 5.2 Correlation analysis between general evaluation of sound environment and sound source
perception evaluation
聚类分组一般评价交通噪声人工声个人声音人群声自然声音

声舒适 -.197** -.177** -.091 -.061 .218**
聚类一响度 .196** .293** .150** .168** -.095
（N=305）协调度 -.105 -.083 -.023 .042 .060
声舒适 -.238** -.084 -.061 .001 .001
聚类二响度 .395** .223** .212** .210** .039
（N=199）协调度 -.065 -.167* -.028 .045 -.019
声舒适 -.226** -.160** -.034 -.006 .135**
总的响度 .281** .279** .129** .149** -.048
（N=504）协调度 -.101* -.129** .005 .063 .031
**. 在 .01 水平（双侧）上显著相关。
*. 在 0.05 水平（双侧）上显著相关。
研究发现，对于声舒适度评价来说，聚类一中交通噪声评价、人工声评价、自然声
评价均与其呈显著相关性，与个人声音、人群声没有明显的相关性，而聚类二中仅交通
噪声评价与其呈现显著负相关，且相关性高于聚类一；对于响度评价来说，聚类一与除
了与自然声音评价没有显著相关性之外，与其他指标均呈现显著相关性，而聚类二与聚
类一相似，其中与交通噪声评价、个人声评价、人群声评价的相关性均高于聚类一；最
后，对于协调度来说，聚类一所有指标与其均没有显著相关性，但聚类二中人工声评价
与其呈弱相关，这说明对于临干道步行空间，人工声可能是影响行人对声环境协调度评
价的重要影响因素。
对于总体数据分析来说，声舒适度评价与交通噪声评价、人工声评价呈显著负相关，
相关系数分别为-0.226、-0.160，而与自然声音评价呈显著正相关，相关系数为 0.135；
此外，响度评价与交通噪声评价、人工声评价、个人声评价、人群声评价皆呈显著正相
关；最后协调度评价与交通噪声评价、人工声评价皆呈显著负相关，相关系数分别为
-0.101、-0.129。这说明可以通过降低交通噪声和人工声或提升自然声音的措施来提升临
干道步行空间行人的行走舒适度。
- 74 -
5.1.2 声景情感维度对比
为了比较两种聚类下的声景情感维度，对 8 类相关指标进行了均值分析，同样为了
使结果更为直观，避免出现一些负值，现对问卷数据进行转换赋值，例如对于视觉舒适
常舒适（2），结果如图 5.2、5.3 所示。
图 5.2 愉悦感维度形容词评价（图片来源：作者自绘）
Fig. 5.2 Adjective evaluation of the Pleasantness
图 5.3 事件感维度形容词评价（图片来源：作者自绘）
Fig. 5.3 Adjective evaluation of the Pleasantness
- 75 -
由图 5.2、5.3 可知，对于 4 个愉悦感形容词，聚类一地点中，愉快的、混乱的、平

静的、烦恼的 4 个指标均值均高于聚类二。而对于 4 个事件感维度的形容词中，充满活
力的、单调的两个形容词聚类一地点均高于聚类二，其他两个则相反。为了进一步探究
两种聚类下噪声源感知是否存在显著性差异，对两种聚类进行了独立样本 T 检验，包括
Levene 方差等同检验、均值方程的 t 检验。结果如表 5.3 所示，研究发现，对于 4 个愉
悦感形容词聚类一与聚类二均存在显著差异（t＞1.96，Sig.(双侧)＜0.05），而对于 4 个事
件感形容词，除充满活力的形容词外其它指标在聚类一与聚类二中均不存在显著性差
异。由此可知，对于临干道的步行空间，愉悦感维度相对于事件感维度指标来说更加影
响行人对声景评价的判断。
表 5.3 聚类一与聚类二关于感知维度的独立样本 T 检验
Tab. 5.3 independent sample t-test of perceived dimensions in cluster I and cluster II
假设方差相等 34.257 .000 6.165 502 .000

愉快的
假设方差不相等 6.483 485.163 .000
假设方差相等 8.356 .004 5.618 502 .000

混乱的
假设方差不相等 5.676 437.652 .000
假设方差相等 .024 .876 3.705 502 .000

充满活力的
假设方差不相等 3.698 420.544 .000
假设方差相等 .055 .815 -.691 502 .490

无事件感的
假设方差不相等 -.687 416.746 .492
假设方差相等 27.477 .000 4.342 502 .000

平静的
假设方差不相等 4.511 473.178 .000
假设方差相等 .250 .618 4.083 502 .000

烦恼的
假设方差不相等 4.139 442.277 .000
假设方差相等 .443 .506 -.780 502 .436

事件感多的
假设方差不相等 -.786 434.779 .432
假设方差相等 .354 .552 1.636 502 .103

单调的 1.631 419.486 .104
假设方差不相等
- 76 -
接下来对两种聚类下的步行空间各测点的声景情感维度分别进行主成分分析，首先
验证两份问卷数据是否适合进行因子分析。经计算得知，聚类一与聚类二的 KMO 值分
别为 0.738、0.787（＞0.7），P 值结果都为 0.00（＜0.01）全部显著，因此两个聚类都
适合进行因子分析。利用主成分分析法，并进行最大方差旋转，提取 8 个参数中的正交
因子，根据特征值大于 1 的原则，得到主成分矩阵，确定两个聚类的主成分构成得分，
结果如表 5.4 所示。并根据主成分矩阵和特征向量值计算两个维度的得分。
通过表 5.4 可知，聚类一与聚类二的 8 个形容词对通过简化都得到两个主成分，其
中主成分一包含 4 个形容词，分别为愉快的、混乱的、平静的、烦恼的。这与前文提到
的愉悦感维度的形容词是一致的，因此主成分一称为愉悦感维度。同样主成分二也包含
4 个形容词，分别为充满活力的、无事件感的、事件感多的、单调的。这与之前事件感
维度的形容词是一致的，因此主成分二称为愉悦感维度。
通过研究可知，对于聚类一来说，事件感维度总方差解释（36.34％）要高于愉悦感
维度（29.38％）。同样，对于聚类二来说，事件感维度总方差解释（36.22％）也要高
于愉悦感维度（29.20％），且聚类一与聚类二的愉悦感维度与事件感维度总方差解释相
近。
表 5.4 声景情感维度主成分分析
Tab. 5.4 Principal component analysis of soundscape emotion dimension
聚类一聚类二
形容词主成分 1（29.38％）主成分 2
（36.34％）主成分 1（29.20％）主成分 2（36.22％）
愉快的 .638 .569
混乱的 .734 .793
平静的 .683 .762
烦恼的 .827 .789
充满活力的 .762 .829
无事件感的 .815 .771
事件感多的 .783 .802
单调的 .816 .732
为了探究两聚类的感知维度与声景总体评价的关系，通过回归方法计算将 8 个声景
感知维度简化成两个维度，即“愉悦感维度”和“事件感维度”，并将两个感知维度与
声景评价聚类指标“声舒适度”、“响度”、“协调度”分别进行皮尔逊（Pearson）相
- 77 -
关性检验，包括按声景评价聚类分组的相关性分析以及总体数据的相关性分析，结果如
下表 5.5 所示。
表 5.5 声景总体评价与声源感知维度相关性分析
Tab. 5.5 Correlation analysis between overall soundscape evaluation and sound source perception
dimension
聚类分组一般评价愉悦感维度事件感维度

声舒适 .605** .017
聚类一响度 -.619** .124*
（N=305）协调度 .407** .025
声舒适 .525** -.049
聚类二响度 -.579** .227**
（N=199）协调度 .403** .003
声舒适 .606** .006
总的响度 -.629** .146**
（N=504）协调度 .429** .025
研究发现，两个聚类下，声景总体评价都与愉悦感维度呈现明显相关性，而只有响
度与事件感维度具有显著正相关。其中，聚类一中声舒适度、响度、协调度评价与愉悦
感维度的相关性程度均要强于聚类二，与事件感维度评价则相反。
对于总体数据分析来说，声舒适度、协调度与愉悦感维度皆呈显著正相关（相关系
数分别为 0.606、0.429），而与事件感维度皆没有显著相关性；响度与愉悦感维度呈显
著负相关，相关系数为 0.429，而与事件感维度呈显著正相关，相关系数为 0.146。综上，
对于临干道的步行空间，愉悦感维度相对于事件感维度对于声景评价更为重要。
根据 ISO 声景标准开发出的 soundscapy 工具能生成声景情感维度可视化图形[143],
它将愉悦感维度与事件感维度的分布范围与趋势表现出来，现将三个样本空间测点和两
个聚类分组测点的声景情感维度分别进行可视化，如图 5.4 所示。由 5.4a 可知，三个样
本空间两个感知维度大多分布在左上角，即事件感较多、愉悦感较少的区域，这说明三
个样本空间声景情感维度感知都较差。同时三个样本空间的两个感知维度亦有不少差
别。如临干道商业步行空间总体分布在事件感多、愉悦感少的维度，可能是由于商业步
行空间人流量较多，因而发生的事件感较多，也降低了人们的愉悦感维度；临干道生活
- 78 -
性步行空间和混合式步行空间两感知维度分布呈长方形，事件感维度跨度较大而愉悦感
维度跨度较小，说明其声景情感维度很大程度可以用事件感维度来解释，并且临干道混
合式步行空间整体愉悦感维度要高于前两个典型样本空间。
由图 5.4b 可知，聚类一各测点两个感知维度大多分布在左上角，即事件感较多、愉
悦感较少的区域，这说明聚类一声景情感维度感知整体较差，而聚类二整体分布比聚类
一各测点更偏向右侧，即聚类二整体愉悦感维度要好于聚类二。此外两聚类感知维度分
布皆呈长方形，事件感维度跨度较大而愉悦感维度跨度较小，说明其声景情感维度很大
程度可以用事件感维度来解释。
a.三个样本空间情感维度 b.两个聚类分组情感维度
图 5.4 声景情感维度可视化（图片来源：作者自绘）
Fig. 5.4 visualization of emotional dimension of soundscape
5.2 声景评价传递路径对比分析
结构方程模型(SEM)是一种统计分析工具，用来研究显变量与显变量或隐变量之间
直接或者间接的关系。不少学者利用结构方程模型研究影响声景观和景观感知的各种因
素之间的关系，或通过潜在变量(愉悦感维度、事件感维度等)间接的影响关系[144][145][146]。
本文利用结构方程模型旨在研究影响临干道步行空间声景评价各种因素之间直接或间
接的关系，并对比两种聚类下声景评价传递路径的差异。
5.2.1 声景评价结构方程模型
（1）结构方程模型适配度
- 79 -
结构方程模型的适配，主要是检验假设的模型模拟实际数据的能力，模型的适配度
越高，代表模型的可信度越高。结构方程模型的适配度指标较多，在本次研究中，选取
了 5 个较为重要的指标进行验证，分别为卡方自由度比值（CMIN/DF）、均方根逼近误
差(RMSEA)、拟合优度指数(GFI)、增值适配指数(IFI)和比较拟合指数(CFI)。
临干道步行空间声景评价的整体模型及两聚类下的分组模型的适配度的推荐值及
计算结果如表 5.6 所示。研究发现，上述模型的适配度基本符合推荐值，即模型具有较
高的可信度。
对于结构方程模型的多群组分析，因为可以探究不同样本之间传递路径影响的差
异，因此应用较为广泛，常常应用于社会科学研究当中[147][148]。本文在利用多群组结构
模型研究临干道声环境步行空间声景评价差异之前，需要对其进行拟合优度的检验。首
先需要检验两聚类下声景评价模型未受约束的拟合优度，其次，需要检验两聚类下声景
评价模型所有路径系数约束相等后的拟合优度，只有拟合优度达标，才能进行多群组分
析。研究计算了不同聚类下临干道声环境步行空间感知的基准模型，其拟合度指标如表
5.6 所示，由表可知，该多群组结构模型拟合度良好，适合进行多群组分析。
表 5.6 结构方程模型的适配度指标
Tab. 5.6 Fitness index of structural equation model
模拟适配置 CMIN/DF GFI IFI CFI RMSEA
推荐值＜5 ＞0.9 ＞0.9 ＞0.9 ＜0.08
整体模型 6.742 0.990 0.983 0.982 0.107
多群组模型 2.700 0.960 0.950 0.948 0.058
（2）构建结构方程模型
根据以往的研究，构建了临干道步行空间声景评价结构方程模型，如图 5.5 所示。本
文选取了 10 个显变量构建模型，分别包括显著噪声源的 3 个显变量：交通噪声、人工
声、个人声音、人群声、自然声音；感知维度的 2 个显变量：愉悦感维度、事件感维度，
这两个变量之所以是显变量，是因为它是由 5.1.2 节中的 8 个声景评价变量降维得到的
两个主成分的得分；声景总体评价的 3 个显变量：声舒适度、响度、协调度。最终构建
了以声景情感维度为中介，噪声源感知对声景总体评价的影响途径的结构方程模型。本
次研究一共提出包括 HA、HB、HC 三大类假设，共计 31 条假设路径，具体影响路径如
表 5.7 所示。
- 80 -
图 5.5 临干道步行空间声景评价结构模型（图片来源：作者自绘）
Fig. 5.5 Structure model of soundscape perception in pedestrian space near trunk road
表 5.7 临干道步行空间声景评价模型路径假设（作者自绘）
Tab.5.7 soundscape evaluation model and path hypothesis of pedestrian space near trunk road
HA 声源感知评价会显著影响情感维度评价
HA1 交通噪声对愉悦感维度有显著影响
HA2 人工声对愉悦感维度有显著影响
HA3 个人声音对愉悦感维度有显著影响
HA4 人群声对愉悦感维度有显著影响
HA5 自然声音对愉悦感维度有显著影响
HA6 交通噪声对事件感维度有显著影响
HA7 人工声对事件感维度有显著影响
HA8 个人声音对事件感维度有显著影响
HA9 人群声对事件感维度有显著影响
HA10 自然声音对事件感维度有显著影响
HB 声源感知评价会显著影响声景总体评价
- 81 -
（续表）
HB1 交通噪声对声舒适度有显著影响
HB2 人工声对声舒适度有显著影响
HB3 个人声音对声舒适度有显著影响
HB4 人群声对声舒适度有显著影响
HB5 自然声音对声舒适度有显著影响
HB6 交通噪声对响度有显著影响
HB7 人工声对响度有显著影响
HB8 个人声音对响度有显著影响
HB9 人群声对响度有显著影响
HB10 自然声音对响度有显著影响
HB11 交通噪声对协调度有显著影响
HB12 人工声对协调度有显著影响
HB13 个人声音对协调度有显著影响
HB14 人群声对协调度有显著影响
HB15 自然声音对协调度有显著影响
HC 情感维度评价会显著影响声景总体评价
HC1 愉悦感维度对声舒适度有显著影响
HC2 事件感维度对声舒适度有显著影响
HC3 愉悦感维度对响度有显著影响
HC4 事件感维度对响度有显著影响
HC5 愉悦感维度对协调度有显著影响
HC6 事件感维度对协调度有显著影响
5.2.2 声景评价传递路径
研究采用极大似然法计算结构方程模型中各路径的回归系数，临干道步行空间整体
声景评价模型各路径系数计算结果如表 5.8 所示，表中包括标准化路径系数（Std）、标
准误（S.E.）、检验统计量的临界比值（C.R.），和路径的显著性（P）。研究发现，在
整体模型中，一共有 17 条路径具有显著影响，其他路径的假设皆不成立。
研究发现，对于临干道步行空间声景评价整体模型而言，交通噪声评价和人工声评
价和愉悦感维度呈显著负相关（Std=-0.23、-0.31）；人工声、个人声和人群声评价升高
会显著提高事件感维度（Std=0.25、0.13、0.26）；交通噪声评价提升会显著降低声舒适
度评价（Std=-0.09），而自然声音评价提升则会显著提高声舒适度评价（Std=0.09）；
交通噪声、人工声和人群声评价提升会显著提高响度评价（Std=0.18、0.12、0.09）；人
- 82 -
群声评价提升会显著提高协调度评价（Std=0.11）；愉悦感维度提升会显著提高声舒适
度和协调度评价（Std=0.61、0.46），但会降低响度评价（Std=-0.57）；同样事件感维
度提升会显著提高评价声舒适度评价和协调度评价（Std=0.21、0.16），但会降低响度
评价（Std=-0.10）。结构模型如图 5.6 所示。
表 5.8 临干道步行空间声景评价模型路径系数（N=504）（作者自绘）
Tab. 5.8 Path coefficient of soundscape perception model in pedestrian space near trunk road
编号路径 Std S.E. C.R. P
HA1 愉悦感维度 <--- 交通噪声 -0.228 0.088 -5.486 ***
HA2 愉悦感维度 <--- 人工声 -0.306 0.057 -6.931 ***
HA3 愉悦感维度 <--- 个人声音 0.046 0.091 0.846 0.397
HA4 愉悦感维度 <--- 人群声 -0.076 0.078 -1.398 0.162
HA5 愉悦感维度 <--- 自然声音 0.082 0.067 1.941 0.052
HA6 事件感维度 <--- 交通噪声 -0.048 0.089 -1.234 0.217
HA7 事件感维度 <--- 人工声 0.25 0.058 6.072 ***
HA8 事件感维度 <--- 个人声音 0.134 0.092 2.675 0.007
HA9 事件感维度 <--- 人群声 0.263 0.078 5.218 ***
HA10 事件感维度 <--- 自然声音 -0.031 0.067 -0.784 0.433
HB1 声舒适 <--- 交通噪声 -0.086 0.04 -2.498 0.012
HB2 声舒适 <--- 人工声 -0.042 0.027 -1.088 0.276
HB3 声舒适 <--- 个人声音 -0.068 0.04 -1.565 0.118
HB4 声舒适 <--- 人群声 0.003 0.035 0.057 0.954
HB5 声舒适 <--- 自然声音 0.086 0.029 2.528 0.011
HB6 响度 <--- 交通噪声 0.178 0.033 5.234 ***
HB7 响度 <--- 人工声 0.124 0.022 3.271 0.001
HB8 响度 <--- 个人声音 0.029 0.033 0.682 0.495
HB9 响度 <--- 人群声 0.091 0.029 2.064 0.039
HB10 响度 <--- 自然声音 -0.022 0.024 -0.638 0.524
HB11 协调度 <--- 交通噪声 0.008 0.049 0.191 0.848
HB12 协调度 <--- 人工声 -0.066 0.033 -1.462 0.144
HB13 协调度 <--- 个人声音 -0.061 0.049 -1.199 0.231
HB14 协调度 <--- 人群声 0.108 0.043 2.049 0.04
HB15 协调度 <--- 自然声音 -0.022 0.036 -0.554 0.579
HC1 声舒适 <--- 愉悦感维度 0.61 0.02 17.018 ***
HC2 声舒适 <--- 事件感维度 0.208 0.019 5.414 ***
- 83 -
(续表)
HC3 响度 <--- 愉悦感维度 -0.565 0.016 -15.947 ***
HC4 响度 <--- 事件感维度 -0.096 0.016 -2.516 0.012
HC5 协调度 <--- 愉悦感维度 0.46 0.024 10.92 ***
HC6 协调度 <--- 事件感维度 0.16 0.024 3.539 ***
路径有显著影响路径无显著影响
图 5.6 临干道步行空间声景评价路径（图片来源：作者自绘）
Fig. 5.6 Perception path of soundscape in pedestrian space near trunk road
以上研究说明，五个噪声源都会对临干道步行空间声景总体评价产生重要影响，但
它们对声景评价的直接影响系数较小，主要是通过两个声景情感维度间接影响。因此，
在本研究中，声景情感维度在临干道步行空间声景评价中起着重要的中介作用，并且愉
悦感维度相比事件感维度起着更为重要的中介作用。其中，愉悦感维度对声舒适度评价
的影响系数最大，响度评价次之，对协调度评价的影响最小。这说明，想要营造一个良
好的临干道步行空间的声环境，不仅要提高声舒适度评价，降低响度、提高协调度也是
两个重要的研究内容。
- 84 -
5.2.3 声景聚类分组传递路径差异
为比较分析两种聚类下声景评价之间存在的区别与联系，现利用多群组分析法将两
聚类下的数据分别做声景评价模型的路径计算，以便进一步的对比分析。计算结果
如表 5.9 所示，研究发现聚类一中存在 15 条显著路径，聚类二中存在 13 条显著路径。
表 5.9 临干道步行空间声景评价模型路径系数（N=504）（作者自绘）
Tab. 5.9 Path coefficient of soundscape evaluation model for pedestrian space near trunk road
聚类一聚类二
编号路径
Std P Std P
HA1 愉悦感维度 <--- 交通噪声 -0.179 0.001 -0.265 ***

HA2 愉悦感维度 <--- 人工声 -0.216 *** -0.387 ***
HA3 愉悦感维度 <--- 个人声音 0.039 0.588 -0.061 0.45
HA4 愉悦感维度 <--- 人群声 -0.137 0.054 -0.029 0.722
HA5 愉悦感维度 <--- 自然声音 0.131 0.017 0.028 0.677
HA6 事件感维度 <--- 交通噪声 -0.171 *** 0.153 0.016
HA7 事件感维度 <--- 人工声 0.268 *** 0.256 ***
HA8 事件感维度 <--- 个人声音 0.083 0.192 0.126 0.115
HA9 事件感维度 <--- 人群声 0.285 *** 0.234 0.003
HA10 事件感维度 <--- 自然声音 -0.088 0.068 0.037 0.579
HB1 声舒适 <--- 交通噪声 -0.06 0.174 -0.116 0.052

HB2 声舒适 <--- 人工声 -0.094 0.06 0.06 0.356
HB3 声舒适 <--- 个人声音 -0.091 0.106 -0.02 0.778
HB4 声舒适 <--- 人群声 -0.009 0.878 0.005 0.94
HB5 声舒适 <--- 自然声音 0.148 *** -0.003 0.959
HB6 响度 <--- 交通噪声 0.11 0.014 0.293 ***

HB7 响度 <--- 人工声 0.174 *** 0.066 0.277
HB8 响度 <--- 个人声音 0.035 0.544 0.01 0.879
HB9 响度 <--- 人群声 0.058 0.323 0.164 0.017
- 85 -
（续表）
HB10 响度 <--- 自然声音 -0.022 0.617 -0.038 0.493
HB11 协调度 <--- 交通噪声 -0.004 0.943 0.01 0.879

HB12 协调度 <--- 人工声 -0.046 0.444 -0.068 0.345
HB13 协调度 <--- 个人声音 -0.084 0.218 -0.043 0.589
HB14 协调度 <--- 人群声 0.121 0.085 0.077 0.335
HB15 协调度 <--- 自然声音 -0.003 0.953 -0.044 0.502
HC1 声舒适 <--- 愉悦感维度 0.591 *** 0.593 ***
HC2 声舒适 <--- 事件感维度 0.236 *** 0.23 ***
HC3 响度 <--- 愉悦感维度 -0.564 *** -0.515 ***
HC4 响度 <--- 事件感维度 -0.111 0.031 -0.132 0.028
HC5 协调度 <--- 愉悦感维度 0.437 *** 0.458 ***
HC6 协调度 <--- 事件感维度 0.131 0.033 0.227 0.001
研究发现，对于聚类一各测点的声景评价整体模型而言，交通噪声评价和人工声评
价升高会显著降低愉悦感维度（Std=-0.16、-0.22），但自然声音评价升高会显著提高愉
悦感维度（Std=0.13）；交通噪声评价升高会显著降低事件感维度（Std=-0.17），但人
工声和人群声评价升高会显著提高事件感维（Std=0.27、0.28）；自然声评价升高会显
著提升声舒适度评价（Std=0.15）；交通噪声评价、人工声评价升高会显著提高响度评
价（Std=0.11、0.17）；愉悦感维度升高会显著提高评价声舒适度评价和协调度评价
（Std=0.59、0.44），但会降低响度评价（Std=-0.56）；同样事件感维度提升会显著提
高评价声舒适度评价和协调度评价（Std=0.24、0.13），但会降低响度评价（Std=-0.11）。
对于聚类二各测点的声景评价整体模型而言，交通噪声评价和人工声评价升高会显著降
低愉悦感维度（Std=-0.27、-0.39）；交通噪声、人工声和人群声评价升高会显著提高事
件感维度（Std=0.15、0.26、0.23）；交通噪声评价、人群声评价升高会显著提高响度评
价（Std=0.29、0.16）；愉悦感维度升高会显著提高评价声舒适度评价和协调度评价
（Std=0.59、0.46），但会降低响度评价（Std=-0.52）；同样事件感维度升高会显著提
高评价声舒适度评价和协调度评价（Std=0.23、0.23），但会降低响度评价（Std=-0.13）。
- 86 -
聚类一声景评价结构模型
聚类二声景评价结构模型
路径有显著影响路径无显著影响路径存在显著性差异
图 5.7 两种聚类下临干道步行空间声景评价模型（图片来源：作者自绘）
Fig. 5.7 soundscape perception model of pedestrian space adjacent to trunk road under two clusters
- 87 -
以上可以总结出，对于聚类一中临干道的步行空间各测点来说，声舒适度的评价不
仅受到自然声音的直接显著影响还受到愉悦感与事件感维度的间接显著影响；响度评价
受到交通噪声和人群声的直接显著影响以及两个情感维度的间接显著影响；而对于协调
度评价来说，仅受到两个情感维度的间接显著影响。对于聚类二的各测点来说，声舒适
度和协调度评价仅受两个感知维度的间接显著影响；响度评价则受到交通噪声、人群声
评价的直接显著影响以及两个情感维度的间接显著影响。同时发现，在两个聚类的实测
点中，愉悦感维度相对于事件感维度对声景总体评价的影响更大，且对声舒适度评价的
影响是最大的。
通过对比两聚类下的声景评价结构模型路径系数，发现各声景评价参量间有很多相
似的作用路径，但也存在很多不同，为了进一步明确两聚类下的结构方程模型影响路径
是否存在显著性的差异，对该模型进行多群组分析。多群组模型分析是验证提出的理论
模型在不同样本间各个指标之间的相互路径系数是否相同，如若不同，是否具有显著性
差异。多群组分析的原理是将单个样本中原始的单一共变结构关系划分为若干平行的共
变结构，然后对这些共变结构进行分析评估，以明确影响因素对不同群体的影响是否相
等[149][150]。基于以上原理，本文对两聚类下的声景评价传递模型进行多群组分析。
首先验证两聚类下的结构方程模型是否存在显著性差异，经计算得卡方之差为 54.
026，自由度之差为 31，模型显著性水平为 0.0064（＜0.05），说明两聚类的声景评价
传递模型存在显著差异。其次研究具体哪些路径存在显著性差异，具体方法是使用临界
差异比率(CRD)进行了路径比较，这种方法有助于检查两组之间每条结构路径的现有差
异。如果两组之间的 CRD 在±1.96 之间的成对参数比较，则两组之间没有差异，否则，
存在显着性差异[151]。研究发现，两聚类下有 4 条路径存在显著差异，分别是 HA2、HA
6、HB1 和 HB5，即交通噪声对于声舒适度评价和事件感维度影响、人工声对愉悦感维
度影响和自然声音对声舒适度的影响，如图 5.7 所示。
值得注意的是，两聚类下交通噪声对事件感维度的影响具有显著差异,，且路径系数
相反（Std=-0.17、0.15），这表明对于临干道的步行空间而言，在不同地点交通噪声对
事件感维度的影响是不同的，对于声景评价较好的步行空间，降低交通噪声会提升事件
感维度的评价进而提高声舒适度，而在声景评价较差的步行空间则相反；另外聚类二人
工声对愉悦感维度的负影响（Std=-0.39）显著高于聚类一（Std=-0.22），这说明在声景
评价较差的临干道步行空间对人工声更为敏感；最后，聚类一中自然声音对声舒适度的
影响（Std=0.15）显著高于聚类二（Std=-0.003），且聚类二中该路径并无显著影响。
- 88 -
5.3 基于声学要素的声景优化策略
根据 5.1 节研究可知，通过降低人工声、交通噪声或提升自然声音的措施可以提升
临干道步行空间的声景总体评价，因此这一节根据上述结论，提出基于噪声源的声景优
化策略，以提升临干道步行空间的声环境品质。
（1）降低人工声
临干道步行空间的人工声主要包括广播声、音乐声以及器乐声等。其中广播声主要
来自临街商铺的商业行为，这种噪音在临干道商业步行空间中广泛存在，虽然《噪声法》
明确规定严禁商贩以广播来宣传商品吸引消费者，但不少商家仍然无视法律继续向步行
空间扩散广播噪声。建议政府相关部门向广大商家普及相关法律并加大监督、执法力度，
以此来减弱或消除这种广播噪声源。
音乐声及器乐声多来自广场舞噪声，尤其在我国广场舞噪声已经成为城市一重大污
染源，虽然《噪声法》中也规定，广场舞的音乐噪声等应避免影响到周围行人，但很明
显它对临干道步行空间的声环境产生了严重影响。根据我国实际情况，完全取消广场舞
活动是不太可能的，但相关部门也应该加大监督、管理力度，努力协调好各方矛盾，引
导广场舞者选择合理的时间进行，并尽量降低音乐声音，以降低对临干道步行空间声环
境的污染。
（2）降低交通噪声
根据先前的研究，传统治理交通噪声的手法是进行物理降噪，如在道路两侧设置隔
声屏障，但这种做法会给临干道步行空间的行人造成心理上的压力，并且会影响城市界
面，割裂城市的完整性，此外减少主干道的的车辆也不太现实，因此本文试图通过改造
主干道路面材料来达到降低交通噪声的目的。研究证明当路面材料为橡胶沥青或多孔沥
青时，交通噪声能够显著的降低 4-6dB[152]，因为它不仅能够减少车轮与路面的摩擦还能
吸收一部分的交通噪声。
（3）增加自然声音
根据以往的研究，在自然声音中人们最喜爱的是水声及鸟叫声，因此这两种自然
声源也被广泛应用于实际景观设计中[153]。而对于临干道步行空间而言，这两种自然声
音也是比较便于设计加入的。
常用于景观设计中的水声一般分为静水、落水、流水、喷泉水声[154]，而声音比较
大的为喷泉水声，它的声音主要是由喷水声及水落地撞击声组成，并且喷泉也会给行人
带来视觉享受，比较适合用于临干道步行空间这种高噪声的环境中。鸟叫声可以通过多
栽植树木来吸引鸟儿，也可以通过人工电声设备播放鸟叫声，如在临干道步行空间两侧
- 89 -
设置小音箱来播放。当然喷泉声等其他自然声音也可以用这种人工方法来添加，需要注
意的是需要在合适的节点搭配设置，以免行人产生审美疲劳。
5.4 本章小结
本章的主要目的是探究声景评价参量间的影响机制，其中声景评价参量主要包括主
观问卷内的声景总体评价、噪声源感知评价和声景情感维度三大部分。此外，对声景情
感维度做了进一步探讨，同时对比了两聚类下声景评价路径传递差异。主要结论如下：
（1）明确了两聚类下噪声源感知评价的差异以及与声景总体评价的相关性。对于
个人声音、人群声的评价具有显著性差异，聚类一（声景评价较好）要高于聚类二（声
景评价较差），而对于交通噪声、人工声、自然声评价并没有显著性差异；此外声舒适
度评价与交通噪声、人工声评价呈显著负相关，而与自然声音评价呈显著正相关，响度
评价与交通噪声、人工声、个人声、人群声评价皆呈显著正相关；协调度评价与交通噪
声、人工声皆呈显著负相关。这说明可以通过降低交通噪声和人工声或提升自然声音的
措施来提升临干道步行空间行人的声景评价。
（2）明确了两聚类下声景情感维度的差异以及与声景总体评价的相关性。研究发
现对于 4 个愉悦感形容词聚类一与聚类二均存在显著差异，且聚类一均高于聚类二，而
对于 4 个事件感形容词，除充满活力的形容词外其它指标在聚类一与聚类二中均不存在
显著性差异。两聚类下的 8 个声景情感维度通过主成分分析皆简化成两个维度，即“愉
悦感维度”与“事件感维度”。且就总体数据而言，声舒适度、协调度与愉悦感维度皆
呈显著正相关，而与事件感维度皆没有显著相关性；响度与愉悦感维度呈显著负相关，
而与事件感维度呈显著正相关，这说明对于临干道的步行空间，愉悦感维度相对于事件
感维度对于声景评价更为重要。
（3）构建结构方程模型，以声景情感维度为中介，来探讨噪声源对声景总体评价
的影响途径。研究发现，交通噪声、人工声、个人声音、人群声都是影响临干道步行空
间声景评价的重要声源，但它们对声景评价的直接影响系数较小，反而是主要通过两个
感知维度间接影响。因此，在本研究中，声景情感维度在临干道步行空间声景评价中起
着重要的中介作用，且经由愉悦感维度的中介路径更为显著。其中，愉悦感维度对声舒
适度评价的影响系数最大，响度评价次之，对协调度评价的影响最小。这说明，想要营
造一个良好的临干道步行空间的声环境，不仅要提高声舒适度评价，降低响度、提高协
调度也是两个重要的研究内容。
- 90 -
（4）通过多群组分析对比了两聚类下声景评价路径传递的差异。研究发现，两聚
类下交通噪声对事件感维度的影响具有显著差异，且路径系数相反；另外聚类二人工声
对愉悦感维度的负影响显著高于聚类一，这说明在声景评价较差的临干道步行空间对人
工声更为敏感；最后，聚类一中自然声音对声舒适度的影响显著高于聚类二。
（5）提出了基于噪声源的声景优化策略。根据 5.1 节研究可知，通过降低人工声、
交通噪声或提升自然声音的措施可以提升临干道步行空间的声景总体评价，根据这一结
论提出了声景优化策略。包括降低人工声措施：主要降低商业宣传广播声、广场舞器乐
声等措施；降低交通噪声措施：换用橡胶沥青或多孔沥青的路面材料；提升自然声音措
施：加入喷泉、鸟叫声或人工自然声。
- 91 -
6 城市要素对声景评价的影响机制
在上一章节中，探讨了临干道步行空间声景评价参量间的影响机制，这一章的主要
目的是探究城市要素是否对临干道步行空间声景评价产生影响。其中城市要素包括基于
空间句法的指标：步行可达性、穿行度，基于鱼眼图像的指标：天空可视度，基于街景
图像的空间视觉要素指标：绿视率、围合度、天空可视度、机动化程度，以及基于主观
问卷的空间视觉指标：视觉舒适度、感知绿化率、空间开阔度、总体印象。通过线性回
归分析与皮尔逊（Pearson）相关性检验等研究上述城市要素对声景评价的影响。
6.1 空间句法与声景评价
根据 2.2.2 节研究，空间句法（space syntax）是由英国伦敦大学的比尔希列尔
（BillHillier）和朱利安妮汉森（Julienne Hanson）等人在 20 世纪 70 年代创立的一种空
间网络分析方法，用以分析城市空间与建筑的网络特征及其对社会经济的影响[100]。
在空间句法中，可达性（NQPDA）和穿行度（TPBt）是两个较重要的指标。可达
性（NQPDA）表示场地整体中局部空间单元的聚集程度，即反应了该空间单元在研究
区域中的可达性。本研究中的可达性为步行可达性，可以衡量行人从其他步行区域到达
该步行空间的难易程度。穿行度（TPBt）通常用于表示路网在搜索半径内行人通过的概
率，穿行度越高代表测点的通过性越高，承载的通过的人流、车流也越多。在以往的研
究中，穿行度多用于交通疏散、车流分析中，在本研究中，穿行度被用于衡量临干道步
行空间的人流分析。
之前在 2.2.2 节详细介绍了空间句法及其理论，在 3.4.2 节详细介绍了样本空间的空
间句法模型的构建及其相关指标的计算过程，因此这章的主要目的就是分析空间句法相
关指标与声景评价的关系。
6.1.1 空间句法模型半径优选
在 3.4.2 节中，使用 200m，400m，600m，800m，1000m，1200m，1500m，2000m，
n(计算全局网络空间)为输入半径分别计算了三个样本空间的空间句法的相关指标，这一
节将对这几个半径进行优选以便进行下一步的分析。具体方法是使用“舒适度”、“响
度”、“协调度”三个声景总体评价指标分别与不同半径下得出的“可达性”、“穿行
度”的值进行皮尔逊相关性分析，相关性较高的可以更为准确的反映出声景评价与空间
句法指标之间的关系，故为最优半径，计算结果如表 6.1 所示。
- 92 -
表 6.1 声舒适度等与可达性等 Pearson 相关性分析（作者自绘）

Tab. 6.1 Pearson correlation analysis of acoustic comfort and accessibility
R=200 R=400 R=600 R=800 R=1000 R=1200 R=1500 R=2000 R=n

声舒
-.434* -.398 -.389 -.333 -.334 -.390 -.403 -.422 -.425*
适
可达性响度 .452* .529* .512* .529* .551** .583** .604** .616** .628**
(N=22) 协调
-.532* -.320 -.220 -.138 -.132 -.182 -.205 -.225 -.225
度
声舒
-.227 -.407 -.298 -.410 -.347 -.291 -.222 -.186 -.140
适
穿行度响度 .168 .307 .202 .375 .366 .359 .318 .317 .303
(N=22) 协调
-.419 -.642** -.499* -.472* -.370 -.244 -.195 -.133 -.118
度
由表 6.1 可知，对于可达性与声舒适度等相关性来说，搜索半径为 200 米时，声舒

适度与可达性呈显著负相关，且相关系数最高，当搜索半径越大相关性系数越小，当半
径为 1500 米及以上时，相关系数越来越大，但考虑到 3 个样本空间建模范围的大小，
半径 1500 米以上接近于以全局半径分析，此外全局半径分析下，声舒适度与可达性呈
显著负相关；响度与可达性在不同搜索半径下均呈显著正相关，且半径越大，相关性系
数越强；协调度与可达性的关系呈现出与声舒适度相同的趋势，搜索半径为 200 米时，
协调度与可达性呈显著负相关，且相关系数最高。
对于穿行度与声舒适度等相关性来说，仅协调度与穿行度在搜索半径为 400 米、600
米、800 米时具有显著负相关，其余指标均没有显著相关性。
综上，对于可达性与声舒适度等相关性来说，最优搜索半径为 200 米，这可能和声
音的衰减有关，周围 200 米的声源可能对行人的声景评价影响较大，即搜索半径为 200
米的可达性可能也反映出周围 200 米的声源到达该点的难以程度。此外穿行度对于临干
道步行空间声景评价影响较小，因此接下来将着重分析搜索半径为 200 米下的可达性与
声景评价的关系。
6.1.2 空间句法与声景总体评价
（1）临干道商业步行空间可达性
- 93 -
根据 3.4.2 节的空间句法建模方式和可视化方法，临干道商业步行空间可达性
（R=200m）结果如图 6.1 所示，各地点可达性均值如图 6.2 所示。
图 6.1 临干道商业步行空间可达性（R=200m）（图片来源：作者自绘）
Fig. 6.1 accessibility of commercial pedestrian space adjacent to trunk road
图 6.2 临干道商业步行空间可达性均值（R=200m）（图片来源：作者自绘）
Fig. 6.2 average accessibility of commercial pedestrian space near trunk road
- 94 -
由图 6.1、6.2 可知，在临干道商业步行空间中，可达性较高的为地点 1（均值=0.932）

和地点 2（均值=0.914），最低的为地点 6（均值=0.249），3、4、5 点可达性居于中间
值（均值=0.379-0.573）。整体的看，前几个点商业较多、人流量也多，步行路网较为
贯通，因而可达性较高；越靠近 6 点，周围为居住属性且有围墙相隔，与其他空间连通
性较差因而可达性较低。
为了进一步分析临干道商业步行空间声景评价与可达性的关系，利用 GraphPad
Prism 8 软件将“可达性”指标与“声舒适度”、“响度”、“协调度”等声景总体评
价指标分别进行线性回归分析，同时为避免“声舒适度”、“响度”、“协调度”等指
标用均值分析造成原始大量数据的浪费，现将其对应的标准差作为输入变量进行线性回
归分析，包括整体线性回归，如图 6.3a、c、e 所示，以及按声景评价聚类分组进行线性
回归分析，如图 6.3b、d、f 所示。
由图 6.3a、b 可知，对于临干道商业步行空间来说，声舒适度与可达性呈负相关，
线性回归系数 R²=0.388，虽然 p=0.189(＞0.05)不显著，这可能是由于样本点数据较少造
成的；而对于声景评价聚类下的两组分析来说，声舒适度与可达性也都呈现负相关（R
²=0.409、0.692），且聚类一（声景评价较好）线性回归的斜率的绝对值明显高于聚类
二（声景评价较差），即随着可达性的增加，其声舒适度降低的速度较快。
由图 6.3c、d 可知，对于临干道商业步行空间来说，响度与可达性呈正相关，线性
回归系数 R²=0.599；而对于声景评价聚类下的两组分析来说，聚类二（声景评价较差）
响度与可达性的线性回归系数 R²=0.002，呈正相关，有意思的是聚类一（声景评价较好）
响度与可达性呈负相关，线性回归系数 R²=0.539，这可能与这几个样本点的其他影响要
素有关。
由图 6.3e、f 可知，对于临干道商业步行空间来说，协调度与可达性呈负相关，线
性回归系数 R²=0.482，虽然 p=0.126(＞0.05)不显著，这可能是由于样本点数据较少造成
的；而对于声景评价聚类下的两组分析来说，协调度与可达性也都呈现负相关（R²
=0.627、0.452），且聚类一（声景评价较好）线性回归的斜率的绝对值明显高于聚类二
（声景评价较差），即随着可达性的增加，其协调度降低的速度较快。
综上，对于临干道商业步行空间来说，声舒适度、协调度与可达性呈正相关，而响
度与可达性呈负相关；同时发现聚类一（声景评价较好）测点的声舒适度等与可达性的
线性回归的斜率的绝对值明显高于聚类二（声景评价较差），这说明在声景评价较好的
临干道商业步行空间中，行人对于可达性引起声环境改变的感知更为敏感。
- 95 -
图 6.3 临干道商业步行空间可达性与声景总体评价线性回归（图片来源：作者自绘）
Fig. 6.3 Linear regression between accessibility of commercial pedestrian space and overall evaluation of
soundscape on Lingan Road
（2）临干道生活性步行空间可达性
- 96 -
同样，根据 3.4.2 节的空间句法建模方式和可视化方法，利用 GIS 将临干道生活性

步行空间可达性（R=200m）结果可视化如图 6.4 所示，各地点可达性均值如图 6.5 所示。
图 6.4 临干道生活性步行空间可达性（R=200m）（图片来源：作者自绘）
Fig. 6.4 Accessibility of living pedestrian space near trunk road
图 6.5 临干道生活性步行空间可达性均值（R=200m）（图片来源：作者自绘）
- 97 -
由图 6.4、6.5 可知，在临干道生活性步行空间中，可达性较高的为地点 6（均值=0.832）

和地点 5（均值=0.811），地点 5 为社区小广场、地点 6 为临街店铺，都靠近主要人流
与步行街系统，因而可达性较高；1、2、3、4 点可达性居于中间值（均值=0.461-0.576）；
可达性最低的为地点 8（均值=0.147）、地点 7（均值=0.472），可能是由于这两点位于
靠近绿化的人行道，旁边商业形态较少，人流量少，所以可达性较低。
为了进一步分析临干道生活性步行空间声景评价与可达性的关系，利用 GraphPad
归分析，包括整体线性回归，如图 6.6a、c、e 所示，以及按声景评价聚类分组进行线性
回归分析，如图 6.6b、d、f 所示。
由图 6.6a、b 可知，对于临干道生活性步行空间来说，声舒适度与可达性呈负相关，
成的；而对于声景评价聚类下的两组分析来说，聚类二（声景评价较差）声舒适度与可
达性的线性回归系数 R²=0.196，呈正相关，聚类一则相关性不强，R²=0.046。
由图 6.6c、d 可知，对于临干道生活性步行空间来说，响度与可达性呈正相关，线
性回归系数 R²=0.265；而对于声景评价聚类下的两组分析来说，响度与可达性也呈现正
相关（R²=0.705、0.142），且聚类二（声景评价较差）线性回归的斜率的绝对值明显高
于聚类一（声景评价较好），即随着可达性的增加，其响度增加的速度较快。
由图 6.6e、f 可知，对于临干道生活性步行空间来说，协调度与可达性呈负相关，
成的；而对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）协调度与可达
性的线性回归系数 R²=0.692，呈负相关，有意思的是聚类二（声景评价较差）协调度与
可达性呈正相关，线性回归系数 R²=0.799，这可能与这几个样本点的其他影响要素有关。
综上，对于临干道生活性步行空间来说，与临干道商业步行空间结论相似，声舒适
度、协调度与可达性呈正相关，而响度与可达性呈负相关；同时发现有对于同一个线性
回归分析，两聚类的线性回归趋势相反的情况，如协调度与可达性的的线性回归分析，
这可能是由样本点较少或实测点其他影响因素造成的。
- 98 -
图 6.6 临干道生活性步行空间可达性与声景总体评价线性回归（图片来源：作者自绘）
Fig. 6.6 Linear regression between the accessibility of living pedestrian space and the overall evaluation
of soundscape on the main road
（3）临干道混合式步行空间可达性
同样，根据 3.4.2 节的空间句法建模方式和可视化方法，利用 GIS 将临干道混合式
步行空间可达性（R=200m）结果可视化如图 6.7 所示，各地点可达性均值如图 6.8 所示。
- 99 -
图 6.7 临干道混合式步行空间可达性（R=200m）（图片来源：作者自绘）
Fig. 6.7 Accessibility of mixed pedestrian space near trunk road
图 6.8 临干道混合式步行空间可达性均值（R=200m）（图片来源：作者自绘）
- 100 -
由图 6.7、6.8 可知，在临干道混合式步行空间中，可达性较高的为地点 4（均值

=0.242）、地点 2（均值=0.233），这 2 个点位于临街店铺旁，人流量较多，与周围路
网联系密切，因而可达性较高；1、5、6、7、8、9 点可达性居于中间值（均值=0.111-0.573）；
可达性最低的为地点 10（均值=0.024）、地点 3（均值=0.103）两点，因为这两个是居
住区内的点，小区较为封闭，所以可达性较低。由于不是临干道的步行空间所以在接下
来的分析中，将地点 3、10 排除在外。
为了进一步分析临干道混合式步行空间声景评价与可达性的关系，利用 GraphPad
归分析，包括整体线性回归分析，如图 6.9a、c、e 所示，以及按声景评价聚类分组进行
线性回归分析，如图 6.9b、d、f 所示。
由图 6.9a、b 可知，对于临干道混合式步行空间来说，声舒适度与可达性呈负相关，
成的；而对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）各测点声舒适
度却与可达性呈正相关，线性回归系数 R²=0.522，聚类二（声景评价较差）只有两个点，
R²=1 不做过多讨论。
由图 6.9c、d 可知，对于临干道混合式步行空间来说，响度与可达性呈负相关，线
性回归系数 R²=0.000，参考意义不大；而对于声景评价聚类下的两组分析来说，两聚类
下的响度皆与可达性呈现负相关（R²=0.856、1），结论与之前的相反，可能是由于样
本点数据较少或实测点其他影响因素造成的。
由图 6.9e、f 可知，对于临干道混合式步行空间来说，协调度与可达性呈负相关，
成的；而对于声景评价聚类下的两组分析来说，聚类二（声景评价较差）协调度与可达
性呈现负相关，而聚类一（声景评价较好）与可达性呈现正相关。
综上，对于临干道混合式步行空间来说，与前面两个典型临干道步行空间的分析结
果略有所不同，声舒适度、协调度与可达性呈正相关，而响度与可达性也呈负相关，但
其 R²=0.000 且 P=0.964(＞0.05)不显著，可能是受样本数量的限制，因而其参考意义较
小。
- 101 -
图 6.9 临干道混合式步行空间可达性与声景总体评价线性回归（图片来源：作者自绘）
Fig. 6.9 Linear regression between accessibility and overall evaluation of soundscape
（4）临干道步行空间可达性
通过上面对 3 个典型临干道步行空间的单独分析，我们发现声景评价与可达性存在
明显的线性关系，但可能由于每个样本空间实测点较少，有些线性关系不显著，因此现
- 102 -
将 3 个样本空间共计 22 个实测点合在一起进行分析。同样利用 GraphPad Prism 8 软件

将“可达性”指标与“声舒适度”、“响度”、“协调度”等声景总体评价指标分别进
行线性回归分析，同时为避免“声舒适度”、“响度”、“协调度”等指标用均值分析
造成原始大量数据的浪费，现将其对应的标准差作为输入变量进行线性回归分析，包括
整体线性回归分析，如图 6.10a、c、e 所示，以及按声环境聚类分组进行线性回归分析，
如图 6.10b、d、f 所示。
图 6.10 临干道步行空间可达性与声景总体评价等线性回归（图片来源：作者自绘）
Fig. 6.10 Linear regression between accessibility and overall evaluation of soundscape
- 103 -
由图 6.10a、b 可知，对于临干道步行空间来说，声舒适度与可达性呈显著负相关，
线性回归系数 R²=0.188，且 p=0.044(＜0.05)显著，其线性回归方程为：
Y = -0.4641*X + 1.997 （6.1）
其中，X 为可达性，Y 为声舒适度。由此公式可知，各测点每增加 1 个单位的可达

性，行人声舒适度显著降低 0.46 个单位；而对于声景评价聚类下的两组分析来说，聚类
一（声感知好）声舒适度与可达性呈现显著负相关（R²=0.738），但聚类二则相关性不
强（R²=0.018）。
由图 6.10c、d 可知，对于临干道步行空间来说，各测点的响度与可达性呈显著正相
关，线性回归系数 R²=0.204，且 p=0.035(＜0.05)显著，其线性回归方程为：
Y = 0.4924*X + 2.432 （6.2）
其中，X 为可达性，Y 为响度。由此公式可知，各测点每增加 1 个单位的可达性，

行人感受到的响度显著升高 0.49 个单位；而对于声景评价聚类下的两组分析来说，聚类
一（声感知好）声舒适度与可达性呈现显著正相关（R²=0.512），但聚类二则相关性不
强（R²=0.066）。
由图 6.10e、f 可知，对于临干道步行空间来说，协调度与可达性呈负相关，线性回
归系数 R²=0.283，且 p=0.011(＜0.05)显著，其线性回归方程为：
Y = -0.4502*X + 2.025 （6.3）
其中，X 为可达性，Y 为协调度。由此公式可知，各测点每增加 1 个单位的可达性，

行人感受到的协调度显著降低 0.45 个单位；而对于声景评价聚类下的两组分析来说，协
调度与可达性也都呈现负相关（R²=0.315、0.273），且聚类一（声景评价较好）线性回
归的斜率的绝对值明显高于聚类二（声景评价较差），即随着可达性的增加，其协调度
降低的速度较快。
综上，对于临干道步行空间来说，声舒适度、协调度与可达性呈显著正相关，而响
度与可达性呈显著负相关，这可能是可达性较高的步行空间，其他步行空间连通性较好，
人流量较大，导致响度较高，声舒适度、协调度降低；同时发现聚类一（声景评价较好）
测点的声舒适度、响度、协调度等与可达性的线性回归的斜率的绝对值明显高于聚类二
（声景评价较差），这说明在声景评价较好的临干道商业步行空间中，行人对于可达性
引起声环境改变的感知更为敏感。
- 104 -
6.1.3 空间句法与噪声源感知评价
为了探究空间句法与噪声源感知的关系，将空间句法的两个指标可达性（R=200）
和穿行度（R=200）与噪声源感知 4 个指标的均值进行皮尔逊（Pearson）相关性检验，
包括按声景评价聚类分组的相关性分析以及 22 个样本点总体的相关性分析，结果如表
6.2 所示。
由表 6.2 可知，对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）与
聚类二（声景评价较差）可达性与自然声音评价皆呈显著负相关，同时聚类一相关系数
（-0.568）低于聚类二（-0.802）；此外两聚类下可达性、穿行度与其他噪声源指标皆没
有显著相关性。
对于总体数据分析来说，可达性与自然声音评价呈强正相关，相关系数为-0.685，
即可达性越高，行人感受到的自然声音越少，这可能是由于可达性越高的地方，与周围
路网连通性较好，行人感受到的交通噪声等其他噪声源增加，因而感受到的自然声音减
少。
表 6.2 空间句法与噪声源感知相关性分析
Tab. 6.2 Correlation analysis between spatial syntax and noise source perception
样本点空间句法交通噪声人工声个人声音人群声自然声音
聚类一可达性 -.181 .513 .236 .157 -.568*
（N=13）穿行度 -.217 .270 -.061 -.141 -.310
聚类二可达性 .361 .260 -.333 -.265 -.802**
（N=9）穿行度 -.238 .202 -.311 -.241 -.473
总的可达性 .197 .407 -.170 -.124 -.685**
（N=22）穿行度 -.118 .277 -.250 -.238 -.386
6.1.4 空间句法与声景情感维度评价
为了探究空间句法与感知维度的关系，将空间句法的两个指标可达性（R=200）和
穿行度（R=200）与感知维度的 2 个指标的均值进行皮尔逊（Pearson）相关性检验，包
括按声景评价聚类分组的相关性分析以及 22 个样本点总体的相关性分析，结果如表 6.3
所示。
由图 6.3 可知，对于声景评价聚类下的两组分析来说，两聚类下可达性、穿行度与
噪声源感知皆没有显著相关性；对于总体数据分析来说，可达性与愉悦感维度呈显著负
- 105 -
相关，相关系数为-0.521，即可达性越高，行人愉悦感越少。这也进一步验证了前边的
结论，可达性越高，行人的声舒适度越低，因而可能导致愉悦感减少；此外穿行度与噪
声源感知皆没有显著相关性。
表 6.3 空间句法与感知维度相关性分析
Tab. 6.3 Correlation analysis between spatial syntax and perceptual dimension
样本点空间句法愉悦感维度事件感维度
聚类一可达性 -.420 .318
（N=13）穿行度 -.235 .034
聚类二可达性 -.317 .055
（N=9）穿行度 .328 -.342
总的可达性 -.521* .134
（N=22）穿行度 -.275 -.134
6.1.5 空间句法与空间视觉感知评价
为了探究空间句法与空间视觉感知的关系，将空间句法的两个指标可达性（R=200）
和穿行度（R=200）与空间视觉感知的 4 个指标的均值进行皮尔逊（Pearson）相关性检
验，包括按声景评价聚类分组的相关性分析以及 22 个样本点总体的相关性分析，结果
如表 6.4 所示。
表 6.4 空间句法与空间视觉感知相关性分析
Tab. 6.4 Correlation analysis between spatial syntax and spatial visual perception
样本点空间句法视觉舒适度感知绿化率空间开阔度总体印象
聚类一可达性 -.116 -.586* .222 -.174
（N=13）穿行度 .080 -.248 .216 -.206
聚类二可达性 -.527 -.831** -.649 -.422
（N=9）穿行度 -.044 -.451 -.192 .146
总的可达性 -.498* -.728** -.363 -.500*
（N=22）穿行度 -.239 -.448* -.086 -.326
- 106 -
由表 6.4 可知，对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中
可达性仅与感知绿化率呈显著负相关，相关系数为-0.586。聚类二（声景评价较好）中
可达性也仅与感知绿化率呈显著负相关，且相关系数（-0.831）高于聚类一（-0.586）。
对于总体数据分析来说，可达性与视觉舒适度、感知绿化率、总体印象评价皆呈显
著负相关，相关系数分别为-0.498、-0.728、-0.500，即可达性越高，行人的视觉舒适度、
感知绿化率、总体印象评价越低。此外穿行度与感知绿化率呈显著负相关性，相关系数
为-0.448。
6.2 天空可视度与声景评价
由 2.3.2 小节研究可知，天空可视度（SVF）表示每个测点可见的天空的比例，它
关系到临干道步行空间的空间品质、行人的视觉感受以及行走舒适度，因此可能会影响
行人的声景评价。此处有必要说明的是天空可视度（SVF）与下一章节的“天空可见度”
不同，“天空可见度”是行人行走时平视看到的天空的比例，而此处是行人仰视时所看
到的天空的比例，因此这是两个不同的概念，测量以及计算方法也有所不同。
之前利用鱼眼拍摄实测法拍得样本点的实测照片，然后导入到 RayMan 中计算 SVF
的值（3.4.2 节），这一章节将所获得的 SVF 数据与声景评价数据做相关性分析，以期
探讨临干道步行空间天空可视度与声景评价的关系。
6.2.1 天空可视度与声景总体评价
图 6.11 临干道混合式步行空间 SVF 值（图片来源：作者改绘）

Fig. 6.11 SVF value of mixed pedestrian space near trunk road
- 107 -
为探究天空可视度与临干道混合步行空间声景评价的关系，将天空可视度分别与声
景评价聚类指标“声舒适度”、“响度”、“协调度”的均值进行皮尔逊（Pearson）相
关性检验，包括按声景评价聚类分组的相关性分析以及 8 个样本点总体的相关性分析。
需要说明的是，由于地点 3、10 不属于临干道步行空间的点，所以在接下来的分析中将
这两点排除在外，结果如表 6.5 所示。
表 6.5 天空可视度与声景总体评价相关性分析
Tab. 6.5 correlation analysis between sky visibility and overall evaluation of soundscape
样本点 SVF 声舒适响度协调度
聚类一（N=6）天空可视度 .287 .238 -.049
聚类二（N=2）天空可视度 1.000** 1.000** 1.000**
总的（N=8）天空可视度 .154 .144 .103
对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中天空可视度与声
舒适度、响度皆呈正相关，相关系数分别为 0.287、0.238，而与协调度呈负相关，相关
系数为-0.049，但均不显著；聚类二（声景评价较差）中由于只有两个点，R²=1，没有
代表性，不做过多解释。
对于总体数据分析来说，天空可视度与声舒适度、响度、协调度也皆呈正相关，相
关系数分别为 0.154、0.144、0.103 但均不显著。
为了进一步分析临干道混合式步行空间声景评价与天空可视度的关系，利用 Graph
Pad Prism 8 软件将“声舒适度”、“响度”、“协调度”等声学感知指标与“天空可
视度”指标进行线性回归分析，同时为避免“声舒适度”、“响度”、“协调度”等指
归分析，包括整体线性回归，如图 6.12a、c、e 所示，以及按声景评价聚类分组进行线
性回归分析，如图 6.12b、d、f 所示。
由图 6.12a、b 可知，对于临干道混合式步行空间来说，声舒适度与天空可视度呈正
相关，线性回归系数 R²=0.024，p=0.715(＞0.05)不显著，R²太小说明相关性不强；而对
于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中声舒适度与天空可视度
呈正相关，线性回归系数 R²=0.082，而由于聚类二（声景评价较差）只有 2 个样本点，
R²=1，不具代表性不做过多讨论。
- 108 -
图 6.12 临干道步行空间天空可视度与声景总体评价线性回归分析（图片来源：作者自绘）
Fig. 6.12 Linear regression analysis of sky visibility and overall evaluation of soundscape in
由图 6.12c、d 可知，对于临干道混合式步行空间来说，响度与天空可视度呈正相关，
线性回归系数 R²=0.021，p=0.733(＞0.05)不显著，R²太小说明相关性不强；而对于声景
评价聚类下的两组分析来说，聚类一（声景评价较好）中声舒适度与天空可视度呈正相
关，线性回归系数 R²=0.057，R²太小说明相关性不强。
- 109 -
由图 6.12e、f 可知，对于临干道混合式步行空间来说，协调度与天空可视度呈正相
关，线性回归系数 R²=0.011，p=0.809(＞0.05)不显著，R²太小说明相关性不强；而对于
声景评价聚类下的两组分析来说，聚类一（声景评价较好）中协调度与天空可视度呈正
相关，但线性回归系数 R²=0.002 相关性不强。同样由于聚类二（声景评价较差）只有 2
个样本点，R²=1，不具代表性不做过多讨论。
综上，天空可视度与声舒适度、响度、协调度皆没有显著相关性，并且 R²都很小，
因此对于临干道步行空间来说，天空可视度对行人声景评价的影响不大，因此对于临干
道商业步行空间、临干道生活性步行空间就没有再实测分析。
6.2.2 天空可视度与噪声源感知评价
为了探究天空可视度与噪声源评价的关系，将天空可视度分别与噪声源感知 5 个指
标的均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类分组的相关性分析以
及 8 个样本点总体的相关性分析，结果如表 6.6 所示。
表 6.6 天空可视度与噪声源感知相关性分析
Tab. 6.6 Correlation analysis between spatial visual elements and spatial visual perception
样本点 SVF 交通噪声人工声个人声音人群声自然声音
聚类一（N=6） SVF -.358 .593 .398 .209 .565
聚类二（N=2） SVF 1.000** -1.000** 1.000** 1.000** 1.000**
总的（N=8） SVF -.075 .352 .361 .268 .477
对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中天空可视度与人
工声、个人声音、人群声、自然声音评价皆呈正相关，相关系数分别为 0.593、0.398、
0.209、0.565，但皆不显著，而与交通噪声呈负相关，相关系数为-0.358，但也不显著；
聚类二（声景评价较差）中由于只有两个点，R²=1 或-1，没有代表性，不做过多解释。
对于总体数据分析来说，天空可视度与人工声、个人声音、人群声、自然声音评价
皆呈正相关，相关系数分别为 0.352、0.361、0.268、0.477，但皆不显著；与交通噪声呈
负相关，相关系数为-0.075，但也不显著。综上，天空可视度与噪声源感知并没有显著
相关性。
- 110 -
6.2.3 天空可视度与声景情感维度评价
为了探究天空可视度与情感维度的关系，将天空可视度分别与情感维度 2 个指标的
均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类分组的相关性分析以及 8
个样本点总体的相关性分析，结果如表 6.7 所示。
表 6.7 天空可视度与情感维度相关性分析
Tab. 6.7 correlation analysis between sky visibility and emotional dimension
样本点天空可视度愉悦感维度事件感维度
聚类一（N=6） SVF -.144 .449
聚类二（N=2） SVF -1.000** 1.000**
总的（N=8） SVF -.113 .403
对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中天空可视度与愉
悦感维度呈负相关，而与事件感维度呈正相关，相关系数分别为-0.144、0.449，但皆不
显著；聚类二（声景评价较差）中由于只有两个点，没有代表性，不做过多解释。
对于总体数据分析来说，天空可视度与愉悦感维度呈负相关，而与事件感维度呈正
相关，相关系数分别为-0.113、0.403，但皆不显著。综上，天空可视度与声景情感维度
并没有显著相关性。
6.2.4 天空可视度与空间视觉感知评价
为了探究天空可视度与情感维度的关系，将天空可视度分别与空间视觉感知的 4 个
指标的均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类分组的相关性分析
以及 8 个样本点总体的相关性分析，结果如表 6.8 所示。
表 6.8 天空可视度与空间视觉感知相关性分析
Tab. 6.8 correlation analysis between sky visibility and spatial visual perception
样本点天空可视度视觉舒适度感知绿化率空间开阔度总体印象
聚类一（N=6） SVF .157 .123 .426 .360
聚类二（N=2） SVF 1.000** 1.000** 1.000** 1.000**
总的（N=8） SVF .173 .124 .373 .316
- 111 -
对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中天空可视度与视
觉舒适度、感知绿化率、空间开阔度、总体印象评价皆呈正相关，相关系数分别为 0.157、
0.123、0.426、0.360，但皆不显著；聚类二（声景评价较差）中由于只有两个点，没有
代表性，不做过多解释。
对于总体数据分析来说，天空可视度与视觉舒适度、感知绿化率、空间开阔度、总
体印象评价皆呈正相关，相关系数分别为 0.173、0.124、0.373、0.316，但皆不显著。综
上，天空可视度与空间视觉感知并没有显著相关性。
6.3 基于街景图像的视觉要素与声景评价
由 2.2.4 章研究可知，空间视觉要素包括绿视率、围合度、天空可见度以及机动化
程度四个维度，是对研究地点的空间视觉的考量，这 4 个指标是通过街景识别的方式获
取的。基于街景识别的空间视觉要素是否会对临干道步行空间的声景评价产生重要影
响，是本章节所要探究的问题。
之前对 3 个典型样本空间的空间视觉要素数据进行获取（3.4.2 节），本章将上述数
据结合声景评价问卷做相关研究分析。根据 3.2.4 节街景图片采集与测量的方法，将 3
个典型样本空间共计 22 个样本点的街景照片导入到 Seg NET 中计算，其空间视觉要素
个各指标结果如表 6.9 所示。
表 6.9 各样本点空间视觉要素指标计算结果（作者自绘）
Tab. 6.9 Calculation results of spatial visual element indexes of each sample point
样本点地点编号绿视率围合度天空可见度机动化程度
1 0.0504 0.0644 0.4877 0.3475
2 0.0000 0.0465 0.4679 0.2983
样本一 3 0.0000 0.0521 0.5755 0.2742
（N=6） 4 0.0020 0.0597 0.4753 0.2633
5 0.0091 0.0733 0.5082 0.3353
6 0.0483 0.0981 0.5127 0.2369
1 0.3618 0.0126 0.4609 0.4655
2 0.1461 0.1271 0.3832 0.3539
3 0.2539 0.0610 0.5444 0.3246
样本二 4 0.1976 0.0818 0.4897 0.3394
（N=8） 5 0.1197 0.1605 0.4893 0.2469
6 0.0672 0.1242 0.4809 0.3137
7 0.5411 0.0252 0.7195 0.2233
8 0.6629 0.0274 0.7234 0.1279
- 112 -
（续表）
1 0.2324 0.0963 0.4771 0.3792
2 0.0075 0.1677 0.4065 0.4026
4 0.3541 0.0478 0.6204 0.1976
5 0.2498 0.0804 0.4776 0.3954
样本三
6 0.3757 0.1102 0.5076 0.2511
（N=8）
7 0.1844 0.1372 0.3671 0.2645
8 0.1490 0.0663 0.4618 0.3515
9 0.0472 0.0729 0.4781 0.3239
首先为了比较两种聚类下的空间视觉感知，对 4 类相关指标进行了均值分析，为了
常舒适（2），结果如图 6.13 所示。
图 6.13 空间视觉感知评价（图片来源：作者自绘）
- 113 -
研究发现聚类一的绿化率、围合度（均值=0.25、0.53）要高于聚类二（均值=0.09、
0.47），天空可视度、机动化程度，聚类二（均值=0.09、0.33）略高于聚类一（均值=0.07、
0.29。
为了进一步探究两种聚类下空间视觉感知是否存在显著性差异，对两种聚类进行了
独立样本 T 检验，包括 Levene 方差等同检验、均值方程的 t 检验，结果如表 6.10 所示。
研究发现两个聚类中只有绿化率具有显著性差异（Sig.＜0.05 且 t=2.469＞1.96，Sig.（双侧）
=0.024＜0.05）。这说明提高临干道步行空间的绿化率可能会提升行人的声景评价。
表 6.10 聚类一与聚类二关于空间视觉感知的独立样本 T 检验
Tab. 6.10 independent sample t-test of spatial visual perception in cluster I and cluster II
假设方差相等 4.581 .045 2.164 20 .043

绿视率
假设方差不相等 2.469 17.373 .024
假设方差相等 .046 .831 -1.138 20 .269

天空可视度
假设方差不相等 -1.162 18.576 .260
假设方差相等 4.128 .056 1.479 20 .155
围合度
假设方差不相等 1.668 18.220 .112
假设方差相等 5.041 .036 -1.100 20 .285
机动化程度
假设方差不相等 -1.235 18.478 .232
6.3.1 空间视觉要素与声景总体评价
为了探究空间视觉要素与临干道步行空间声景评价的关系，将空间视觉要素的四个
指标分别与声景评价聚类指标“声舒适度”、“响度”、“协调度”的均值进行皮尔逊
（Pearson）相关性检验，包括按声景评价聚类分组的相关性分析以及 22 个样本点总体
的相关性分析，结果如表 6.11 所示。
绿视率、天空可见度、围合度、机动化程度与声舒适度、响度、协调度等均没有显著性
- 114 -
相关性；聚类二（声景评价较差）中声舒适度与绿视率呈显著正相关，相关系数为 0.671，
这说明对于声景评价较差的临干道步行空间，提高绿视率可以显著提升行人声舒适度。
而对于 3 个样本空间的总体数据来说，声舒适度与绿视率呈显著正相关，相关系数
为 0.556，响度与绿视率呈显著负相关，相关系数为-0.551，即对于临干道步行空间来说，
其绿视率越高，行人的声舒适度越高，感受到的响度越小。这可能是由于绿视率的升高
阻碍了噪声源的传播，因而感受到的响度较小。此外，天空可见度、围合度、机动化程
度与声舒适度、响度、协调度等均没有显著性相关性，因此接下来将重点分析绿视率对
声舒适度、响度、协调度的影响作用。
表 6.11 声舒适度等与空间视觉要素的 Pearson 相关性检验

Tab. 6.11 Pearson correlation test between acoustic comfort and spatial visual elements
样本数据总体评价绿视率天空可见度围合度机动化程度
声舒适 .332 .355 .018 -.391
聚类一响度 -.375 -.176 -.011 .178
（N=13）协调度 .007 -.294 .152 -.007
声舒适 .671* .321 -.200 .051
聚类二响度 -.640 -.342 .388 -.352
（N=9）协调度 .000 -.269 .385 -.577
声舒适 .556** .015 .231 -.366
总的响度 -.551** -.044 -.119 .172
（N=22）协调度 .315 -.362 .356 -.286
（1）临干道商业步行空间声景总体评价与绿视率
为了进一步分析临干道商业步行空间声景评价与绿视率的关系，利用 GraphPad
Prism 8 软件将“声舒适度”、“响度”、“协调度”等声学感知指标与“绿视率”指
标分别进行线性回归分析，同时为避免“声舒适度”、“响度”、“协调度”等指标用
均值分析造成原始大量数据的浪费，现将其对应的标准差作为输入变量进行线性回归分
析，包括整体线性回归，如图 6.14a、c、e 所示，以及按声景评价聚类分组进行线性回
归分析，如图 6.14b、d、f 所示。
- 115 -
图 6.14 临干道商业步行空间绿视率与声景总体评价线性回归（图片来源：作者自绘）
Fig. 6.14 Linear regression between green visual rate and soundscape overall evaluation of commercial
由图 6.14a、b 可知，对于临干道商业步行空间来说，声舒适度与绿视率呈负相关，
线性回归系数 R²=0.331，p=0.233(＞0.05)不显著，这与前边皮尔逊相关性分析相反，这
- 116 -
可能是由于样本一各测点绿化率都极少以及样本点较少造成的；而对于声景评价聚类下
的两组分析来说，聚类一（声景评价较好）中声舒适度与绿视率呈正相关，线性回归系
数 R²=0.350，而聚类二（声景评价较差）中声舒适度与绿视率呈负相关，线性回归系数
R²=0.951，且聚类一（声景评价较好）线性回归的斜率的绝对值明显高于聚类二（声景
评价较差）。
由图 6.14c、d 可知，对于临干道商业步行空间来说，响度与绿视率呈显著正相关，
线性回归系数 R²=0.765，p=0.023(＜0.05)显著，，这可能是由于样本一各测点绿化率都
极少以及样本点较少造成的；而对于声景评价聚类下的两组分析来说，响度与绿视率也
都呈现正相关（R²=0.228、0.795），且聚类一（声景评价较好）线性回归的斜率的绝对
值明显高于聚类二（声景评价较差）。行人对于绿化率引起响度改变的感知更为敏感。
由图 6.14e、f 可知，对于临干道商业步行空间来说，协调度与绿视率呈负相关，线
性回归系数 R²=0.330，虽然 p=0.234(＞0.05)不显著，这可能是由于样本点数据较少造成
的；而对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中协调度与绿视
率呈正相关，线性回归系数 R²=0.627，即绿视率越高，行人感受到的声环境协调度越高。
而聚类二（声景评价较差）中响度与绿视率呈负相关，线性回归系数 R²=0.039，且聚类
一（声景评价较好）线性回归的斜率的绝对值明显高于聚类二（声景评价较差）。
（2）临干道生活性步行空间声景总体评价与绿视率
为了进一步分析临干道生活性步行空间声景评价与绿视率的关系，利用 GraphPad
由图 6.15a、b 可知，对于临干道生活性步行空间来说，声舒适度与绿视率呈正相关，
线性回归系数 R²=0.288，虽然 p=0.170(＞0.05)不显著，这可能是由样本点较少造成的；
而对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中声舒适度与绿视率
呈正相关，线性回归系数 R²=0.002，而聚类二（声景评价较差）中声舒适度与绿视率呈
负相关，线性回归系数 R²=0.082。
- 117 -
图 6.15 临干道生活性步行空间绿视率与声景总体评价线性回归（图片来源：作者自绘）
Fig. 6.15 Linear regression between green visual rate and overall evaluation of soundscape in living
由图 6.15c、d 可知，对于临干道生活性步行空间来说，响度与绿视率呈显著负相关，
线性回归系数 R²=0.096，p=0.455(＞0.05)不显著，，这可能是由于样本点较少造成的；
而对于声景评价聚类下的两组分析来说，响度与绿视率也都呈现正相关（R²=0.595、
0.707），即绿视率越高，行人感受到的响度越低。这可能是绿视率较高的临干道步行空
间，提高了人的视觉舒适性并阻挡了部分噪声源的传播，因而行人感受到的响度降低。
- 118 -
由图 6.15e、f 可知，对于临干道生活性步行空间来说，协调度与绿视率呈正相关，
线性回归系数 R²=0.499，p=0.05 显著，即绿视率越高，行人感受到的声环境越协调；
而对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中协调度与绿视率呈
正相关，线性回归系数 R²=0.726，即绿视率越高，行人感受到的声环境协调度越高。而
聚类二（声景评价较差）中响度与绿视率呈负相关，线性回归系数 R²=0.227，并且两聚
类下的线性回归斜率的绝对值也有明显区别。
（3）临干道混合式步行空间声景总体评价与绿视率
为了进一步分析临干道混合式步行空间声景评价与绿视率的关系，利用 GraphPad
由图 6.16a、b 可知，对于临干道混合式步行空间来说，声舒适度与绿视率呈显著正
相关，线性回归系数 R²=0.653，p=0.015(＜0.05)显著，即绿视率越高，行人声舒适度越
高；而对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中声舒适度与绿
视率呈正相关，线性回归系数 R²=0.178，而由于聚类二（声景评价较差）只有 2 个样本
点，R²=1，不具代表性不做过多讨论。
由图 6.16c、d 可知，对于临干道混合式步行空间来说，响度与绿视率呈显著负相关，
线性回归系数 R²=0.614，p=0.022(＜0.05)显著，即绿视率越高，行人感受到的响度越小；
而对于声景评价聚类下的两组分析来说，响度与绿视率也都呈现正相关（R²=0.595、
0.707），即绿视率越高，行人感受到的响度越低。这可能是绿视率较高的临干道步行空
间，提高了人的视觉舒适性并阻挡了部分噪声源的传播，因而行人感受到的响度降低。
由图 6.16e、f 可知，对于临干道混合式步行空间来说，协调度与绿视率呈显著正相
关，线性回归系数 R²=0.557，p=0.033(＜0.05)显著，即绿视率越高，行人感受到的声环
境越协调；而对于声景评价聚类下的两组分析来说，聚类一（声景评价较好）中协调度
与绿视率呈正相关，线性回归系数 R²=0.684，即绿视率越高，行人感受到的声环境协调
度越高。同样由于聚类二（声景评价较差）只有 2 个样本点，R²=1，不具代表性不做过
多讨论。
- 119 -
图 6.16 临干道混合式步行空间绿视率与声景总体评价线性回归（图片来源：作者自绘）
Fig. 6.16 Linear regression between green visual rate and soundscape overall evaluation of mixed
(4) 绿视率与声景总体评价分析
通过上面对声景评价指标与空间视觉要素的相关性分析，我们发现声景评价绿视率
存在显著的相关相关性，但可能由于每个样本空间实测点较少，有些线性关系不显著，
因此现将 3 个样本空间共计 22 个实测点合在一起进行分析。同样利用 GraphPad Prism 8
软件将“可达性”指标与“声舒适度”、“响度”、“协调度”等声学感知指标分别进
- 120 -
行线性回归分析，同时为避免“声舒适度”、“响度”、“协调度”等指标用均值分析
造成原始大量数据的浪费，现将其对应的标准差作为输入变量进行线性回归分析，包括
整体线性回归分析，如图 6.17a、c、e 所示，以及按声环境聚类分组进行线性回归分析，
如图 6.17b、d、f 所示。
由图 6.17a、b 可知，对于临干道步行空间来说，声舒适度与绿视率呈显著正相关，
线性回归系数 R²=0.309，且 p=0.007(＜0.05)显著，其线性回归方程为：
Y = 0.8651*X + 1.641 （6.4）
其中，X 为绿视率，Y 为声舒适度。由此公式可知，各测点每增加 1 个单位的绿视

率，行人声舒适度显著增加 0.87 个单位；而对于声景评价聚类下的两组分析来说，声舒
适度与绿视率也皆呈显著正相关（R²=0.110、0.451），且聚类二（声景评价较好）比聚
类一（声景评价较差）线性回归的斜率的绝对值稍大一些。
由图 6.17c、d 可知，对于临干道步行空间来说，各测点的响度与绿视率呈显著负相
关，线性回归系数 R²=0.304，且 p=0.008(＜0.05)显著，其线性回归方程为：
Y = -0.8738*X + 2.801 （6.5）
其中，X 为绿视率，Y 为响度。由此公式可知，各测点每增加 1 个单位的绿视率，

行人感受到的响度显著降低 0.87 个单位；而对于声景评价聚类下的两组分析来说，声舒
适度与绿视率也皆呈显著负相关（R²=0.140、0.409），且聚类二（声景评价较好）线性
回归的斜率的绝对值明显高于聚类一（声景评价较差），即随着绿视率的增加，其响度
降低的速度较快。
由图 6.17e、f 可知，对于临干道步行空间来说，协调度与绿视率呈正相关，线性回
归系数 R²=0.099，且 p=0.154(＞0.05)不显著，其线性回归方程为：
Y = 0.3872*X + 1.764 （6.6）
其中，X 为绿视率，Y 为协调度。由此公式可知，各测点每增加 1 各单位的绿视率，

行人感受到的协调度增加 0.39 个单位，但由于 R²较小，且 P 值不显著，所以参考意义
不大；而对于声景评价聚类下的两组分析来说，协调度与绿视率也都皆呈正相关（R²
=0.000、0.000）。
综上，对于临干道步行空间来说，声舒适度与绿视率呈显著正相关，响度与绿视率
呈显著负相关，协调度与绿视率呈弱正相关，但相关性不强。这可能是绿视率较高的临
干道步行空间，提高了人的视觉舒适性并阻挡了部分噪声源的传播，因而行人声舒适度
提升，感受到的响度降低；同时发现聚类二（声景评价较好）测点的声舒适度、响度等
- 121 -
与绿视率的线性回归的斜率的绝对值明显高于聚类一（声景评价较差），这说明在声景
评价较差的临干道步行空间中，行人对于绿视率引起声环境改变的感知更为敏感。
图 6.17 临干道步行空间绿视率与声景总体评价线性回归分析（图片来源：作者自绘）
Fig. 6.17 Linear regression analysis of green visual rate and overall evaluation of soundscape in
- 122 -
6.3.2 空间视觉要素与噪声源感知评价
为了探究空间视觉要素与噪声源评价的关系，将空间视觉要素的 4 个指标分别与噪
声源感知 5 个指标的均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类分组
的相关性分析以及 22 个样本点总体的相关性分析，结果如表 6.12 所示。
表 6.12 空间视觉要素与噪声源相关性分析
Tab. 6.12 Correlation analysis between spatial visual elements and noise sources
样本数据视觉指标交通噪声人工声个人声音人群声自然声音
绿视率 .679* -.767** -.814** -.759** .217
聚类一天空可见度 -.062 .111 .170 .261 .468
（N=13）围合度 .636* -.338 -.502 -.477 -.116
机动化程度 -.584* .098 .343 .182 -.165
绿视率 -.526 -.359 -.456 -.332 -.261
聚类二天空可见度 -.452 .215 -.361 -.364 .104
（N=9）围合度 .530 -.526 .121 .115 -.053
机动化程度 -.658 .660 -.231 -.182 -.064
绿视率 .171 -.705** -.443* -.460* .091
总的天空可见度 -.160 .156 -.115 -.024 .231
（N=22）围合度 .430* -.382 -.189 -.231 -.039
机动化程度 -.463* .194 .090 .034 -.131
绿视率与人工声、个人声音、人群声评价皆呈显著负相关，相关系数分别为-0.767 和
-0.814、-0.759，而与交通噪声呈显著正相关，相关系数为 0.679。围合度与交通噪声呈
显著正相关，相关系数为 0.636。机动化程度与交通噪声呈显著负相关，相关系数为
-0.584；聚类二（声景评价较差）中四个视觉指标与噪声源感知皆没有显著相关性。
对于总体数据分析来说，绿视率与人工声、个人声音、人群声评价皆呈显著负相关，
相关系数分别为-0.705、-0.443 和-0.460，即绿视率越高，行人感受到的人工声、个人声
音、人群声越小；天空可见度与几类噪声源评价皆没有显著相关；围合度与交通噪声评
价呈现显著正相关，相关系数为 0.430，这可能是由于空间越围合，导致噪声源无法向
远处扩散，反射的交通噪声越多，因而行人感受到的交通噪声越多；有意思得是机动化
程度与交通噪声呈负相关，且相关系数为-0.463，这可能是由于街景照片中拍到的大多
- 123 -
是路边停靠的车辆，车子没有发动，并且车身减弱了来自主干道的交通噪声的传播，因
而行人感受到的交通噪声减少。
6.3.3 空间视觉要素与声景情感维度评价
为了探究空间视觉要素与声景情感维度的关系，将空间视觉要素的 4 个指标分别与
声景情感维度 2 个指标的均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类
分组的相关性分析以及 22 个样本点总体的相关性分析，结果如表 6.13 所示。
表 6.13 空间视觉要素与声景情感维度相关性分析
Tab. 6.13 Correlation analysis between spatial visual elements and soundscape perception dimension
样本数据视觉指标愉悦感维度事件感维度
绿视率 .549 -.810**
聚类一天空可见度 -.021 .351
（N=12）围合度 .257 -.488
机动化程度 -.309 .105
绿视率 .626 -.560
聚类二天空可见度 .488 -.390
（N=10）围合度 -.289 .106
机动化程度 .172 .057
绿视率 .658** -.591**
总的天空可见度 -.056 .042
（N=22）围合度 .309 -.276
机动化程度 -.307 .064
绿视率与事件感维度呈显著负相关，相关系数为-0.810，而天空可见度、围合度、机动
化程度与愉悦感维度和事件感维度皆没有显著相关性；聚类二（声景评价较差）中 4 个
空间视觉的指标与愉悦感、事件感维度皆没有显著性相关性。
对于总体数据分析来说，绿视率与愉悦感维度呈显著正相关，而与事件感维度呈显
著负相关，相关系数分别为 0.658、-0.591，即对于临干道步行空间来说，提升绿视率会
显著降低行人感受的事件感，并且提升愉悦感，这不失为提高行人行走舒适度的一个好
- 124 -
方法。此外，天空可见度、围合度、机动化程度与愉悦感维度和事件感维度皆没有显著
相关性。
6.3.4 空间视觉要素与空间视觉感知相关性分析
为了探究空间视觉要素与空间视觉感知的关系，将空间视觉要素的 4 个指标分别与
空间视觉感知 4 个指标的均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类
分组的相关性分析以及 22 个样本点总体的相关性分析，结果如表 6.14 所示。
表 6.14 空间视觉要素与空间视觉感知相关性分析
Tab. 6.14 Correlation analysis between spatial visual elements and spatial visual perception
样本点视觉指标视觉舒适度感知绿化率空间开阔度总体印象
绿视率 .384 .801** -.441 .383
聚类一天空可见度 .211 -.129 .815** .204
（N=13）围合度 .251 .468 -.362 .299
机动化程度 -.350 -.411 -.128 -.528
绿视率 -.228 .108 -.295 .029
聚类二天空可见度 .534 .440 .343 .133
（N=9）围合度 -.569 -.264 -.444 -.416
机动化程度 .282 .437 .117 .320
绿视率 .449* .738** -.164 .489*
总的天空可见度 .055 -.108 .461* -.106
（N=22）围合度 .248 .431* -.215 .302
机动化程度 -.288 -.328 -.111 -.335
绿视率与感知绿化率呈显著强相关，相关系数为 0.801，其他指标皆无显著相关性。天
空可视度与空间开阔程度呈显著正相关，相关系数为 0.815；而聚类二（声景评价较差）
中四个空间视觉要素指标与空间视觉感知指标皆无相关性。
对于总体数据分析来说，绿视率与视觉舒适度、感知绿化率以及总体印象皆呈显著
正相关，相关系数分别为 0.449、0.738、0.489，即提升绿视率会显著提升行人的视觉舒
- 125 -
适度、感知绿化率及总体印象。天空可见度与空间开敞度呈显著正相关，相关系数为
0.461。此外，围合度与感知绿化率呈显著正相关，相关系数为 0.431，这意味着感知绿
化率越高，其植物、树木可能更茂密，会产生更多遮挡，因而其围合度较高。
6.4 基于主观问卷的视觉要素与声景评价
6.3 章探讨了基于街景图像的视觉要素与声景评价之间的关系，这一章的主要目的
是探讨基于主观问卷的视觉要素与声景评价之间的关系，此处的视觉要素包括视觉舒适
度、感知绿化率、空间开阔度、总体印象 4 个指标，这 4 个指标是通过主观问卷调查获
取的。
首先为了比较两种聚类下的空间视觉感知，对 4 类相关指标进行了均值分析，为了
常舒适（2），结果如图 6.18 所示。
图 6.18 空间视觉感知评价（图片来源：作者自绘）
- 126 -
研究发现聚类一的视觉舒适度感知、感知绿化率（均值=2.33、2.31）要高于聚类二
（均值=1.80、1.59），空间开阔度感知聚类一（均值=2.49）略高于聚类二（均值=2.19），
但相差较少，仅差 0.30。对于总体印象来说聚类一（均值=2.32）也明显高于聚类二（均
值=1.79）。
为了进一步探究两种聚类下空间视觉感知是否存在显著性差异，对两种聚类进行了
独立样本 T 检验，包括 Levene 方差等同检验、均值方程的 t 检验，结果如表 6.15 所示。
研究发现对于视觉舒适度、感知绿化率、空间开阔度、总体印象感知来说两个聚类均具
有显著性差异（t＞1.96，Sig.＜0.05），这也进一步证实了上述均值分析的结论。这说明
提高临干道步行空间的视觉舒适度、感知绿化率、空间开阔度可能会提升行人的声景评
价。
表 6.15 聚类一与聚类二关于空间视觉感知的独立样本 T 检验
Tab. 6.15 independent sample t-test of spatial visual perception in cluster I and cluster II
假设方差相等 3.440 .064 6.841 502 .000

视觉舒适度
假设方差不相等 6.911 437.655 .000
假设方差相等 .536 .465 8.682 502 .000

感知绿化率
假设方差不相等 8.840 448.314 .000
假设方差相等 2.368 .125 3.645 502 .000
空间开阔度
假设方差不相等 3.546 383.691 .000
假设方差相等 1.809 .179 7.626 502 .000
总体印象 7.620 422.121 .000
假设方差不相等
6.4.1 空间视觉要素与声景总体评价
为了进一步研究空间视觉感知对于临干道行人声景评价产生的影响，现将空间视觉
感知指标与声景评价聚类指标“声舒适度”、
“响度”、
“协调度”分别进行皮尔逊（Pearson）
相关性检验，包括按声景评价聚类分组的相关性分析以及总体数据的相关性分析，结果
如下表 6.16 所示。
- 127 -
表 6.16 声景总体评价与空间视觉感知评价相关性分析
Tab. 6.16 Correlation analysis between general evaluation of soundscape and evaluation of spatial
visual perception
聚类分组一般评价视觉舒适度感知绿化率空间开阔度总体印象

声舒适 .358** .255** .107 .434**
聚类一响度 -.184** -.221** .021 -.268**
（N=305）协调度 .181** .104 .014 .301**
声舒适 .176* .123 .106 .240**
聚类二响度 -.158* -.210** -.121 -.213**
（N=199）协调度 .236** .013 .160* .126
声舒适 .342** .278** .142** .410**
总的响度 -.230** -.280** -.074 -.302**
（N=504）协调度 .243** .124** .109* .266**
研究发现，对于声舒适度评价来说，聚类一中，除空间开阔度评价外，其他指标皆
与其呈显著相关性。而聚类二中仅视觉舒适度评价和总体印象与其呈显著正相关，其中，
聚类一的视觉舒适度、总体印象相关性要高于聚类二。对于响度评价来说，两聚类中，
除空间开阔度评价外，其余指标皆与其呈现显著相关性，且聚类一的相关性皆高于聚类
二。这说明，在声景评价较好的步行空间，空间视觉一些指标对于行人对声环境响度的
感知影响更大，如提升感知绿化率可以更显著的提升行人的声舒适度、协调度评价以及
降低响度评价。最后对于协调度，聚类一中视觉舒适度、总体印象评价与其呈显著正相
关性，聚类二中视觉舒适度、空间开阔度评价与其呈显著正相关性。
对于总体数据分析来说，声舒适度、协调度与视觉舒适度、感知绿化率、空间开阔
度、总体印象评价皆呈显著正相关；响度与视觉舒适度、感知绿化率评价、总体印象评
价皆呈显著负相关；这说明提升感知绿化率以及空间开阔度可以提高临干道步行空间声
景评价。
6.4.2 空间视觉要素与噪声源感知评价
为了探究空间视觉要素与噪声源评价的关系，将空间视觉要素的 4 个指标分别与噪
声源感知 5 个指标的均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类分组
的相关性分析以及 22 个样本点总体的相关性分析，结果如表 6.17 所示。
- 128 -
表 6.17 空间视觉感知与噪声源感知相关性分析
Tab. 6.17 correlation analysis between spatial visual perception and noise source perception
聚类分组空间视觉要素交通噪声人工声个人声音人群声自然声音
视觉舒适度 -.074 -.031 -.086 -.090 .126*
聚类一感知绿化率 .091 -.319** -.228** -.264** .103
（N=305）空间开阔度 -.035 .091 .076 .119* .139*
总体印象 -.074 .009 -.017 -.015 .127*
视觉舒适度 -.124 .003 -.069 -.002 .052
聚类二感知绿化率 -.168* -.099 .025 .046 .233**
（N=199）空间开阔度 -.228** -.004 .224** .173* .221**
总体印象 -.143* .063 .011 .106 .101
视觉舒适度 -.112* -.043 -.028 -.020 .104*
总的感知绿化率 -.032 -.256** -.067 -.100* .157**
（N=504）空间开阔度 -.124** .038 .159** .156** .180**
总体印象 -.121** .000 .047 .067 .123**
视觉舒适度与自然声音感知呈显著正相关，而聚类二中视觉舒适度与噪声源感知皆没有
显著相关性；聚类一中的感知绿化率与人工声、个人声音、人群声评价呈显著负相关，
而聚类二则与之相反，聚类二中感知绿化率与交通噪声显著负相关，与自然声音评价呈
显著正相关，但与人工声、个人声音、人群声评价没有显著相关性；聚类一中空间开阔
度仅与人群声、自然声音评价呈显著正相关，而聚类二中空间开阔度与个人声音、人群
声、自然声音评价呈显著正相关，与交通噪声呈显著负相关，且相关系数绝对值都大于
聚类一，这说明对于临干道步行空间的来说，空间开阔度更容易影响声景评价较差的区
域的行人对噪声源的感知；最后聚类一中总体印象仅与自然声音呈显著正相关，而聚类
二中总体印象仅与交通噪声呈显著负相关，这说明对临干道步行空间来说，在声景评价
较好的区域提升自然声音以及在声景评价较差的区域降低交通噪声可以显著的提升行
人的总体印象。
对于总体数据分析来说，视觉舒适度与交通噪声呈显著负相关，而与自然声音呈显
著正相关，相关系数分别为-0.112、0.104；感知绿化率与人工声、人群声评价呈显著负
相关，相关系数分别为-0.256、-0.100，而与自然声音呈显著正相关，相关系数为 0.157，
- 129 -
这说明感知绿化率较高的临干道步行空间，行人对人工声与人群声的感知较少，而对自
然声音的感知较多；空间开阔度与交通噪声呈显著负相关，相关系数为-0.124，而与个
人声、人群声、自然声音评价皆呈显著正相关，相关系数分别为 0.159、0.156、0.180；
最后，总体印象与交通噪声呈显著负相关，而与自然声音呈显著正相关，相关系数分别
为-0.121、0.123。
6.4.3 空间视觉要素与声景情感维度评价
为了探究空间视觉要素与情感维度的关系，将空间视觉要素的 4 个指标分别与情感
维度的 2 个指标的均值进行皮尔逊（Pearson）相关性检验，包括按声景评价聚类分组的
相关性分析以及 22 个样本点总体的相关性分析，结果如表 6.18 所示。
表 6.18 空间视觉感知与情感维度相关性分析
Tab. 6.18 correlation analysis between spatial visual perception and emotional dimensions
聚类分组空间视觉要素愉悦感维度事件感维度
视觉舒适度 .313** .018
聚类一感知绿化率 .353** -.242**
（N=305）空间开阔度 -.028 .168**
总体印象 .444** .083
视觉舒适度 .324** .016
聚类二感知绿化率 .234** .011
（N=199）空间开阔度 .110 .145*
总体印象 .266** .151*
视觉舒适度 .373** .033
总的感知绿化率 .380** -.118**
（N=504）空间开阔度 .071 .165**
总体印象 .434** .121**
由表 6.18 可知，对于声景评价聚类下的两组分析来说，两聚类下视觉舒适度与愉悦
感维度皆呈显著正相关，且聚类二（声景评价较差）的相关系数（0.324）高于聚类一（声
景评价较好）（0.313）；聚类一中感知绿化率与愉悦感维度呈显著正相关，而与事件感
维度呈显著负相关，而聚类二中感知绿化率仅与愉悦感维度呈显著正相关，且相关系数
低于聚类一，这说明感知绿化率更容易影响声景评价较好的区域的行人对情感维度的正
- 130 -
向评价；两聚类下空间开阔度皆与事件感维度呈显著正相关，且聚类一的相关系数
（0.168）高于聚类二（0.165）；最后聚类一中总体印象仅与愉悦感维度呈显著正相关，
而聚类二中总体印象仅与愉悦感维度和事件感维度皆呈显著正相关，且相关系数均高于
聚类一，这说明这说明对于临干道步行空间的来说，情感维度更容易影响声景评价较差
的区域的行人对总体印象的评价；
对于总体数据分析来说，视觉舒适度仅与愉悦感维度呈显著正相关，相关系数为
0.373；感知感知绿化率与愉悦感维度呈显著正相关，而与事件感维度呈显著负相关，相
关系数分别为 0.380、-0.118，这说明，提升临干道步行空间的感知绿化率，可以显著的
提升行人愉悦感评价，以及降低事件感评价。
6.4.4 空间视觉要素对声景评价调节效应分析
通过对 5.1.1、6.4.1 节的分析，可知临干道步行空间的声源感知与行人的声舒适度
评价具有显著相关性，并且感知绿化率与声舒适度评价也具有显著相关性。因此，在这
一章节中我们想进一步探讨噪声源感知对声舒适的影响，是否会受到感知绿化率的干扰
（调节），如图 6.19 所示。
图 6.19 调节效应（图片来源：作者自绘）
Fig. 6.19 regulation effect
研究利用结构方程模型中的调节效应进行分析。调节效应简单的说就是当一个变量
对另一个变量有影响，如果第三个变量会改变这种影响关系，那么就可以认为第三个变
量对前两个变量具有调节效应，这个变量被称为调节变量。调节变量可以是定量的 (如
工作年限、年龄、声音大小等)，也可以是定性的(如种族、性别、工作类型等)，它影响
自变量与因变量之间关系的强弱和方向（正向或负向）[155]。
（1）构建调节效应结构模型
据此，本文利用 AMOS 22.0 软件构建了临干道步行空间声景评价调节效应的结构
方程模型，如图 6.20 所示。选取了 7 个显变量构建模型，其中自变量为声源感知，包括
交通噪声、人工声、个人声音、人群声、自然声音等 5 大声源，因变量为声舒适度评价，
- 131 -
调节变量为感知绿化率。除此之外还有 5 个交互性，其数值分别为自变量与因变量的乘
积。本次研究一共提出包括 H1-H5 五大类假设，如表 6.19 所示。
图 6.20 临干道步行空间声景评价调节效应结构模型（图片来源：作者自绘）
Fig. 6.20 Structural model of soundscape perception and regulation effect in pedestrian space near trunk
road
表 6.19 临干道步行空间声景评价调节效应假设（作者自绘）
Tab. 6.19 Hypothesis of soundscape perception and regulation effect in pedestrian space near trunk
road
H1 交通噪声感知对声舒适的影响，受到感知绿化率的显著调节作用
H2 人工声感知对声舒适的影响，受到感知绿化率的显著调节作用
H3 个人声感知对声舒适的影响，受到感知绿化率的显著调节作用
H4 人群声感知对声舒适的影响，受到感知绿化率的显著调节作用
H5 自然声音感知对声舒适的影响，受到感知绿化率的显著调节作用
（2）调节效应结构模型结果分析
将 3 个样本点的 504 条问卷数据输入上述调节效应模型中，利用 AMOS 22.0 软件
计算得到调节效应结构模型的各路径系数，如表 6.20 所示，表中包括标准化路径系数
（Std）、标准误（S.E.）、检验统计量的临界比值（C.R.），和路径的显著性（P）。
根据以往的研究可知，当交互项对因变量（声舒适度）的影响显著时（P＜0.05），
则认为调节变量对其对应的影响路径有显著的调节效应。由表 6.20 可知，有 3 个交互性
的影响路径显著，分别为 H1、H2、H5，即交通噪声、人工声、自然声音感知对声舒适
的影响（Std=0.17、-0.11、0.12），受到感知绿化率的显著调节作用，其中交通噪声交
互、自然声音交互对声舒适度影响的路径系数是正数（Std=0.17、0.12），而人工声交
- 132 -
互对声舒适度影响的路径系数是负数（Std=-0.11），且交通噪声交互对声舒适度影响的
路径系数最大（Std=0.17）。
上述结果的调节效应路径图如图 6.21 所示，由图可知，交通噪声对声舒适度有显著
的负向影响，而人工声、自然声音评价对声舒适度评价并没有显著影响，因此接下来将
着重探究感知绿化率对于交通噪声和声舒适度关系的调节效应。
表 6.20 调节效应结构模型路径系数（N=504）（作者自绘）
Tab. 6.20 Path coefficient of regulatory effect structure model
假设编号路径 Std S.E. C.R. P
H1 声舒适 <--- 交通噪声交互 0.174 0.012 3.574 ***
H2 声舒适 <--- 人工声交互 -0.111 0.014 -2.431 0.015
H3 声舒适 <--- 个人声音交互 -0.111 0.021 -1.86 0.063
H4 声舒适 <--- 人群声交互 -0.002 0.018 -0.035 0.972
H5 声舒适 <--- 自然声音交互 0.123 0.015 2.579 0.01
-- 声舒适 <--- 交通噪声 -0.308 0.047 -7.585 ***

-- 声舒适 <--- 人工声 -0.024 0.031 -0.546 0.585
-- 声舒适 <--- 个人声音 0.088 0.048 1.698 0.09
-- 声舒适 <--- 人群声 0.012 0.041 0.23 0.818
-- 声舒适 <--- 自然声音 -0.006 0.035 -0.146 0.884
-- 交通噪声 <--- 感知绿化率 -0.032 0.034 -0.708 0.479
-- 人工声 <--- 感知绿化率 -0.257 0.054 -5.95 ***
-- 个人声音 <--- 感知绿化率 -0.067 0.042 -1.515 0.13
-- 人群声 <--- 感知绿化率 -0.1 0.05 -2.256 0.024

-- 自然声音 <--- 感知绿化率 0.157 0.045 3.573 ***
-- 声舒适 <--- 感知绿化率 0.138 0.037 3.281 0.001
- 133 -
路径有显著影响路径无显著影响路径存在显著调节效用
图 6.21 临干道步行空间声景评价调节效应路径图（图片来源：作者自绘）
Fig. 6.21 Path map of soundscape perception and regulation effect in pedestrian space near trunk
road
根据上述结果，可得到感知绿化率、交通噪声以及声舒适度三者之间的拟合公式，
即：
Y=（-0.308+0.174*X1）*X2+0.138*X1 (6.7)
其中，X1 为感知绿化率，X2 交通噪声，Y 为声舒适度。由此公式可知，当交通噪

声不变时，感知绿化率越高声舒适度越高。换句话说就是感知绿化率越高，交通噪声对
声舒适度的负面影响越小。
6.5 基于城市要素的声景优化策略
由 6.3 章分析可知，提升绿视率可以显著提升行人对声舒适度和协调度的评价，并
且显著降低对响度的评价；并且由 6.4.4 可知，感知绿化率越高，交通噪声对声舒适度
的负面影响越小，因此提升临干道步行空间的绿化水平可以显著改善行人的行走舒适
度。此外，由 6.4.1 可知，提升视觉舒适度、空间开阔度等也能显著提升临干道步行空
间的声景总体评价。因此提出基于城市要素的声景优化策略，即提升绿化率、视觉舒适
度、空间开阔度，接下来详细做介绍。
（1）增加绿化率
研究根据三个典型临干道步行空间的实际情况分别提出提升绿化率的优化策略，以
期提升行人行走舒适度：
- 134 -
○
1 临干道商业步行空间
对于临干道商业步行空间来说，其最大的特点就是步行空间紧临主干道，中间没有
绿化进行分割，且路边没有行道树。为提高其绿视率，具体改造策略如图 6.22 所示。
图 6.22 临干道商业步行空间改造策略（图片来源：作者自绘）
Fig. 6.22 Reconstruction strategy of commercial pedestrian space near trunk road
首先，增加其路边垂直绿化，考虑到不能对旁边的商业产生视线遮挡，因此此处选
用低矮的绿植代替行道树等高大树木，包括一些盆栽以及低矮灌木等，这些可以增加行
人的视觉享受，同时也比较符合商业氛围；其次，在步行空间中间位置增加一些绿化设
施，选用绿植与可供休憩的椅子结合的方式，这样既丰富了空间的景观层次，提升了空
间的绿化率，又可以供过往的行人进行驻足小憩。
○
2 临干道生活性步行空间
与临干道商业步行空间不同，临干道生活性步行空间路边有行道树与主干道进行分
割，但有些测点绿视率仍然不高，以测点 6 为例，提出改造策略，如图 6.23 所示。
临干道生活性步行空间虽然有行道树，但却没有垂直绿化以及可供行人休憩的桌
椅，因此首先在路旁设置可供休憩的绿化设施，在提升了绿化率的同时给行人提供了一
个驻足休憩的空间；其次，降低行道树的分支点，使绿荫向下顺延，既增加了步行空间
- 135 -
绿色覆盖率，又为行人增加了遮阴面；最后，在行道树的纵向分布方面，既要保持合理
的间距又需根据实际情况进行适当调整，一般来说行道树之间间隔 4-6m 可以保证步行
空间的绿视率连贯且舒适，当绿化率达到中度（30%-60%）时，人们对声舒适度的评价
最高[62]。
图 6.23 临干道生活性步行空间改造策略（图片来源：作者自绘）
Fig. 6.23 Strategies for the reconstruction of temporary living roads
○
3 临干道混合式步行空间
由于临干道混合式步行空间与主干道之间有一小段绿化分割，所以绿视率整体要比
前两个临干道步行空间要高，但仍有许多需要改进的地方。以测点 6 为例，提出优化策
略，如图 6.24 所示。
测点 6 步行空间紧临临街商铺，并且停车场与步行空间混在一起，且绿化较少，行
人行走舒适性差，且具有安全隐患。因此，首先改造停车场，将停车位直接开向道路的
支路，车主不经过步行空间即可直接停车或取车，这样实现了人车分流，在保证了行人
安全的同时，也提高了停车位的使用效率；其次，在停车位与步行空间之间增加绿化分
割，这样在提升了绿视率的同时减轻了噪声对行人的干扰。
- 136 -
图 6.24 临干道混合式步行空间改造策略（图片来源：作者自绘）
Fig. 6.24 Reconstruction strategy of mixed pedestrian space near trunk road
以上就三个典型的临干道步行空间分别提出了提升绿视率的优化改造策略，包括增
加路边垂直绿化、降低行道树分枝点、增加景观层次、停车位与步行空间增加绿化间隔
等一系列的措施，这些措施可以有效地提升临干道步行空间的绿化率进而提升行人的行
走舒适度，相信对其他临干道步行空间同样具有借鉴意义。
（2）提升空间开阔度
对于临干道步行空间开阔度的提升，主要措施是落实到两侧建筑上，针对新建及改
造建筑，具体如下：
a.缩短建筑长度（新建或改造建筑）。临干道步行空间旁的建筑如果过长，会使行
人产生审美疲劳，并且感觉空间较为局促，因此适当缩短建筑长度，会形成更多开阔空
间，增加了行人活动空间的同时提升了声环境品质，具体如图 6.25a 所示；b.建筑底层
架空（新建或改造建筑）。如果建筑过长，也可以通过底层架空的方式在底层形成灰空
间，从而增加空间的开阔度，具体如图 6.25b 所示；c.改变立面分布（新建建筑）。将
两侧建筑大的里面分布错开，形成开阔的视觉空间，也会提升空间的开阔度,具体如图
6.25c 所示。
- 137 -
a.缩短建筑长度（新建或改造建筑）
b.建筑底层架空（新建或改造建筑）
c.改变建筑立面的分布（新建建筑）
图 6.25 提升空间开阔度（图片来源：作者自绘）
Fig. 6.25 width of lifting space
- 138 -
图 6.26 局部空间放大（图片来源：作者改绘）
Fig. 6.26 local space enlargement
除了上述提升空间开阔度的方法外，对于新建或改造建筑还可以将局部的建筑后
退，将空间放大，后退的建筑界面与主干道之间形成独立的活动板块，供行人交流活动，
提升了空间开阔度的同时，也增加了空间层次，如图 6.26 所示。
（3）提升视觉舒适度
○
1 优化公交站台
公交站台在临干道步行空间中是一个比较常见且重要的公共设施，对其进行优化不
仅能起到美化步行空间、提升行人的视觉舒适度的作用，还能减少公交车停靠时产生的
噪音。公交站台设计可以采用半封闭的形式，如图 6.27 所示。这样不仅可以减少对行人
的视线遮挡，减轻对行人的空间压迫感，还能将交通噪声快速扩散出去；应设置简洁舒
适的座椅，供行人休憩或躲避风雨；此外还应设置上下车提示引导，公交线路时间表等
应富有设计感与站台融为一体，突出城市风貌。
图 6.27 半封闭式公交站台
Fig. 6.27 semi enclosed bus stop
○
2 避免过长且无交叉路口的步行空间
行人在临干道的步行空间行走时，体验到的是一系列连续的视觉画面，而交叉口的
出现给视觉画面带来节奏感，避免行人产生视觉疲劳，因此在设计规划之初要避免出现
- 139 -
过长且无交叉路口的步行空间，注重步行空间的视觉丰富度和节奏感可以提升行人的视
觉舒适度。
○
3 后退建筑丰富空间视觉界面
图 6.28 后退建筑丰富空间视觉界面
Fig. 6.28 rich space visual interface of backward building
将临干道步行空间的部分建筑后退，形成更为丰富的视觉侧界面及空间，增加更多
竖向转角空间，使得步行空间的视觉层次感加强，从而提升行人的视觉舒适度，如图 6.28
所示。
6.6 本章小结
本章主要目的是探究城市要素是否会对临干道步行空间声景评价产生影响。其中城
市要素包括基于空间句法的指标：步行可达性、穿行度，基于鱼眼图像的指标：天空可
视度，基于街景图像的空间视觉要素指标：绿视率、围合度、天空可视度、机动化程度，
以及基于主观问卷的空间视觉指标：视觉舒适度、感知绿化率、空间开阔度、总体印象。
通过线性回归分析与皮尔逊（Pearson）相关性检验等研究上述城市要素与声景评价的关
系。主要结论如下：
（1）明确了步行可达性与声景总体评价的相关性。对于临干道步行空间来说，声
舒适度、协调度与可达性呈显著正相关，而响度与可达性呈显著负相关，具体关系是每
增加 1 个单位的可达性，声舒适度、协调度分别显著降低 0.46、0.45 个单位，而响度显
著增加 0.49 个单位，这可能是可达性较高的步行空间，其他步行空间连通性较好，人流
量较大，导致响度较高，声舒适度、协调度降低；同时发现聚类一（声景评价较好）测
点的声舒适度、响度、协调度等与可达性的线性回归的斜率的绝对值明显高于聚类二（声
景评价较差），这说明在声景评价较好的临干道商业步行空间中，行人对于可达性引起
声景评价的改变更为敏感；此外穿行度与声舒适度、响度、协调度评价均没有显著相关
性。
- 140 -
（2）明确了步行可达性与声景其他评价的相关性。对于总体数据分析来说，可达
性与自然声音评价呈强正相关，即可达性越高，行人感受到的自然声音越少，这可能是
由于可达性越高的地方，与周围路网连通性较好，行人感受到的交通噪声等其他噪声源
增加，因而感受到的自然声音减少；此外可达性与愉悦感维度呈显著负相关；最后可达
性与视觉舒适度、感知绿化率、总体印象评价皆呈显著负相关，即可达性越高，行人的
视觉舒适度、感知绿化率、总体印象评价越低。此外穿行度与感知绿化率呈显著负相关
性。综上，基于空间句法的可达性可以部分程度的预估声景评价，即可达性较高的临干
道步行空间行人声景评价一般较差，而可达性较低的步行空间则反之。
（3）以临干道混合式步行空间为例，探讨了基于鱼眼图像的天空可视度与声景评
价的关系。研究发现天空可视度与声景总体评价以及其他单独评价皆没有显著相关性，
并且 R²都很小，因此对于临干道步行空间来说，天空可视度对行人声景评价的影响不
大。
（4）对于基于街景图像的视觉要素与声景总体评价来说，声舒适度与绿视率呈显
著正相关，响度与绿视率呈显著负相关，协调度与绿视率呈弱正相关，具体关系是每提
升 1 个单位的绿视率，声舒适度、协调度分别显著提升 0.87、0.39 个单位，而响度显著
降低 0.87 个单位。这可能是绿视率较高的临干道步行空间，提高了人的视觉舒适性并阻
挡了部分噪声源的传播，因而行人声舒适度提升，感受到的响度降低；同时发现聚类二
（声景评价较好）测点的声舒适度、响度、协调度等与绿视率的线性回归的斜率的绝对
值明显高于聚类一（声景评价较差），这说明在声景评价较差的临干道步行空间中，行
人对于绿视率引起声环境改变的感知更为敏感；此外围合度、天空可视度、机动化程度
与声舒适度、响度、协调度评价均没有显著相关性。
（5）明确了基于街景图像的视觉要素与声景其他评价的关系。对于空间视觉指标
与噪声源相关性，绿视率与人工声、个人声音、人群声评价皆呈显著负相关，即绿视率
越高，行人感受到的人工声、个人声音、人群声越小。围合度与交通噪声评价呈现显著
正相关，这可能是由于空间越围合，导致噪声源很难向远处扩散，反射的交通噪声越多，
因而行人感受到的交通噪声越多。机动化程度与交通噪声呈显著负相关；对于空间视觉
指标与声景情感维度相关性，绿视率与愉悦感维度呈显著正相关，而与事件感维度呈显
著负相关，即对于临干道步行空间来说，提升绿视率会显著降低行人感受的事件感，并
且提升愉悦感，这不失为提高行人行走舒适度的一个好方法。此外，天空可见度、围合
度、机动化程度与愉悦感维度和事件感维度皆没有显著相关性。对于空间视觉指标与空
间视觉感知相关性，绿视率与视觉舒适度、感知绿化率以及总体印象皆呈显著正相关，
即提升绿视率会显著提升行人的视觉舒适度、感知绿化率及总体印象。天空可见度与空
- 141 -
间开敞度呈显著正相关。此外，围合度与感知绿化率呈显著正相关，这意味着感知绿化
率越高，其植物、树木可能更茂密，会产生更多遮挡，因而其围合度较高。
（6）对于基于主观问卷的空间视觉要素感知与声景总体评价，研究发现两聚类下
视觉舒适度、感知绿化率、空间开阔度、总体印象感知均具有显著性差异，且聚类一均
值要明显高于聚类二；对于总体数据分析来说，声舒适度、协调度与视觉舒适度、感知
绿化率、空间开阔度、总体印象评价皆呈显著正相关；响度与视觉舒适度、感知绿化率
评价、总体印象评价皆呈显著负相关；这说明提升感知绿化率以及空间开阔度可以提高
临干道步行空间声景评价。
（7）利用结构方程模型中的调节效应进一步探讨噪声源感知对声舒适的影响，是
否会受到感知绿化率的干扰（调节）。研究发现基于主观问卷的感知绿化率对交通噪声
与声舒适度之间的关系具有显著的调节效应，即感知绿化率越高，交通噪声对声舒适度
的负面影响越小。这说明提升临干道步行空间的感知绿化率可以显著的降低交通噪声对
行人产生的负面影响。
（8）提出了基于城市要素的声景优化策略。根据 6.3、6.4.1、6.4.4 章节的分析可知，
提升绿视率、空间开阔度能以及视觉舒适度能显著提升临干道步行空间的声景总体评
价，基于这一结论提出了声景优化策略。首先分别针对 3 个典型临干道步行空间分别提
出绿视率提升策略；其次提出提升空间开阔度的优化策略：缩短建筑长度、建筑底层架
空、改变建筑立面分布以及局部空间放大；最后提出提升视觉舒适度的优化策略：优化
公交站台、避免过长且无交叉路口的步行空间、后退建筑丰富空间视觉界面。
- 142 -
7 结论与展望
7.1 总结
临干道步行空间作为与居民联系密切且分布较广的城市公共空间，深受交通噪声干
扰，研究其声景评价及其影响要素对提升城市整体空间品质具有重要意义。以往改善临
干道步行空间声环境的办法较少，通过传统的物理降噪效果不佳。本文以临干道的步行
空间为研究对象，选取了大连市 3 个典型的研究样本，分别代表临干道商业、生活性、
混合式步行空间，运用声景问卷调查与城市要素采集的方法对 22 个测点进行实验调研，
共获得 504 份有效问卷及相关城市要素数据，旨在获取临干道步行空间声景优化策略。
本文的主要创新点及结论如下：
（1）明确了临干道步行空间声景总体评价存在的差异性
通过对声景问卷中的总体评价（声舒适度、响度、协调度）进行聚类分析，研究发
现在每个样本空间声压级相差不大的情况下，3 个典型临干道步行空间的声景总体评价
皆呈现明显聚类，各测点被聚类成两组，即聚类一与聚类二，且聚类一测点声景总体评
价明显好于聚类二。这说明步行空间环境要素可能会对声景总体评价产生重要影响。
（2）明确了噪声源对声景总体评价的影响机制
研究首先对比了两聚类分组下的噪声源感知的差异，并将其与声景总体评价进行相
关性分析。最后构建了声景评价的结构方程模型，以声景情感维度为中介，来探讨噪声
源对声景总体评价的影响途径，并对比了两聚类下声景评价路径传递的差异。
明确了两聚类下噪声源感知评价的差异以及与声景总体评价的相关性。两聚类下个
人声音、人群声的评价具有显著性差异，且聚类一要高于聚类二，其他噪声源皆没有显
著性差异，这说明人的活动是产生声景评价差异的重要原因之一；其次发现可以通过降
低人工声、交通噪声或提升自然声的措施来提升临干道步行空间声景总体评价。
通过结构方程模型对声景评价路径传递进行分析，发现噪声源对声景总体评价的直
接影响较小，主要通过两个声景情感维度（愉悦感维度与事件感维度）间接影响，且经
由愉悦感维度的中介路径更为显著；愉悦感维度对声舒适度评价的影响系数最大，响度
评价次之，对协调度评价的影响最小；通过多群组分析对比两聚类下声景评价路径传递
的差异，研究发现，在声景评价较差的临干道步行空间行人对人工声感知更为敏感；聚
类一中自然声音感知对声舒适度的影响显著高于聚类二。
（3）明确了城市要素对声景评价的影响机制
- 143 -
研究将筛选出的城市要素指标（绿化率、步行可达性、空间开阔度、天空可视度等）
与声景总体评价做相关性及线性回归分析。结果发现基于街景图像的城市视觉要素中对
临干道步行空间声景总体评价影响最大的是绿化率，具体影响是每提升 1 个单位的绿视
率，声舒适度、协调度分别显著提升 0.87、0.39 个单位，而响度显著降低 0.87 个单位，
而围合度、天空可视度、机动化程度与声景总体评价均没有显著相关性；发现基于主观
问卷的感知绿化率对交通噪声与声舒适度之间的关系具有显著的调节效应，即感知绿化
率越高，交通噪声对声舒适度的负面影响越小；此外发现提升空间开阔度能显著的提升
声舒适度及协调度评价。
明确了空间句法（步行可达性、穿行度）对声景评价的影响。首先明确了步行可达
性对声景总体评价的影响，对于临干道步行空间来说，每增加 1 个单位的可达性，声舒
适度、协调度分别显著降低 0.46、0.45 个单位，而响度显著增加 0.49 个单位，而穿行度
则与其没有显著相关性；同时发现声景评价较好的临干道商业步行空间中，行人对于可
达性引起声景总体评价的改变更为敏感。其次明确了可达性与其他声景评价的相关性，
可达性与自然声音评价呈强负相关；可达性与愉悦感维度呈显著负相关；可达性与视觉
舒适度、感知绿化率、总体印象评价皆呈显著负相关。综上，基于空间句法的可达性可
以部分程度的预估声景评价，即步行可达性可达性越高，声景评价越差。
明确了天空可视（见）度对声景评价的影响。无论是基于鱼眼镜头的天空可视度（仰
视天空）还是基于街景图像的天空可见度（平视天空）都证明，天空可视（见）度与声
景总体评价以及其他声景评价皆没有显著相关性，并且 R²都较小，因此对于临干道步
行空间来说，天空可视（见）度对声景评价的影响不大。
最后根据研究结论提出了基于噪声源的声景优化策略：降低人工声、交通噪声以及
提升自然声音；基于城市要素的声景优化策略：提升绿视率、空间开阔度以及视觉舒适
度，并给出具体方案措施。研究证明了在不改变主干道交通流的情况下，临干道步行空
间声景是可以被建筑及景观设计来优化，这种优化主要通过影响人群活动或通过影响视
觉感受来实现。这对构建良好的临干道步行空间乃至城市公共空间的声环境具有重要意
义。
7.2 展望
本文以临干道步行空间为研究对象，通过主观问卷调查与客观数据采集的方式，探
究其声景评价规律及其影响要素，并提出相应的声景营造优化策略，以改善临干道步行
- 144 -
空间的声环境。但由于时间和能力有限，本研究仍存在一些不足之处，后续研究可从以
下方面进行补充：
（1）受时间和疫情的限制，研究选取的临干道步行空间样本数量相对较少，后续
研究可扩大样本区域，选取更多数量的临干道步行空间进行研究，以便更全面准确的研
究临干道步行空间的声景特征。
（2）在探究临干道步行空间城市要素对声景评价的影响时，选取的城市要素相对
较少，后续可筛选出更多城市要素做分析，如建筑宽高比、贴线率等。此外本文是人本
尺度视角探究的临干道步行空间的声景评价规律，还可以结合城市人口密度、功能混合
度、建筑密度等因素，在更大尺度范围内探讨临干道步行空间声景与城市规划层面的联
系，从而在更为宏观的层面优化临干道步行空间的声景。
（3）本文仅从声景的角度探讨了影响临干道步行空间行人步行体验的因素，其他
非声学因素，如温度、湿度、光照等亦会影响行人的行走舒适度，所以后续研究可以扩
充研究视角，以提出更为全面的临干道步行空间优化策略，提升行人步行体验。
- 145 -
参考文献
[1] 阳建强,朱雨溪,张倩.面向空间品质提升的城市更新[J].时代建筑,2021(04):12-15.DOI:10.13
717/j.cnki.ta.2021.04.018.
[2] 刘禹汐.城市高质量发展背景下完整居住社区实践初探[J].城乡建设,2021(09):32-35.
[3] 刘家灿,路晓东,李孟怡,谢庄秀.临干道步行街声环境感知与可视性关系研究[J].电声技术,202
1,45(05):10-14+31.DOI:10.16311/j.audioe.2021.05.003.
[4] 雅各布斯.美国大城市的死与生[M]. 南京：译林出版社. 2006.
[5] Murphy, E., King, E.A., Rice, H.J., 2009. Estimating human exposure to transport noise
in Central Dublin, Ireland. Environ. Int. 35, 298–302.
[6] Zhang, Y., Kang, J., Kang, J., 2017. Effects of soundscape on the environmental
restoration in urban natural environments. Noise Health 19 (87), 65–72.
[7] 孙彤宇,许凯,杜叶铖.城市街道的本质步行空间路径一界面耦合关系[J].时代建筑,2017(06):
42-47.DOI:10.13717/j.cnki.ta.2017.06.009.
[8] 中国环境保护部, 2017 年中国环境噪声污染防治报告[R]. 北京. 2017
[9] Organization, W.H., Burden of disease from environmental noise: quantification of
healthy life years lost in Europe[J]. WHO Regional Office for Europe, Copenhagen. 2011,
ISBN 978-92-890-0229-5.
[10] Klæboe, R. (2011). Environmental exposure—annoyance relationships in black and gray
urban
[11] Fuks, K.B., et al., Long-term exposure to ambient air pollution and traffic noise and
incident hypertension in seven cohorts of the European study of cohorts for air pollution
effects (ESCAPE)[J]. 2016, Eur Soc Cardiology.
[12] Mette Sørensen, Martin Hvidberg, et al., European Heart Journal, Volume 32, Issue 6,
1 March 2011, Pages 737–744.
[13] Colin Nugent, N.B., et al., Noise in Europe 2014[M]. 2014, Luxembourg: Publications
Office of the European Union.
[14] Ismail, M.R., Oldham, D.J., 2003. Computer modelling of urban noise propagation.
Build.Acoust. 10 (3), 221–253.
[15] Kang, J., Aletta, F., Gjestland, T.T., Brown, L.A., Botteldooren, D., Schulte-Fortkamp,
B.,et al., 2016. Ten questions on the soundscapes of the built environment. Build.Environ.
108, 284–294.
[16] Alves, S., Altreuther, B., Scheuren, J., 2014. Holistic concept for urban sound
planning applied to real sites. In: Proceedings of the Forum Acusticum 2014
Conference,Krakow, Poland.
- 146 -
[17] International Organization for Standardization, 2014. ISO 12913-1:2014

[18] 何谋,庞弘.声景的研究与进展[J].风景园林,2016(05):88-97.
[19] 龙瀛,唐婧娴.城市街道空间品质大规模量化测度研究进展[J].城市划,2019,43(06):107-114.
[20] 雅各布斯.伟大的街道[M].北京:中国建筑工业出版社.2009.
[21] lynch K. The Image of the City[M]. Cambridge:The MIT Press, 1960.
[22] 芦原义信.街道的美学[M].南京:江苏凤凰文艺出版社.2017.
[23] Ewing R, Clemente O. Measuring Urban Design [M]. Washington, DC: ISLAND Press, 2013.
[24] GEHL Jan，GEMZØE Lar. Public Spaces，Public Life[M].Copenhagen: Danish Architectural
Press，1996.
[25] EWING Reid，CLEMENTE Otto. Measuring Urban Design:Metrics for Livable Places[M].
Washington，DC: Island Press，2013.
[26] RUNDLE Andrew G，BADER D M Michael，RICHARDS Catherine A，et al. Using Google Street
View to Audit Neighborhood Environments[J]. American Journal of Preventive Medicine，2011，
40(1): 94-100.
[27] HARVEY Chester，AULTMAN-HALL Lisa，HURLEY Stephanie E，et al. Effects of Skeletal
Streetscape Design on Perceived Safety[J]. Landscape and Urban Planning，2015，142: 18-28.
[28] 钟文. 街道步行空间的人性化设计[D].湖南大学,2005.
[29] 赵春丽,杨滨章.步行空间设计与步行交通方式的选择——扬·盖尔城市公共空间设计理论探析
(1)[J].中国园林,2012,28(06):39-42.
[30] 邓浩,宋峰,蔡海英.城市肌理与可步行性——城市步行空间基本特征的形态学解读[J].建筑学
报,2013(06):8-13.
[31] 陈泳,赵杏花.基于步行者视角的街道底层界面研究——以上海市淮海路为例[J].城市规
划,2014,38(06):24-31.
[32] 方智果,宋昆,叶青.芦原义信街道宽高比理论之再思考——基于“近人尺度”视角的街道空间
研究[J].新建筑,2014(05):136-140
[33] 龙瀛,赵健婷,李双金,周垠,许留记.中国主要城市街道步行指数的大规模测度[J].新建
筑,2018(03):4-8.
[34] 叶宇,张昭希,张啸虎,曾伟.人本尺度的街道空间品质测度——结合街景数据和新分析技术的
大规模、高精度评价框架[J].国际城市规划,2019,34(01):18-27.
[35] 徐磊青,孟若希,黄舒晴,陈筝.疗愈导向的街道设计:基于 VR 实验的探索[J].国际城市规
划,2019,34(01):38-45.
[36] 杜坤. 基于街景影像的人本尺度街道空间规划理论与方法[D].武汉大学,2020.
[37] 赵晓龙,赵茹玥,侯韫婧,卞晴.基于多源开放数据的居住型街道空间特征与步行流量相关性研
究[J].建筑学报,2020(S2):110-114.
[38] Nilsson M.E., Axelsson Ö., Berglund B. Children's and adults' perception of
soundscapes at school; proceedings of the Euronoise, Naples, 2003 [C].
- 147 -
[39] Yang, W. and J. Kang, Acoustic comfort evaluation in urban open public spaces. Applied
Acoustics, 2005. 66(2): p. 211-229.
[40] Kang J , Zhang M . Semantic differential analysis of the soundscape in urban open public
spaces[J]. Building & Environment, 2010, 45(1):150-157.
[41] Pheasant R, Fisher M and Watts G, The importance of auditory-visual interaction in
the construction of ‘tranquil space’,Journal of Environmental Phychology. 2010,501-509."
[42] Kang J., Hao Y. Soundscape of waterscape and square on the Sheffield Gold Route
[M]//Kang J., Chourmouziadou K., Sakantamis K., et al. Soundscape of European cities and
landscapes. Oxford; Soundscape-COST. 2013: 212-214.
[43] L. Maffei, M. Masullo, F. Aletta, The influence of visual characteristics of barriers
on railway noise perception. Science of the total environment ,2013, 455-466.
[44] Jeon, J.Y., J.Y. Hong and P.J. Lee, Soundwalk approach to identify urban soundscapes
individually. The Journal of the Acoustical Society of America, 2013. 134(1): p. 803-812.
[45] Liu, J., Kang, J., Luo, T., Behm, H., Coppack, T., 2013. Spatiotemporal variability
of soundscapes in a multiple functional urban area. Landsc. Urban Plan. 115, 1 –
9.https://doi.org/10.1016/j.landurbplan.2013.03.008.
[46] Filipan K., Boes M., Oldoni D., et al. Soundscape quality indicators for city parks,
the Antwerp case study; proceedings of the Forum Acusticum 2014, Krakow, 2014 [C].
[47] Yu B , Jian K , Hui M . Effect of Design Factors on Soundscape Perception in Urban
Pedestrian Street[J]. New Architecture, 2014.
[48] Kang, J., Aletta, F., Gjestland, T.T., Brown, L.A., Botteldooren, D., Schulte-Fortkamp,
B.,et al., 2016. Ten questions on the soundscapes of the built environment. Build.Environ.
108, 284–294.
[49] Pierre Aumond, Arnaud Can, Bert De Coensel, Dick Botteldooren, Carlos Ribeiro, et al..
Modeling soundscape pleasantness using perceptive assessments and acoustic measurements
along paths in urban context. Acta Acustica united with Acustica, Hirzel Verlag, 2017, 103
(3), pp. 430-443.
[50] Jeon, J.Y., et al., A cross-national comparison in assessment of urban park soundscapes
in France, Korea, and Sweden through laboratory experiments. Applied Acoustics, 2018. 133:
p. 107-117.
[51] Kang S , Echevarria S , Bert D C , et al. Personal Audiovisual Aptitude Influences
the Interaction Between Landscape and Soundscape Appraisal[J]. Frontiers in Psychology,
2018, 9:780-.
[52] Xiaodong Lu, Jian Tang, Peisheng Zhu, Fei Guo, Jun Cai, Hongchi Zhang,Spatial
variations in pedestrian soundscape evaluation of traffic noise,Environmental Impact
Assessment Review,Volume 83,2020,106399,ISSN 0195-9255
- 148 -
[53] 葛坚 , 赵秀敏 , 石坚韧 . 城市景观中的声景观解析与设计 [J]. 浙江大学学报 ( 工学
版),2004(08):61-66.
[54] 袁晓梅,吴硕贤.中国古典园林的声景观营造[J].建筑学报,2007(02):70-72.
[55] 孟琪. 地下商业街的声景研究与预测[D].哈尔滨工业大学,2010.
[56] 张圆.城市开放空间声景恢复性效益及声环境品质提升策略研究［J].新建筑,2014,5: 005
[57] 任欣欣,康健,刘晓光.生态水体景观视觉影响下道路交通声评价的实验研究[J].声学学
报,2015,40(03):361-369.DOI:10.15949/j.cnki.0371-0025.2015.03.003.
[58] 谢辉, 辛尚 . 山地城市公园声景研究 —— 以重庆市碧津公园为例 [J]. 西部人居环境学
刊,2016, 31(05): 92-97.
[59] 于博雅. 城市商业街声景观研究[D].天津大学,2017.
[60] 吴鹄鹏.街道空间形态与界面对声环境的影响研究[D].哈尔滨工业大学,2018.
[61] 刘曦东. 声环境规划视角下不同噪声强度的城市步行空间优化策略研究[D].大连理工大
学,2019.DOI:10.26991/d.cnki.gdllu.2019.003121.
[62] 徐帆. 城市开放空间视听因素对交通噪声感知的影响研究[D].哈尔滨工业大学,2019.
[63] 邢晨. 深圳城市高密度街道声景评价及设计研究[D].哈尔滨工业大学,2021.001078.
[64] 孙玉芩. 生活性街道近人空间感知对道路交通噪声评价的影响研究[D].大连理工大学,2021.D
OI:10.26991/d.cnki.gdllu.2021.003485.
[65] 罗晓,白宇,陈晓.城市交通规划的声环境影响评价[J].噪声与振动控制,2006(04):93-96.
[66] Schultz T. J. Synthesis of So cial Surveys on No ise Annoyance[J].The Journa l of the
Acoustica l Society of America, 1978;64(2):377-405.
[67] Intemational Organization for Standardization. ISO 12913-1:2014 acoustics-soundsc
ape-part 1: definition and con ceptual framework[S]. Geneva: ISO,2014.
[68] 康健，杨威.城市公共开放空间中的声景[J].世界建筑，2002（06）：76-79.
[69] 秦佑国.声景学的范畴[J].建筑学报,2005(01):45-46.
[70] Brown A L, Kang J, Gjestland T. Towards standardization in soundscape preference
assessment[J].Applied Acoustics,2011,72(6):387-392.
[71] Intemational Organization for Standardization. ISO 12913-1:2014 acoustics-soundsc
ape-part 1: definition and con ceptual framework[S]. Geneva: ISO,2014.
[72] 王季卿.开展声的生态学和声景研究[J].应用声学，1999（02）：10.
[73] 刘江，康健，霍尔格·伯姆，罗涛.城市开放空间声景感知与城市景观关系探究[J].新建筑，
2014（05）：40-43
[74] Carlson A, Sadler B.Towards models of environmental appreciation/Sadler B, Carlson
A. Environmental Aesthetics: Essay and interpretation,eds.British Columbia: University of
British Columbia,1982.
[75] Guilford JP.Psychometric methods.London: MceGraw Hil Book Company Inc,1936.
- 149 -
[76] Lange E, Hehl-Lange S,Brewer MJ. Scenario-visualization for the assessment of

perceived green space qualities at the urban-rural fringe. Journal of Environmental
Management,2008,89(3): 245-256.
[77] 辛蔚峰.略论"声音漫步方法"在城市声景研究中的应用[J].城市建筑,2018,(29):56-57.
[78] Brown A L, Kang J, Gjestland T, et al. Towards standardization in soundscape preference
assessment[J]. Applied Acoustics, 2011, 72(6): 387-392.
[79] Liu J, Kang J, Behm H, et al. Effects of landscape on soundscape perception: Soundwalks
in city parks[J]. Landscape and Urban Planning, 2014: 30-40.
[80] F Aletta, Margaritis E , Filipan K , et al. Characterization of the soundscape in Valley
Gardens, Brighton, by a soundwalk prior to an urban design intervention[C]// Euronoise 2015.
2015.
[81] Jeon J Y , Hong J Y , Lee P J . Soundwalk approach to identify urban soundscapes
individually[J]. Journal of the Acoustical Society of America, 2013, 134(1):803.
[82] 张圆.城市开放空间声景恢复性效益及声环境品质提升策略研究[J].新建筑,2014(05):18-21.
[83] 张秦英,胡杨. 城市绿地空间声景观优化机制研[J]. 南方建筑, 2016(04): 44-46.
[84] 韩国珍 . 城市声景保护等级及相应保护策略研究 [D]. 天津 : 天津大学 , 2018
[85] ISO (2018). ISO/TS 12913-2:2018, “Acoustics—Soundscape—Part 2: Data collection
and reporting requirements” (International Organization for Standardization, Geneva,
Switzerland)
[86] 路晓东,郭飞,刘卓群,祝培生.滨海空间的声景评价比较—以大连为例[J].声学技术,2018,37
(05):482-487.
[87] Zhang X, Ba M, Kang J, et al. Effect of soundscape dimensions on acoustic comfort
in urban open public spaces[J]. Applied Acoustics, 2018: 73-81.
[88] 张东旭.汉传佛教寺院声景研究[J].新建筑,2014(05):22-25.
[89] Lee P J, Jeon J Y. Soundwalk for evaluating community noise annoyance in urban sp
aces[C]//The 9th Congress of the International Commission on the Biological Effects of
Noise-ICBEN. B. Griefahn (Ed.), ps. 2008: 595-599.
[90] Axelsson Ö, Nilsson ME, Berglund B. A principal components model of soundscape pe
rception a. J Acoust Soc Am2010;128:2836–46.
[91] Kang J , Aletta F , Margaritis E , et al. A model for implementing soundscape m
aps in smart cities[J]. Nephron Clinical Practice, 2018, 5(1):46-59.
[92] Lu X , Tang J , Zhu P , et al. Spatial variations in pedestrian soundscape eval
uation of traffic noise[J]. Environmental Impact Assessment Review, 2020, 83:106399.
[93] Raimbault M, Lavandier C, Bérengier M. Ambient sound assessment of urban environm
ents: field studies in two French cities. Appl Acoust 2003;64:1241–56.
- 150 -
[94] Cain, R., P. Jennings and J. Poxon, The development and application of the emotio
nal dimensions of a soundscape. Applied Acoustics, 2013. 74(2): p. 232-239. doi: 10.10
16/j.apacoust.2011.11.006
[95] 路晓东，安航，蔡军.街道空间尺度对声环境影响探析[J].华中建筑，2017（4）：32-37.
[96] Kang J, Tsou J-Y, Lam S. Sound Propagation in Urban Streets: Comparison Between U
K and Hong Kong [C]//The 8th International Congress on Sound and Vibration Proceedings.
Hong Kong,2001:1241-1248.
[97] Lee P J，Kang J.Effect of Height-to-width Ratio on the Sound Propagation in Urban
Streets[J].Acta Acustica United with Acustica，2015，101（1）：73-87.
[98] Picaut J, Simon L.A Scale Model Experiment for the Study of SoundPropagation in U
rban Areas [J]. Applied Acoustics,2001,62(3):327-340.
[99] 于博雅，康健，马蕙.城市步行街空间设计因素对声景感知的影响[J].新建筑，2014（5）：8
-11.
[100] Hillier B. Space is the machine:a conFig.urational theory of architecture[M]. Ca
mbridge: Cambridge University Press,1996.
[101] IHILLIER B, HANSON J. The Social Logic of Space[M]. Cambridge: Cambridge Univers
ity Press,1984.
[102] 段进.空间句法与城市规划[M].东南大学出版社，2007.
[103] 段思.基于空间句法的沈阳市浑河核心段滨水公园空间研究[D].沈阳农业大学，2020
[104] 陶伟，古恒宇，张良，等.句法视角下城市道路交通的预测研究——以广州市人民路高架桥拆
除问题为例[J].华南师范大学学报（自然科学版），2017，49（01）：80-86.
[105] TURNER A. Angular analysis[C]//PEPONIS J, WINE-MAN J, BAFNA S. Proceedings of th
e 3rd internationalsymposium on space syntax. Atlanta:[s.n.],2001:30.1-30.11.
[106] 古恒宇，黄铎，沈体雁，等.多源城市数据驱动下城市设计中的空间句法模型校核及应用研究
[J].规划师，2019，35（05）：67-73.
[107] 宋小冬，陶颖，潘洁雯，等.城市街道网络分析方法比较研究：以 Space Syntax、sDNA 和 UN
A 为例[J].城市规划学刊，2020（02）：19-24.
[108] 古恒宇，孟鑫，沈体雁，等.基于 sDNA 模型的路网形态对广州市住宅价格的影响研究[J].现
代城市研究，2018（06）：2-8.
[109] 陶伟，古恒宇，陈昊楠. 路网形态对城市酒店业空间布局的影响研究：广州案例［J］. 旅
游学刊，2015，30(10)：99 - 108.
[110] Watson, I., and G. Johnson. 1987. “Graphical Estimation of Sky View-Factors in
UrbanEnvironments.” Journal of Climatology 7:193–197.
[111] SILVA, L. T., FONSECA, F., RODRIGUES, D., et al. Assessing the influence of urba
n geometry on noise propagation by using the sky view factor[J]. Journal of Environmen
tal Planning and Management,2018,61(3/4):535-552. DOI:10.1080/09640568.2017.1319804.
- 151 -
[112] KlemenZak eK, O tir K, Kokalj . Sky-View Factor as a Relief Visualization Techni
que[J]. Remote Sensing, 2011, 3(2).
[113] Bourbia F, Boucheriba F. Impact of Street Design on Urban Microclimate for Semi-
Arid Climate (Constantine)[J]. Renewable Energy, 2010, 35(2): 343-347.
[114] 杨俊宴,马奔.城市天空可视域的测度技术与类型解析[J].城市规划,2015,39(03):54-58.
[115] Kelly C M, Wilson J S, Baker E A, et al. Using google street view to audit the b
uilt environment: Inter-rater reliability results[J]. Annals of Behavioral Medicine, 2
013,45(1):108-112.
[116] 张丽英,裴韬,陈宜金,宋辞,刘小茜.基于街景图像的城市环境评价研究综述[J].地球信息科
学学报,2019,21(01):46-58.
[117] LiX, Zhang C, Li W, et al. Assessing Street-level Urban Greenery Using Google St
reet View and AModified Green View Index[J]. Urban Forestry &UrbanGreening,2015,14(3):
675-685.
[118] Rundle A G, Bader M D M, Richards C A, et al.Using Google Street View to Audit N
eighborhoodEnvironments[J]. American Journal of Preventive Medicine,2011,40(1):94-100.
[119] Naik N, Philipoom J, Raskar R, et al. Streetscore: Predicting the Perceived Safe
ty of One Million Streetscapes[C]//Computer Vision and Pattern Recognition Workshops
(CVPRW),2014 IEEE Conference on. IEEE,2014:793-799.
[120] BADRINARAYANAN V, KENDALL A, CIPOLLA R. Segnet: A Deep Convolutional Encoder-dec
oder Architecture for Image Segmentation[J]. IEEE Transactions on Pattern Analysis and
Machine Intelligence, 2017, 39(12): 2481-2495.
[121] Goodfellow I, Bengio Y, Courville A, et al. Deep learning[M]. Cambridge: MIT pre
ss Cambridge, 2016.
[122] 叶宇，张灵珠，颜文涛，等．街道绿化品质的人本视角测度框架: 基于百度街景数据和机器
学习的大规模分析［J］.风景园林，2018，25( 8) : 24－29．
[123] LONG Y，LIU L．How green are the streets? An analysis for central areas of Chine
se cities using tencent street view［J］. PLoS ONE，2017，12( 2) : e0171110．
[124] Lu Y．The association of urban greenness and walking behavior:using google stree
t view and deep learning techniques to estimate Residents' exposure to urban greenness
［J］．International Journal of Environmental Research and Public Health，2018，15(8) :
1576．
[125] 周钰.街道界面形态规划控制之“贴线率”探讨[J].城市规划, 2016, 40(8):25-29.
[126] 张佳晖,孟庆岩,孙云晓,孙震辉,张琳琳.城市行道树绿视量指数研究[J].地球信息科学学报,
2017, 19(6): 838-845.
[127] 杨俊宴,马奔.城市天空可视域的测度技术与类型解析[J].城市规划, 2015, 39(03): 54-58.
- 152 -
[128] Liu, J., Kang, J., Luo, T., Behm, H., & Coppack, T. Spatiotemporal variability o
f soundscapes in a multiple functional urban area.Landsc. Urban Plan. 2013, 115, 1-9.
[129] 马大猷.现代声学理论基础[M].北京:科学出版社, 2004: 52.
[130] 任欣欣. 视听交互作用下的乡村声景研究[D].哈尔滨工业大学,2016.
[131] Kang J. Urban sound environment[M]. London: Taylor & Francis Incorporating Spon,
2006.
[132] 中华人民共和国国家标准. 声环境质量标准(GB 3096-2008)[S]. 北京: 国环境科学出版社,
2008: 3.
[133] 李灿,辛玲.调查问卷的信度与效度的评价方法研究[J].中国卫生统计,2008(05):541-544.
[134] 杜智敏.抽样调查与应用[M].北京:电子工业出版社,2010:706-714.
[135] 张文彤，邝春伟统计分析基础教程[M].北京:高等教育出版社,2011.
[136] 杨阳，我国城市交通噪声污染防治研究[D].山东科技大学, 2008.
[137] Qun Dai, Marc Aurel Schnabel and Bert Heusinkveld, Influence of heisht-to-width
ratio: Case study on mean radiant, Canadian Geotechnical Journal,2014,52(7):467-483
[138] Evyatar Ere11, David Pearlmutter, Daniel Boneh, Pua Bar Kutiel, Effect of high-a
lbedo materials on pedestrian heatstress in urban street canyons. Urban Climate 2013(1
0):367-386
[139] 马尧天,王祎,薛昊天,等.数据增强:基于数据支持的城市街道类型化设计
[J].北京规划建设, 2016(6):28-33.
[140] Yin L, Wang Z. Measuring visual enclosure for street walkability: Using machine
learning algorithms and Google Street View imagery[J].Applied Geography, 2016, 76:147
-153.
[141] Liu, J., Kang, J., Luo, T., Behm, H., & Coppack, T. Spatiotemporal variability o
f soundscapes in a multiple functional urban area. Landsc. Urban Plan. 2013, 115, 1-9.
[142] 张文彤，董伟.SPSS 统计分析高级教程[M].北京：高等教育出版社.2013.
[143] Mitchell, A, Aletta F, Kang, J.How to analyse and represent quantitative soundsc
ape data.JASA Express Lett. 2, 037201 (2022); https://doi.org/10.1121/10.00097
[144] Hong, J. Y., & Jeon, J. Y. (2015). Influence of urban contexts on soundscape per
ceptions: A structural equation modeling approach. Landscape and Urban Planning, 141,
78–87.
[145] Tarlao, C., Steffens, J., & Guastavino, C. (2021). Investigating contextual infl
uences on urban soundscape evaluations with structural equation modeling. Building and
Environment, 188, 107490. https://doi.org/10.1016/j.buildenv.2020.107490
[146] Tse, M. S., Chau, C. K., Choy, Y. S., Tsui, W. K., Chan, C. N., & Tang, S. K. (2
012). Perception of urban park soundscape. Journal of the Acoustical Society of Americ
a, 131(4), 2762–2771. https://doi.org/10.1121/1.3693644
- 153 -
[147] 彭正霞,陆根书.大学生创业意向的性别差异:多群组结构方程模型分析[J].高等工程教育研
究,2013(05):57-65.
[148] 赵晓阳. 基于学生参与理论的高校学生发展及其影响因素研究[D].天津大学,2013.
[149] 熊华军,马大力.本科教学满意度影响因素的多群组分析[J].教育科学,2013,29(05):24-32.
[150] 吴明隆．结构方程模型-AMOS－的操作与应用[M]．重庆：重庆大学出版社，2009.371.438.
[151] Arbuckle, J. L. (2011). IBM SPSS Amos 20 User’s Guide. Armonk: Amos Development
Corporation.
[152] 姚天宇.降噪路面技术现状及发展综述[J].城市道桥洪,2017(01):30-32+42+7.
[153] Kang, J. (2006). Urban Sound Environment. Boca Raton: CRC Press.
[154] 喻有慧. 城市公园声景设计初探[D]. 华中农业大学, 2008.
[155] 温忠麟,侯杰泰,张雷.调节效应与中介效应的比较和应用[J].心理学报,2005(02):268-274.
- 154 -
附录 A 声漫步调查问卷
性别：男□ 女□ 年龄:_________ 小组编号_________ 地点编号___________
非常感谢您能参加本次实验，请在空白处填上相关信息。本次实验将对特定路线上的特定地点进行
声景和空间视觉评价，您真实的感受就是对实验最大的支持。进行声漫步时您应停在规定的地方，
静默聆听 2 分钟，并运用所有感官感知周围的环境。听完后，填写调查问卷，一个地点的测试过程
3-5 分钟。
第一部分：声景评价
1、您目前在多大程度上听到以下三种类型的声音？
一点没有一点适度许多完全主导
交通噪声（汽车、
公交车、有轨电车等） -2 -1 0 1 2
人工声（广播声、音乐声、
装卸货声、器乐声等） -2 -1 0 1 2
个人的声音（如谈话、
笑声、脚步声等） -2 -1 0 1 2
人群声（如运动场人群声、
参与活动人群声等） -2 -1 0 1 2
自然声音（如鸟鸣、水声、
风声等） -2 -1 0 1 2
2、您对当下声环境的舒适度评价是?
-2 非常不适； -1 不适； 0 一般； 1 舒适； 2 非常舒适
3、您对听到的声环境的响度的评价是？
-2 非常安静； -1 安静； 0 一般； 1 吵闹； 2 非常吵闹
4、您觉得现在周围的声音与当前的环境是否协调？
-2 一点也不； -1 稍微； 0 适度； 1 很合适； 2 完美
- 155 -
5、请对听到的声环境产生的情感进行评价？
强烈的同意同意不同意不反对不同意强烈不同意

愉快的 2 1 0 -1 -2
混乱的 2 1 0 -1 -2
充满活力的 2 1 0 -1 -2
无事件感的 2 1 0 -1 -2
平静的 2 1 0 -1 -2
烦恼的 2 1 0 -1 -2
事件感多的 2 1 0 -1 -2
单调的 2 1 0 -1 -2
第二部分：空间视觉评价
1、您对当下环境的视觉舒适度评价是?
-2 非常不适； -1 不适； 0 一般； 1 舒适； 2 非常舒适
2、您感觉当前环境的绿化率怎么样？
-2 非常差 -1 差； 0 一般； 1 好； 2 非常好
3、您感觉当前空间的开阔程度怎么样？
-2 非常差； -1 差； 0 一般； 1 好； 2 非常好
4、总的来说，您对当前环境的总体印象怎么样？
-2 非常差； -1 差； 0 一般； 1 好； 2 非常好
- 156 -
攻读硕士学位期间发表学术论文情况
[1] 刘家灿,路晓东,李孟怡,谢庄秀.临干道步行街声环境感知与可视性关系研究[J].电声
技术,2021,45(05):10-14+31.DOI:10.16311/j.audioe.2021.05.003.（本文第六章）
[2] 刘家灿,路晓东,李孟怡,谢庄秀，崔晓鸥.临干道步行空间声环境感知与可达性关系研
究[C].第十四建筑物理学术大会论文集.北京:中国建筑工业出版社,2021:8.（本文第六章）
- 157 -
致谢
行文至此，全文将止，我亦知离告别的日子已近在咫尺。始于 2019 年金秋，终于

2022 年盛夏，总觉来日方长，却不知岁月清浅，时节如流。求学之路渐进尾声，时光里
有年少的不羁，有青春的迷茫，也有成熟之后的坦然和温暖。睹物思人，概莫能外，纵
有不舍，皆是感恩。
衷心感谢我的导师路晓东老师。回首三年来，老师给与我极大的鼓励和帮助，从论
文的选题、实验调研、数据分析到撰写成文再到最后的打磨定稿，都耗费老师极大的精
力和心血。记得第一次和路老师见面时，老师就告诉我说研究生这三年最大的收获就是
对思维逻辑的训练，时至今日我才渐渐明白其中的深意。老师严谨的治学态度、严密的
思维逻辑、睿智宽厚的学者风范和低调务实的为人原则亦如灯塔般的榜样使我终身受
益。真诚祝愿老师身体健康、工作顺利、桃李满天下。
衷心感谢大连理工大学以及建筑艺术学院在疫情期间为我们保驾护航，使我们得以
安心完成论文的写作。感谢祝培生老师、郭飞老师、刘鸣老师、王津红老师、苏媛老师、
董丽老师和张弘弛老师对我论文提出的建议和指导。同时感谢王加冕老师、郭蕊老师对
我们学习和生活上的帮助。
衷心感谢学长刘曦东、赵志强，学姐冯悦、岳晶晶，同门李孟怡、谢庄秀，学弟王
涛，学妹崔晓鸥、张小卉、石竹、邹杨，正是有你们的帮助和陪伴，我的研究生科研和
生活才充满了乐趣。感谢舍友金赫、成浩源、李志这三年的陪伴和包容，相聚是缘分，
愿前程似锦，再见依然如故。最后感谢“56 所”其他成员秦圣、何蕾、常胜杰，是你们
陪我度过课余最快乐的时光。聚是一团火，散是满天星，愿我们不忘初心，顶峰相见。
最后衷心感谢我的父母与家人。感谢你们对我二十多年来的悉心照顾和关切鼓励。
你们是我的底气，是我的动力，也是我最坚强的后盾。养育之恩，无以为报，唯有不断
努力，成为你们的骄傲。当然我也要感谢自己求学之路的坚持与努力，虽遇挫折但不曾
放弃。本科毕业时，我说希望自己一步一步，别回头，义无反顾的往前走，但现在我没
有了那么多棱角，我总希望可以回头多看看，不要迷失了来时的路。
再见，大连理工大学！再见，我的学生时代！
刘家灿
二零二二年五月于大连
- 158 -
大连理工大学硕士学位论文
大连理工大学学位论文版权使用授权书
本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间
论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有
权保留论文并向国家有关部门或机构送交论文的复印件和电子版，可以将
本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、
缩印、或扫描等复制手段保存和汇编本学位论文。
学位论文题目：《临干道步行空间声景评价及其影响要素研究》
作者签名：日期：2022 年 06 月 13 日
导师签名：日期：2022 年 06 月 13 日

刘家灿 临干道步行空间声景评价及其影响要素研究

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

刘家灿 临干道步行空间声景评价及其影响要素研究

Uploaded by

Copyright:

Available Formats

硕 士 学 位 论 文

Study on Soundscape evaluation and influencing factors of pedestrian

大连理工大学学位论文版权使用授权书 .................................................................... 159

钟文[28] 街道步行空间的人性化设 系统梳理总结了街道步行空间的设计原则和设计

基于步行者视角的街道底 通过对上海的 17 个步行街道研究，发现适宜的街

中国主要城市街道步行指 对中国各地主要城市的 70 多万街道进行了步行指

杜坤[36] 基于街景影像的人本尺度 基于街景图像数据对街道空间进行研究，并以北京

国内对于城市步行空间的系统研究相对于国外要晚一些，具体如表 1.2 所示。国内

图 2.3 声漫步调查路线及被试者位置（图片来源：Jeon J Y[81]）

Kang 等[40]利用语义细分法对多个广场进行评价对比，并获得 4 个感知维度；Axels

讨了声景感知维度的空间差异，如图 2.6 所示；Raimbault 等[93]以多个城市空间为研究样

图 2.6 高、中、低噪声步行区域愉悦感与事件感维度（图片来源：Lu X[92]）

本文根据瑞典 SQP 提供的标准声景情感维度指标，选取了愉快的、混乱的、平静

许多学者对城市要素对声环境的影响作了研究。如 Kang 等人[96]通过对于香港和英

间转化成为一个个凸多边形。目前对凸状模型的分析多选用 Depthmap 软件，可以从局

Hillier 与 Hanson 等人最早提出了轴线模型，它是运用轴线来表达城市空间的空间

图 2.13 线段模型的角度加权（图片来源：TURNER A[105]）

R 画圆，以此得到的圆形区域，但在 sDNA 中可以选择“离散型”或“连续型”两种方式

图 2.14 sDNA 搜索半径算法示意图（图片来源：sDNA 使用手册）

图 2.15 天空可视度模型（图片来源：KlemenZak eK[112]）

测的数据具有高度一致性[118]。Nikhil Naik 等基于机器学习技术对上百万张街景图片进

图 2.17 绿色植被提取结果（图片来源：Li X[117]）

以及城市中心区域的绿化情况[123]，如图 2.19 所示。Lu 等通过深度学习技术对街景图片

图 2.19 每个城市（A）及 4 中分类下（B）的城市街道的绿化（图片来源：LONG Y[123]）

综上本研究采用 SegNet 图像语义分割工具对街景图片进行分析，现有研究直接应

件园路生活性步行空间和临黄浦路混合式步行空间，如图 3.1 所示。这 3 典型步行空间

图 3.4 临干道商业步行空间 1-1 剖面图（图片来源：作者自绘）

图 3.5 临干道商业步行空间 2-2 剖面图（图片来源：作者自绘）

图 3.8 临干道生活性步行空间 1-1 剖面图（图片来源：作者自绘）

图 3.9 临干道生活性步行空间 2-2 剖面图（图片来源：作者自绘）

图 3.12 临干道混合式步行空间 1-1 剖面图（图片来源：作者拍摄）

图 3.13 临干道混合式步行空间 2-2 剖面图（图片来源：作者拍摄）

峰值；L90 表示在规定时间内，有 90%的时间（或采样数）超过该声级，可用于描述环

α= ( K/K -1) × (1- ( ∑Si2 ) / ST² ) （3.1）

KMO = (∑∑Srij2) × (∑∑Srij2 +∑∑Sαij2 ) （3.2）

近似卡方值为 4602.42，对应所的显著性水平 p=0.000<0.001，故问卷数据通过效度检验，

鱼眼镜头 7.5mm F2.8II 拍摄天空可视度照片

三脚支架 WT-3111B 支撑相机拍摄

图 3.15 CAD 构建空间句法模型（图片来源：作者自绘）

图 3.16 sDNA 网络准备（图片来源：作者自绘）

步行时间（min） 2.5 5 7.5 10 12.5 15 18.8 25

具体操作是在 SDN 工具箱中双击打开“Analysis”分析，将网络准备形成的文件拖入

图 3.17 sDNA 整体分析（图片来源：作者自绘）

最后将 sDNA 计算出的空间句法相关指标进行可视化表达，以全局可达性可视化为

基于 sDNA 的计算法则，计算出样本空间每段路径的空间可达性，如图 3.16 所示。

图 3.21 Rayman 处理全景照片（图片来源：作者改绘）

图 3.22 Rayman 处理前后鱼眼图像对比（图片来源：作者改绘）

图 3.24 SegNET 智能分割图像（图片来源：作者改绘）

通过 Seg NET 对全景照片进行自动化语义分割，可以分割识别出如下的步行空间视

由表 4.1、图 4.1 可知，声舒适度、协调度与响度呈现对立的模式，各个样本点之间

由表 4.2、图 4.4 可知，1、5、7、8 点的声舒适度（均值=1.83~2.04）和协调度（均

同样，运用 SPSS 软件对调查问卷中的声学感知指标做聚类分析。具体做法是以“声

由表 4.3、图 4.7 可知，声舒适度、协调度与响度呈现对立的模式。地点 3 和地点

此外，对于 4、5、6、7、8 点，其声舒适度均值介于 2.0 到 2.29 之间，响度均值介

此外实测期间测得的临干道混合式步行空间各点声压级 LAeq 如图 4.8 所示，声压级

结果如表 4.5 所示。研究发现，对于声舒适度评价、响度评价、协调度评价聚类一

假设方差相等 4.222 .040 5.947 502 .000

假设方差相等 12.412 .000 -5.355 502 .000

假设方差相等 25.946 .000 4.058 502 .000

假设方差相等 1.625 .203 -1.884 502 .060

聚类分组 一般评价 交通噪声 人工声 个人声音 人群声 自然声音

由图 5.2、5.3 可知，对于 4 个愉悦感形容词，聚类一地点中，愉快的、混乱的、平

假设方差相等 34.257 .000 6.165 502 .000

刘家灿临干道步行空间声景评价及其影响要素研究

刘家灿临干道步行空间声景评价及其影响要素研究

硕士学位论文

钟文[28] 街道步行空间的人性化设系统梳理总结了街道步行空间的设计原则和设计

基于步行者视角的街道底通过对上海的 17 个步行街道研究，发现适宜的街

中国主要城市街道步行指对中国各地主要城市的 70 多万街道进行了步行指

杜坤[36] 基于街景影像的人本尺度基于街景图像数据对街道空间进行研究，并以北京

聚类分组一般评价交通噪声人工声个人声音人群声自然声音

聚类分组一般评价愉悦感维度事件感维度

HA7 事件感维度 <--- 人工声 0.268 * 0.256 *

HC1 声舒适 <--- 愉悦感维度 0.591 * 0.593 *

HC2 声舒适 <--- 事件感维度 0.236 * 0.23 *

HC3 响度 <--- 愉悦感维度 -0.564 * -0.515 *

HC5 协调度 <--- 愉悦感维度 0.437 * 0.458 *

Levene 方差检验均值方程的 t 检验

Levene 方差检验均值方程的 t 检验

聚类分组一般评价视觉舒适度感知绿化率空间开阔度总体印象

路径有显著影响路径无显著影响路径存在显著调节效用