基于地理空间分析与无监督学习的城市声环境原位测量点优化选址方法研究

本研究针对传统声景观研究中测量点选择缺乏系统性的问题，创新性地结合封闭式镶嵌（ET）与高斯混合模型（GMM），建立了融合城市形态、功能与环境变量的空间特征分类体系。通过目的性抽样策略，在德国维尔茨堡案例中识别出能全面表征声环境多样性的测量点位，为城市声环境（UAE）研究提供了标准化选址框架，对提升声景观研究的生态效度及城市健康规划具有重要意义。

　　

城市声环境研究长期面临一个核心矛盾：测量点的选择既需要反映真实的声学特征，又受制于研究者主观判断带来的偏差。传统方法依赖专家经验或简单分层抽样，难以系统捕捉城市空间异质性，导致声景观数据可比性和代表性不足。这种局限性直接影响噪声治理、公共健康评估等决策的科学性。尤其在全球城市化加速背景下，有害声环境对心血管疾病、睡眠障碍等健康风险的关联已被WHO等机构确认，开发客观的声环境测量方法成为紧迫需求。

德国研究团队在《Journal of Environmental Management》发表的研究中，提出了一种数据驱动的解决方案。通过整合建筑形态、路网结构等21项形态计量指标（如建筑朝向stbOri、街道剖面宽度sdsSPW）与POI（兴趣点）密度、多样性等功能变量，构建了九类空间特征类型。研究采用三步法：首先基于封闭镶嵌单元（ETC）量化城市形态，继而通过高斯混合模型聚类识别特征类型，最后运用普通最小二乘回归（OLS）解析形态-功能关系，指导目的性抽样选址。维尔茨堡案例验证显示，维度（dI）和连通性（CI）是影响POI分布的关键因子（R²
=0.72），而历史城区（特征类型7）与工业区（类型8）呈现出截然不同的声学潜力特征。

关键技术包含：1）基于OpenStreetMap数据构建ETC空间单元；2）采用momepy库计算42项形态指标；3）高斯混合模型聚类确定最优特征类型数（k=9）；4）1200米半径覆盖度（CR）量化POI可达性；5）结合最大/最小变异抽样选取21个代表性测量点。

研究结果部分：

1. 空间特征识别：通过建筑面积（sdbAre）、共享墙比例（mtbSWR）等指标，将维尔茨堡划分为9类特征区域，如低密度住宅区（类型0）呈现松散布局与自然声景特征，而中世纪老城（类型7）则因高密度混合使用呈现复杂声学动态。
2. 城市功能模式：POI分析显示中心区Simpson多样性指数达0.47，显著高于郊区（类型4/5），证实功能混合度与声源多样性存在空间分异。
3. 形态-功能关联：回归表明维度（dI）对POI密度解释力最强（β=0.855,p<0.01），而连通性（CI）显著影响覆盖度（β=0.615），为声源分布预测提供量化依据。
4. 环境影响因素：噪声水平（L_den

55dB）与POI密度呈负相关（β=-0.425），人口密度则正相关（β=0.515），揭示声环境与社会因素的复杂互动。

1. 测量点选址：基于变异谱系选定的采样点涵盖工业区（高机械噪声潜力）至河滨绿地（生态声景代表），实现声学场景的全谱系捕获。

该研究创新性地将城市形态学框架应用于声环境研究，其方法论价值体现在三方面：首先，ETC单元克服了传统网格法人为划分边界的缺陷；其次，高斯混合模型相比K-means更能识别非连续空间的相似特征；最后，目的性抽样策略有效平衡了样本代表性与内部异质性。尽管未直接测量声学参数，但建立的形态-功能代理模型为声景观假说生成提供了新范式，如推测高dI/CI区域可能具有更动态的声环境特征。

研究局限性在于采样点可能邻近临时噪声源（如施工现场），未来需结合街景数据细化选址。但这一框架已展现出跨学科潜力，不仅适用于噪声地图优化、健康城市规划，还可扩展至城市热岛、空气污染等多维环境分析。正如作者Fleischmann等强调的，当城市形态"编码"了功能特征，其声学印记便成为诊断城市健康的新维度——这正是本研究带给城市规划者的关键启示。