[论文解读] Diversity beyond density: Experienced social mixing of urban streets.

Zhuangyuan Fan, Tianyu Su+5 more|arXiv (Cornell University)|Sep 15, 2022

Human Mobility and Location-Based Analysis被引用 1

一句话总结

本研究提出经验社会混合度（ESM），这是一种基于美国三个大都市区50万名用户匿名移动电话数据的街道路段社会多样性度量。研究发现，尽管访客密度仅能解释ESM变异性的26%，但邻近设施、居住多样性与收入水平共同解释了44%的变异，其中餐饮业在全天候提升社会混合度方面发挥关键作用。

ABSTRACT

Urban density, in the form of residents' and visitors' concentration, is long considered to foster diverse exchanges of interpersonal knowledge and skills, which are intrinsic to sustainable human settlements. However, with current urban studies primarily devoted to city- and district-level analyses, we cannot unveil the elemental connection between urban density and diversity. Here we use an anonymized and privacy-enhanced mobile dataset of 0.5 million opted-in users from three metropolitan areas in the United States to show that at the scale of urban streets, density is not the only path to diversity. We represent the diversity of each street with the experienced social mixing (ESM), which describes the chances of people meeting diverse income groups throughout their daily experience. We conduct multiple experiments and show that the concentration of visitors only explains 26% of street-level ESM. However, adjacent amenities, residential diversity, and income level account for 44% of the ESM. Moreover, using longitudinal business data, we show that streets with an increased number of food businesses have seen an increased ESM from 2016 to 2018. Lastly, although streets with more visitors are more likely to have crime, diverse streets tend to have fewer crimes. These findings suggest that cities can leverage many tools beyond density to curate a diverse and safe street experience for people.

研究动机与目标

• 突破城市与街区层面的分析，探究社会混合如何在街道路段层面形成。
• 开发一种新度量方法——经验社会混合度（ESM），以捕捉个体在日常街道路段体验中遇到不同收入群体的可能性。
• 识别城市设计与社会经济因素如何在不依赖人口密度的前提下，独立影响社会混合。
• 评估街道路段商业构成变化（尤其是餐饮场所）对ESM随时间变化的影响。
• 在街道路段层面，探究ESM与犯罪率及感知街道安全之间的关系。

提出的方法

• 基于美国三个大都市区40个县的50万名自愿参与用户的匿名隐私保护型移动电话数据构建ESM。
• 将ESM定义为个体在街道路段日常移动过程中，遇到不同收入群体的概率。
• 使用多元OLS回归模型，估算密度、居住混合度、收入水平及场所类型对ESM变异性的贡献。
• 整合2016至2018年的纵向商业数据，分析ESM与新餐饮企业开业之间的关联。
• 应用计算机视觉模型分析Google街景图像，预测街道安全评分，并将其作为建成环境的代理指标。
• 控制街道路段长度、访客数量及县固定效应，以隔离结构性与社会经济因素的独立影响。

实验结果

研究问题

• RQ1 街道路段访客密度在多大程度上解释了经验社会混合度（ESM）的变异？
• RQ2 除密度外，哪些城市设计与社会经济因素——在街道路段层面——对ESM有显著贡献？
• RQ3 2016至2018年间，餐饮类企业数量的变化如何影响ESM随时间的变化？
• RQ4 在街道路段层面，ESM与犯罪率之间存在何种关系？
• RQ5 基于街景图像视觉分析得出的感知街道安全，与ESM及犯罪率之间的相关性如何？

主要发现

• 仅访客密度解释了经验社会混合度（ESM）变异性的26%，表明密度并非街道路段社会多样性形成的主因。
• 居住混合度、收入水平以及邻近场所的共存共同解释了44%的ESM变异，凸显了混合用途与社会经济多样性社区的重要性。
• 拥有更多餐饮类企业的街道ESM显著更高，尤其在白天，且餐饮场所对ESM的贡献超过其他场所类型。
• 2017至2018年间，新餐饮企业数量每增加100家，ESM平均提升0.008，控制其他因素后依然显著。
• ESM值较高的多样化街道通常犯罪率较低，而较高访客密度则与犯罪率上升呈正相关。
• 基于Google街景图像分析得出的感知街道安全，与ESM呈正相关，与犯罪率呈负相关，表明外观更安全的街道更有利于促进社会混合。