城市中心风环境与空间形态设计

基于南京新街口中心区80组风参数及指标因子，用最小二乘法做行人高度处平均风速比与建筑密度、围合度、平均高度原始数据的多元线性回归，得到

回归方程：

式中：——行人高度处平均风速比；

X——建筑密度，%；

Y——围合度，%；

Z——平均高度，m。

由于行人高度处平均风速比与建筑密度、围合度、平均高度原始数据的数量级和单位存在差异，上式中的各指标的回归系数难以反映影响程度的差异，因此本书将各组数据进行标准化处理，将其转化为无纲量的纯数值，便于各指标能够进行比较。本书数据标准化采用离差标准化方法，对原始数据进行线性变换，使结果映射到［0，100］区间，其计算公式如下：

其中为该数据集中的最大值.为该数据集中的最小值，则标准化的数据y1，y2，…，yn∈［0，100］。

将80组数据按照离差标准化方法标准化后，再利用最小二乘法做多元线性回归，得到回归方程：

式中：——标准化后的行人高度处平均风速比；(www.xing528.com)

X*——标准化后的建筑密度；

Y*——标准化后的围合度；

Z*——标准化后的平均高度。

该回归方程的判定系数R2为0.466，说明样本的回归效果一般；F检验的统计量F=20.393，相伴概率值P＜0.001，说明三个自变量与因变量存在线性回归关系；各自变量t检验的相伴概率值P均小于0.05(建筑密度标准化P=0.004，围合度P=0.024，平均高度P＜0.001)，说明各自变量与因变量都存在显著的线性关系。

图4-19　回归方程(2)计算所得值与标准化后的平均风速比的比较

通过图表直观地来看，将标准化后的建筑密度、围合度、平均高度代入回归方程(2)，将所得值与标准化后的平均风速比进行比较，如图4-19所示，可以看出部分区块的两个数值十分接近，但也有部分街区两个数值相差较大。将同一区块的两个数值相减取绝对值得到图4-20，差值的绝对值越小则说明两个数值的耦合度越高，差值的绝对值越大则说明两个数值的耦合度越低。

图4-20　回归方程(2)计算所得值与标准化后的平均风速比差值的绝对值

*资料来源：作者自绘

多元线性回归效果一般，主要可能存在以下的原因：①本节所用的80个街区的行人高度处风参数为南京新街口中心区实际的夏季风环境模拟结果，每个区块的风环境会受到上风向建筑空间的影响，因此并不是区块内部建筑空间单一的影响结果；②本节仅对建筑密度、围合度、平均高度三项存在明显线性相关的指标因子做了多元线性回归分析，还有部分指标未纳入考虑，同时区块单元的建筑布局、组合方式对行人高度处风环境也存在较大影响，但难以进行指标量化描述。

【结论1】虽然耦合效果一般，但通过多元线性回归分析，可以进一步确定行人高度处的平均风速比与建筑密度、围合度、平均高度存在显著的线性关系，其中，与建筑密度、围合度成负相关关系，与平均高度成正相关关系，并且从数据标准化后所得的回归方程(2)中可以看出，三个指标因子的影响程度依次为：平均高度＞建筑密度＞围合度。