摘要：近年来，社交媒体的迅猛发展极大地增强了特定事件或事物的传播能力，特别是在城市空间中，线上互动与线下参与相结合的新兴现象——网红打卡点的兴起，已成为城市文化传播和经济发展的重要方面。本研究旨在探讨建成环境对网红化现象的影响，特别是在街区层面的经济旅游效应。不同于
导读
近年来，社交媒体的迅猛发展极大地增强了特定事件或事物的传播能力，特别是在城市空间中，线上互动与线下参与相结合的新兴现象——网红打卡点的兴起，已成为城市文化传播和经济发展的重要方面。本研究旨在探讨建成环境对网红化现象的影响，特别是在街区层面的经济旅游效应。不同于以往侧重于经济旅游视角的研究，本文以上海市中心城区为案例，运用小红书平台数据，识别出具有较高网红潜力的街区。结合文献综述和研究区域特性，本文构建了一个包含五个维度、27个指标的建成环境评估框架。通过实地考察和Spearman相关性分析，本文揭示了不同建成环境维度对网红街区形成的可能影响。研究结果不仅丰富了网红现象与城市空间关系的讨论，也为城市规划师和决策者在理解和应对空间网红现象、制定相关政策方面提供了实证支持。
本文字数：10071字
阅读时间：31分钟
作者
俞屹东，上海同济城市规划设计研究院有限公司
王嘉彬，上海同潇建筑设计有限公司
蒋希冀，西安建筑科技大学建筑学院
曹馨丹，上海同潇建筑设计有限公司
网红街区、社交媒体、建成环境
随着社交媒体平台的快速发展，越来越多的事物凭借互联网的传播效应引发流行效果，催生了一系列“网红化”标签衍生场景。其影响范围逐步扩大，其中就包括了“网红打卡地”、“网红打卡街区”等场所信息的传播。这一网红场景拥有特殊的传播行为模式，线上与线下的双重互动机制推动了区域经济发展与提升城市空间活力。
基于上述背景，本文基于多元异构数据对上海市的网红街区进行识别与探究，深入了解网红街区的形成和发展机制。通过综合分析来自不同数据源的信息，可以帮助我们识别出影响网红街区兴起的关键因素，包括商业结构、基础设施、建筑风格等。有助于城市规划者和决策者更好地理解网红现象背后的原因。进行代表性街区分析，通过其建成环境要素与优势劣势探索网红街区形成机制。深入挖掘网红街区的特点和内在规律。通过比较不同街区区块的建成环境要素，可以揭示出网红街区内部之间的不同特点，从而更好地理解其吸引力和竞争力。有助于我们更全面地认识网红街区的发展路径和机制，为创造网红街区环境条件提供有效建议。
#1
相关概念界定
1.1 网红
“网红”概念原指在网络中受欢迎的人或物[10]。随着互联网的高速发展，“网红”一词也得到更广泛的传播与使用，词性也从名词衍生至形容词，用来描述在网络上很热门的一种现象或业态，例如网红餐饮、网红景点、网红穿搭等[11][12]。1.2 街道与街区
Gutman认为街道具有社会与空间两种属性，其一是街道地面与街道建筑物二者组合而成，其二是街道具有社会意义和文化价值，街道空间可以促进人与人之间的交流互动[13]。Rapoport将街道看做实体空间，主要强调其交通功能[14]。在本文中街道定义为由道路两侧建筑或者设施围合的线性空间。街区则是由不同的道路围合成的空间或在街道的基础上进行向外辐射一定范围的区域。1.3 网红街道
网红街道目前尚未有明确定义，本文结合网红与街道定义进行界定，凭借视觉吸引力或较佳体验感等具备一定特色的空间要素，被广泛分享在社交媒体平台或其他互联网平台中，在较短的时间内收获了来自不同地区的人群的高度关注[15]，以街道为物质空间载体的区域，称之为网红街道。#2
研究思路与内容
2.1 技术思路
本文首先根据小红书数据通过不同层级的筛选，确认最终的研究范围。而后根据相关文献进行建成环境的客观因素角度，也就是自变量进行五个维度的量化指标要素构建，再通过人群活力表征，用大众点评打卡数来进行网红化评价指标-因变量的构建。对以上指标进行量化后，通过数据分析分别选取出两条街道代表性街区区块进行实地调研。对实际调研结果进行合理推断与猜测，通过上述已量化的因变量自变量指标进行相关性验证，最终对影响网红街区产生的因素进行分析和讨论。
图1 基于多元异构数据的网红街区识别及建成环境影响分析-技术思路 图片来源：作者自绘
2.2 研究范围确定
本文首先将分层级筛选，进行研究范围的确定。研究空间层级数据来源为，根据5个上海打卡相关tag，话题下分别进行最新与最热爬取数据。得到共计10280组，包含发帖时间、用户名、帖子标题、具体内容、喜欢数。进行数据处理去重降噪后，最终得到7587条有效数据作为确定研究范围的依据。
2.2.1 市域层级
本文将所得小红书数据进行词频统计，得到前55处网红打卡点，并分别生成前55条词频网红打卡词云图与前900条整体词云图2、图3、图4、图5。
图2、图3、图4、图5 前55条词频网红打卡词云图与前900条整体词云图 图片来源：作者自绘
从词云图中可以看出在整体数据中美食、咖啡、艺术、展览、建筑都具有着较高的出现率。直观的反映了人们在上海更倾向于在什么样的场景下选择哪种类型的网红打卡地进行活动。从55个网红打卡点的市域层级散点分布图与热力图6到图12来看，绝大部分网红打卡点仍然集中在市中心范围内，仅少部分热门IP如迪士尼或者具有特色的地点如崇明岛、朱家尖，位于非市中心。
图6、图7、图8、图9 网红打卡点的市域层级散点与聚类分布图 图片来源：作者自绘
2.2.2 区域层级
从不同比例尺的网红打卡点热力图以及聚类分析图6到图12来看，能够划分出位于市中心的三个研究区域。分别为
图13、图14区域一：衡复地区；
图15、图16区域二：外滩区域；
图17、图18区域三：徐家汇区域。
图13、图14 区域一 衡复地区
图片来源：作者自绘
图15、图16 区域二 外滩区域
图片来源：作者自绘
2.2.3 街道层级
三个区域均拥有各自的特点，区域一衡复地区与区域二外滩区域中网红打卡点数量较多，其中区域一的网红打卡点丰富性更强。所以选择区域一衡复地区进行下一层级的筛选。筛选过程当中发现由街区作为网红研究区域不仅可以串联起多个网红打卡点，还能够形成聚集效应。而网红街区可以在接近人的尺度更大大限度的带动周围区域活力值与经济效益发展。所以本文最终选择网红街区作为研究对象，而不是单独的网红打卡点。
选择位于区域一衡复地区的富有商业气息的南京西路与历史街区武康路进行接下来的研究，二者有网红的共性，也有不同之处便于本文进行更全面的建成因素推断。
2.2.4 最终研究范围
最终研究范围选取位于上海市黄埔与静安两区的南京西路与徐汇区的武康路。将两条网红街道根据十字路口进行打断划分区域，并且由于需要进行网红街区的研究，范围有一定扩散，同样将与两条街道道路相交的路段纳入研究范围。最终共计58个研究区块如图19、图20，作为本研究的研究区域。
图19、图20 最终研究区域南京西路与武康路
图片来源：作者自绘
2.3.1 网红化评价指数
网红化评价指数离不开相应的网络打卡行为，这种行为来源于人的主观意识，能够很好的反应人对当前场所的分享欲望从而进行拍照打卡，同时能够体现场所内的活动人数水平。因此本文选取能够代表人群活力的大众点评打卡数据作为网红化评价指数的相关数据，同时也是与建成环境要素相对的以人行动为主的因变量。
2.3.2 网红街区环境影响因素
成网红街区环境影响因素本质上是指在街区当中各种环境要素里能够起到建成驱动作用的要素，这些要素对人类活动也就是网红化体现产生着直接或间接的影响。因此，在选择环境影响因素相关指标时，需要全面考虑网红街区中多维度的环境特征，确保所选要素具有代表性和全面性。
通过对相关文献进行综合分析，我们可以发现，多数学者从街区视觉、形态、功能、设施等几个维度进行城市街区环境影响因素的分析。这些因素是影响街区内人群活动的重要指标，并且他们可以从不同的角度反映街区空间的特征与质量。其中，街区视觉因素较为直观的体现了从人视角来观察街区的状态，为单一从环境视角分析影响因素增加了不同的角度。而街区形态反映了街区本身的基本属性与特征，街区功能能够体现人群在当前场所能够进行的活动场地性质，街区设施情况能够体现场所内部拥有多少可停留与活动的点位与交通便利程度，对人群活动有着较大影响。而在此基础上，网红化场所中有较为明显的商业聚集性，人们往往也更愿意在此停留，针对网红街区的这一性质本文引入了街区商业构成的相关影响因素。
综上所述本文最终选取街区形态、街区视觉、街区功能、街区设施5个一级指标；街道空间形态、临街建筑形态、自然视觉、人造视觉、功能混合度、土地使用结构、消费情况、业态结构、交通设施、POI指标10个二级指标；街道空间宽度、街道空间长度、临街建筑物密度、临街建筑物平均高度、临街建筑物通透性、临街建筑平均楼龄偏差值、临街建筑平均楼龄、绿视率、天空可视率、街道空间色彩丰富度、街道空间透视度、用地功能混合度、土地利用混合度、居住区密度、办公区密度、绿地率、消费多样性、消费水平、消费偏差值、业态均衡性、业态混合度、商业密度、交通设施密度、与公交站距离、与地铁站距离、POI密度、POI丰富度共计27个三级指标作为网红街区影响因素。不同环境影响因素以及其计算方式如下表1所示。
表1 网红街区环境影响因素
2.4 数据获取
网红化评价指数数据本文选取大众点评数据，获取上海市大众点评相关数据包括店铺名称、平均消费价格、具体位置与经纬度、打分评价、评论数等共计105万组数据，通过本文划分的58个研究区域，以街道宽度中心向外100米进行延伸作为范围，通过经纬度获取指标所需数据，进行相关数据计算。
网红街区环境影响因素数据获取：
（1）街区形态数据
街道空间形态数据通过测量获取街道长度，以符合人群行为活动为原则，用十字路口进行街道区块的划分。街道宽度则采用街道中心线与建筑基底矢量信息，（于开源CAD城市建筑数据网站获取，部分缺失由奥维互动地图补充）向外侧做最宽为30米的缓冲区，以最小缓冲区的外墙定义为街区侧界面线，计算整体面积/长度得到最终街区宽度。
临街建筑形态数据通过获取OSM临街建筑底面积相关数据，缺失部分采用奥维地图进行补充。进行计算后获得临街建筑形态相关数据。
（2）街区视觉数据
采用百度街景地图作为数据源，通过在研究范围内街道每50米进行人视角正前方，左侧转角90°，右侧转角90°分别进行图像获取，得到数量为3张的一组场景照片进行分析（影像均选用春季与夏季）。获取街景图像后基于深度学习的全卷积网络（FCN）软件进行图像语义分割与识别[16]，分别计算出研究所需相关视觉元素在图像中所占比例。（3）街区功能数据
根据现状用地情况，计算出研究范围内功能混合度与土地使用结构。其中绿地率数据采用基于Google Earth Engine遥感云计算平台，利用美国陆地卫星Landsat 5/7/8/9遥感影像计算的逐年度NDVI最大值数据集，获取到中国30米分辨率逐年最大NDVI数据集。导入GIS根据研究区域的划分进行每个区块的NDVI均值生成。
（4）街区商业结构数据
与（1）采用同样数据来源，为上海市大众点评数据组。以街道宽度中心向外100米进行延伸作为范围，进行相关数据筛选与计算。
（5）街区设施数据
通过地图识别与测量获得交通设施相关数据。爬取上海市内研究区域所在区（静安区、黄浦区、徐汇区）POI数据后，以街道宽度中心向外50米进行延伸作为范围，进行相关数据筛选与计算。
#3
分析与讨论
3.1 网红化评价指数以及环境影响因素特征
3.1.1 网红化评价指数特征
街区点评数侧面反应了研究区域中人群到访数量，并且有着较高意愿进行打卡分享。在可视化图示中与实际调查情况相结合能够看出拥有较为低价人均消费水平业态更多的研究区域，点评数量会更多。而有些商场则采用此方法进行引流，吸引更多的人流量，让人们进入商场后再进行更高的消费从而提升区域内部的消费总量。
3.1.2 环境影响因素特征
（1）街区形态
两个街区均位于市中心地带，符合小街区密路网的形态特征。但是从整体来看，武康路的街道宽度要小于南京西路。推测由于南京西路高度发达的商业体系，建筑界面后退较大，留有方便于人群活动的集散广场等地。但在与南京西路相交的支路上大部分宽度较小。武康路则是拥有更多的历史建筑供人们近距离欣赏与拍照打卡。
武康路较南京西路而言不同区域的建筑物密度更加均衡一些，南京西路中段商业街区比较发达的区域建筑密度会比其他区域有较为明显的升高。武康路相较于南京西路界面连续性会更强，街道内部的建筑风格较为统一连贯。
南京西路中不同区域建筑楼龄有着较大的波动，新老建筑交错林立。但在武康路中大部分的区域建筑总体来看都拥有较为古老的历史。整体建筑平均楼龄要大于南京西路。
从建筑平均楼龄来看武康路整体要大于南京西路，与其同时武康路内部区域的楼龄也大于南京西路整体（除部分类似有静安寺等高龄历史建筑的区域），推测是由于武康路内部丰富的历史建筑与少量的新建建筑所导致。
图22 街道宽度可视化图示
图片来源：作者自绘
图23 街道长度可视化图示
图片来源：作者自绘
图24 临街建筑物密度可视化图示 图片来源：作者自绘
图25 临街建筑物平均高度可视化图示 图片来源：作者自绘
（2）街区视觉
武康路绿视率整体较大于南京西路，北部绿视率较高且分布均匀。南京西路不同研究区域绿视率有着较大的差异。南京西路整体天空可视率较大于武康路，推测与前述临街建筑连续性与绿视率有关。
南京西路由于丰富发达的商业建筑与多种多样的活动举办改变街区露天构筑物家具与建筑外立面，因此拥有较高的色彩丰富度。武康路则是建筑风格较为统一，色彩丰富度较低。
南京西路较多的大体量商业建筑，多采用具有光折射性的外立面，并且有更多的透光面设置在门市位置，吸引人流进入商场。而武康路较多的历史建筑，开窗较小，大部分为小而美的精品店进行可见度的营造。
（3）街区功能
有商业与办公性质的建筑往往位于临街两侧，居民区更多的则是位于区块内部，同时具有相应的配套设施。
武康路中整体都具有较高的NDVI指数，植被覆盖程度较为平均，通过实地考察发现其中较为低矮的建筑与高大乔木结合形成以上状态。南京西路由于有数量较多的商业化建筑和硬质铺装与广场，植被覆盖程度较低。
图32 用地功能混合度可视化图示 图片来源：作者自绘
图33 土地利用混合度可视化图示 图片来源：作者自绘
图34 居住区密度可视化图示 图片来源：作者自绘
图35 办公区密度可视化图示 图片来源：作者自绘
图36 绿地率可视化图示
图片来源：作者自绘
（4）街区商业化结构
武康路内部商业业态整体不如南京西路发达，消费多样性虽然整体处于一个较为平均的状态，由于场地限制业态并不会特别丰富齐全，但仍然具有自己的特色，比如在街道主路间隙中隐匿的花店画廊餐饮服务的组合区域。南京西路由于多个大型商场与临街商铺的多种组合形式与种类，消费多样性除了在居住区内部基本上都处于较高的水准。
在南京西路中，在高端商场较多的的区域人均消费水平也随之上涨。而武康路中没有大型商场的存在，人均消费水平靠街间的小店进行拉高，因此极大值不会像南京西路那样高。
从消费偏差值来看，很明显南京西路具有更加两极分化的人均消费情况，并且和上述人均消费高的区域有重合现象。通过实地调研发现，商场内部负一层、一层底商人均消费价格较低，但是随着楼层的上升，人均消费也进行显著的升高，造成了消费偏差值的上涨。武康路中消费偏差值较为稳定，与其内部无大型高端商场有一定的联系。
南京西路有着较为丰富的商业业态，但在以居住区为主的区域业态均衡性有着明显的下降。武康路整体的业态均衡性小于南京西路，其中以大量的餐饮业与少量的服装售卖，文化服务为主。
南京西路由于丰富的商业业态开发，与较高的建筑楼层高度，在大部分区域中有着较高的商业密度，集中在恒隆、芮欧等商场所在研究区域内部。武康路整体商业密度都较低，推测可能是由于较低的建筑高度，历史文化保护建筑较多的缘故。
图37 消费多样性可视化图示
图片来源：作者自绘
图38 消费水平可视化图示
图片来源：作者自绘
图39 消费偏差值可视化图示
图片来源：作者自绘
图40 业态均衡性可视化图示
图片来源：作者自绘
（5）街区设施
武康路内部相较于南京西路离公交站距离较远的区域更多一些，通过实地考察发现，公交站点对研究区域内部的人流量影响没有很明显的体现。武康路整体都离地铁站更远，而南京西路内部拥有多个地铁站以及不同的出入口，通过实地考察发现地铁站对人流量有着极大的影响，在地铁站附近设置尺度更加亲人的临街商铺或者小吃街能够极大的引流使人群停驻。
图43 业态混合度可视化图示
图片来源：作者自绘
图44 商业密度可视化图示
图片来源：作者自绘
图45 与地铁站距离可视化图示
图片来源：作者自绘
图46 POI密度可视化图示
图片来源：作者自绘
图47 POI丰富度可视化图示
图片来源：作者自绘
3.2.1 南京西路街区区块
南京西路街区选择21号区块作为代表性案例进行分析，区域内部以及延伸范围包括丰盛里、张园、吴江路步行街（部分）正在商业业态方面极具多样性，而由于张园自身定位为较高消费的奢侈品展示售卖区域，丰盛里与吴江路为更加亲民的商业业态，之间有一定冲突但也带来了互补的机遇。其中张园内奢侈品经常与热门IP联名或通过内部奢侈品店铺举办快闪活动，产生短时间内的流量爆发，形成具有时效性的网红打卡点，但在密度较高的活动排期下场地内的人流量能够长时间保持，并且可以为场地进行标签化，让人们的脑海中对此地的认知发生改变更倾向于搜索当前场地是否举办了什么新活动来进行打卡，在未举办活动时也能吸引部分人群进行拍照打卡，而21号区域拥有上海特色石库门建筑等一系列优越的环境因素条件，能够支撑无活动时的打卡拍照。比如丰盛里与吴江路步行街中有部分网红店可以吸引人群，在其中的临街餐饮商铺，由于内部空间有限会将餐桌椅子摆在门店外侧供顾客进行休憩，部分商家会随意摆放纸箱或者懒人沙发在门外营造松弛感，比起隔着门窗以上做法显然更能吸引人群停留。在南京西路中拥有较为丰富并且有特色的商业业态，整体POI密度与丰富度较高，交通条件良好紧邻地铁站，21号区域大部分人流均来自地铁站并且凭借上述环境能够很好的提高留存度。
自然条件植被覆盖率与绿视率较低，多为建筑与硬质铺装，但商家会进行盆栽绿植的摆放营造氛围，美化环境，也有部分大型场所的植物摆放需求会选择假花，虽然过近的观察会发现缺点，但是由于整体数量多远距离效果好，非常适合打卡拍照，符合网红传播的特性。临街建筑楼龄高，连续性与色彩丰富度较高，通透度与天空可视度均有良好体现。
3.2.2 武康路街区区块
武康路街区选择43号区块作为代表性案例进行分析，在武康路中拥有较为丰富并且有特色的商业业态，包括画廊、花店、部分餐饮场所。大部分商业并不临街,但临街设置了铁艺大门通往内部路，门附近为临街花店在其店铺基础上对门店附近内部路进行了植物装饰，花店本身通透度较高内部装饰性强，有许多游客进行打卡拍照。同时良好的景观效果与植物带来的自然属性，无法一眼看透的内部道路均吸引着人群进行探索。因此43号区块虽然整体POI密度较低，交通条件较差，但仍旧能够凭借道路指引与店铺特性吸引较多人群前往。
自然条件植被覆盖率与绿视率高，临街建筑楼龄高，连续性较高，建筑风格较为统一具有历史感，虽然商业业态有所不同但是有整体性，氛围感强，给拍照打卡创造有利条件，但由于植被以及建筑物的影响天空可视度较低。
图49 武康路43区块实景图
图片来源：网络与作者拍摄
通过环境影响因素特征概述以及可视化图示发现，部分指标不符合正态分布，所以选取Spearman系数进行相关性的验证[17]。表2 网红化评价指数以及环境影响因素Spearman系数
从上表2可知，利用相关分析去研究网红化指标分别和上述27项三级指标的相关关系，使用Spearman相关系数去表示相关关系的强弱情况。具体分析可知：
网红化指标与临街建筑物平均高度（p
网红化指标与绿地率（p
网红化指标与街道空间宽度、长度、临街建筑物密度、临街建筑物平均楼龄偏差值、天空可视率、街道空间透视度、土地利用混合度、消费偏差值、交通设施密度、公交站距离无相关关系。
网红化指标与商业密度、POI密度、消费多样性、绿地率、业态均衡性最具有相关关系。
#4
结论与讨论
在当前城市发展的研究中，网红打卡点的兴起和传播现象引起了广泛关注[18]。本研究针对上海市中心城区的网红化现象进行了深入分析，探讨了建成环境对网红街区形成的影响。通过综合考量街区形态、视觉特征、功能布局、商业结构以及公共设施等多个维度，研究发现了一系列显著的相关性，为理解网红现象背后的城市空间因素提供了新的视角。首先，研究指出建筑物平均高度与网红化指标存在显著的正相关性，这可能归因于高层建筑能够提供更多的商业空间和兴趣点，从而吸引人群聚集。同时，办公楼作为人流的重要来源，其密度的增加也对网红化产生了积极影响。然而，高层建筑可能带来的距离感可以通过合理的底层商业规划得到有效缓解。
其次，研究结果显示绿视率与街区功能中的绿地率均与网红化指标呈负相关，这可能是因为在上海市中心较为紧凑的街道空间中，过多的植被可能会造成视觉遮挡[19]，不利于网红打卡点的形成。此外，居住区密度与网红化指标的负相关性揭示了日常生活场景难以激发分享和打卡的欲望，同时物理障碍如围墙和栅栏也限制了外来人群的参与。
在商业结构方面，研究发现消费多样性、商业业态的均衡性、混合度和商业密度均对网红化有正面影响，而消费水平的负相关性则表明较低的价格能够吸引更多的人流进行消费和打卡。尽管消费偏差值在统计学上并不显著，但研究推测在研究区域内存在多种业态构成方式，这可能是导致这一结果的原因。
最后，街区设施的研究中发现，地铁站与网红化指数有着显著的相关性，表明地铁系统为网红打卡点提供了大量人流。相比之下，公交站点的影响则不明显，这可能与上海市高效的地铁系统有关，使得大多数人更倾向于选择地铁作为出行方式。
综上所述，本研究不仅为城市规划师和决策者提供了关于网红现象与城市空间关系的实证研究结果，也为未来的城市设计和政策制定提供了重要的参考依据。然而，本研究也存在一些不足。例如，可以网红化指数的选取上面进行更多维度的组合，能够增加网红化指数的全面性。通过指数的增加后续可以进行较为复杂模型的构建，进一步深入分析影响网红街区建成环境的驱动因素，可以更好地帮助我们理解网红现象的形成机制和演变规律，为城市规划和管理网红化街区提供更有针对性的策略和建议。
参考文献（上滑查看全部）
[1]Che W,Yang M,Li J.The Impact of Internet Celebrity Economy on sustainable city design:from the perspectivesof economics and carbon emissions[J].Sustainable Cities and Society,2021:103631.
[2]Pan,Weian."Research on the coordination between tourism economic development and environmental protectionin"Internet celebrity city"--Based on short video platform."IOP Conference Series:Earth and Environmental Science.Vol.632.No.5.IOP Publishing,2021
[3]贺佳婴,季玉群.休闲文化产业发展中城市特色商业街开发初探[J].东南大学学报(哲学社会科学版),2013,15(S1):29-31.DOI:10.13916/j.cnki.issn1671-511x.2013.s1.007.
[4]朱旭佳,罗震东.从视觉景观生产到乡村振兴:网红村的产生机制与可持续路径研究[J].上海城市规划,2018(06):45-53.
[5]Jingyi X ,Zhendong L ,Jiyu Z , et al.Research on the Distribution Characteristics of Internet-Famous Space in the Mobile Internet Era:A Case Study on the Main Urban Area of Hangzhou, China[J].China City Planning Review,2022,31(02):40-52.
[6]汪劲柏, 穆艳霞, 王治元. 互联网时代城市空间运营热点地区的分布与发展特征研究——以上海“网红打卡地”为例[J]. 城市发展研究, 2022, 29 (10): 19-26.
[7]黄婧.基于多源大数据的西安回坊生活性街道活力测度研究[D].西安建筑科技大学,2021.
[8]Grellier J,White MP , Albin, et al. BlueHealth: A study programme protocol for mapping and quantifyingthe potential benefits to public health and well-being from Europe's blue spaces[J]. BMJ Open, 2017, 7(6).
[9]邹闻婷.城市公园空间活力多维综合评估及影响因素探究[D].东南大学,2021.DOI:10.27014
[10]王昀, 徐睿. 打卡景点的网红化生成：基于短视频环境下用户日常实践之分析[J]. 中国青年研究, 2021, (02): 105-112.
[11]张高洁,骆蓓娟.消费社会视域下“网红打卡地”的媒体奇观及其批判[J].东南传播,2019(10):11-13.DOI:10.13556/j.cnki.dncb.cn35-1274/j.2019.10.005.
[12]袁青,李亚辉,冷红.短视频中的城市风貌感知特征研究——以哈尔滨为例[J/OL].南方建筑:1-13[2024-04-08].http://kns.cnki.net/kcms/detail/44.1263.TU.20240301.1104.002.html.
[13] R Gutman. The streets generation[M]: MIT Press.
[14]Rapoport.a. Pedestrian street use:culture and perception[M]: Columbia Press, 1987.
[15]王斌,李曜宇.基于平台媒介的新闻分发：演进阶段、核心机制与现实启示[J].当代传播,2024,(02):41-47+57.
[16]Yao, Y., Liang, Z., Yuan, Z., Liu, P., Bie, Y., Zhang, J., … & Guan, Q. (2019). A human-machine adversarial scoring framework for urban perception assessment using street-view images. International Journal of Geographical Information Science, 33(12), 2363-2384.
[17]Hauke J, Kossowski T. Comparison of Values of Pearson's and Spearman's Correlation Coefficients on the Same Sets of Data[J]. Quaestiones Geographicae, 2011, 30(2):87-93.
[18]孙琼,王中胜,王魁,等.炫耀性旅游信息对旅游意向的影响——基于自我评价维持理论的视角[J/OL].资源开发与市场:1-15[2024-04-10].http://kns.cnki.net/kcms/detail/51.1448.N.20240318.1156.003.html.
[19]曾晓茵,高俊.网红旅游街区建构的话语研究——清迈宁曼路街区案例[J].中国生态旅游,2023,13(04):555-569.
春节征集 | 这个让《雷雨》在四合院上演的街区，藏着多少惊喜？
理论研究 | 共享城市理念下城中村更新改造研究——以成都伏龙小区为例
点击图片阅读全文
理论研究 | 更新空间，更新生活：外滩街道山北街区更新和治理一体化机制探索
点击图片阅读全文
来源：中国城市规划网
