噪声污染已成为人口密集城市中的一个关键环境问题[1]。长期暴露在高噪声水平下与多种负面健康影响相关，包括心血管疾病、睡眠中断和心理压力，这些都会显著降低城市生活的整体质量[[2], [3], [4]]。在高密度城市中，这种威胁不仅由于活动集中而加剧，还由于城市环境的物理复杂性，为噪声的持续存在创造了额外的途径[5]。大量研究广泛证实，城市形态变量在不同层面上共同塑造了城市声学环境。这些形态变量包括二维（2D）特征，如建筑布局[6,7]、街道网络[8]和绿地[9,10]，以及三维（3D）特征，如建筑高度[11]、建筑体积[12]和天空视野系数（SVF）[13]。具体来说，高建筑密度和密集的道路网络通常与噪声水平呈正相关[14,15]。相反，复杂的建筑形状和密集的植被通过散射和屏蔽效应有效减弱噪声[[16], [17], [18]]。此外，较低的SVF通常会导致噪声累积，因为声波反射增强[6,19]。这些发现强调了将城市形态特征纳入噪声缓解研究和城市规划实践的必要性，为更精细的噪声管理提供了理论基础。
然而，目前关于高密度城市中城市形态与噪声关系的研究仍面临重大挑战和局限性。主要问题是，大多数先前的研究依赖于规则网格作为空间统计测量和分析的单位。基于网格的空间单元将空间划分为规则且均匀排列的模式，覆盖整个研究区域[20]。基于网格的空间单元在数据处理、计算效率和方法标准化方面的优势使其在评估城市形态变量对环境的影响方面得到广泛应用[[21], [22], [23], [24]]。然而，在许多此类研究中，所研究的区域虽然包括城市核心区，但主要由低密度的郊区地区和规则、较简单的城市景观组成。相比之下，高密度城市的特征是复杂的几何形状，不规则的建筑布局和街道网络构成了城市结构。基于网格的空间单元常常简化并忽略了高密度城市环境中复杂且异质的形态特征和配置[[25], [26], [27]]。因此，当应用于这种高度复杂的城市环境时，基于网格的空间统计单元可能会表现出明显的局限性[28]。例如，位于网格边界上的建筑物常常被分割成多个部分，导致其独立的几何结构和拓扑信息丢失[[29], [30], [31], [32]]。这种分割在计算建筑覆盖率、平均高度和建筑体积等城市形态变量时可能导致扭曲和简化。基于网格空间单元对连续城市形态的这种扭曲和简化会削弱模型将城市形态与噪声关联起来的解释能力和准确性，从而影响研究结果在噪声管理和城市设计指南中的适用性和可靠性。鉴于基于网格的空间单元在提供精确的城市形态特征表示方面的局限性，一些研究转向了基于向量的空间单元，这些单元将地理特征表示为离散对象，并使用不规则多边形来更准确地描绘空间特征[33]。例如，基于加权栅格平面的自适应Crystal-Growth Voronoi图已被提出，用于通过模拟连续的社会经济背景来准确划定服务区域[[34], [35], [36]]。尽管适应城市环境的不规则服务区域向量单元可以捕捉城市街区的异质性，但在高密度城市中应用自适应Crystal-Growth Voronoi图时仍受到限制，因为它们仍然依赖于规则单元作为构建不规则向量的基础。在这样的高密度城市环境中，规则单元倾向于分割连续的建筑实体，并忽略了建筑属性的复杂性。Karges等人[34]的一项最新研究提出了一种基于封闭镶嵌单元的基于向量的空间单元，以满足声学模拟模型中城市形态分析的空间复杂性和精度要求。封闭镶嵌单元是使用Voronoi镶嵌方法生成的基于向量的空间单元，其中建筑轮廓而不是规则单元作为计算形态特征的锚点。这种基于建筑轮廓的向量单元在实现更准确的城市空间模式表示和捕捉空间异质性方面表现出优势[34]。它有潜力为制定基于证据的城市政策和促进可行的城市治理提供坚实的分析基础。然而，先前的研究主要集中在构建空间单元时的二维向量属性上。在以垂直度为特征的高密度环境中，忽略三维属性会导致对城市结构的部分和不准确的表示。
此外，规则网格特别容易受到可修改区域单元问题（MAUP）的影响，这是一个众所周知的统计问题，其中空间分析和建模的结果会因所选空间单元的尺度而显著变化[[37], [38], [39]]。多项研究已经证实了这种敏感性，强调了仅依赖规则网格时可能出现偏见或不一致的结果[40,41]。例如，Margaritis和Kang[23]发现，城市形态与噪声水平之间的关系在250米、500米和1000米的尺度上发生了显著变化。同样，Song等人[42]表明，总建筑几何形状对噪声的影响在300米、600米和1200米的尺度上存在显著差异，表现出明显的尺度依赖性和方向性变化。这种尺度依赖性的不一致性削弱了分析结果的可解释性，并限制了研究结果在指导城市规划和政策制定方面的可靠性。因此，开发结合城市结构三维属性的基于向量的空间单元，以及确定适当的分析尺度，对于准确探索高密度城市中城市形态对噪声水平的影响至关重要。解决这一问题是本研究旨在填补的第一个研究空白。
除了空间统计单元的局限性之外，城市形态影响噪声水平的机制本质上是非线性的，比传统线性模型所能充分捕捉的要复杂[43]。几十年来，研究人员一直依赖线性回归和空间计量经济学技术来研究形态特征与噪声水平之间的线性关系[22,44]。然而，这些方法在检测阈值效应和变量之间的相互作用方面存在局限性。文献中的矛盾发现说明了基于线性假设的不足。例如，Salomons和Berghauser Pont[45]认为，平均噪声水平随着道路网络密度和车辆公里的增加而增加。相反，Tang和Wang[46]报告称，在老城区，狭窄的街道、复杂的道路网络和密集的交叉口往往减少了交通流量，从而有助于控制噪声污染。Guedes[12]也得出了类似的结论，指出密集的道路网络可以限制车辆流动并控制噪声水平。这些不一致性表明，线性模型无法完全捕捉形态-噪声相互作用的非线性和依赖性。因此，进一步研究非线性关系和城市形态变量之间的相互作用效应对于全面理解城市形态如何影响噪声水平是必要的。解决这些非线性机制是本研究旨在填补的第二个研究空白。
因此，本研究有两个目标：（1）开发一个基于形态的向量空间单元框架，该框架保留了三维建筑属性的几何完整性，并减轻了基于网格的分析中固有的尺度依赖性偏差；（2）应用机器学习方法，在适当的尺度上揭示城市形态变量与噪声水平之间的潜在非线性和相互作用效应。
