1、大数据与城市街道互动式营造

1.1大数据时代下的景观设计发展趋势

大数据的概念源自20世纪80年代,由于第三次世界浪潮计算机的出现,人､计算机和信息产生了大量的信息融合｡在一般意义上,大数据是指无法在可容忍的时间内用传统IT技术和软硬件工具对其进行感知､获取､管理､处理和服务的数据集合[1]｡而设计指的是具有结论的计划或是执行计划的形式与程序,属于人为干预[2]｡景观设计即通过在整体环境空间进行的人为干预与参与｡大数据与景观设计本身就具有共性——人的干预,并都有中间媒介,大数据技术基于互联网和计算机,而景观设计基于设计手段｡所以在大数据技术中提出景观设计始终围绕“人”来展开,需要观察人的真实需求,想办法通过设计来满足需求,并随时间不断迭代改进｡

图1次要主题分布图

通过在知网中搜索文献内容,以“大数据”作为主要主题,以“景观设计”作为次要主题进行筛选｡从次主题(景观)可以发现,大数据在景观设计中关键词为情感分析､多源数据､地理信息系统､智慧景区,漫游系统等(图1)｡可以推测大数据技术在景观设计中的应用大致可分为多源数据､地理信息系统､人工智能和公众参与4个主要研究方向,大数据技术已逐渐成为景观设计的重要研究手段,并贯穿设计的全过程[3]｡从研究应用层次中可以看出,工程研究占比最多,为132篇,其次是技术研究,为96篇,说明大数据技术在景观设计方面的意义以实践指导为主,以将大数据以应用设计的手段用到景观空间中(图2)｡从学科分布上看,共涉及23门学科,以建筑工程领域为主,占35.53%(图3)｡

图2研究层次分布图

图3学科分布图

1.2城市街道空间的现状与发展

1.2.1城市街道空间的概念｡公共空间的定义最初属于地理学范畴,后面扩大到社会学和政治哲学类的范畴,其概念在1950年代被提出,指的是由人组成的社会性群体所处的开放空间以及开敞空间[4]｡城市街道空间介于城市空间之中,指的是城市中建筑实体之间存在着的开放空间,是城市中供居民日常生活和社会生活公共使用的外部空间,是进行各种公共交往活动的开放性空间场所[5]｡日本建筑师芦原义信在《外部空间设计》中提及“外部空间是没有屋顶的建筑,是由人创造的有目的的外部环境,是比自然更有意义的空间”｡结合其概念可知,城市公共空间是城市外部空间的延伸,说明了城市外部空间即城市街道空间对于整体城市建设以及人类发展的积极性｡城市街道空间是城市中社会文化关系以及社交行为的重要载体,也是城市整体规划的重要评判体系｡

1.2.2目前城市街道的现状与问题｡基于青岛市和南京市两地的城市景观建设,发现目前中国的城市街道样貌与形态上呈现出同质化､模块化､形式化特征,人与自然､城市景观过于割裂,城市文化与场所记忆缺乏,体现出如今城市公共空间景观与城市整体规划对于人这个要素的忽略[6]｡

以南京市浦口火车站旧址前广场和旧街道景观空间为例,作为在城市中拥有人文遗址景观的公共空间,其文化性､历史性､开放性都相对较高,但其空间活力与周边公共区域相比明显不足,途经率高､停留率低,并存在历史遗址保护缺失､公共空间异化､本土文化内涵同质化的问题(图4､图5)｡导致此地活力与互动率低下,地块无法有效促进经济消费｡

图4场地问题总结

图5场地问题分析图

1.3城市街道中的互动式营造

“互动”一词在城市与城市街道皆因人的活动行为而产生,而大数据技术也以人､人机和社会产生的信息作为数据基础｡这二者之间都通过“人”这个载体相连｡而城市公共空间与大数据也存在一定因果关系,设计心理学将人在周边环境的行为和心理作为构建城市公共空间的最大依据｡城市街道中的互动式营造通常有3种:公共决策互动､人与自然互动､人与社会互动｡

2、大数据技术在城市街道互动中的应用

2.1全过程大数据构建城市街道互动性评价体系

大数据技术在城市街道景观中的应用范围主要分为3个部分2个阶段｡第一阶段为大数据采集与获取和大数据分析两部分,通过以数据本身作为前期城市街道的调研依据｡第二阶段为数字化模型,通过数据来构建数学模型,比如数字化的互动小品等｡而在第一阶段又分为5个步骤:数据采集､数据处理､评估指标确定､数据可视化及综合分析｡数据采集是通过采集城市街道的实时数据,包括车流量､人流量､交通状况､气象数据等各种因素｡数据处理是通过把数据从原始状态转化为可操作的形式,在此可以应用多种科学算法,包括数据挖掘､机器学习和大数据分析等,以从数据中提取有用的信息,从而转化为第二阶段｡

2.2数据采集与数据分析

2.2.1人与街道距离舒适性数据分析｡在全过程体系中,数据采集和分析属于前期调研｡城市街道空间是一个复杂多样的环境空间,包括了历史､文化､社会､适用人群等｡根据环境行为和心理学,在城市外部空间中,人的社交距离按照人的亲疏关系分为4种｡第1种为亲密距离,适用于家人和情侣,距离为0~0.46m,主要社交为分享爱意､保护等亲密行为｡第2种为个人距离,适用于个人与朋友之间,距离为0.46~1.20m,以对话手势等沟通方式来社交｡第3种为社交距离,适用于职场等工作和应酬场合｡这个距离也已经超出了个人可支配范围,为1.20~3.60m,主要社交为适当的规矩和礼貌,并不过多涉及私密｡第4种为公众距离,也是当代社会中最多的社交距离,是人与公众,也就是彼此为陌生人的距离,通常为3.60~7.50m｡基于街景地图､百度地图等平台,通过录城､GIS､WGIS等数据可视化平台,将每天不同时刻人与人之间的最大距离､人与街道建筑的最大距离进行点对点的统计和测量,可测算出街道的互动舒适性,并按照用户的不同来设计不同需求的互动性景观｡比如在个人距离区中,可设置半围合空间的休闲空间,对于处在公众距离区的城市街道,人流量和互动量需求大,一方面可以扩大空间来吸引更多客流量,另一方面可设立全开放式的互动方式,以2024年爆火的淄博烧烤为例,淄博烧烤的街区大部分设立在室外的街道中,更能吸引用户注意｡加上美食调动了游客的多重感知器官,比如烧烤的香味､户外吃烧烤的人刺激视觉,引发从众心理｡

2.2.2录城PinSurvey的互动设施数据采集与分析｡城市街道中的互动性一方面来源于街道空间,另一方面取决于互动性设施的设置｡比如垃圾桶､路灯､座椅等这些基础设施,可以很大程度提升城市街道的舒适度,让人们愿意停留在街道空间中｡第二方面,这些设施本身就具有互动属性,可以单一或组合成为小型的休闲空间｡以录城PinSurvey软件为例,它致力于深度挖掘城市问题,并提供大数据分析工具和可视化工具｡图6为调研街道中的基础设施和基本自然环境分布和数量情况,调研地点为南京浦口火车站附近老旧社区附近街道,可以看到南京浦口火车站的水体､主要绿化､主体建筑和历史遗址､主要交通设施等基本条件｡根据标志和拍照点位对应可以得到街道和社区内安置的路灯和垃圾回收站设施,可以发现路灯48处､垃圾收集站1处､垃圾桶若干(图7)｡结合现场调研发现,路灯数量虽足够,但照明程度不够,导致人们不愿意夜晚出行,同时垃圾回收站不足｡

图6浦口火车站附近街道基本设施分布图

图7场地路灯和垃圾收集站分布图

3、城市步行街互动性的大数据实例

城市步行街是根据街道的围合程度以及功能划分的城市街道｡城市步行街属于过渡街道空间,并不承载主要的居住､商业､行政等功能,而主要承载休闲娱乐功能,所以城市步行街中互动性研究能较好地分析出整个城市公共空间的活力程度｡而对于城市步行街的大数据分析,不应只停留在街景地图､高德地图等地理数据平台,还应使用大众点评､携程､去哪儿等文旅的APP和平台,结合文化､人的喜好程度等来分析城市步行街｡本研究以“去哪儿网”APP为调研实例对象,以数据爬虫技术采集数据,并用规划云､简道云､WGIS等进行数据可视化分析,得到城市步行街的互动程度高低以及各地对城市步行街互动需求的不同｡

3.1以“后羿采集器”进行“去哪儿网”数据采集3.1.1技术路线以及实现路径｡选择了去哪儿网中的攻略部分采集数据,以步行街为关键词进行搜索,从官网上可以初步采集得到13774个相关搜索的目的地,有2000个相关的旅游攻略｡但并不能满足全面深层次知道景观优劣的需求,所以进一步通过后羿采集器中的流程识别系统对前150个城市步行街中名称､地址､游玩时间等数据进行采集,并通过深入采集选项进入每个目的地的链接网页,对评分､热门评价等数据进行采集,总共需要3个步骤5个流程｡

(1)流程图采集｡流程图采集采用手动输入技术指令的方式进行,先打开“去哪儿网”网页指令进入需要获取的地区步行街页面｡通过每一步数据点击,再次进行提取､循环,最后进行翻页的命令,进行多次数据采集,从而多次获得数据｡该方式可以在较短的检索时间内检索更多内容,但不容易筛选针对性的调研数据｡(图8､9)

图8数据采集流程图

图9数据大样图

(2)智能深入采集｡后羿采集器中通过人工智能算法将手动输入的指定编入可互动的网址中｡进入智能分析网页后,网页信息将实时识别各类信息段,比如地点､时间､好评差评等｡在智能识别采集过程中,可选择需要的信息段进行采集,并且可点击网页链接进行深入采集,比如可进入评价链接,生成具体评价语义的数据｡最后生成实时数据表格,再继续筛选和对比表格中不需要的数据(图10､11､12)｡

图10采集器中的智能模式

图11智能采集过程

图12智能采集中的深入采集过程

3.1.2数据样本｡通过数据采集后导出的Excel形式的数据,总共从13774个数据中采集了150个样本数据｡采集的数据类型包括了文本数据､数字数据以及链接数据｡数据标题共11种,采集程度从浅到深分别为:关键词､步行街名称､具体地址､省市地址､建议游玩时间､简介､评分(5分满分)､景点名次､点评数以及热门评论､本地游客占比､旅游攻略数｡其中步行街名称､具体地址､省市地址､建议游玩时间是第一层,是步行街的基础信息,可以看步行街在国家和省市区域的分布状况,也能第一眼让旅客得知自己想去的步行街的位置｡评分､景点名次､本地游客占比､旅游攻略数为第二层,可以帮助找出样本内的最优步行街,帮助游客进行选择｡简介､点评数以及热门评论是最深层次的数据信息,是基于用户使用体验后得出的数据｡可以通过这两组数据模拟构建出用户最想要的步行街样貌,设计者和管理部门可以从中得出关键词,从而优化现存的街道互动性设计(图13､14)｡

图13去哪儿网站中城市步行街数据(前40名)

图14去哪儿网站中城市步行街数据(后40名)

图15去哪儿网站中城市步行街数据(前5名)

3.2城市步行街互动性数据分析由图13~14可得到基础性的可视化数据,但数据仍然杂乱和繁多｡不能全面且准确地得知城市步行街的分布状况､活力程度以及受喜爱程度｡通过进一步的可视化软件数据分析,可以准确通过评分､地区分布等筛选得知全国步行街的示范点,也可以筛选出全国最亟须改进的步行街｡以去哪儿网中数据为例,分为3个部分进行数据分析:①150个基础步行街信息数据分析;②步行街评分排行和活力程度数据分析;③基于评论和简介的城市步行街关键点数据分析｡

基于后羿采集器出来的数据表格,可以初步筛选出步行街的综合热度,但因区域热度和旅游城市热度并不能深入各项数据进行对比｡将综合热度排名前40名的步行街与其后40名进行对比,可以得知,福建厦门中山路步行街､重庆解放碑步行街､哈尔滨中央大街步行街､福建厦门鼓浪屿步行街､湖北武汉汉江路步行街为综合热度前5,这些步行街是城市中热门旅行打卡地和旅游景点,游客互动指数和搜索指数较高｡而对应评分为4.5､4.6､4.7､4.6､4.5｡都在均分及以上,也证明热度和满意度存在一定关联(图15)｡

3.2.1“微词云”分析｡从图16中可以筛选出1个主题和4个关键词｡最大的主题为感受,说明人们在城市步行街中最重要的是感受和体验,也说明了城市街道互动性的重要性｡而4个关键词则对应了公众对于城市步行街最需要的互动行为是商业､购物､美食､建筑(图16~18)｡再进一步分析围绕在主关键词旁的次关键词,比如“商业､购物”说明城市步行街中的互动关键在于以消费为导向,而“美食建筑”都具有强烈的地域风格,比如厦门中山步行街以欧式建筑和闽南小吃为主｡再比如北京前门大街,其中热门点评和简介都阐述这里京味十足,说明了用户更依赖于拥有地域和本土特色的互动而词云中“欧式､夜景､建筑”等词语也可以看出这一特点｡

图17数据网络相关线路图

图18数据关键词语频次图

3.2.2“简道云”分析｡图19､20都以150个步行街数量进行统计,图19以时间为权重,发现占比最大为建议游玩2~3h,占64%,占比最小的是1h以内和3~5h,可以分析出人们在步行街中停留的时间较长,而步行街的建议游玩时间也反映了此步行街中的丰富程度｡图20以评分和时间为权重,发现用户对步行街的喜爱欢迎程度也和时间有关,呈正向关系,频次最高的2~3h的步行街,评分也是在4.6~4.7之间,属于平均评分之上(图19､20)｡

图19步行街建议游玩时间

图20步行街建议游玩时间和评分图

4、数据反映下的城市街道互动性策略

基于以上数据采集和分析得到的调研可知,街道互动性和街道空间布局和设计息息相关,主要分为2个部分:以人的感受和体验为导向;以人的消费为导向｡两者都以人的基本行为和心理为主,所以也基于人的客观感受——五感层面,以及人的主观感受——心理层面｡

4.1多感官交互设施与人的活动和社交

通过对人在步行街公共空间活动数据分析,得知人们在户外最常使用的互动设施为美食摊贩,特产商贩和休闲座椅器械,发现人更易被多重感官的互动设施吸引｡比如步行街中的美食摊贩,满足了游客的嗅触味觉等多种感官｡比如休闲座椅设施满足了游客触觉

4、数据反映下的城市街道互动性策略

基于以上数据采集和分析得到的调研可知,街道互动性和街道空间布局和设计息息相关,主要分为2个部分:以人的感受和体验为导向;以人的消费为导向｡两者都以人的基本行为和心理为主,所以也基于人的客观感受——五感层面,以及人的主观感受——心理层面｡

4.1多感官交互设施与人的活动和社交

通过对人在步行街公共空间活动数据分析,得知人们在户外最常使用的互动设施为美食摊贩,特产商贩和休闲座椅器械,发现人更易被多重感官的互动设施吸引｡比如步行街中的美食摊贩,满足了游客的嗅触味觉等多种感官｡比如休闲座椅设施满足了游客触觉知觉以及聊天等多种活动需求｡多感官交互设施将嗅､听､视､触､感5种人真正的体验感受融入公共设计和景观中｡比如嗅听感官交互,以高频次的美食街空间为例,将不同食物气味和不同声音环境结合,创造出不一样的社交场所｡巴美慧等[6]通过将几组气味和几组声音进行实验配对,得出声音和气味之间存在正相互影响,并且发现在城市公共空间中,人们更喜欢偏向自然的声音和气味｡再比如视嗅触感官交互,同样以高频词出现的休闲座椅为例,叠加树池以及草阶的座椅设施,能够延长使用者的停留时间｡

4.2人文互动营造与人的场所记忆

通过词云对人评价的数据可以得知,人对城市街道的互动来源更注重地域特色和人文特色｡而近几年,随着旧城改造政策出炉,市井文化越发流行｡市井文化实际上就是人对城市中长期生活环境的记忆,也是人对于身份的基本诉求｡以南京市和青岛市为例,南京市以江南文化和民国文化为主,而青岛市则以海洋文化､里院文化､异国文化为主,这两者存在很大区别,2个地区的居民也存在不同的场所记忆｡具体营造措施主要有以下2个方面:①重塑文化和集体记忆强的空间｡将拥有集体记忆的场所,比如早餐铺,菜市场,游乐园等空间进行功能保留,并增加公共空间进行参与性活动｡②因地制宜确定地域性文化特色｡这一点的缺失也是产生景观同质化的根本因素,所以需要提取本土文化的特色和城市各要素融合｡比如南京的梧桐树植物营造;青岛市里院文化中心长方形公共院落空间等｡

参考文献:

[1]李国杰,程学旗.大数据研究:未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考[J].中国科学院院刊,2012,27(06):647-657.

[2]王受之.世界现代设计史[M].北京:中国青年出版社,2002.

[3]朱文霜,王步乾.大数据下景观规划设计的可视化分析[J].湖南包装,2021,36(03):9-13.

[4]陈竹,叶珉.什么是真正的公共空间?——西方城市公共空间理论与空间公共性的判定[J].国际城市规划,2009,24(03):44-49+53.

[5]周波.城市公共空间的历史演变[D].成都:四川大学,2005.

[6]邱慧,易欣.城市公共景观的互动式营造[M].北京:北京化学工业出版社,202.

[7]巴美慧.城市公共开放空间的嗅听交互研究[D].哈尔滨:哈尔滨工业大学,2021.

文章来源:程欣靓.基于大数据技术的城市街道景观的互动式营造[J].现代园艺,2025,48(17):121-125.