街景识威海
街景识威海
Q
诶?这是什么视频,看着很有意思嘛!
这是威海街景的动态化识别,威海街景的拓展应用。
A
Q
哦,街景呀,你们在威海项目中是怎么应用街景技术的呢?
唔~~~
既然你诚心诚意的问我,那我就大发慈悲的告诉你!
A
(一)大量街景怎样处理?
先来科普一下街景的处理方法吧
A
街景是现代城市中较易获得的一种大数据(具体获得方法在这里就不多做阐述了),相比较于街景的获得方法,其巨大的数据量以及如何处理,才是一个难点。
本次项目中,通过跨学科与信息学院的合作,利用了人工智能中的卷积神经技术,通过FCN(Fully Convolutional Networks for Semantic Segmentation)全卷积神经网络和深度学习要素识别数据集,批量对街景数据中所包含树木、绿化、道路、机动车、天空、人行道等在内的多项场景要素进行识别。
(二)为什么要用街景来解析城市?
Q
那你们到底得出了什么结论呢?
我借助街景的解析,得出了四大结论:
——环山不见山;
——拥湾不见海;
——有心不凝核;
——慢行不通达。
A
Q
可是~~~~~这些结论通过现场调研,不用街景也能得出来吧?
确实,从表面上来讲,这些结论不需要通过街景也能得出,但是使用街景的真正目的可不是为了得出这些结论哦,就让我来好好和你唠唠吧!
A
Q
愿闻其详~~~~
那我就从两个方面来给你讲讲吧:
——结论的客观性支撑
——设计的指导传达
A
1.结论的客观性支撑
固然,通过传统的实地丈量性调研、问卷、访谈等工作,也能得出相应的上述四点结论。但是在大尺度的城市设计中,不可避免的要切割地区,分派不同的人手去不同的地区调研,会造成以下几点弊端:
不同人的思维方式、美学价值观等感性因素的影响,对于调研结果也会有影;
在汇总调研信息的时候,难免会有信息上的遗漏缺失;
大尺度的城市设计中,调研精度达不到小尺度的精细,且分片区调研易造成结论的片面化。
街景是人眼所见的客观事实,通过计算机的对于街景要素的解析过后,则较好的避免美学价值观等一些感性因素,同时街景基本覆盖全城、数据量巨大,是从城市整体层面上的分析,可以有效的避免信息传递以及结论片面化的问题。
当然实地调研是必须的,在实地调研的基础上通过街景的分析,得出的结论更加客观。
本次威海项目对威海中心城区范围进行了全覆盖的街景抓取,共采集了90多万张街景,对六大街景意象点进行了全面的分析,我们发现仅有3个强观山意象点,1个强水体感知区,6个强都市意象感知点,3条连续的步行轴线,结合我们的实地调研经验,最后才得出上述四项结论。
Q
那街景是如何对于设计进行指导传达的呢?
莫急莫急,听我细细讲来。
A
2.设计的指导传达
街景虽然是大量的图片数据,但其属性中具有空间坐标,具有空间落地性,这也是要进行街景分析的真正意义所在。
在威海项目中,借助街景的空间落地性,我们不仅发现了 “山海城人”强弱感知区的数量,同时还获得了强弱意象感知区的具体落点,这些落点就是我们下一步要设计的重点,意象薄弱地区,我们要有针对问题进行设计,意象感知强的地区则应该借助优势强化特点。
Q
能具体展开讲讲吗?~~~~
好吧,那就以山和城为例讲讲。
A
(三)街景指导设计
在山这一方面,通过街景,我们发现其共有两个强意象感知区、三个强意象感知点,以及若干的弱意象感知点和意象感知极弱点,针对不同的点,我们提出了不同的设计策略。
针对强山体感知点,为了突出其山体的优势自然资源,在棉花山东侧感知节点和塔山公园感知地点处设置了花画路径,以吸引人流,突出特色。
针对山体感知的薄弱区域,我们分析了其影响感知的原因,提出了相应的针对性的策略——沿山底层带,并给出了相应的意象模式。
而在城这一方面,通过街景,我们发现其有三个强意象感知区、五个强意象感知点,整体意象感知都偏强,但是缺少真正的都市核心,非常符合带状城市的发展。
结合街景分析与其他的分析,最终我们认为威海应该是老城RBD加经区CBD双核发展,并作出了相应的管控与设计。
Q
受教受教,不知这次威海项目还有什么有意思的发现呢?
这个嘛,尽请期待威海系列微信贴的后续。。。。。。。。
A
东南大学
杨俊宴设计团队
编辑:陈奕良
审核:杨俊宴