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