KPF：城市设计与人工智能
点击上方蓝字关注我们
纯干货，不啰嗦
KPF很早就意识到了智慧设计将成为未来的趋势。KPF Urban Interface和KPF Mobility systems 作为KPF在智慧设计领域探索道路上的专项研究，通过与学术机构和政府机关的协作，经过不断的总结实践再优化，形成了一个集数据采集、场景分析和成果3D可视化表达的成熟系统，并广泛运用到我们的项目中，帮助我们实时了解城市生态变化并在设计上及时反应，给全新时代的KPF建筑师们的设计工作注入了一股严谨系统的理性力量。
来自杰出城市的启发
罗马
让我们来看看罗马，将罗马的街道机理提取出来观察，你会发现其中包含了伟大城市的特性，带有私密性的街道为人们提供荫庇，空间交合让社交活动自然发生。
纽约
再看看纽约，他整齐划一的井字布局在城市功能规划上带来了极大优势，商业沿南北轴展开，而居住社区沿着东西轴布局。最终的社区建筑形成了向临街面坡度递增的趋势，即使是城市密度变得越来越大，也可以满足城市居住舒适度的体验。
东京
东京的重点是它的交通系统，地上地下的轨道交通合理沿城市分布，交汇处则形成城市区域副中心或聚集中心。
巴塞罗那
巴塞罗那的绿色空间让城市变得灵动且宜居，无论你从哪座建筑中走出来，不出3-5分钟就能走进一片绿植中，这都是在新型城市设计中我们想要借鉴的。
如果我们将这些城市层面都综合到一起，就是一个城市所表达出来的界面，这里仅仅指示出4个层面，但事实上应该有许多的方方面面，我们可以从城市数据中提取出来，运用到设计中。
智慧街道
目前KPF有那么一个由建筑师和工程师组成的团体，他们共同致力于一个关于城市算法的专项研究。我们叫它KPF UI。
从1984年的第一台个人电脑到如今随处可见的移动设备，技术的发展让城市数据的采集变得更加便利。这包括城市里的空间数据，又或者温度湿度等环境数据，或者城市的运营数据，比如商业活动以及人们的生活习惯侧写，就好像在哪里吃午饭，休憩时喜欢去哪，白天和夜间的活动区域 。
我们将这些城市数据导入我们的智慧城市模型中，这些数据完全是合法公开的，比如警局的投诉的数据，还有人行密度数据，投射在公共空间阴影数据，等等等等。
假设当你步行穿过曼哈顿的街道，你所在的每一个位置的空间讯息将被实时展示出来，周围是住宅多一些，还是办公多一些，体现在这些不同色彩的图标，这样我们可以更好的了解每个区域的业态。
街区业态图示
智慧社区
在加拿大的多伦多，我们正在与Alphabet的分支子公司Sidewalk Labs 合作，设计一个崭新的智慧社区， 面对像Sidewalk Labs 这样深耕技术与数据的公司，第一个挑战就是了解他们的首要需求以及我们如何使用我们的智慧城市设计方法来实现它们。
这座新城将占地2000英亩，我们现在是设计团队中的一员，从城市蓝图开始操刀，去畅想未来的城市应该是什么样的。这些因素：能源使用，城市舒适度，流动性，建筑环境，城市机理，功能分布，公共空间以及密度，将被视为核心要素指导我们的设计。
一旦项目的主要需求被锚定，一个含多个输入端的3D模型将会被建立， 可输入的变化值包括街道的机理和建筑高度等，成千上万个意向模型将被导出。最终，系统性的量化评估将筛选出在主要需求权衡间表现最佳的一些列模型选项。迭代后的成果不一定是最终的建造方案，我们可以将它们作为实验性成果，去验证什么可行，或什么不可行。
在多伦多，冬天是一个非常寒冷的地方，因此室外的舒适度非常重要，体块的设计不仅要考量风向也要考量阳光的光照，同时要平衡建筑的能量消耗以及太阳能光电板的能量产生等环境因素。是选用低矮且密集的，还是高且疏松的布局? 低矮的布局抗风能力强，高的布局的透光性好，我们需要通过数千种可行性运转分析做出最合理的折衷选择。
智慧建筑
位于纽约曼哈顿岛的范德比尔特一号，目前正在建设中，在下方绿色雷达图表中，我们可以看到5个不同的相关数据值，分别是日照光，景观视线，人形视角，表皮区域，以及社区价值。
不同的体量设计，例如锥型，多层体块，体块旋转，在不同的体量中游走，你会发现5个数值也在不断变化，它们展示了不同选项间综合性能的差异。最终，我们可以得到一整个庞大的选项系列，伴随着每个设计选项可追溯的综合性能。在所有因素综合考量后，我们得到了一个最终的最佳选项。
这座建筑和纽约最重要的交通枢纽中央车站链接，项目地面层的交通分析展现出它打通中央车站，吸收人流的关键性能。整个设计围绕着这一点打造，成为了曼哈顿东区的城市更新设计的标杆。
自动驾驶对城市设计的影响
KPF内组成了一个智慧交通团队 KPF Mobility，致力于了解出行需求、预测出行模式，模拟行人流量，研究新的交通趋势。随着自动驾驶技术的进步和共享出行的日益普及，关于这些技术将如何影响人类生活的讨论层出不穷，其中许多的潜在可能也激发了人们大量的猜想，这对我们的街道和城市到底意味着什么呢？
街道
由于可以跟踪、预测和协调流动动线，自动驾驶交通工具（Autonomous Vehicles ）带来的机遇之一是可以对街道进行规划，以便在白天根据行车道的数量和方向进行变化。此外，由于电力驱动的自动驾驶交通工具（AEV）的行驶更具可预测性且不会排放废气，因此它们对于行人更加安全，可以在道路以及无路缘的街道得到更加灵活的使用。
KPF为科技巨头业主设计的一个大型、以科技为基础的街区方案中，其智慧街道系统解决了这一基本问题，即，传统街道是静态的，但人们在一天中的需求不断发生变化。
KPF提出的智慧型街道设计，可以根据实时交通数据更改其交通动线和配置，以最大程度地提高便利性、交互性和宜人度。
街道在一日内不同时间段变化的街景
当早晨人们通勤上班时，街道上有下客区、长椅和咖啡车。当人们午休时间吃午餐时，同样的地方转变成了空地和饮食摊。当人们下班准备回家时，又变成了外摆零售店、移动式医疗诊所、游乐场和慢跑小径。周末时间，车行道可转化成音乐会场地和节日欢庆场所。
智慧街道设有各式带有传感系统的可移动装置。该系统根据人们的日常行为和需求即时计算并优化布局。
停车空间
自动驾驶汽车所带来的另一个机遇是它们需要较少的道路空间，特别是停车空间。自动驾驶汽车在放下乘客之后，可自行在较远的地方泊车，或者很可能变成共享状态，接待新的乘客开始下一个路径。
目前停车位的总数量是汽车总量的两倍多，因此大多数停车位处于闲置状态，极度地浪费了土地资源。美国的一些城市将其近三分之一的空间仅用于停车目的。即使在以强大的公共交通系统而闻名的纽约市，也存在着数百万个停车位。
为了帮助纽约市官员了解所有路外停车空间（例如地面停车场和车库）的再开发潜力，KPF 城市界面团队（KPFui）进行了一项名为 “ 撤销停车位的纽约（Spotless New York）”的研究。
撤销停车位的纽约互动网站APP
KPFui 的研究表明，仅仅对纽约市路外停车空间进行重新开发，就能创建近300万套住房、2.88亿平方米的办公空间或3237公顷相当于十个中央公园大小的公园空间。
KPF还与开发商合作创建“面向未来”的建筑，包含了附加式或嵌入式停车场。停车场设计采用高天花板和可拆卸坡道取代低矮天花板和斜坡地板，确保它们在将来可被改造成办公或其他业态空间。由于自动驾驶汽车必将造成停车位需求降低，因而建筑的经济寿命将会延长。
KPF位于坦帕市的一个停车场的设计可灵活调整，其中的快速坡道可转变成平坦结构层。这样，未来可对此空间进行改造以用于居住目的。此外，设计采用了一种结构系统，可在未来造成最小影响的前提下进行重新配置。譬如，建筑独特的双层高立柱设计能够实现移除下层停车场立柱的同时丝毫不影响上层停车场结构完整性。
面向未来的停车场
交通网络
自动驾驶汽车带来的第三个机遇是，可以大大增加交通选择，并降低成本，解决远距离驾驶聘用司机成本过高的问题。
对于纽约市，KPF与麻省理工（MIT）、IBM和奥雅纳（Arup）的顶级专家合作，评估集成式自动驾驶交通系统的机遇。设计提出的自动驾驶走廊网络将联通城市中目前交通运输服务水平低下的区域，即所谓的“交通沙漠”。整体方案将分步骤地，逐渐通过自动驾驶专用车道将自动驾驶汽车引入现有传统车辆交通中，最终无缝过渡到完全无人驾驶的道路。同时，街道设计优先考虑行人，并增加绿地面积。
纽约皇后区，QNS交通线，KPF为8.5英里的“Lower Montauk Branch” 再利用制定的方案
尽管技术先进，但在某种程度上，自动化街道是对汽车时代到来之前街道的一种回归。那时，街道是社交活动的场所，也是人们聚会的地方。自汽车进入之后，街道变得不那么社交化，行人被拥挤和危险的行车道所隔离。相反，如果设计得当，用于自动驾驶汽车的街道既可以实现连通又可以鼓励社交。
旧时芝加哥街道
无人驾驶时代的新纽约城
KPF的经验涵盖了从自动化街道到灵活的停车场再到多式联运中转站的所有内容，这些空间能最大限度优化当前城市移动系统并且满足未来移动系统演化的需要。无人驾驶汽车正在影响全球的城市，而智能设计可以利用这一空前机遇来为现有建筑环境注入全新的活力，改变人们的生活方式。
小结：
理想的城市不仅要有绿色的建筑，有好的交通，它还要是的可持续的，弹性的，它应该是一个自我更新的有机体。我们试图在各个项目中把所有的这些想法都集合在一起。
其实，项目的完成以及人们的入住并不是结果，这些项目也可以是学习的过程，项目的完工并不是建筑以及设计的终点。我们一直在想下一栋建筑、下一个城市会长什么样。所以，一个智慧城市的生长过程，其实也是一个自学的过程，城市就是一个自我学习的人工智能。
本文来自KPF建筑设计事务所
城市设计联盟
内容定位：传播城市设计理念，分享经典项目案例和专家观点
面向人群 ：政府主管部门、城市设计相关从业人员和设计爱好者
视频访谈节目：定期邀请采访城市规划，建筑，市政，园林领域专家
打造跨专业交流、咨询、媒体平台