馬 婕

成玉寧*

作為城市公共空間的重要組成部分，城市公園在提升城市生態(tài)效益的同時(shí)，為居民提供了相對(duì)集中的游憩活動(dòng)空間，可有效緩解居民的精神壓力，對(duì)公眾的身心健康大有裨益。然而隨著中國(guó)城市化水平的不斷提高、城市人口密度逐漸增加，公園綠地資源卻日漸緊缺。因此，在高密度城市環(huán)境中，集約化利用有限的資源、為居民提供高品質(zhì)活動(dòng)空間成為當(dāng)前風(fēng)景園林規(guī)劃設(shè)計(jì)所關(guān)注的問題。

合理的公園設(shè)計(jì)有助于引導(dǎo)居民休憩、交流、康體等活動(dòng)的開展，促進(jìn)使用者積極參與空間體驗(yàn)，因而使用者的行為模式與活動(dòng)參與情況始終是風(fēng)景園林設(shè)計(jì)過程中需要思考的重要內(nèi)容，也是后期實(shí)際使用過程中檢驗(yàn)設(shè)計(jì)合理與否及綠地資源與景觀配置是否得到高效利用的因素之一。當(dāng)規(guī)劃設(shè)計(jì)意圖與使用行為二者取得較好耦合關(guān)系時(shí)，說明使用者能夠?qū)?chǎng)地及設(shè)置其中的要素進(jìn)行積極有效的利用；反之，則可能帶來場(chǎng)地利用效率低、景觀資源消極利用等問題。為了有效避免景觀資源閑置，改變傳統(tǒng)設(shè)計(jì)模式中被動(dòng)應(yīng)對(duì)環(huán)境行為，轉(zhuǎn)向積極主動(dòng)地引導(dǎo)與干預(yù)行為，可以借助數(shù)字技術(shù)，在風(fēng)景園林規(guī)劃設(shè)計(jì)方案階段進(jìn)行行為預(yù)測(cè)模擬與分析，從而做出具有預(yù)見性與前瞻性的形態(tài)優(yōu)化設(shè)計(jì)[1]。

1 行為模擬相關(guān)研究

使用者行為規(guī)律與景觀環(huán)境特征的關(guān)聯(lián)性一直是設(shè)計(jì)實(shí)踐與學(xué)術(shù)研究領(lǐng)域關(guān)注的熱點(diǎn)。但由于個(gè)體行為活動(dòng)具有自主性、不確定性等特征，給行為規(guī)律的分析研究帶來一定難度。尤其是隨著設(shè)計(jì)場(chǎng)地尺度的擴(kuò)大，景觀系統(tǒng)的復(fù)雜性不斷增加，對(duì)復(fù)雜環(huán)境下大量個(gè)體行為規(guī)律的模擬更具挑戰(zhàn)性。

圖1 個(gè)體行為活動(dòng)軌跡模擬示意

圖2 優(yōu)化思路

環(huán)境行為學(xué)作為研究外部環(huán)境與使用者行為活動(dòng)的基礎(chǔ)學(xué)科，深入探討了環(huán)境對(duì)使用者空間認(rèn)知與行為規(guī)律的影響。在該理論框架下，學(xué)者分別對(duì)景觀環(huán)境的空間構(gòu)型、視覺感知、色彩、休憩設(shè)施等設(shè)計(jì)要素進(jìn)行定性與定量分析[2-4]，并以調(diào)研的方式對(duì)使用者行為規(guī)律進(jìn)行總結(jié)；還有研究從空間舒適度、微氣候視角探討人群行為活動(dòng)[5]。從過往研究中不難發(fā)現(xiàn)，在研究對(duì)象和尺度的選擇上，往往針對(duì)小尺度局部節(jié)點(diǎn)空間分析使用者行為模式，極少從全局層面探討大尺度景觀環(huán)境對(duì)行為活動(dòng)的引導(dǎo)機(jī)制。

針對(duì)宏觀視角下環(huán)境與行為活動(dòng)關(guān)系的研究，雷金納德·戈列奇(Reginald Golledge)等從城市地理學(xué)、社會(huì)學(xué)及城市規(guī)劃學(xué)等多學(xué)科視角闡述了不同時(shí)期、不同范圍的人群決策與選擇行為，為探討大尺度空間人群活動(dòng)特征奠定基礎(chǔ)[6]。其中，重力模型、離散選擇模型等在景觀行為預(yù)測(cè)方面得到了一定應(yīng)用。與此同時(shí)，空間句法理論從形態(tài)結(jié)構(gòu)視角分析人群活動(dòng)[7]，將人群行為活動(dòng)與網(wǎng)絡(luò)整合度等進(jìn)行關(guān)聯(lián)研究，實(shí)現(xiàn)對(duì)行為活動(dòng)的預(yù)判[8]。但以上2種研究范式僅從宏觀層面大致描述了人群行為活動(dòng)，卻無法體現(xiàn)個(gè)體對(duì)環(huán)境感知、個(gè)體行為差異及行為軌跡等內(nèi)容。

近來隨著數(shù)字技術(shù)的發(fā)展，元胞自動(dòng)機(jī)、多智能體等相關(guān)算法的引入為模擬微觀視角下個(gè)體行為差異和行為決策提供了技術(shù)支持。相比傳統(tǒng)預(yù)測(cè)模型的靜態(tài)分析，通過算法迭代可實(shí)現(xiàn)對(duì)個(gè)體行為隨時(shí)間不斷演化過程的動(dòng)態(tài)模擬，進(jìn)而總結(jié)出相應(yīng)的行為規(guī)律。目前，已有研究基于多智能體行為模擬技術(shù)在建筑內(nèi)部路徑選擇[9]、緊急疏散[10]及大型展會(huì)管理[11]中進(jìn)行探索。此類研究大多需要提前設(shè)定目的地，針對(duì)強(qiáng)目的型行為展開模擬。

城市公園中使用者行為可分為強(qiáng)目的型、弱目的型與無目的型行為3類。其中，強(qiáng)目的型行為指具有相對(duì)固定時(shí)間和場(chǎng)地的行為活動(dòng)，如跳舞、下棋等，從入園到目的地，個(gè)體常選擇相對(duì)較短的路徑，指向性較強(qiáng)。而弱目的型與無目的型行為可看作不受時(shí)空限制的漫游行為，指向性較弱，行為發(fā)生更依賴于個(gè)體對(duì)公園組織結(jié)構(gòu)的認(rèn)知。因此，將行為模擬與公園空間組織形態(tài)做關(guān)聯(lián)分析，可以探討行為活動(dòng)規(guī)律及其形成原因，發(fā)現(xiàn)因空間組織不夠合理而造成被使用者“遺忘”的某些區(qū)域，進(jìn)而為公園空間組織優(yōu)化設(shè)計(jì)提供依據(jù)。

故本文引入集群智能概念，擬從微觀視角模擬行為個(gè)體對(duì)公園空間的認(rèn)知過程，及其隨模擬時(shí)間推移而逐漸形成相對(duì)固定的行為活動(dòng)軌跡，找出與設(shè)計(jì)意圖不符之處。并進(jìn)一步對(duì)公園空間組織形態(tài)進(jìn)行空間句法分析，將整體形態(tài)分析與微觀行為模擬相結(jié)合，探討景觀空間組織形態(tài)與個(gè)體行為之間的對(duì)應(yīng)關(guān)系。最后對(duì)公園形態(tài)做出相應(yīng)優(yōu)化調(diào)整，并再次結(jié)合微觀行為模擬進(jìn)行驗(yàn)證，重啟使用過程中被“遺忘”的區(qū)域。以此在方案階段了解使用行為與規(guī)劃設(shè)計(jì)意圖是否吻合，及時(shí)優(yōu)化方案，從而降低景觀資源閑置的可能性，提高公園利用效率。

2 自下而上——集群智能與行為模擬

2.1 集群智能概念

集群智能(Swarm Intelligence)指大量智能體通過相互協(xié)作而實(shí)現(xiàn)的相對(duì)復(fù)雜的智能行為[12]。作為多智能體研究的重要分支，集群智能源于生物學(xué)家對(duì)自然界群體生物系統(tǒng)和行為規(guī)律的探索分析，如蟻群、蜂群、鳥群等。智能體模型被認(rèn)為是目前模擬仿真領(lǐng)域之中最接近人類行為方式的模型，通過觀察發(fā)現(xiàn)，大量個(gè)體經(jīng)過一段時(shí)間的空間探索和行為互動(dòng)后能形成對(duì)外界環(huán)境的整體認(rèn)知，逐漸產(chǎn)生具有明顯規(guī)律特征的行為軌跡。克雷格·雷諾茲(Graig Reynolds)認(rèn)為城市是動(dòng)態(tài)的適應(yīng)系統(tǒng)，且貫穿著“集群智慧”，秩序出現(xiàn)與大量個(gè)體密切相關(guān)。設(shè)計(jì)者采用算法系統(tǒng)模擬復(fù)雜現(xiàn)象，使行為活動(dòng)因素和空間形態(tài)產(chǎn)生互動(dòng)，這對(duì)空間優(yōu)化具有較大的潛力[13]。

集群智能又可視作自學(xué)習(xí)過程，經(jīng)歷個(gè)體對(duì)空間環(huán)境的感知、個(gè)體行為記憶及與周圍個(gè)體的交流互動(dòng)等做出決策。隨時(shí)間推移，個(gè)體經(jīng)驗(yàn)不斷積累，促使其對(duì)整體空間環(huán)境的認(rèn)知更深刻，從而形成相對(duì)固定的行為模式與運(yùn)動(dòng)軌跡，這與人的漫游行為有明顯相似之處。

2.2 微觀個(gè)體行為特征

面對(duì)陌生的城市公園綠地時(shí)，個(gè)體很難迅速形成對(duì)空間環(huán)境的整體認(rèn)知。在最初一段時(shí)間內(nèi)，個(gè)體基于外部環(huán)境的引導(dǎo)展開空間探索，行為往往具有一定隨機(jī)性特征。隨著探索經(jīng)驗(yàn)的累積，個(gè)體對(duì)外界環(huán)境的認(rèn)知也逐步加深，能夠?qū)ν獠凯h(huán)境進(jìn)行整體把握，漸漸形成具有一定行為規(guī)律的活動(dòng)軌跡。然而，隨著公園尺度不斷擴(kuò)大，個(gè)體對(duì)環(huán)境的探索與認(rèn)知難度也持續(xù)上升。此時(shí)，個(gè)體行為發(fā)生的另一個(gè)重要因素將對(duì)環(huán)境認(rèn)知起關(guān)鍵作用，即學(xué)習(xí)行為。

在群體中，個(gè)體行為易受到周圍其他個(gè)體行為的影響，具有較為突出的從眾性。尤其當(dāng)面對(duì)陌生環(huán)境時(shí)，個(gè)體往往會(huì)以觀察和學(xué)習(xí)群體行為的方式做出行為決策。在此機(jī)制下，歷經(jīng)一段時(shí)間，處于同一環(huán)境中的大量個(gè)體充分互動(dòng)，形成對(duì)外部環(huán)境從陌生到熟悉，再到達(dá)成某種共識(shí)的認(rèn)知過程，從而形成具有一定規(guī)律性的群體行為軌跡。又因這種具有規(guī)律性的行為軌跡能夠揭示出使用人群在公園中的整體使用狀態(tài)，所以通過對(duì)群體行為軌跡的記錄與演示能直觀展現(xiàn)公園中潛在的行為方式，為進(jìn)一步完善方案提供依據(jù)。

圖3 原方案設(shè)計(jì)形態(tài)

2.3 集群智能算法——微粒群算法

運(yùn)用集群智能模擬微觀個(gè)體行為活動(dòng)軌跡離不開計(jì)算機(jī)算法的支持，目前該領(lǐng)域具有代表性的算法包括蟻群算法、微粒群算法與人工蜂群算法。其中，微粒群算法因收斂速度快，具有較好的尋優(yōu)特性，所以應(yīng)用與發(fā)展較快[14]，這也是本研究所采用的算法。微粒群算法源于對(duì)鳥類捕食行為的模擬[15]，每個(gè)粒子通過儲(chǔ)存和記錄自身行為軌跡，積累空間經(jīng)驗(yàn)。在此基礎(chǔ)上，經(jīng)自身經(jīng)驗(yàn)與其他同伴經(jīng)驗(yàn)的互動(dòng)交流，使其具有進(jìn)一步探索與認(rèn)知空間環(huán)境的動(dòng)能。在此過程中，每個(gè)粒子都具備自主能動(dòng)性，經(jīng)過一段時(shí)間的模擬形成相對(duì)穩(wěn)定的群體行動(dòng)規(guī)律。本研究基于該算法，通過Grasshopper架構(gòu)相關(guān)程序，以實(shí)現(xiàn)景觀方案階段行為模擬研究，將每個(gè)行為人視作一個(gè)粒子，設(shè)置相應(yīng)的粒子參數(shù)以模擬和記錄人在環(huán)境中的活動(dòng)軌跡，直至形成一定行為規(guī)律(圖1)。

3 自上而下——空間句法理論與行為規(guī)律

3.1 空間句法與行為分析

空間句法作為測(cè)量空間組織特征的重要理論和量化方法，在公園路徑組織形態(tài)與行為研究中應(yīng)用廣泛。研究表明，基于空間句法理論及其分析方法，可從空間組織層面探討使用者行為與公園之間的對(duì)應(yīng)關(guān)系。如個(gè)體行為活動(dòng)與道路系統(tǒng)的拓?fù)湫螒B(tài)之間存在密切關(guān)聯(lián)，通過分析整合度、連接度等指標(biāo)數(shù)據(jù)，能夠探討與某些固定行為活動(dòng)相適宜的空間組織特征。

比爾·希利爾(Bill Hillier)等在實(shí)證研究中發(fā)現(xiàn)，在出行過程中游人雖試圖選擇最短路徑，但事實(shí)上他們對(duì)路徑長(zhǎng)度的認(rèn)知大多基于幾何、拓?fù)湟暯恰Ｏ鄬?duì)于路徑長(zhǎng)度，游人對(duì)路徑轉(zhuǎn)折更加敏感，即在路徑選擇過程中，游人偏向選擇路徑稍遠(yuǎn)但方向變化幅度較小的路徑，而較少會(huì)選擇路徑長(zhǎng)度較短但方向變換幅度較大且頻次較多的路徑。空間句法理論將該現(xiàn)象解釋為結(jié)構(gòu)層面的拓?fù)渖疃葐栴}——隨著道路轉(zhuǎn)折幅度和頻次的增加，行人視線可達(dá)性不斷降低，路徑拓?fù)渖疃葏s不斷加深，降低了行人的選擇意愿。

同時(shí)，該現(xiàn)象也揭示出游人在路徑選擇與決策時(shí)往往具有一定的慣性特征。當(dāng)面對(duì)道路交叉口進(jìn)行路徑選擇時(shí)，游人往往更傾向于保持原有路徑方向，或選擇相對(duì)平緩的路徑方向。而對(duì)于具有轉(zhuǎn)折的路徑方向，游人則表現(xiàn)出一定的排斥心理，且轉(zhuǎn)折幅度越大，排斥程度越高。因此，設(shè)計(jì)人員可從拓?fù)渖疃群托袨閼T性角度出發(fā)，對(duì)道路形態(tài)進(jìn)行具有針對(duì)性的修正。為了將大量人流引入某活動(dòng)節(jié)點(diǎn)區(qū)域，可以采取控制通向該節(jié)點(diǎn)的路徑轉(zhuǎn)角幅度，減少該區(qū)域拓?fù)渖疃鹊姆椒▽?shí)現(xiàn)；而在營(yíng)造相對(duì)安靜的節(jié)點(diǎn)空間時(shí)，適度增加通向該區(qū)域路徑的轉(zhuǎn)角幅度和頻次，增加其拓?fù)渖疃?，從而降低人流量?/p>

3.2 集群智能與空間句法分析的互補(bǔ)性

集群智能側(cè)重于從微觀層面揭示個(gè)體對(duì)外界環(huán)境的感知過程，以及大量行為個(gè)體在外界環(huán)境中的運(yùn)動(dòng)規(guī)律，體現(xiàn)出一種自下而上的預(yù)測(cè)和研究視角。然而，模擬結(jié)果是一種宏觀表象，卻無法闡釋原因?？臻g句法理論則恰恰相反，更關(guān)注宏觀層面的定量分析，能夠從自上而下的視角解釋景觀組織結(jié)構(gòu)與個(gè)體行為發(fā)生之間的關(guān)聯(lián)性，但又無法描述微觀行為所涌現(xiàn)出的宏觀規(guī)律。因此，為了進(jìn)一步解釋集群行為模擬結(jié)果并實(shí)現(xiàn)方案優(yōu)化，可以借助空間句法理論及其分析方法對(duì)行為模擬結(jié)果做出進(jìn)一步分析說明。

3.3 優(yōu)化思路與方法

在場(chǎng)地中設(shè)定權(quán)重等級(jí)不同的景觀節(jié)點(diǎn)后，設(shè)計(jì)者通過路徑的設(shè)置將節(jié)點(diǎn)空間組織聯(lián)系，進(jìn)而形成一個(gè)完整的景觀系統(tǒng)。合理的路徑結(jié)構(gòu)能夠更好地組織人流分布，并將人流引入不同權(quán)重等級(jí)的節(jié)點(diǎn)中。在公園規(guī)劃設(shè)計(jì)中常常遵循的邏輯是可達(dá)性較高、權(quán)重較高或期望有高參與度的節(jié)點(diǎn)需要引入更多人流；而權(quán)

圖4 原方案行為模擬動(dòng)態(tài)過程

4 案例研究

4.1 案例概況

基地位于南京南部新城紅花機(jī)場(chǎng)東側(cè)，沿外秦淮河右岸，由順天大道至苜蓿園大街，雙麒路與寧杭高速圍合而成，占地約41hm2，建成后將成為服務(wù)于新城居民的重要城市公園綠地。場(chǎng)地腹地開闊，是一個(gè)相對(duì)獨(dú)立的空間單元。因受場(chǎng)地外界環(huán)境的限制，出入口位置只能設(shè)置在場(chǎng)地西邊順天大道一側(cè)，致使整個(gè)場(chǎng)地空間進(jìn)深相對(duì)較大，從而給人流引導(dǎo)與場(chǎng)地的高效利用帶來一定難度。在設(shè)計(jì)過程中要解決的核心問題是如何在相對(duì)封閉的大尺度場(chǎng)地中集約利用景觀資源、重較低或較為靜謐的節(jié)點(diǎn)，則對(duì)應(yīng)相對(duì)較少的人流，從而在營(yíng)造多樣化景觀空間的同時(shí)，通過合理的人流分配提高景觀利用的集約化水平，降低景觀設(shè)施閑置的概率。

采用微觀視角的集群智能行為模擬，可以明晰設(shè)計(jì)方案中人流動(dòng)態(tài)分布情況。在模擬過程中，設(shè)計(jì)者通過觀察人流分布是否達(dá)到預(yù)期設(shè)想對(duì)方案優(yōu)化做出初步判斷。針對(duì)不符合設(shè)計(jì)意圖或參與度過低甚至無行為發(fā)生的節(jié)點(diǎn)空間，所采取的優(yōu)化基本原則是盡量降低修改調(diào)整的幅度，在保持原有設(shè)計(jì)形態(tài)和形式美感的前提下，對(duì)局部路徑進(jìn)行相應(yīng)調(diào)整。具體如下(圖2)：

1)根據(jù)集群智能模擬結(jié)果觀察人流分布狀態(tài)，找出不符合設(shè)計(jì)預(yù)期和參與度較低的場(chǎng)地區(qū)域，即待優(yōu)化區(qū)域；

2)觀察待優(yōu)化區(qū)域在場(chǎng)地中的空間位置關(guān)系，選取與其鄰近的人流相對(duì)密集區(qū)域作為擬引導(dǎo)人流區(qū)域；

3)分析擬引導(dǎo)人流區(qū)域與待優(yōu)化區(qū)域間的路徑連接方式，采用空間句法計(jì)算二者之間的拓?fù)渖疃龋?/p>

4)改善區(qū)域間的路徑連接形態(tài)，降低人流從密集區(qū)到稀疏區(qū)的拓?fù)渖疃?，增加行人選擇通往待優(yōu)化區(qū)域的可能性，繼而提升待優(yōu)化區(qū)域的人流密度；

5)對(duì)調(diào)整后方案進(jìn)行再次模擬，對(duì)比調(diào)整前后方案，驗(yàn)證優(yōu)化結(jié)果。合理有效組織空間，滿足不同人群的行為需求。

針對(duì)該場(chǎng)地特征，原方案(圖3)主要通過2條主環(huán)路進(jìn)行架構(gòu)，并在其間串聯(lián)排布了17個(gè)權(quán)重不同的景觀節(jié)點(diǎn)。為了高效利用場(chǎng)地、融入豐富的活動(dòng)內(nèi)容，原方案在場(chǎng)地東側(cè)和南側(cè)，即距離主入口較遠(yuǎn)的區(qū)域設(shè)置了相對(duì)密集且權(quán)重較高的景觀節(jié)點(diǎn)，并在此基礎(chǔ)上進(jìn)一步完善主環(huán)路與各節(jié)點(diǎn)之間的路徑體系，試圖對(duì)人流進(jìn)行有效引導(dǎo)，從而營(yíng)造高效、集約又不失人性化的城市公園。在進(jìn)行模擬與分析前，需完成的基礎(chǔ)工作包括：1)提取道路、節(jié)點(diǎn)等可供游人活動(dòng)的場(chǎng)地；2)根據(jù)設(shè)計(jì)意圖為節(jié)點(diǎn)權(quán)重賦值；3)繪制空間軸線圖，用于空間句法計(jì)算；4)構(gòu)建集群智能模擬模型。

4.2 參數(shù)設(shè)置

微粒群算法中需要設(shè)置與調(diào)控的參數(shù)主要包括粒子發(fā)生器、運(yùn)行環(huán)境、粒子速度、防碰撞參數(shù)、吸引點(diǎn)等。其中，粒子發(fā)生器即公園出入口，根據(jù)入口等級(jí)設(shè)置人群進(jìn)入速度；運(yùn)行環(huán)境代表供人群活動(dòng)的場(chǎng)地；粒子速度為人群在公園中的行走速度，此次模擬將游憩速度設(shè)定為0.6m/s；設(shè)置防碰撞參數(shù)，為避免人群活動(dòng)過程中發(fā)生碰撞而做出有效避讓；吸引點(diǎn)則代表景觀節(jié)點(diǎn)，需對(duì)每個(gè)節(jié)點(diǎn)權(quán)重進(jìn)行賦值。

圖5 待優(yōu)化區(qū)域(A區(qū)、B區(qū))

圖6 擬引導(dǎo)人流區(qū)域

圖7 優(yōu)化區(qū)域及拓?fù)渖疃扔?jì)算

圖8 優(yōu)化方案行為模擬結(jié)果

4.3 模擬結(jié)果

集群智能模擬了大量個(gè)體行為從無序到有序的過程，經(jīng)過一段時(shí)間才能形成相對(duì)穩(wěn)定的行為規(guī)律，體現(xiàn)出個(gè)體對(duì)環(huán)境的認(rèn)知發(fā)展過程。本研究分別記錄了模擬過程的6個(gè)階段，依次為初始狀態(tài)、模擬15min后狀態(tài)、30min狀態(tài)、1h、4h及8h后狀態(tài)(圖4)。在模擬系統(tǒng)中，綠色部分代表方案中提供的活動(dòng)空間，包括道路、廣場(chǎng)等硬質(zhì)場(chǎng)地；藍(lán)色線條則記錄了個(gè)體行為活動(dòng)軌跡。通過動(dòng)態(tài)模擬過程可發(fā)現(xiàn)，起初智能體的活動(dòng)范圍相對(duì)較大，呈現(xiàn)出行為個(gè)體在最初階段對(duì)空間環(huán)境的摸索和認(rèn)知狀態(tài)。隨著模擬時(shí)間的推移，個(gè)體對(duì)環(huán)境認(rèn)知隨之加深，活動(dòng)范圍逐漸集中，形成了相對(duì)穩(wěn)定的活動(dòng)軌跡。

模擬結(jié)果顯示場(chǎng)地中人流分布總體較理想，絕大部分景觀節(jié)點(diǎn)均有相對(duì)穩(wěn)定的行為軌跡記錄，行為發(fā)生情況基本符合設(shè)計(jì)預(yù)期。但也存在局部空間缺乏行為活動(dòng)參與的現(xiàn)象，場(chǎng)地中A、B 2個(gè)區(qū)域設(shè)置有較高權(quán)重的景觀節(jié)點(diǎn)，卻少有行為發(fā)生，成為整個(gè)場(chǎng)地的閑置區(qū)域；相反一些權(quán)重較低的節(jié)點(diǎn)區(qū)域參與熱度卻較高。由此說明原方案中道路系統(tǒng)存在一定不足，需要進(jìn)行局部?jī)?yōu)化調(diào)整以改善當(dāng)前的人流分布狀態(tài)，增加A、B區(qū)參與度的同時(shí)疏散節(jié)點(diǎn)權(quán)重較低區(qū)域的人流(圖5)。

4.4 方案優(yōu)化調(diào)整

根據(jù)上文所述優(yōu)化策略，首先分析待優(yōu)化區(qū)域的空間區(qū)位及周邊環(huán)境人流分布情況，選取鄰近的人流密集區(qū)作為擬引導(dǎo)人流區(qū)域。其次，調(diào)整擬引導(dǎo)人流區(qū)域和待優(yōu)化區(qū)域之間的道路形態(tài)，實(shí)現(xiàn)對(duì)人流運(yùn)動(dòng)的有效引導(dǎo)。根據(jù)A、B區(qū)的空間區(qū)位和周邊情況，分別選取相應(yīng)的擬引導(dǎo)人流區(qū)域(圖6)。

對(duì)于A區(qū)而言，雖然該區(qū)域到主入口直線距離很近，且設(shè)置了較高權(quán)重的景觀節(jié)點(diǎn)，但人流從主入口進(jìn)入后，并未較好地被引入該區(qū)域，致使大量人流順應(yīng)道路向南運(yùn)動(dòng)。與此同時(shí)，從主入口到A區(qū)，人流需要經(jīng)過多次轉(zhuǎn)折和繞行后才能到達(dá)，隨著轉(zhuǎn)折次數(shù)的增加，拓?fù)渖疃纫膊粩嗉由?，造成從主入口到A區(qū)雖直線距離很近，但可達(dá)性相對(duì)較弱的局面。因此，針對(duì)A區(qū)的優(yōu)化調(diào)整步驟為：首先，根據(jù)人流方向修改入口區(qū)域的路徑形態(tài)，對(duì)主入口進(jìn)入的人流進(jìn)行有效疏解和引導(dǎo)；其次，簡(jiǎn)化主入口和A區(qū)之間的連接方式，降低拓?fù)渖疃?，從而增加A區(qū)人流密度，如圖7所示，A區(qū)拓?fù)渖疃葟?降到3。

B區(qū)距離主入口相對(duì)較遠(yuǎn)，可從環(huán)形主路上將一部分人流引導(dǎo)至該區(qū)域。首先，以局部修正的方式，在主入口和該區(qū)域之間構(gòu)建更為便捷的連接路徑；其次，減小主環(huán)路與該區(qū)連接路徑的轉(zhuǎn)角幅度，降低從主環(huán)路進(jìn)入該區(qū)域的拓?fù)渖疃?，增加游人選擇該路徑的概率，如圖7中B區(qū)拓?fù)渖疃葟?降到3。

基于以上優(yōu)化策略，進(jìn)一步對(duì)道路線型和局部細(xì)節(jié)做調(diào)整，使修改后路徑形態(tài)與原始方案總體形態(tài)相協(xié)調(diào)。最終得到總體優(yōu)化方案，并再次使用集群智能模擬驗(yàn)證修改方案的使用情況。為了提高模擬的精確性和穩(wěn)定性，同樣以8h模擬圖(圖8)與原方案模擬結(jié)果進(jìn)行比對(duì)，發(fā)現(xiàn)修改后方案較原始方案的人流分布與使用情況更理想，與設(shè)計(jì)意圖更為吻合。不僅增加了A、B區(qū)的參與度，而且使人流在整個(gè)場(chǎng)地中的分布更加流暢，提升了整個(gè)場(chǎng)地的空間使用效率。

5 結(jié)語

與傳統(tǒng)設(shè)計(jì)方法更多依賴設(shè)計(jì)者主觀經(jīng)驗(yàn)判斷不同，數(shù)字景觀技術(shù)通過對(duì)設(shè)計(jì)要素的數(shù)字化轉(zhuǎn)譯、模擬和預(yù)測(cè)場(chǎng)地中即將發(fā)生的行為，可有效輔助設(shè)計(jì)人員進(jìn)行公園人性化設(shè)計(jì)。本文通過集群智能算法模擬群體行為活動(dòng)軌跡，反饋設(shè)計(jì)方案中存在的問題，并結(jié)合空間句法分析，進(jìn)一步從方案整體形態(tài)視角解讀模擬結(jié)果，為方案優(yōu)化提供依據(jù)。而后經(jīng)過方案調(diào)整、再次模擬，逐步獲取理想的優(yōu)化方案，有助于設(shè)計(jì)人員更為高效地探索方案設(shè)計(jì)最優(yōu)解，提高設(shè)計(jì)方案的合理性。

基于本文研究，未來還可從以下方面做進(jìn)一步探索：首先，在集群智能行為模擬中對(duì)個(gè)體加入更多限定條件，使模型中的行為個(gè)體更貼近使用者實(shí)際行為狀態(tài)；其次，除了將模擬結(jié)果與空間句法分析相結(jié)合外，還可嘗試更多元化、系統(tǒng)化的分析解讀，為設(shè)計(jì)優(yōu)化提供更具針對(duì)性的建議措施，提升方案優(yōu)化效率；最后，探討在城市防災(zāi)期間(如防疫)，城市公園綠地轉(zhuǎn)換為臨時(shí)避難或救治場(chǎng)地，兼顧日常居民游憩和特殊時(shí)期防災(zāi)功能進(jìn)行行為模擬。

注：文中圖片均由作者繪制。