周 樂
對行為與空間關(guān)系的研究一直以來都是建筑學(xué)科關(guān)注的方向之一。近年來有不少相關(guān)研究引入社會學(xué)方法,例如石堅韌[1]等人通過問卷的方式獲取民眾心中公共空間價值評價的主要關(guān)聯(lián)因素,再通過層次分析逐步分解進(jìn)行特征評價;李想[2]通過訪談?wù){(diào)查獲得大量數(shù)據(jù),以此為基礎(chǔ)進(jìn)行統(tǒng)計,研究通勤行為與空間特征感知的關(guān)聯(lián)性研究;何韶瑤[3]圍繞“點(diǎn)—線—面—域”4個空間維度,對村民行為有明顯促進(jìn)或制約作用的建成環(huán)境形態(tài)要素進(jìn)行解析。
另一方面,城市相關(guān)數(shù)據(jù)的提取及運(yùn)算研究一直都在穩(wěn)步推進(jìn),如高廣[4]等人對利用合成算法對激光探測提取數(shù)據(jù)進(jìn)一步加工,以獲得航拍下的屋面空間數(shù)據(jù)。如今各類統(tǒng)計數(shù)據(jù)和衛(wèi)星數(shù)據(jù)在互聯(lián)網(wǎng)平臺的支持下得到了廣泛運(yùn)用,如劉小萍[5]利用ENVI對Landsat8的圖像數(shù)據(jù)進(jìn)行解析和提取,計算建筑用地信息;唐梁博[6]通過Landsat8的圖像數(shù)據(jù)與NPP—VIIRS夜間燈光數(shù)據(jù)結(jié)合,通過改進(jìn)后的NDBI指數(shù)、ULI指數(shù)方法提取城鎮(zhèn)建筑用地信息。而為了處理數(shù)據(jù)信息,各類分析軟件逐步在建筑與規(guī)劃專業(yè)得到運(yùn)用,如SPSS、EXCEL及其插件、ENVI、ARCGIS等。而空間信息的數(shù)據(jù)模型為上述建筑與規(guī)劃相關(guān)信息數(shù)據(jù)的搭載方式提供了一個合適的參考,目前空間數(shù)據(jù)模型有多種搭建平臺,如胡迪等人[7]利用GIS平臺將時間、地點(diǎn)、人物、事件(始末)歷史4個要素融入數(shù)據(jù)模型;張鵬程[8]等人通過互聯(lián)網(wǎng)在空間信息模型基礎(chǔ)上搭建時空信息模型的云平臺,可與GIS信息互換,并實現(xiàn)由傳統(tǒng)的空間數(shù)據(jù)模型到全空間信息模型的轉(zhuǎn)換。
目前,在多維數(shù)據(jù)疊合應(yīng)用方面,僅依靠上述兩類研究易受制于兩個方面:①現(xiàn)有的數(shù)據(jù)提取和運(yùn)算研究對既有軟件依賴性太強(qiáng),且多用于遙感,缺少綜合性的數(shù)據(jù)交互;②空間與行為關(guān)聯(lián)性研究中,調(diào)查多以滿意度問卷的方式為主,搜集到的主觀“答案”和定性研究較多,定量研究較少,難以將調(diào)研成果數(shù)據(jù)化融入多維數(shù)據(jù)庫。因此,本研究嘗試采取對空間數(shù)據(jù)信息和行為調(diào)查信息的像素化的成果進(jìn)行數(shù)據(jù)的二次提取,建立共通的多維疊合數(shù)據(jù)平臺,并以此研究“行為—空間”契合度計算,為空間與行為的關(guān)聯(lián)研究提供新的思路。
以武漢市青山區(qū)“紅房子”5街、6街社區(qū)(圖1)為例,其正面臨整片區(qū)的改造工程,而作為武漢市著名工業(yè)遺產(chǎn),其舊格局所呈現(xiàn)的特征具有典型的時代意義。
圖1 武漢市青山區(qū)紅鋼城5街、6街社區(qū)俯視圖
①空間形態(tài)上,社區(qū)平面格局呈網(wǎng)格狀,住宅呈條形布置于道路兩側(cè),構(gòu)圖秩序明確,如工業(yè)流水線一般(圖2);②功能布局上,社區(qū)中心部位具有較為完整的獨(dú)立配套公建,包括醫(yī)院、小學(xué)和幼兒園(圖2);③組成結(jié)構(gòu)上,整個社區(qū)都以門戶前區(qū)、住宅、公共活動空間自北向南的拼接組構(gòu)為基本單元(圖3),再以此基本單元進(jìn)行縱橫排列,形成秩序感極強(qiáng)的網(wǎng)格狀的空間形態(tài);④各戶的前院(圖4)是社區(qū)中具有典型性的活動空間,為外部空間與家之間的緩沖空間,同時也是鄰里之間聯(lián)系的紐帶。前院空間是該社區(qū)發(fā)生社會活動的重要場所,也是具有時代代表性的鄰里模式。在當(dāng)今被房屋面積和交通壓縮的社區(qū)空間中,此類門戶前區(qū)是難以產(chǎn)生的特殊空間類型。
圖2 社區(qū)空間布局
圖3 社區(qū)基本單元
圖4 前院
該格局下,社區(qū)的出入口遍布外邊沿網(wǎng)格交匯處,使得路網(wǎng)能有效融入城市環(huán)境中,且相較于當(dāng)下依賴主入口進(jìn)行管理的商業(yè)小區(qū),該社區(qū)居民出行極其便利,與城市環(huán)境的距離在空間層級上更近。在初步解讀的基礎(chǔ)上進(jìn)行量化研究能更加深入地探究其特征全貌,因此本文將引入空間句法作為空間特征的量化方法進(jìn)行圖底計算,為之后的數(shù)據(jù)建立提供支持。
本研究以空間句法[9]中整合度計算及視線分析計算的圖示結(jié)果作為空間特征的基礎(chǔ)量度指標(biāo)。其優(yōu)勢在于空間中的視覺效果對于行為的發(fā)生有著直觀的影響,如空間的安全感和私密性的知覺印象與其所處區(qū)域的視覺效果直接相關(guān)[10],路徑的復(fù)雜性與目的地的可達(dá)性直接相關(guān)。而空間句法中的視線分析及整合度的計算能將其量化,便于結(jié)合行為的統(tǒng)計結(jié)果進(jìn)行關(guān)聯(lián)分析。因此,筆者以空間句法中最基本的軸線整合度(圖5)、視線整合度(圖6)、視線遮蔽程度(圖7)及視線控制度(圖8)為本次研究中的空間數(shù)據(jù),通過計算后呈現(xiàn)的圖像具有以下特征:
圖5 軸線整合度
圖6 視線整合度
圖7 視線遮蔽度
圖8 視線控制度
①軸線整合度最高的區(qū)域并未出現(xiàn)在社區(qū)的中心,而是出現(xiàn)在各自中心偏向外側(cè)的區(qū)域;②三項視線分析體現(xiàn)出社區(qū)空間中視線效果的均質(zhì)性,三種視線強(qiáng)度分布呈現(xiàn)較穩(wěn)定規(guī)律,未在社區(qū)內(nèi)出現(xiàn)極端情況;③根據(jù)社區(qū)空間布局(圖2)與視線分析(圖6~8)的對比可以看出,社區(qū)公共活動區(qū)域幾乎全部布置在視線整合度較低、視線控制度較低,且遮蔽性較好的區(qū)域。在視線上處于層級較深、較難以達(dá)到的區(qū)域,私密性較好。
目前對空間特征數(shù)據(jù)的提取上,多針對圖像信息進(jìn)行二次提取,如趙芳[11]在獲取水體數(shù)據(jù)時對衛(wèi)星圖像光譜信息的提取與分析。而針對圖像信息進(jìn)行二次提取和運(yùn)用中,RGB值的提取和運(yùn)用較為可行,如劉超[12]在進(jìn)行土壤色彩與有機(jī)質(zhì)量化關(guān)系研究中對提取的RGB值的運(yùn)用。
本研究利用Processing軟件編寫Java代碼將前述空間句法分析的圖示結(jié)果進(jìn)行像素點(diǎn)的信息提取,以便后續(xù)的數(shù)據(jù)疊合研究。該方法的提取邏輯為:針對圖面像素尺寸,逐點(diǎn)提取坐標(biāo)點(diǎn)位與RGB值。所獲得結(jié)果以TXT格式文件導(dǎo)出,以便之后結(jié)合其他軟件,其各項數(shù)值根據(jù)代碼編寫順序而定,在本研究示例中為自左向右分別對應(yīng)色彩“R”值、色彩“G值”、色彩“B”值、縱向坐標(biāo)、橫向坐標(biāo)(圖9)。在數(shù)據(jù)提取時,需要根據(jù)電腦運(yùn)算能力來進(jìn)行像素點(diǎn)提取密度的確定,為避免后續(xù)處理量過大,可采用間隔提取的方式,每間隔幾個像素點(diǎn)進(jìn)行一次提取。
圖9 像素點(diǎn)提取結(jié)果示例
由于空間句法軟件計算出的結(jié)果均以圖示呈現(xiàn),在進(jìn)行定性分析的時候較方便。為了方便對其運(yùn)算結(jié)果進(jìn)行量化,以便建立數(shù)據(jù)庫輔助后續(xù)研究,筆者通過以下工作步驟對圖示結(jié)果中的各類色塊進(jìn)行對應(yīng)的分級處理:
①在PS或其他圖形軟件中對圖示成果中的各類色塊吸取RGB值,然后根據(jù)分析軟件的成像規(guī)則,分別對各色塊進(jìn)行對應(yīng)強(qiáng)度的賦值,即可形成所研究圖示中RGB值與強(qiáng)度值的對應(yīng)表(表1)。從表中可以看出空間句法軟件成像的RGB值的賦值有明確的變化規(guī)律。
表1 RGB值與強(qiáng)度值對應(yīng)表
②由于分析軟件結(jié)果圖示再轉(zhuǎn)譯成RGB值的過程中難免會有少量偏差,因此根據(jù)成像RGB值的賦值規(guī)律以相鄰兩數(shù)值中間值作為端點(diǎn)值劃分強(qiáng)度區(qū)間,一定程度上防止遺漏數(shù)據(jù)。根據(jù)此原則進(jìn)一步完成RGB賦值區(qū)間與強(qiáng)度表(表2),在進(jìn)行后續(xù)賦值時再對Excel表格中數(shù)據(jù)進(jìn)行檢查以防止有所遺漏,發(fā)現(xiàn)遺漏數(shù)據(jù)時需要針對性地調(diào)整區(qū)間端點(diǎn)值。
表2 RGB賦值區(qū)間與強(qiáng)度值對應(yīng)表
③將Processing中提取的數(shù)據(jù)TXT文件導(dǎo)入Excel之中,通過Excel中的函數(shù)編輯編寫針對RGB值區(qū)間的判定代碼,將數(shù)據(jù)所獲得的各像素點(diǎn)的RGB值對應(yīng)表中分區(qū),進(jìn)行強(qiáng)度賦值。在此過程中可以根據(jù)數(shù)據(jù)的賦值結(jié)果對RGB值的賦值范圍進(jìn)行調(diào)整,抹消像素點(diǎn)色差帶來的數(shù)據(jù)遺漏。此處要注意,所有軟件成像的圖示,其底色均要為黑色,這樣RGB值對底色取色時賦值均為0,便于區(qū)分底色區(qū)域和進(jìn)行后續(xù)研究。在進(jìn)行范圍調(diào)整的時候,需要通過Excel的數(shù)值篩選功能,將所有強(qiáng)度賦值為0的數(shù)據(jù)調(diào)出檢查,從中排除R、G、B三項數(shù)值相等的數(shù)據(jù)(R、G、B等值則為無色,即黑白灰)。排除后所剩數(shù)據(jù)為范圍區(qū)間的遺漏數(shù)據(jù),通過分別調(diào)整R、G、B值區(qū)間將遺漏數(shù)據(jù)重新進(jìn)行強(qiáng)度賦值,完成數(shù)字化分級(圖10)。
圖10 Excel分級示意圖
本研究著力點(diǎn)在行為與空間的契合關(guān)系研究,因此數(shù)據(jù)類型包括行為活動和空間特征,二者通過共同的空間點(diǎn)位進(jìn)行數(shù)據(jù)的疊合建庫。
本研究以社會活動類型[13]為標(biāo)準(zhǔn),將研究中所涉及的人物行為分為必要性活動、自發(fā)性活動和社會性活動(表3)。因社區(qū)面臨拆遷,剩余的原生居民并不多,以老年人為主,新入居民則以低收入暫住人口為主,因此活動內(nèi)容較為簡單、固定,形成了日常的規(guī)律生活行為現(xiàn)象。
表3 行為活動分類
根據(jù)筆者走訪調(diào)查,通過對社區(qū)街巷瞬時人數(shù)的定時觀察,整理必要性活動的分布及頻率,對必要性活動、自發(fā)性活動、社會性活動進(jìn)行了分類,分級(圖11~13),其中各色彩對應(yīng)不同的頻率等級(表4),可以看出自發(fā)性行為較多地分布于宅后公共活動空間和道路中,而社會性活動高頻區(qū)卻只有一處(圖13中紅圈處)。
表4 行為活動頻等級
圖11 必要性活動分布
圖12 自發(fā)性活動分布
圖13 社會性活動分布
通過前述空間特征數(shù)據(jù)提取的方法,利用Processing軟件結(jié)合Java代碼對活動分布圖示進(jìn)行像素點(diǎn)的信息提取,并利用Excel的函數(shù)編輯對不同頻率的區(qū)域中各點(diǎn)進(jìn)行強(qiáng)度等級的賦值,所得結(jié)果為對應(yīng)行為的空間分布數(shù)據(jù)。
本研究參考地信息系系統(tǒng)數(shù)據(jù)模型[14]的搭建方式,利用Rhino和grasshopper進(jìn)行空間數(shù)據(jù)模型搭建,對視線分析的提取數(shù)據(jù)實施多維度疊合(圖14),其中:每個單元底面尺寸大小對應(yīng)視線遮蔽度(圖7),遮蔽度越高單元底面尺寸越大;每個單元高度對應(yīng)視線整合度(圖6),視線整合度越高單元的高度越高;每個單元色彩對應(yīng)視線控制度(圖8),控制度由橙色向藍(lán)色遞減,其中紫色為控制度極低區(qū)域。
圖14 空間特征多維度疊合
疊合關(guān)系圖有助于對多項解析數(shù)據(jù)的組合效果進(jìn)行較為直觀的捕捉,有利于空間效果的初步定性分析。例如,從圖中可以準(zhǔn)確定位視線遮蔽程度最低、視線整合度最低且視線控制度最低的這一類極值區(qū)域(圖15),因最低的遮蔽效果缺少私密性,且最低的視線控制度讓人難以獲得安全感,同時最低的視線整合度使得在全局范圍內(nèi)難以觀察到,因此駐留進(jìn)行活動的可能性較小。
圖15 特征極值集中區(qū)域
在該社區(qū)不同行為發(fā)生的區(qū)域中,其特征具有一定的對應(yīng)關(guān)系。本研究分別將必要性活動軌跡(圖11)、自發(fā)性活動軌跡(圖12)、社會性活動軌跡(圖13)中數(shù)值參量疊加到空間特征多維疊合(圖14~15)中可得到三種活動分別對應(yīng)的圖形,形成其各自特征,圖中突出的部分為行為活動區(qū)域疊加范圍(圖16~18,表5)。
表5 活動類型特征多維疊合關(guān)系解析
通過空間特征和行為的疊合可以建立一個基本的“行為—空間”數(shù)據(jù)庫,借助Rhino和Grasshopper使其圖形化是為了直觀定性地進(jìn)行空間效果的初步分析,而后將對其數(shù)據(jù)進(jìn)行定量分析,以獲得契合度值。
對于不同的行為類型,其目的和需求不同會影響對空間的選擇,而空間的特征是否順應(yīng)其目的和需求,是研究二者契合度的主要切入點(diǎn)。由于目前缺少針對社區(qū)活動類型與空間特征匹配程度的量化評分方法,并且行為適應(yīng)性評價多以主觀性的問卷調(diào)查為主,筆者試圖通過更加客觀的方式擬定判斷標(biāo)準(zhǔn)。每種活動類型都有理論上較合適的組合特征,利用前述的多維度疊合圖示能將各類特征組合可視化,在此基礎(chǔ)上研究活動發(fā)生地的特征組合,其結(jié)果越接近理論上較合適的組合特征,則行為與空間的契合度越高,反之則說明二者未有較好的融合(圖19)。
圖19 契合度研究方法路線
由于行為類型對空間的需求因人而異,對居民進(jìn)行問卷調(diào)查所獲得的結(jié)果無法統(tǒng)一標(biāo)準(zhǔn)。因此本研究嘗試借鑒層次分析(AHP)中影響因素的搭建結(jié)構(gòu),將各類行為分解出多項對應(yīng)的需求,再針對各項分別評斷所對應(yīng)的空間特征。
①必要性行為的層次分析。必要性行為帶有較強(qiáng)目的性,該社區(qū)中主要為上班、上學(xué)、購物等出行,其最重要的影響因素是路徑的便利性,其關(guān)聯(lián)因素有:開敞性、通達(dá)性,與此因素對應(yīng)的空間特征表現(xiàn)為:視線遮蔽程度、整合度。
②自發(fā)性行為的層次分析。自發(fā)性行為帶有較強(qiáng)的隨意性,該社區(qū)中主要為散步、乘涼、休息,其最重要的影響因素是環(huán)境因素,在天氣較好的前提下偶然發(fā)生,而發(fā)生時對場所選擇最重要的影響因素是空間的舒適度,因本研究只針對空間特征進(jìn)行研究,且該小區(qū)中格局較為均質(zhì),物理環(huán)境變化不大,因而將物理環(huán)境因素暫時擱置。其關(guān)聯(lián)因素有:私密感、安全感、通達(dá)性,與此因素對應(yīng)的空間特征表現(xiàn)為:視線遮蔽程度、視線控制度、整合度。
③社會性行為的層次分析。社會性行為在天氣較好的情況下會發(fā)生,該社區(qū)中主要為會友、社交。其最重要的影響因素是環(huán)境因素,在天氣較好的前提下會發(fā)生,行為發(fā)生的場所較為固定,其關(guān)聯(lián)因素有:開敞性、通達(dá)性、可視性,與此因素對應(yīng)的空間特征表現(xiàn)為:視線遮蔽程度、整合度、視線整合度。
將上述層次分析結(jié)果整理為關(guān)于契合度評價的各項標(biāo)準(zhǔn),以便搭建契合度評價的初步結(jié)構(gòu)(圖20)。根據(jù)前述的多維數(shù)據(jù)庫,可以解析不同活動類型發(fā)生場所的空間特征實際強(qiáng)度值,再以空間特征的理想強(qiáng)度值作為標(biāo)準(zhǔn)進(jìn)行契合度計算。
圖20 “行為—空間”契合度評價層次結(jié)構(gòu)
根據(jù)層次分析的結(jié)果,針對各行為進(jìn)行數(shù)據(jù)抽取。以必要性活動契合度為例,從必要性活動多維疊合關(guān)系(圖16)中,分別提取視線遮蔽程度、整合度來對應(yīng)必要性行為的范圍和頻率分級。以必要性活動軌跡(圖11)作為圖底,疊合整合度(圖6),并將整合度等級以數(shù)值形式顯示,可以發(fā)現(xiàn)在社區(qū)內(nèi)部,必要性活動高頻區(qū)的道路上,整合度等級保持在7以上,中、低頻區(qū)保持在5到3。由于中低頻區(qū)是各家入戶道路,高頻區(qū)是入戶道路匯集的小區(qū)主要通行道路,因此僅對全體居民都共用的高頻區(qū)進(jìn)行計算,通過Excel中的篩選功能,篩選出等級3的高頻區(qū)中各點(diǎn)的整合度數(shù)據(jù)進(jìn)行平均數(shù)計算,得到6.28的平均值,而出于對通達(dá)性的考量,整合度的理想值應(yīng)該為最高等級10,因此計算整合度的契合度為6.28/10,即62.8%(圖21)。
圖21 整合度數(shù)值顯示
視線遮蔽程度計算同整合度的計算,但不同之處在于:權(quán)衡開敞性需求后,遮蔽效果的理想值應(yīng)為1(視線遮蔽越強(qiáng),可視范圍越小,不利于提前觀察路況選擇路線,因此遮蔽效果越低越合適),計算所得的必要性活動等級為3的高頻區(qū)中遮蔽效果平均值為7.81,無法以10作為標(biāo)準(zhǔn)進(jìn)行衡量,因此,以理想值與實際值之差的絕對值作為評價的介值,計算方式為:(10 -︱理想值 - 實際值︱)/10。帶入數(shù)值后可算得契合度為31.9%。
同理可得自發(fā)性行為和社會性行為的各項契合度(表6),并通過平均值來求得綜合契合度數(shù)值。這里需要說明兩點(diǎn):一是綜合契合度數(shù)值的計算理想結(jié)果是通過各項權(quán)重比來計算,但目前相關(guān)研究較少,筆者將會在之后研究中針對權(quán)重比進(jìn)行專門研究,本次研究中暫時用平均方式進(jìn)行初步計算;二是社會性行為研究中,位于街道這類低頻區(qū)因其中混雜其他行為的可能性較高,需要排除。
表6 行為類型層次分析及對應(yīng)的契合度評價
從所呈現(xiàn)的結(jié)果可見,該社區(qū)自發(fā)性行為的契合度較高,說明了街區(qū)格局有利于自發(fā)性行為,其原因在于較高的視線遮蔽程度和控制度提供了較高的私密感和安全感。而社會性行為與空間的契合度較低,說明了街區(qū)格局不利于社會性行為,其原因在于軸線整合度和視線整合度較低,降低了空間通達(dá)性和可視性,而視線遮蔽程度太高,降低了空間開敞性,導(dǎo)致適合居民聚集并易于發(fā)現(xiàn)的場所較少。此結(jié)果也與調(diào)研結(jié)果較為一致,自發(fā)性行為較多地分布于宅后的公共活動場所中,而社會性活動主要的發(fā)生場所僅一處。
本研究基于圖像數(shù)據(jù)的二次提取建立多維數(shù)據(jù)庫,提供了基于像素信息的多種數(shù)據(jù)互通方式,并結(jié)合社區(qū)行為的調(diào)查進(jìn)行了空間行為契合度計算,獲得以下初步結(jié)論:①利用Processing能有效提取圖像結(jié)果進(jìn)行像素點(diǎn)信息,獲得像素點(diǎn)位坐標(biāo)及對應(yīng)的色彩值并對應(yīng)到空間布局中,而通過Excel能對所獲得的數(shù)據(jù)進(jìn)行強(qiáng)度判定、分級,將原其他各類軟件中的計算值轉(zhuǎn)譯出來,從而實現(xiàn)多維數(shù)據(jù)的互通,建立多維數(shù)據(jù)庫;②通過Rhino和GH的配合對多維數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行疊合,能將多維數(shù)據(jù)的組合效果可視化,形成獨(dú)特的空間特征圖譜,便于直觀的定性分析;③利用層次分析方法,能剝離出“行為—空間”關(guān)聯(lián)因素,搭建契合度評價層次結(jié)構(gòu),同時結(jié)合多維數(shù)據(jù)庫對活動區(qū)域內(nèi)各像素點(diǎn)位所示的空間特征強(qiáng)度值進(jìn)行運(yùn)算求得契合度;④青山“紅房子”5街、6街的空間行為契合度計算所得結(jié)果與實際調(diào)研結(jié)果吻合,層次分析后的量化結(jié)果有效解釋了自發(fā)性行為較多,社會性行為卻較少的原因,在于其格局營造出的私密感和安全感較高,而通達(dá)性、可視性、開敞性較低所營造出的場所氛圍,為社區(qū)的二次改造提供參考依據(jù)。由此也驗證了基于多維信息模型的空間行為契合度計算的可行性。
此外,多維信息模型所適用的數(shù)據(jù)種類還可更加豐富,能有效轉(zhuǎn)譯各類圖像結(jié)果,包括物理環(huán)境、衛(wèi)星成像數(shù)據(jù)圖等。因此該方法可融合社會學(xué)、心理學(xué)等多學(xué)科成果進(jìn)行綜合性建模解析,為今后建成環(huán)境使用效果的演算甚至預(yù)測提供了充分的拓展空間。
資料來源:
圖1:引自百度地圖https://map.baidu.com/@12736309.893750032,3565185.5706094024,17.9z/maptype%3DB_EARTH_MAP;
文中其余圖片均為作者繪制、拍攝。