温州市中央绿轴是贯穿温州市南北的空间景观主轴,也是公共文化和公共活动的中心,涵盖了行政文化区、休闲生活区、商业创意区及城市绿地区四大核心功能区。本研究通过建立城市空间案例数据库,利用机器学习生成路网,利用深度学习生成街区空间形态及建筑功能布局,最终利用处理(Processing)算法生成三维空间模型。
本研究总共确定6个城市空间为基本案例,分别是华盛顿、杭州钱江新城、温州传统城区、威尼斯、巴塞罗那和巴黎,并分析及收集数据。
针对6个案例,本研究进行前期分析处理后,形成城市空间案例数据库。城市空间案例数据库分为3个子数据库,即每一个案例包含三部分信息:城市交通路网、城市街区空间形态和城市建筑功能布局。
城市交通路网信息是收集、整理案例中的路网素材。城市街区形态信息用不同颜色区分不同高度的建筑、广场、绿地和其他公共空间,建筑高度分为三类:1~3层建筑、3~8层建筑和8层以上建筑。建筑功能布局信息将建筑功能分为五类:文化教育、商业、居住、行政办公和商住结合,用不同的颜色区分建筑功能类型。
(二)基于机器学习的城市交通路网的模拟生成及评价筛选
提取数据库中的城市交通路网信息,采用蟒蛇算法波函数坍塌进行机器学习,调整特征参数N(如3、4、5)生成多张路网,再对所生成的路网进行评价筛选,选取最优城市交通路网。城市交通路网的评价主要包括两个方面:时间和空间。其一,在空间上要考虑场地一定范围内的区域交通路网总体建设水平、路网可达性和路网密度等,这基本上属于静态分析。其二,在时间上要考虑区域路网的运行时间、机动车车速等,进而对其做出评价。但是本研究主要停留在方案阶段,所以对于时间的评价不能判断,只能对空间进行评价。本研究按照系统性、独立性、实用性、可比性、科学性及可靠性等原则确定以下评价指标:路网密度、路网可达性及周边场地契合度。
在3个生成的路网方案中,方案一路网密度适宜,可达性高,周边场地契合度高;方案二路网密度高,可达性适宜,周边场地契合度低;方案三路网密度高,可达性低,周边场地契合度低。因此,方案一为最优路网方案(图2)。
(三)基于深度学习的城市街区空间形态的模拟生成及评价筛选
首先,提取该城市设计案例的城市街区空间形态数据,采用深度学习算法,利用图像处理器模拟案例内广场、绿化和不同高度建筑的布置,每一个数据源调整不同迭代次数I(40、60、80) 进行三次学习,将6个案例单独作为数据源学习,形成18套方案。因为温州市中央绿轴北延段属于轴线式布局,所以将案例中的华盛顿和杭州钱江新城两个轴线式布局的案例作为主体分别与其余的案例组合,将两个案例作为数据源进行学习,形成9个数据源、27套方案,总计生成45套城市街区空间形态方案。其次,从尊重场地山水构架出发,对45套方案中的杨府山和上陡门河进行修正。最后,对45套方案进行评价筛选。评价指标有8项,即城市天际线轮廓、建设用地率、地质地形条件适配性、建成区绿化覆盖率、城市广场布置合理性、建筑空间形态质量、公共空间形态质量和可识别性,对每项进行相加,最后挑选出总分(Su)排在前6的方案( 图3 ~图10)。其中,图3~图6是由6个案例单独作为数据源学习形成的方案,图7~图10是以华盛顿和杭州钱江新城两个轴线式布局的案例作为主体分别与其余的案例组合作为数据源形成的方案。图3~图10第一列为案例的建筑高度信息图和基地图,第二列为场地基地图,第三列为在迭代次数I分别为40、60、80时输出的建筑高度图,第四列为设计师将场地水体及绿地加入后对方案修正的结果,第五列为方案模型生成。评价公式如下:
(四)基于深度学习的城市建筑功能布局的模拟生成及评价筛选
提取选取的6套方案所对应的数据源案例的城市建筑功能布局数据,采用深度学习算法,利用图像处理器模拟案例内建筑的功能布局,每套方案调整三次迭代次数I(40、60、80),生成18 套城市建筑功能布局方案,对其进行筛选评价。本研究指定评价指标为城市建筑功能完善性和城市建筑功能布局的合理性。其中,城市建筑功能完善性的主要指标为建筑功能种类,城市建筑功能布局合理性的主要指标为不同功能建筑分布密度、建筑服务半径覆盖度。基于方案,由设计师根据指定评价指标进行经验性评分。在此评价过程中,设计师个人主观先导性较强,这也是本框架的优势,充分发挥了设计师本身的判断能力,不至于过度依赖数字化技术。根据各个评价指标总分由高到低排序,得出杭州钱江新城和威尼斯作为数据源所生成的建筑功能布局最佳,即为最佳方案(图11~图13)。
第一步,利用处理软件编写算法程序,对上一阶段模拟生成二维的最终方案的温州市中央绿轴北延段城市街区空间形态图内不同颜色的像素点赋予不同高度,生成三维的像素点位模型,并导出每个像素点的三维坐标信息。第二步,利用犀牛和蚱蜢软件建立算法程序,导入上一步得到的三维坐标信息数据,自动生成温州市中央绿轴北延段三维模型(图14)。
综合整体设计研究框架,根据“学习—模拟—输出”的整体逻辑顺序,集中设计师参与评价。首先,获得城市交通路网方案,随后对其进行评价,选择最优方案。其次,基于城市交通路网最优方案进行街道空间方案生成,选择街道空间最优方案。最后,基于街道空间最优方案再进一步进行建筑功能布局方案生成,选择建筑功能布局最优方案,最终获得城市设计方案。本设计研究框架首次将机器学习与深度学习结合应用于城市设计中,能够快速地获得初步的设计方案,同时在此过程中设计师也发挥一定能动性,起到了一定的判读与评价的作用。