用户名
密码
(30天内有效)
注册
注册
首页 > 案例资料 >

技术革命!现代扬·盖尔如何数字化观测公共空间和生活?丨城市数据派

我要收藏
2020-07-08

爱德华·格莱泽在《城市的胜利》一书中就阐述了城市的秘诀之一:城市使人们更加亲密,让社交与沟通更加便捷,从而加速了思想的交流与创新力的诞生。


1594178170115806.png

▲ 城市的胜利


因此,一座优秀的城市不仅在于其强大的经济力量,更在于它所能孕育出的创新与活力,而这些新鲜活跃的思想常常就源自于人与人之间的互动。


一座城市能否为生活于其中的人们提供足够的社交契机与场所,一定程度上就决定了这座城市能否拥有足以脱颖而出的创新力。这些社交活动所发生的场合可以是多样的:餐厅、咖啡馆、会议室……但更多的社交行为就发生在城市众多的公共空间中,它们的发生常常只是偶然,但又随处可见。这些发生在公共空间中的一次次相遇、交流、互动构成了城市“公共生活”的一部分。



数字化测量公共生活:

从“观察”到“感应”

1971年,丹麦建筑师扬·盖尔(Jan Gehl)发表了《交往与空间》(Life Between Buildings)一书,并指出了城市“公共生活”(public life)的重要性。


“公共生活”相对于我们私人的生活,是所谓“建筑外的生活”,是人们彼此相遇、交流、碰撞的空间。有活力的公共生活可以建立并加深人们之间的联系与纽带,也是许多灵感与刺激的来源。


正因如此,公共空间的设计就显得至关重要。它直接影响着人们在场所中将如何行为、活动,继而决定着这些场所是否鼓励人与人之间的交往。


在盖尔的研究中,他招募了大批的研究员在各种公共空间中进行观察和统计,记录下了公共场所中人群的构成、分布,以及人们的行为活动,并据此给出了公共空间设计上的建议。

1594178208268326.png

▲ 盖尔在研究中绘制的行人轨迹:几乎所有行人都会选择最短的路径穿过广场

1594178239459466.png

▲ 书中对人们在广场上的分布的记录。人们偏向于聚集在场地的四围


然而,这种传统的、依赖于研究者观察的研究方式,虽然可以为观察结果提供大量的语境与背景信息,但也损失了时间与空间上的准确性与精确度。同时,这种依赖于人工的方法也使得公共空间与公共生活的研究几乎不可避免地局限于一些较小的区域,也难以在不同地区和时代之间形成有效的比较。


而在感应技术快速发展,我们的城市环境逐渐得到数据化的今天,巨大的物联网或许能够弥补这种不足。


城市感应设备与感应技术让我们得以准确地、量化地研究人们在公共空间中的交往与活动,而研究者的观察则能补充更多有关环境、场合、氛围等的定性信息。二者的结合将使公共生活研究被提升到一个更高的水平和更综合的角度,从而有效地辅助城市内的公共空间设计。



Bench Mark的实验性项目

2017年,来自麻省理工学院的 Civic Data Design Lab 就开展了一个名为Bench Mark的实验性项目。


该项目利用感应设备收集人们在公共空间中的活动数据,这些感应设备被安装在了最常见的街道家具——长椅上。长椅作为公共场所中最普遍的设施,可以携带感应器记录下环境以及行人数据。长椅本身被使用的情况能够显示人们是否在这一场地停留,从而更有可能进行社交性活动。除此之外,可移动的长椅在场所中的分布更体现着人群的分布与聚集特征。

 

因此,在这项试验中,研究团队打造了一款特殊的长椅。这些长椅的外形与普通长椅相似,而内部则安装了多种感应设备,包括压力感应、GPS定位、以及光电传感器等。


1594178278479060.png

▲ 项目中所使用的长椅内部结构图


1594178305731553.png

▲ 感应器面板结构图


在研究者的设计中,这些传感器记录着四类信息:

1594178360372051.png

▲ 研究团队所设计收集的四类数据


  • 长椅在一天内位置的变化——长椅的位置体现着人们的使用习惯,以及在公共场所内的分布;


  • 长椅被人们所使用的情况,包括使用的时间和停留的时长;


  • 人们在公共场所内可能发生的社交活动,长椅上所携带的声传感器可以监测周围的音量等级,从而判断是否有社交活动发生;


  • 周围的行人活动,传感器可以监测周围经过和停留的人数,以评估公共空间和长椅对人们所产生的吸引力。



场地实验

从2017年7月至10月,研究团队在三个不同的场地进行了他们的实验。


第一阶段的实验在麻省理工学院内部的North Court,为期两个月。9月研究者们前往了北卡莱罗纳州的夏洛特市,10月则在波士顿的HUBweek活动场地。


在这三个场地中,他们将六个带有传感器的长椅布置在场地中,同时为了协助数据的识别,在场地角落处安装了GoPro以记录下场地的影像。


1594178392336307.png

▲ 实验场地一:MIT校园内



1594178557134518.png

▲ 实验场地二:夏洛特市的街道


1594178583676529.png

▲ 实验场地三:波士顿的HUBweek



数据处理


基于感应器所收集到的数据以及GoPro所拍摄下的影像资料,研究者们对人们在场所中的行为活动进行了分析。


首先,针对感应数据,在这次研究中研究者们主要利用了压力数据,GPS定位数据,和加速仪及陀螺仪数据,来确定长椅的使用情况、它们的位置和位置改变。


1594178619481824.png

▲ GPS数据


而对于GoPro所收集到的图像数据,研究者们则使用了卷积神经网络(Convolutional Neural Network)的机器学习算法来对图像中的行人进行识别。


1594178649565416.png

具体来说,研究者使用了2016年由Ross B. Girshick提出的Faster R-CNN,该算法可以统计每张图像内的人数,同时也能对单个行人进行追踪,来判断其在场地内的活动轨迹以及停留的时间。研究者也通过亲自观看GoPro视频对这些数据进行了核对。


1594178679471121.png

▲ 用R-CNN识别行人


在本次实验中,研究者并未将环境因素(声音、光线等)纳入分析范围,但他们提到这会是未来的一个研究方向。



静态活动分析

通过对数据的分析,团队对人们两方面的活动进行了研究:一是静态活动(Stationary Interactions),即在场地内停留了五分钟以上的人们的行为;二是行人活动(Pedestrian Interactions),主要观察人们在场地中如何行走、以及与场地内的设施如何产生互动。

 

首先,关于人们的静态行为,研究者们首先感兴趣的是人们在何时使用了这些长椅。长椅上的压力传感器有效地显示了这一点——压力数值的变动体现了这些长椅正在被使用。从压力数值的范围,研究者还可以大致地判断出使用者是否是儿童等。


1594178741935265.png

▲ 长椅在不同时段内被使用的情况


同时,对GoPro画面的图像识别也显示了椅子位置的变化,研究者可以通过图像识别技术观察长椅是否被移动以及它们被摆放的方式,由此来观察人们对长椅组合和安排的偏好。


结果显示,研究团队提供的长椅常常被摆放在一起,而当它们集中摆放时,人们也有更大的概率使用它们。(由于GPS在城市环境中缺乏准确性,研究结果并未使用GPS数据,而是使用GoPro视频作为代替)。


1594178791973160.png

▲ 长椅被集中摆放、使用的次数


1594178823422095.png

▲ 某一天的使用情况分析



动态活动分析


在动态的行人活动方面,团队所收集到的数据也能揭露许多特征。


根据GoPro影像,研究者们计算了不同时段内经过该场地的人数,然后又根据使用中的座位之间的距离估计是否有社交行为发生(长椅之间距离小于1.5米)。


1594178871294049.png
▲ 8月4日的行人数量


1594178908302279.png

▲ 8月4日的行人数量热力图


1594178937503284.png

▲ 每个格网里的行人数量


此外,研究者们还设计了一个“新奇指数”(Curiosity Index),该指数计算了有多少人在长椅旁停留了6秒或以上。这一数据可以显示这些长椅是否对人们产生了额外的吸引力——被吸引的人群有更大的概率在场地中进行其他活动。


1594178963117433.png

▲“新奇指数”计算方法


结果发现,这些长椅让更多的人们在周围停留,提高了场地的活力和社交活动的可能性。

1594179008490602.png

▲ 行人数量与长椅的“新奇指数”


1594179032190071.png



经验总结


在实验过后,研究者总结出了几点经验:


首先他们发现,在公共场所的设计上,人们常常会需要临时地改变场所设施,从而方便他们的交流与活动,因此,公共设施需要更加的灵活、简洁、可变化


其二,在感应器的使用上,有许多感应设备由于缺乏精确度或是安装困难的缘故无法在研究中使用,因此,传感器的挑选和安装需要在未来根据研究目的和方法进行改进。而对GoPro图像的分析也需要更为准确、有效的算法。


1594179065901080.png

▲ Gopro图像提升计划

其三,关于传感器在实验场所中与人们本身所产生的互动,研究者们发现,传感器的设计、摆放等都可能影响人们的行为,这也需要未来的研究者们继续地优化设计。


最后,在数据的分析上,研究团队特别强调了流水线形式的数据批量处理,以及基于图像的算法开发。这些经验可以为未来的研究者们提供参考和指导。



结  论

研究团队在最后总结道:人们在公共场所中的确具有进行社会交往的倾向,也更偏爱那些鼓励社交行为的设施摆放。


同时,一些像这样的新奇装置会使人们产生好奇,从而增加场地的活力与吸引力,有助于社交行为的发生。


更重要的是,利用感应设备来进行繁琐且细节的观察,以及利用机器学习进行体量庞大的数据和影像处理在这一实验中被证明是可行的。这将为研究人员节省大量的时间和资源,而让他们在其他定性的、更加复杂的分析上花费精力。


研究者最后还提到,未来的算法开发可以为此类研究提供更好、更加准确的工具,帮助我们在不同形式的数据中识别出人们的活动。


诚然,这一项目尚有许多缺陷,比如一些感应设备的表现并不理想,以及他们的分析未能将环境因素与人们的行为联系起来。这些都是为未来的研究指明了方向和可能。



启  发

总的来说,Bench Mark这一项目虽然并未能够完全实现数据的大量采集与自动处理,其目前的结论也并不新奇,但它带给了我们关于公共生活研究的重要启示——利用物联网、普适感应、与机器学习技术,我们如今可以以一种更加便捷、有效率的方法将盖尔的研究在不同的时间、地点、范围中实现,从而构建出一个丰富的“公共生活数据库”。


而从繁琐工作中被释放出来的研究者们则可以从这些数据当中,进一步地解读出人们的行为模式及其对城市设计的启发。这些量化的数据也使地区之间或时间上的比较成为可能。

 

最后,值得注意的是,这些感应与识别技术对数据的管理提出了巨大的挑战。如何在数据收集、处理、与分享过程中保障人们的隐私,不仅仅是一个技术的问题,更是对数据道德和数据管理机制的一次考验。

本站声明

本文仅代表作者观点,不代表城市数据派立场;
本文系作者授权城市数据派发表,未经许可,不得转载;
本网站上的所有内容均为虚拟服务,一经购买成功概不退款,请您理解。

点赞0

全站浏览排行

TOP ARTICLES