DigitalFUTURES: 城市 | 数据 | 搜索引擎



Workshop Leaders: 李飚 + 李力 +莫怡晨 + 吴佳倩 + 张柏洲 / 东南大学建筑学院,建筑运算与应用研究所

在本次工作营中,我们会在爬取城市大数据的基础上,介绍一种基于机器学习的城市形态及环境数据的特征提取及降维方法。基于此方法,可以建立一个城市形态样本搜索引擎,方便设计者在成千上万的样本中发现最为匹配的案例用于分析及指导设计。

传统城市设计多依赖建筑师对于场地环境,依据既有规章制度及自身经验进行综合判断。随着数字化城市的发展,来自网络地图、社交媒体、泛在式设备、移动运营商等与城市相关的数字信息急剧曾加,在更广泛的时空维度上提供了客观数据依据。如何辨析、获取、分析、利用这些数字信息也成为一个亟待探索的课题。 除了将数据行进统计、分析、可视化,作为传统数据的补充。机器学习为大数据在城市中的应用提供了一种新的范式——用大数据建立一个庞大的案例数据库,使用机器学习算法自动提取案例的主要特征,分析相似性。为设计者提供一个城市案例搜索引擎,筛选出与当前设计条件最为接近的数个样本作为设计参考,并在此基础上进行进一步的修正和改进。 新范式可被视作扩大化的前期案例调研分析。传统方法的局限在于真实环境的研究变量繁多,难以找到理想的对比案例。相比于人工搜索选择的有限数量的案例,大型案例搜索引擎可提供更为近似的,有针对性和指导意义的案例。利用神经网络自动提取样本中的最主要特征,进行案例的比较,很大程度上避免了主观因素的介入,对于一些规律性强,样本充足的设计问题,检索到的案例甚至可以直接应用到现有项目中,这些样本多是现实中已经存在的、得到成功运用的解决方案,经过日常使用的检验,可以避免一些设计者经验之外的问题。

source

Save This Post