当前课程知识点:新城市科学 > 10. 人本尺度城市形态:定义、理论与方法 > 10.3 人本尺度城市形态:方法 > 课程视频
下面就是方法
我们说方法我们有这个
就是我们的比如说街道空间
或者小的公园
形态上怎么来做
我们说现在有两种方法
不好意思 我要说的是
这三种都是大规模来做的方法
给你一个街道让你好好来研究
那很容易呀 对不对
你观察一下午那可能也出来了
系统性社会观察
比如说北京一万个街道
让你来做形态品质活力测度
你应该怎么做
我们说形态上
你是可以用街景图片的
用街景图片
就是看现场是
Built environment audit
你不到现场看
你在网上看这个现场
可以吧
我在街景图片上
把北京看了一遍 可以吧
这个怎么翻译
这个就是再加上一个
Virtual
虚拟的建成环境审计 对吧
就虽然没有到现场
但是仿佛和到现场也差不多
有很多公共健康上的论文来证明
说我用谷歌影像
研究一个地方的安全感
和我到现场做出来的是很一致的
什么意思呢
体现了这个研究告诉你
以后评估一个街道的安全与否
舒适与否
你不用到现场来看了
你用Google street view
就可以来看了
其实有很多文章来证明
研究可步行性等等
所以我们团队
当然现在这个之后
也有很多国内同行
大规模的用街景图片来研究
因为你说一万个街道
北京一万个街道你怎么做
你总不能把北京一万个街道
都看一遍吧
那你得打车
得花多少费用 对不对
所以用街景图片
还可以用这个建筑物来做 对吧
因为建筑物
塑造了我们街道的空间
第二方面 品质怎么样
就是街道美不美丑不丑
也可以用街景图片
和审计的这个平台
还可以用一些生物智能设备
再用人工智能
人工和人工智能结合的方式来做
这类似于北京的一万个街道
我知道500个
那500个我知道它是美还是丑
然后我告诉电脑
我这还有一万个你帮我算一下
类似于我标注了500个图片
告诉里面有300个猫200个狗
然后告诉你
我后边还有一万个动物
我们人工智能那次
也稍微说了一些 对吧
这是深度学习 也是可以的
活力呢
活力是最简单的
活力 当然我们说
活动是简单
但是活力不简单 对吧
我们只是做了一个转译对吧
我们说的更多的是活动
我们说可以用一些大数据的方式
现在淘宝上随便一买
都能买到很多数据
其实也很有意思
我们用手机的数据
也可以对每个街道上的活动
都做一个测度 都是可以的
用微博的数据
模拟评估线上的活力
也是可以的
下面就是很简单的一些方法
首先就是我们针对
我们的空间长什么样子
第一个维度 形态
形态 我们有五种方法
现场调查
基本的城市的基本信息
其实有大量的城市
每个街道有多长多宽
两边有什么房子
都是在网上是免费的
所以当时就会发现
有的时候研究纽约
比研究北京更容易 对吧
这个数据可获得性是更高的
用街景图片来测度
用建筑物来测度
所以这张图反映的就是
我们说我们
我们要研究街道的时候
我们可以把街道进行解剖
分成不同的部分
比如说我们有一个研究工作
就是看北京每个街道
在过去三年有没有发生什么变化
然后我们可以
当时的街景 现在的街景
我们来对比
当然业余的方式说
这个变了
这是很业余的方式
不一样了
老太太回忆说不一样了
稍微专业一点
你总得把它解剖一下
说是底商发生了变化
建筑立面发生了变化
植被发生变化
车道发生变化
人行空间发生变化
所以可以稍微地
把它剖析 解剖一下
我重点来说街景图片
当然街景图片最容易的方式
是人工判读 可以吧
人工判读
那就变成什么
Manually built environment audit 可以吧
就是人工的 虚拟的
建成环境的审查
当然人工判读
你总不能总是人工
我们说有能不能稍微智能的方式
第一个你可以用Matlab来做
所以我们做了一个研究工作是
给一张图片
自动把绿色的识别出来
然后再告诉它
每个街道不同的点
绿色占比
说每个街道的
每隔20米我选一个观察点
顺着街道 背对街道 它两侧
有四张照片 对吧
每个照片我都算出一个比例
求平均值
说绿视率怎么样
但用Matlab有个问题是什么呢
你会把一些清真的餐厅
绿色的车也都识别出来
但无论如何Matlab是一种方法
因为它专门做图片的
但是现在网上也有很多
开放的API
比如微软提供这样的
在线的API
API就是Application
Programming interface
很简单 写三行代码
就可以自动算一个照片里面
有什么要素
对吧 微软有这样的功能
比如最简单的是
三年前曾经很火的一张
一个功能是什么呢
发一个合影
就能算出每个人有多大
我相信诸位有个别的
可能会用过
然后有人被高估了
有人被低估了 对不对
其实用的就是类似这样的方式
微软上给一个图片就能识别出
人手 建筑物的拱门
道路 教堂 室内 室外 鲜花等等
是可以自动识别出来的
这很简单的方式
你在微软这个上面
你可以直接查询
自动上传也可以
但这个有问题是
如果你有一万张照片
它可就不让你免费来算了
那就是收费的
这是收费的服务
如果300张是免费的可能
一万张就是收费的
然后当然图片的还可以有这样
有一些深度学习的算法
比如说SegNet Mobilenet Inception
一些算法
给你一个图片就自动能识别出
什么地方是树
什么地方是道路
什么地方是人行道
什么地方是天空 类似于
就能够自动来识别
所以这是街景图片
当然我要做一个概括的话
图片的深度学习主要有几种
第一个方面是
Classification
Classification什么意思
给你一个图片
告诉我里面有没有狗 可以吧
但是没告诉你狗在哪
第二个图片是
第二个意思是Segmentation
Segmentation是什么意思呢
给你一个图片类似于这样
告诉你这是天空 这是绿地
对不对
这是Segmentation
还有一种是
Object Detection
就类似于说
这里面有个人 人在这儿
给你画出一个框来 对不对
所以刚才微软那个做的是这个
所以无论如何我想针对于
我们现在有越来越多的方法
可以做大规模的图片的识别
再不济我们还有人工智能的方式
再不济我们还有众包的方式
再不济我们还有淘宝的方式
然后人工智能
人工智能有三种
所以这个时候就很有意思
为什么我今天主题
原来题目是基于图片的什么什么
因为后来我们发现
很多城市空间的问题
都可以变成图像的问题
有意思吧
比如街景图片是全覆盖的
每个空间又有监控
我们刚做了一个研究工作
是什么呢
用打猎相机拍摄的
水墨社区安了五个线
当然是在他们居委会
和派出所的支持之下
五个打猎相机
每五分钟拍一张照片
挂了两周 拍到很多照片
我们就可以自动地
来做一些图像识别的工作
其实很多空间问题
最后可以用图片的方式来做
当然有同学会说
我要研究清华
清华里面没有
没有街景图片 对不对
是因为当时百度的车要开进来
比如说我们保安不让他进
所以从此我们里面是没有街景的
举个例子
这个时候怎么做
其实我们也可以自己
来采集街景图片
诸位想想怎么采
其实我说我们实验室
暑假的时候
做了一个很简单的工作
把手机放到电动车上
然后录像 对吧
然后录像
当然也可以设置成延时摄影
或者间隔拍照 对吧
我每两秒钟拍张照片 可以吧
最后清华大学拍了一万张照片
每个照片也有经纬度的坐标
在它EXIF里面
对吧 现在iPhone拍照都有
很多智能手机拍照都有
我们不就可以
说清华里面
不同位置的街景图片是什么
都是可以的
当然我们暑假的时候
在鹤岗 鹤岗20平方公里
那么大的土地
20平方公里
那你再骑个电动车 自行车
那就不行了 对不对
我们用行车记录仪这样的方式
把鹤岗拍了一遍
因为百度上街景图片没有那么新
所以我们花了500块
租了一个出租车
跑了六个小时
然后用了一个500块的设备
行车记录仪的设备
然后就把鹤岗可以拍一遍
这样你不就把空间的现状
拍下来还有经纬度的坐标
对不对
你不就自己来生产街景图片嘛
这个多好 对吧
把数据获得的权力
掌握在我们自己手上
而不是在互联网公司的手上
这样我可以今天拍完
明天再拍
我就可以说过去一天的变化
可以吧
我可以这个月拍完
下个月再拍
一个月的变化
所以这是有可能的
所以无论如何我的意思是
图片数据对我们研究
人本尺度城市形态
公共空间是有非常大的一个作用
当然现在我也怂恿美团的快递员
我说你们每个快递员
有一个摄像头在车上
那这了不得 对不对
小区里面写字楼里面到处都有
但他们最好别这么干
另外一个就是我们用
用建筑物的数据
怎么来测度
一个街道空间的形状
当然这张图就很形象了
我们可以用GIS的
一些空间分析的算法
自动来算每个街道两旁
建筑物 street wall 对吧
一共占多长
能算60%贴线率 还是80%
是可以的
高宽比我们也是可以来测度的
这个时候就很有意思
你想如果两个街道
一个街道呢
这边都是三层
这边都是三层
你想这是一个什么街道
两边都是高度一致
有的街道这边是三层
这边是八层
你想这样的空间又是什么样子
对吧
你可以感觉
这边三层 那边八层 对吧
所以这是
每个指标都是反映
不同的空间的状态
还有一个指标是什么呢
如果这边平均是三层
这边平均也是三层
平均值是三
但是这边有的是一有的是八
对吧
即便是平均都是三层
给你的空间又有很多种可能
所以我想其实
用建筑物塑造出来的
这个时候你就可以用
算平均值
再算一个标准差也可以 对不对
标准差越大
表示建筑物越错落有致 可以吧
其实你用一个平均值
一个标准差
你就可以把这种空间的形态
塑造出来
还有它两边都测度一下
所以我们就可以用建筑物
很好地来测度我们的空间
这个就是我们
说空间形状发生什么变化
可以用2015年的街景
用2012年的街景 对吧
我们也可以一个一个来看
不同位置发生什么变化
所以这个是什么
这个就是用科学研究的态度
做找不同的游戏
对吧
就看底商有没有发生变化
道路铺装有没有变化
其实这个也很有意思
这是原有没有街景图片的时候
是不可能的
只能靠大爷大妈来回忆
说原来我门口那个路
有两个车道那么宽
现在变成三个车道了等等
所以我们是可以用这样的方式
当然现在还有一个好处是
有越来越多的行车记录仪
拍摄我们的城市 对吧
很多车上都装了行车记录仪
百度公司每年拍摄一遍北京
那我要说行车记录仪
可能每天拍摄北京800次 对不对
这个时候我们就可以
来做更有意思的工作
所以什么叫测度不可以测度
对吧
就一 我们有数据了
二 我们有算法了
三 我们能存储
我们来做
当然我要说我们这里面做的
还是用新的数据
来研究老的城市 对不对
而不是用
而不是研究新的城市
对吧 这是一个
然后下面就是品质
品质这个我很快来过
因为我们说空间的形态
我们可以用街景图片 现场
用建筑物来塑造出来
空间长什么样子 对吧
但品质好不好 美不美 丑不丑
我们在做美不美丑不丑的时候
也是借鉴了这个选美 对吧
说我们空间这个好还是不好
是可以一定程度来借鉴
我们选美的这样的过程 对吧
当然第一个是驻留意愿
就类似于我们派了一个
比如说派我过去
找出 我一个人说
找出哪一个是最帅
我一个人把所有人都打分
类似于我可以说
每个空间里面
你是否愿意驻留15分钟以上
有的说我非常不愿意
对吧 有的空间
你看了这个照片
有的照片就是我非常愿意
就I do 对吧
然后有的照片一般
每个我都可以打5分对吧
就是靠一个人
靠Auditor对吧
靠审查员
但这时候涉及到
你是到这个空间现场呢
还是只是看看街景图片就可以了
对吧
你要到现场那就是
Site visit
或者是built environment audit
我们街景图片就是
Virtual audit 对吧
所以这是一个人把所有的打分
当然我们还有一种方式是
说你只是从一个方面来打分
我们可不可以从五个方面 对吧
比如根据一些理论
说空间维和性怎么样
人性化尺度
通透性 整洁度 意象化
因为从一些理论上说
城市空间可以从八个维度
城市好的空间品质
是由八个维度来构成的
就把一个空间好与不好
品质高与低
分解成为八个维度 对吧
这个它是用这样的方式
比如说复杂度 连接性
通透度 人本尺度等等
就每个方面你都来打分
原来是一个空间打一个分
现在一个空间打五个分
或者打八个分
最后最高分是八分
最低分是零分
我们也可以
但是还有就是刚才我们说的
就两两对比
这是一个可以的方式
大家得保证对比的
大规模的对比 对吧
你要算一下有多少次
基本上能够每个pair
能够被遍历对不对
这很重要
但这种对比也有两种方式
你可以一个人看这个网页来对比
也可以把这个网页公布出来
让清华大学所有的同学都来看
选出清华最美的一个街道
或者一个小的绿地也可以
但这个得保证有大规模的试验
大规模的样本的输入
还有形态指标法
就类似于评估人
我说鼻梁高不高 对不对
眼睛大不大
那我们空间也是可以如此
它的贴线率怎么样
高宽比怎么样
整洁度怎么样
然后每个方面我们都可以
绿化怎么样
我们可以用一些客观的指标
来表征一些主观的perception
诸位想 我们就把一个
刚才我让诸位来讨论的
来回答的
是一个很主观的问题
一个人帅与不帅
美与不美
品质高与不高
这是一个perception
你怎么把它变成自动化
就是你如果
能把它客观的指标
和它链接上来不就更好吗
有指向性的一些客观指标
因为客观指标你可以测度出来
客观指标你可以测度
他的身高 他的体重
他的眉毛的宽度
也都是可以的
我们用形态指标法 连续度
还有我们有人工智能
什么意思呢
比如说有个小朋友我拍的
然后我告诉他
哪些是最帅的
我让他看完
哪些是最丑的他又看完
然后说OK派你到隔壁班
找出最帅的这个人选
也可以
这不就是人工智能
人工标注与人工智能结合的方式
就是在让电脑知道
哪一个空间最美之前
你总得告诉电脑
哪一个空间是最美的 对吧
你想让它有多准
你就得做多大的工作量
要多少智能就得有多少人工
怎么可以用一些人工标注
和机器学习的方式
最开始我们展示的
北京的那个五环工作
之后我们就做了全国的
这个工作
人工智能机器学习
当然这个就展示的是
我们做的是
人工标注了30万张之后
就推广到中国这么多城市
这个里面就是我们的
一些品质的结果
颜色越黑表示品质越差
有意思吧
当然这个图很有意思
就是指的是
中国的街道空间品质
哪一个城市最差
哪一个城市最好
原来只是你作为游客
作为居民的个别的一些认识
不能保证一个人去过所有的城市
不能保证一个人以同样的眼光
把所有城市都看了
而我们让电脑把每一个城市的
每一个街道上的
朝四面八方都看了一遍
就看出这样的结果
当然在直辖市里面
北京是空间品质最差的
然后当然还可以用一些
生物智能的设备
就是一个人长得帅与不帅
不是靠你说出来的
不是你state对吧
说出来的
是表征出来的
就类似于
我要找到一个
测他的心速
见到一个人 对不对
这个心率
你如果脉搏明显的
心跳次数更频繁了
说就表明他更帅 对吧
但这也是一个比喻了
我们就可以用眼动仪的方式
用一些生物智能的设备来做
脑电波等等都是可以的
当然我要不得不说什么呢
我们这个研究里面
致力于用眼动仪的方式
来评估最美的空间
后来我们失败了
就是发现没有什么规律
就一个人眼睛看什么地方
和它品质好与不好
没有什么太大关系
有时候 类似于有的人
一眼就看到了最漂亮的那位
有的人一眼就看到了最丑的那位
就是一眼就看到 对吧
这是一样的
所以当时我们SRT项目
那几个同学就不是特别适应
就是建筑学院的那几个同学
说我们这个怎么能失败呢
我们做设计课
没有干不出来的设计
诸位想一下是不是这样
然后我们老师做项目
没有干不出来的项目 对不对
就给你一个工作
你肯定会能完成的 对吧
这就很有意思
就真正的科学研究是什么呢
是你还是有失败的时候
有大量失败的时候
你每个都能成功
每个都能写出论文来
你怎么能来说你这是科学
对吧 所以这个就是
后来我就和这个同学说
我说你干不出来
你可以告诉别人
说我们用这个失败了
如果10个团队都做了 都失败了
那我们是不是变成
我们领域内的一个知识
就别人你就不要用眼动仪
这样的方式来评估空间品质
不要再费事了
就变成大家一个共识 对吧
所以我想也可以这样
然后活力呢
我们就可以用数据分析的
一些方式来做了
活力我们可以用一些
大数据的方式
然后当然 这是用虚拟的
建成环境审查的平台
我们可以开发一个网页
每个网页自动显示出
每个街道上每个点的四张照片
让人来1 2 3 4 来勾 对吧
当然这工作也是非常的勇于的
也非常的无聊的工作 对不对
所以我也在考虑我们当时雇的
也不是志愿者
我们有偿的一些服务
我们花了几万块
把30万张照片都看了一遍
就为了得到刚才北京的那张图
我们花了几万块的投入
5万块左右吧
中间 有意思吧
就相当于我经常遇到一些人说
你们专业做这个研究工作
还用花钱吗
拿电脑跑一跑
画一画 算一算就出来了
当然这个也很有意思
就是花了5万块
只为了得到一张图
然后我们用系统性的社会观察
或者虚拟的建成环境审查
所以我想这个就是
今天和诸位讨论的
就是说我们人本尺城市形态
城市设计的尺度 公共空间
它的理论的这个框
它很难来测度
它很重要
但是又很难来测度
现在有了数据 有了方法
可以来初步的做一些测度
但我认为还是比较初步的
然后理论方面有一些贡献
然后方法上有一些测试
形态上的 品质上的 活力上的
-1.1 城市及城市科学的发展演变
--课程视频
-1.2 新城市科学的提出
--课程视频
-1.3 相关研究机构 、期刊和课程
--课程视频
-1.4 变化中的城市
--课程视频
-课程讲义
-课后讨论
-课后练习1
-2.1 城市概念的定义
--课程视频
-2.2 城市正在发生的变化:驱动力
--课程视频
-2.3 城市正在发生的变化:产品/服务
--课程视频
-2.4 城市正在发生的变化:城市空间
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习2
-3.1 为什么强调地理思维
--课程视频
-3.2 地理思维应用的基础
--课程视频
-3.3 如何应用地理思维
--课程视频
-3.4 课堂提问
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习3
-4.1 我所理解的新城市科学
--课程视频
-4.2 新城市科学的机遇
--课程视频
-4.3 新城市科学下的规划治理
--课程视频
-4.4 新城市科学下的社区实践
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习4
-5.1 从数字孪生到数字孪生城市
--课程视频
-5.2 数字孪生城市的系统认知
--课程视频
-5.3 数字孪生城市的实践突破
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习5
-6.1 前言
--课程视频
-6.2 机器学习
--课程视频
-6.3 深度学习
--课程视频
-6.4 城市科学当中的应用
--课程视频
-6.5 课堂提问
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习6
-7.1 前言
--课程视频
-7.2 物联网(1)
--课程视频
-7.3 物联网(2)
--课程视频
-7.4 基于物联网的相关案例
--课程视频
-7.5 基于穿戴式设备的相关案例
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习7
-8.1 前言
--课程视频
-8.2 智慧城市:ICT技术驱动的空间变革
--课程视频
-8.3 智慧城市:从大脑到神经系统的改造之路
--课程视频
-8.4 城市数据:从问题洞察到管理与运营工具
--课程视频
-8.5 课堂提问
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习8
-9.1 数据介绍
--课程视频
-9.2 商圈识别、分类与评价
--课程视频
-9.3 项目介绍与产品升级
--课程视频
-9.4 课堂提问
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习9
-10.1 人本尺度城市形态:定义
--课程视频
-10.2 人本尺度城市形态:理论
--课程视频
-10.3 人本尺度城市形态:方法
--课程视频
-课程讲义
-课外阅读
-课后讨论
-课后练习10
-11.1 大数据+城市科学
--课程视频
-11.2 计算社会科学:方法论
--课程视频
-11.3 计算社会科学:方法与议题
--课程视频
-11.4 计算社会科学:前沿应用
--课程视频
-课程讲义
-课后讨论
-课外阅读
-课后练习11
-12.1 未来城市:空间干预与数字创新
--课程视频
-12.2 未来城市:认识论和方法论
--课程视频
-12.3 案例分享
--课程视频
-课程讲义
-课后讨论
-课外阅读
-课后练习12
-课程视频
-课后讨论