本年度最后一次公开课,限额招生
点击上图,了解4大金牌大数据课程
转载来源于公众号:城市环境行为设计
街区空间中人群行为信息层研究分析
行为信息是生物体在特定空间中进行行为活动时所反馈的某些特征,包括特殊行为监测、行为路线及起讫点调查、行为方式载体分析、行为应激性探询、行为分布态势研究与行为模拟仿真等。
Kenichi Mishima(2010)通过对人群行为的奇异值进行分解,同时提取人群运动特征以便对异质行为与同质行为进行区分
Xiao Ping Li(2013)通过对视频图像中人群运动信息的提取、识别和分析建立行为状态的三次样条函数方程用以描述人类的运动轨迹
Valentina Basarić等(2016)通过NOSTRAM数据库对位于塞尔维亚第二大城市诺维萨德中不同年龄、性别人群的通勤方式和出行地点等行为进行研究
James D. Goltz(2016)针对美国加州三次地震中人群反应的行为特征进行对比分析,认为在面对突发事件中人群行为表现为自适应性、多样性等复合特征
William S. Beatty等(2016)通过使用Argos卫星标签和传感器实时检测楚科奇海域中海象的行为特征及分布场所等信息,为动物活动的数据采集等提供参考模型
Seung Wan Hong等(2016)提出一种人类行为的适用性仿真模拟器,在深入分析人群行为特征与表现的过程中建立环境与人类活动之间的最佳匹配尺度
■美国学者Rocer Trancik在《Finding Lost Space》中阐释人的行为活动和感官信息对街区活力塑造和失落空间规避的重要性,Glare Cooper Marcus在《People Places: Design Guidelines for Urban Open Space》提出从行为心理学和行为需求要素上设计符合人性需求的空间。作为空间的主要使用者,人的行为活动能否得到充分满足和拓展,是鉴定空间的重要指标,同时也是指引空间优化的主要路径。
■对于街区空间中人群行为信息的研究主要集中于行为的数量、形态、分布特征等,人群行为信息层CBML(Crowd Behavior Message Layer)就是对特定空间体系中人群行为从显性信息到隐性信息逐步挖掘的过程,按照行为信息的表象层、背景层和决策层的获取秩序将分析步骤划分为表层获取、中层提炼和里层探究(图1),通过引入行为发生载体并对该载体空间中人群总数进行统计以便量化研究(表层),并在一定的判定标准下对行为个体和载体空间的类别形态进行统计划分(中层),以便从行为在总体空间中的分布特征及分割空间中每种行为的分布特征两方面进行对向研究并提取、演绎人群行为的分布规律(里层)。
图1 商业街空间中CBML结构
Fig.1 Framework of the Crowd Behavior Message Layer in commericl street space
作者自绘
■形成一种基于环境行为学的研究方法:CBML,提出“行为-空间”分布与“空间-行为”的对向研究方式。从“人本”的角度研究并扩展了清明上河图的历史信息价值,并以人群信息为基础的系统分析模式探索了历史商业街区与历史人群之间不可再现的研究载体、主体关系,为当今街区的发展保护与存量设计等提供新研究途径。
街区空间中人群行为信息层研究分析——
基于对清明上河图的解读
《清明上河图》中的街区空间反映了大量的人群行为信息,从非物质要素维度对其进行研究可形成对空间组合、建筑形态、街市肌理等既有研究方向的重要补充。引入人群行为信息层的系统分析模式,从表层信息中识别《清明上河图》中人群数量为786人;于中层信息判定人群行为分布于5个空间区段,并表现为穿行、买卖、劳务、观赏、交往、休憩、娱乐、卜卦、服务、祭祀10类行为状态;于信息里层得出行为分布随空间推进表现为波动型增长、表现为"梳理"与"展示"空间、汴河上游及虹桥空间、街市空间行为分布分别呈双向、单向选择性、汴河中下游空间行为结构稳定性最强,郊野空间最弱。
■1.1 行为载体引入——清明上河图
北宋画家张择端所绘《清明上河图》 以长卷形式和精工笔画详细描绘了北宋徽宗年间(公元1100-1126年)东京城的部分城市风貌(图2)。在北宋东京政治形态与文化氛围的“新常态”背景下,人群行为的方式类别及分布场所的自由度显著提高,阶层等级、价值观念和消费风尚(中层-行为方式)对北宋东京街市空间界面(中层--行为空间)的开放度、标识性等特征产生了潜移默化的影响,人群行为活动依托承载于街区空间体系(中层-行为方式),二者之间通过互动与对话为场所精神和空间形态提供展示的窗口与舞台(中层--行为空间划分),同时商业制度的革新与商业行为的衍生等市制改革的持续影响业已促使北宋东京商业空间(里层--“空间-行为”分布)趋带状延伸发展并形成点面结合的网络体系。
图2 清明上河图
■1.2 清明上河图中人群数量
明晰清明上河图中人群数量是行为信息数据化的基础与前提,对于图中刻画人数众说纷纭、差异较大且数据老旧,邵慧良(2000)等估约图中人数500多个;柯宏伟(2004)等精确表示图中人物有684个;撒莹(2015)指出有700余人;杨涛(2016)统计其总人数为773人;汤友常(1998)按照原型铜刻后计数有815人;更有齐藤斋所撰《拙堂文话》(1830)统计图上人物总数为1643人,鉴于人物统计时不同统计标准与误差,在重新计量时应按照统一标准甄别,如画面中出现很多因遮挡而只露出部分身体的人物,其应当计数,而对图中出现的乘坐轿辇的人,若其部分身体可见则其应计入总数,反之则无需。经统计后画面中各色人物共786人,后续分析时总人数按照786人统一计算。
■2.1 对行为判定标准进行比对采纳
清明上河图中人群行为状态复合多元,囊括诸如占卜、典当等易产生辨认误差的小众行为,综合分析相关研究中的已有甄别可提高辨识精度,靳士英(2003)认为图中市郊有持市招的走访郎中,街市医药场所有提供医疗服务的行为;韩顺发(2005)提出街市医馆东侧3人正于此打水,进行劳务;周宝珠(2005)判断街市区马台高处、柱台和门右有3人静坐,卦摊西北侧院落前有6-7个守卫者坐卧休息(实为10人),城门外2名戍守者于外墙坐憩;刘涤宇(2012)提出清明上河图中可以清楚看到或明确推断沿街界面形态的店铺建筑共计33栋,其中进行商业行为的业态场所包括酒店5栋、饮食店19栋、零售6栋,这些场所内部应进行买卖行为;杨新(2013)认为城楼南侧紧靠西墙脚下一临时搭建的方形凉棚中有一留有山羊胡须的老者在给顾客剃须刮面,是一种提供服务的行为;张博(2014)认为河市十字路口西侧悬有“神课”“看命”“决疑”的招牌是一处卜卦场所,该处人群行为应为占卜;靳士英(2015)等认为近郊小集镇十字路口旁一老者于此摆摊,地上似摆药数十种,引得周观者十余人,其行为是买卖;薛凤璇(2015)指出城门西北处是一处官府为方便税收于此设立的税局和管理机构的分馆,5位官吏与2位运输货物的商贩正进行校验,其进行的为日常劳务。
■2.2 行为方式的分类计数
按照一定的判定标准对图中人物进行识别,如穿行行为分布空间多数位于室外街道,且存在一定运动趋势(前脚着地后脚离地或手臂微张摆动似有前进趋势等),包括徒步、骑乘以及负重穿行等穿行类别,对图中穿行、买卖、劳务等10种形态的人群行为于图中分色标注(图3),同时统计同种行为的人群分布总数和比例(表1)。得出穿行、买卖、劳务和观赏行为是清明上河图中行为活动的主要组成部分,占据超过4/5的总人数(80.28%),其余各式行为占据比例皆为6%之下(0-5.47%),属于少数行为。
图3 清明上河图中行为分类
Fig.3 Judgment of People’s Behavior in Riverside Scene at Qingming Festival
根据参考文献30修改绘制
表1 人群活动状态分类
Tab.1 Classification of People’s Behavior
作者自绘
■2.3 行为空间划分
行为空间是行为方式存在的载体与媒介,对行为发生空间进行划分可在更小的尺度中进行细化研究。鉴于清明上河图的表现方式既非平行透视,亦非一点透视,研究行为空间分布时需将三维视角转为二维俯视,同时考虑到其构图方式以“散点透视法对图绘城市意象的空间还原会产生一定程度的多义性和不确定性,采用的处理方法是保持道路等线性空间的整体感的同时将矛盾较突出处以扇面式扭转以保证局部空间尺度的真实性,”。利用模拟航拍图的办法得到实据,根据模拟航拍图,将清明上河图所绘的部分转为地图,将人群行为分类通过航拍投影至水平面的同时按照节点或标志物对行为空间进行区段划分,既有研究中将清明上河图所示空间皆分为郊野区、河市区及街市区,为尽量避免因划分尺度过大造成的行为分布识别模糊等现象,在其分类基础上将街市区以城门为界限再划分为街市空间及城门外至汴河上游空间;将河市区再界定为汴河上游及虹桥空间、汴河中下游空间,保留郊野空间,将整体图幅展示的空间体系依据相应节点界分为5个空间区段(图4)。
图4 清明上河图行为空间划分
Fig.4 Divided Space of Behavior in Riverside Scene at Qingming Festival
■3.1 行为-空间分布特征与空间-行为分布特征
关于行为分布特征需从不同维度进行认知,行为-空间研究维度是以各类行为为研究主体,以整体空间为研究载体,探询行为分布的结集程度及位置偏好。空间-行为研究维度以局部的空间区段为研究对象,以区段内行为类别及数量比例为研究内容,分析特定空间环境内的行为结构和主次要素。在反馈信息于行为与空间两种维度中表现各有侧重的背景下,结合二者协同研究才具有全局性和整体性,因此对于CBML里层研究需提取行为-空间分布特征与空间-行为分布特征两层信息中的相关要素进行演绎分析。
■ 3.2行为-空间分布特征
将图3划分的5段行为空间与各区段内的行为类别及比例对应后进行统计(表2),并以同心圆分布模式图(图5)更直观地比较在不同行为空间中行为分布的存在态势。
表2 行为-空间分布形态
Tab.2 Distribution of Behavior-Space
作者自绘
图5 行为-空间同心圆分布模式图
Fig.5 schematic diagram of concentric circles of space--behavior
作者自绘
3.2.1 行为分布随空间推进主要表现为波动型增长
由表2及图5可发现:由郊野空间向街市空间推进过程中各类行为分布大体表现为趋高性、协同性,但增长形态不同:穿行空间分布呈阶梯型,在郊野至街市空间推进过程中后位空间较前位空间分别增长了46.15%、136.84%、31.11%和28.81%,在汴河上游及虹桥空间中增长最快,于街市区中分布比例最高;服务与祭祀成极点型增长,只在某段特定空间中孤立分布,表现出强烈的空间选择偏向性,如服务集中分布在街市空间而祭祀全部分布在城门外至汴河上游空间。除此之外,其余行为皆成波动性增长,即行为比例于空间结构中出现正负增长交替,其中买卖成“微波型”分布,即分布比例随空间推进变化幅度不大,在汴河上游及虹桥空间中分布比例最高(33.17%),与城门外至汴河上游空间小幅下降(-8.92%)并在街市空间中大体持平(+1%);劳务行为主体亦分布于汴河上游及虹桥空间,于城门外至虹桥上游空间中断层下跌(-60.00%)并在街市空间小幅回升(+5.46%);交往与卜卦成“N”形分布,在汴河中下游空间至汴河上游及虹桥空间段出现13%左右的负增长(分别为-13.95%和-12.00%),并在街市空间迅速上升至分布峰值(分别为65.12%和64.00%);休憩行为成“M”形分布,于汴河上游及虹桥空间、街市空间中两次分布下降约20%(分别为-18.60%与-23.25%),在汴河中下游空间中达到最大分布值(39.53%);观赏与娱乐分别呈现出先升后降的“Λ”形和先降后升的“V”形两种波动形态,前者在汴河上游及虹桥空间中集中了约3/4的该行为总量,后者行为最高分布量位于街市空间(68.76%),约为最低分布量(位于汴河及虹桥空间)的22倍(3.12%)。
图6 行为—空间分布折线图
Fig.6 Line chart of distribution of behavior-space
作者自绘
3.2.2 行为分布的“梳理”空间与“展示”空间
图5所示郊野作为起始空间,所有类型的行为分布在0%~12.5%的波动区间中,在经过汴河中下游空间时行为分布开始发生组织选择,其中休憩行为以近40%的分布比例居分布首位,其他行为分布比例集中在20%以下(0%~18.60%),行为分布整体较为均质,未于此空间表现强烈的分布偏好;空间推进至汴河上游及虹桥空间中时,不同行为在其中分布差异急剧增大并明显分为三个阶层,分布高层包含观赏与劳务等行为,占据70%左右的分布比例(73.83%;67.27%),超过二者于其他空间分布总量的两倍有余;分布中层包括买卖、休憩和穿行,三者分布比例集中在20%~35%的范围内;交往、娱乐、卜卦、服务及祭祀等行为处于该空间的分布底层,均低于总行为分布的5%(0%~4.65%);随着空间推入至城门外及汴河上游空间段时,除祭祀行为(4人)具有明显的空间选择倾向外,几乎所有行为分布差异又重新缩小,各类行为分布比例主要集中在7%~31%区间内,行为状态与汴河中下游空间类似,行为分层界限重现模糊状态,作为第二处过渡性均质空间,多数行为分布趋势与走向于此重新洗牌;继续推进至街市空间时,行为选择性再次明晰,将行为模式分为必要性活动(穿行与买卖)、自发性活动(劳务、观赏及休憩)及社会性活动(交往、娱乐、卜卦、服务及祭祀)后可得出自发性行为与社会性行为分布在街市空间、汴河上游及虹桥空间中呈现截然不同的分布态势,观赏和劳务行为较于峰值空间分别大幅下降72.90%和54.54%,在街市空间中趋近谷值,而社会性行为中服务行为、娱乐行为、卜卦行为及交往行为分别提升至100%、68.76%、64.00%及65.12%。通过折线图的动态演绎得出汴河中下游、城门外及汴河上游作为行为分布的两段“梳理”空间,为汴河上游及虹桥空间、街市空间的行为分布“展示”空间奠定行为基础。
■ 4.3 空间-行为分布特征
4.3 空间-行为分布特征
图7 空间-行为分布比例
Fig.7 percentage of space--behavior distribution
作者自绘
表3 空间-行为分布形态
Tab.3 Distribution of space--behavior
作者自绘
3.3.1汴河上游及虹桥空间、街市空间行为分布分别呈双向、单向选择性
将图6中的空间圈层依空间推进顺序剥离为5个子空间(见图7),研究每个空间中人群的数量及比例(见表3),即空间—行为分布,其中郊野空间至街市空间人群总数(不包括无活动状态人群)分别为26、97、277、167及217人。郊野空间中行为主体是穿行与劳务,两者约占该空间3/4的行为总量;汴河中下游空间中买卖行为比例最高(34.02%),穿行与休憩行为比例为19%左右,大体持平(19.59%;17.52%),劳务、观赏与交往行为的分布比例相同(8.25%),其余行为分布较少;汴河上游及虹桥空间中买卖、劳务及观赏行为分庭抗礼,合占该空间总量的79.42%;城门外至汴河下游空间中穿行与买卖行为分布高居其上(35.33%;29.34%),约为其余行为分布比例之和的2倍;街市空间中穿行比例最高(35.02%),买卖次之(23.50%),交往与娱乐行为分布分别为12.90%和10.14%,劳务、卜卦与服务等行为分布趋近。由上可得,汴河上游及虹桥空间是自发性活动中劳务与观赏的聚集空间,而在行为—空间分析中已得出自发性行为主要分布于汴河上游及虹桥空间,可见自发性活动与汴河上游及虹桥空间这一组行为主体与空间载体之间存在双向选择,同理社会性行为中卜卦、交往、娱乐和服务大体分布于街市空间,而街市空间中社会性行为分布之和仅为33.19%(娱乐10.14%、交往12.90%,占卜7.38%,服务2.77%),其行为分布主体为穿行与买卖,即社会性行为分布主体为街市空间,而街市空间主要分布行为必要性行为,因此街市空间与社会性行为之间只存在单向选择。
3.3.2 汴河中下游空间行为结构稳定性最强,郊野空间最弱
从图6及表3可得出:随着郊野空间向街市空间的不断推进,空间行为的组成结构与分布比例也发生较大变化,将每个空间中的行为分布比例作为一组数据,同时使用基于样本估算的标准方差(STDEV)以及数据的平均绝对偏差(AVEDEV)进行离散程度分析,可得出空间中行为分布的离散差异,差异越大说明空间行为成分及比例越悬殊,空间结构稳定性越弱;差异越小则说明空间行为的形态及数量趋近,空间—行为的结构稳定性越强,进行STDEV分析后得出从郊野空间到街市空间标准方差分别为16.14,10.87,12.42,12.27,11.32,进行AVEDEV分析得出平均绝对偏差在各个空间中分别为11.69,8.23,11.13,9.21,8.31。结合两种数据偏差结果进行综合分析可得出郊野空间行为数据离散程度整体较高,该空间中行为结构稳定性最弱,行为种类及比例空间体系的“抵抗力”和“稳定性”较低;在汴河中下游空间离散度最低,该空间中人群结构的拓扑关系更为均衡与稳定。
作者: 张杨,丁文清,金晶,张云彬
编辑:罗佳
指导:贺慧
注:部分资料来源于网络,如有侵权,请告知删除