基于多维信息模型的空间行为契合度研究——以红钢城5街、6街社区为例

周 乐

对行为与空间关系的研究一直以来都是建筑学科关注的方向之一。近年来有不少相关研究引入社会学方法，例如石坚韧[1]等人通过问卷的方式获取民众心中公共空间价值评价的主要关联因素，再通过层次分析逐步分解进行特征评价；李想[2]通过访谈调查获得大量数据，以此为基础进行统计，研究通勤行为与空间特征感知的关联性研究；何韶瑶[3]围绕“点—线—面—域”4个空间维度，对村民行为有明显促进或制约作用的建成环境形态要素进行解析。

另一方面，城市相关数据的提取及运算研究一直都在稳步推进，如高广[4]等人对利用合成算法对激光探测提取数据进一步加工，以获得航拍下的屋面空间数据。如今各类统计数据和卫星数据在互联网平台的支持下得到了广泛运用，如刘小萍[5]利用ENVI对Landsat8的图像数据进行解析和提取，计算建筑用地信息；唐梁博[6]通过Landsat8的图像数据与NPP—VIIRS夜间灯光数据结合，通过改进后的NDBI指数、ULI指数方法提取城镇建筑用地信息。而为了处理数据信息，各类分析软件逐步在建筑与规划专业得到运用，如SPSS、EXCEL及其插件、ENVI、ARCGIS等。而空间信息的数据模型为上述建筑与规划相关信息数据的搭载方式提供了一个合适的参考，目前空间数据模型有多种搭建平台，如胡迪等人[7]利用GIS平台将时间、地点、人物、事件（始末）历史4个要素融入数据模型；张鹏程[8]等人通过互联网在空间信息模型基础上搭建时空信息模型的云平台，可与GIS信息互换，并实现由传统的空间数据模型到全空间信息模型的转换。

目前，在多维数据叠合应用方面，仅依靠上述两类研究易受制于两个方面：①现有的数据提取和运算研究对既有软件依赖性太强，且多用于遥感，缺少综合性的数据交互；②空间与行为关联性研究中，调查多以满意度问卷的方式为主，搜集到的主观“答案”和定性研究较多，定量研究较少，难以将调研成果数据化融入多维数据库。因此，本研究尝试采取对空间数据信息和行为调查信息的像素化的成果进行数据的二次提取，建立共通的多维叠合数据平台，并以此研究“行为—空间”契合度计算，为空间与行为的关联研究提供新的思路。

1 空间特征及数据建立

以武汉市青山区“红房子”5街、6街社区（图1）为例，其正面临整片区的改造工程，而作为武汉市著名工业遗产，其旧格局所呈现的特征具有典型的时代意义。

图1 武汉市青山区红钢城5街、6街社区俯视图

1.1 社区空间格局特征

①空间形态上，社区平面格局呈网格状，住宅呈条形布置于道路两侧，构图秩序明确，如工业流水线一般（图2）；②功能布局上，社区中心部位具有较为完整的独立配套公建，包括医院、小学和幼儿园（图2）；③组成结构上，整个社区都以门户前区、住宅、公共活动空间自北向南的拼接组构为基本单元（图3），再以此基本单元进行纵横排列，形成秩序感极强的网格状的空间形态；④各户的前院（图4）是社区中具有典型性的活动空间，为外部空间与家之间的缓冲空间，同时也是邻里之间联系的纽带。前院空间是该社区发生社会活动的重要场所，也是具有时代代表性的邻里模式。在当今被房屋面积和交通压缩的社区空间中，此类门户前区是难以产生的特殊空间类型。

图2 社区空间布局

图3 社区基本单元

图4 前院

该格局下，社区的出入口遍布外边沿网格交汇处，使得路网能有效融入城市环境中，且相较于当下依赖主入口进行管理的商业小区，该社区居民出行极其便利，与城市环境的距离在空间层级上更近。在初步解读的基础上进行量化研究能更加深入地探究其特征全貌，因此本文将引入空间句法作为空间特征的量化方法进行图底计算，为之后的数据建立提供支持。

1.2 基于空间句法的空间视线特征

本研究以空间句法[9]中整合度计算及视线分析计算的图示结果作为空间特征的基础量度指标。其优势在于空间中的视觉效果对于行为的发生有着直观的影响，如空间的安全感和私密性的知觉印象与其所处区域的视觉效果直接相关[10]，路径的复杂性与目的地的可达性直接相关。而空间句法中的视线分析及整合度的计算能将其量化，便于结合行为的统计结果进行关联分析。因此，笔者以空间句法中最基本的轴线整合度（图5）、视线整合度（图6）、视线遮蔽程度（图7）及视线控制度（图8）为本次研究中的空间数据，通过计算后呈现的图像具有以下特征：

图5 轴线整合度

图6 视线整合度

图7 视线遮蔽度

图8 视线控制度

①轴线整合度最高的区域并未出现在社区的中心，而是出现在各自中心偏向外侧的区域；②三项视线分析体现出社区空间中视线效果的均质性，三种视线强度分布呈现较稳定规律，未在社区内出现极端情况；③根据社区空间布局（图2）与视线分析（图6～8）的对比可以看出，社区公共活动区域几乎全部布置在视线整合度较低、视线控制度较低，且遮蔽性较好的区域。在视线上处于层级较深、较难以达到的区域，私密性较好。

1.3 空间特征数据的二次提取及数字化分级

目前对空间特征数据的提取上，多针对图像信息进行二次提取，如赵芳[11]在获取水体数据时对卫星图像光谱信息的提取与分析。而针对图像信息进行二次提取和运用中，RGB值的提取和运用较为可行，如刘超[12]在进行土壤色彩与有机质量化关系研究中对提取的RGB值的运用。

本研究利用Processing软件编写Java代码将前述空间句法分析的图示结果进行像素点的信息提取，以便后续的数据叠合研究。该方法的提取逻辑为：针对图面像素尺寸，逐点提取坐标点位与RGB值。所获得结果以TXT格式文件导出，以便之后结合其他软件，其各项数值根据代码编写顺序而定，在本研究示例中为自左向右分别对应色彩“R”值、色彩“G值”、色彩“B”值、纵向坐标、横向坐标（图9）。在数据提取时，需要根据电脑运算能力来进行像素点提取密度的确定，为避免后续处理量过大，可采用间隔提取的方式，每间隔几个像素点进行一次提取。

图9 像素点提取结果示例

由于空间句法软件计算出的结果均以图示呈现，在进行定性分析的时候较方便。为了方便对其运算结果进行量化，以便建立数据库辅助后续研究，笔者通过以下工作步骤对图示结果中的各类色块进行对应的分级处理：

①在PS或其他图形软件中对图示成果中的各类色块吸取RGB值，然后根据分析软件的成像规则，分别对各色块进行对应强度的赋值，即可形成所研究图示中RGB值与强度值的对应表（表1）。从表中可以看出空间句法软件成像的RGB值的赋值有明确的变化规律。

表1 RGB值与强度值对应表

②由于分析软件结果图示再转译成RGB值的过程中难免会有少量偏差，因此根据成像RGB值的赋值规律以相邻两数值中间值作为端点值划分强度区间，一定程度上防止遗漏数据。根据此原则进一步完成RGB赋值区间与强度表（表2），在进行后续赋值时再对Excel表格中数据进行检查以防止有所遗漏，发现遗漏数据时需要针对性地调整区间端点值。

表2 RGB赋值区间与强度值对应表

③将Processing中提取的数据TXT文件导入Excel之中，通过Excel中的函数编辑编写针对RGB值区间的判定代码，将数据所获得的各像素点的RGB值对应表中分区，进行强度赋值。在此过程中可以根据数据的赋值结果对RGB值的赋值范围进行调整，抹消像素点色差带来的数据遗漏。此处要注意，所有软件成像的图示，其底色均要为黑色，这样RGB值对底色取色时赋值均为0，便于区分底色区域和进行后续研究。在进行范围调整的时候，需要通过Excel的数值筛选功能，将所有强度赋值为0的数据调出检查，从中排除R、G、B三项数值相等的数据（R、G、B等值则为无色，即黑白灰）。排除后所剩数据为范围区间的遗漏数据，通过分别调整R、G、B值区间将遗漏数据重新进行强度赋值，完成数字化分级（图10）。

图10 Excel分级示意图

2 多维数据库的建立与图形化

本研究着力点在行为与空间的契合关系研究，因此数据类型包括行为活动和空间特征，二者通过共同的空间点位进行数据的叠合建库。

2.1 社区活动行为调查与数据生成

本研究以社会活动类型[13]为标准，将研究中所涉及的人物行为分为必要性活动、自发性活动和社会性活动（表3)。因社区面临拆迁，剩余的原生居民并不多，以老年人为主，新入居民则以低收入暂住人口为主，因此活动内容较为简单、固定，形成了日常的规律生活行为现象。

表3 行为活动分类

根据笔者走访调查，通过对社区街巷瞬时人数的定时观察，整理必要性活动的分布及频率，对必要性活动、自发性活动、社会性活动进行了分类，分级（图11～13），其中各色彩对应不同的频率等级（表4），可以看出自发性行为较多地分布于宅后公共活动空间和道路中，而社会性活动高频区却只有一处（图13中红圈处）。

表4 行为活动频等级

图11 必要性活动分布

图12 自发性活动分布

图13 社会性活动分布

通过前述空间特征数据提取的方法，利用Processing软件结合Java代码对活动分布图示进行像素点的信息提取，并利用Excel的函数编辑对不同频率的区域中各点进行强度等级的赋值，所得结果为对应行为的空间分布数据。

2.2 空间特征的多维叠合

本研究参考地信息系系统数据模型[14]的搭建方式，利用Rhino和grasshopper进行空间数据模型搭建，对视线分析的提取数据实施多维度叠合（图14），其中：每个单元底面尺寸大小对应视线遮蔽度（图7），遮蔽度越高单元底面尺寸越大；每个单元高度对应视线整合度（图6），视线整合度越高单元的高度越高；每个单元色彩对应视线控制度（图8），控制度由橙色向蓝色递减，其中紫色为控制度极低区域。

图14 空间特征多维度叠合

叠合关系图有助于对多项解析数据的组合效果进行较为直观的捕捉，有利于空间效果的初步定性分析。例如，从图中可以准确定位视线遮蔽程度最低、视线整合度最低且视线控制度最低的这一类极值区域（图15），因最低的遮蔽效果缺少私密性，且最低的视线控制度让人难以获得安全感，同时最低的视线整合度使得在全局范围内难以观察到，因此驻留进行活动的可能性较小。

图15 特征极值集中区域

2.3 行为范围与空间特征多维叠合关系

在该社区不同行为发生的区域中，其特征具有一定的对应关系。本研究分别将必要性活动轨迹（图11）、自发性活动轨迹（图12）、社会性活动轨迹（图13）中数值参量叠加到空间特征多维叠合（图14～15）中可得到三种活动分别对应的图形，形成其各自特征，图中突出的部分为行为活动区域叠加范围（图16～18，表5）。

表5 活动类型特征多维叠合关系解析

通过空间特征和行为的叠合可以建立一个基本的“行为—空间”数据库，借助Rhino和Grasshopper使其图形化是为了直观定性地进行空间效果的初步分析，而后将对其数据进行定量分析，以获得契合度值。

3 “行为—空间”契合度研究

对于不同的行为类型，其目的和需求不同会影响对空间的选择，而空间的特征是否顺应其目的和需求，是研究二者契合度的主要切入点。由于目前缺少针对社区活动类型与空间特征匹配程度的量化评分方法，并且行为适应性评价多以主观性的问卷调查为主，笔者试图通过更加客观的方式拟定判断标准。每种活动类型都有理论上较合适的组合特征，利用前述的多维度叠合图示能将各类特征组合可视化，在此基础上研究活动发生地的特征组合，其结果越接近理论上较合适的组合特征，则行为与空间的契合度越高，反之则说明二者未有较好的融合（图19）。

图19 契合度研究方法路线

3.1 “行为—空间”契合度评价层次结构

由于行为类型对空间的需求因人而异，对居民进行问卷调查所获得的结果无法统一标准。因此本研究尝试借鉴层次分析（AHP）中影响因素的搭建结构，将各类行为分解出多项对应的需求，再针对各项分别评断所对应的空间特征。

①必要性行为的层次分析。必要性行为带有较强目的性，该社区中主要为上班、上学、购物等出行，其最重要的影响因素是路径的便利性，其关联因素有：开敞性、通达性，与此因素对应的空间特征表现为：视线遮蔽程度、整合度。

②自发性行为的层次分析。自发性行为带有较强的随意性，该社区中主要为散步、乘凉、休息，其最重要的影响因素是环境因素，在天气较好的前提下偶然发生，而发生时对场所选择最重要的影响因素是空间的舒适度，因本研究只针对空间特征进行研究，且该小区中格局较为均质，物理环境变化不大，因而将物理环境因素暂时搁置。其关联因素有：私密感、安全感、通达性，与此因素对应的空间特征表现为：视线遮蔽程度、视线控制度、整合度。

③社会性行为的层次分析。社会性行为在天气较好的情况下会发生，该社区中主要为会友、社交。其最重要的影响因素是环境因素，在天气较好的前提下会发生，行为发生的场所较为固定，其关联因素有：开敞性、通达性、可视性，与此因素对应的空间特征表现为：视线遮蔽程度、整合度、视线整合度。

将上述层次分析结果整理为关于契合度评价的各项标准，以便搭建契合度评价的初步结构（图20）。根据前述的多维数据库，可以解析不同活动类型发生场所的空间特征实际强度值，再以空间特征的理想强度值作为标准进行契合度计算。

图20 “行为—空间”契合度评价层次结构

3.2 “行为—空间”契合度计算研究

根据层次分析的结果，针对各行为进行数据抽取。以必要性活动契合度为例，从必要性活动多维叠合关系（图16）中，分别提取视线遮蔽程度、整合度来对应必要性行为的范围和频率分级。以必要性活动轨迹（图11）作为图底，叠合整合度（图6），并将整合度等级以数值形式显示，可以发现在社区内部，必要性活动高频区的道路上，整合度等级保持在7以上，中、低频区保持在5到3。由于中低频区是各家入户道路，高频区是入户道路汇集的小区主要通行道路，因此仅对全体居民都共用的高频区进行计算，通过Excel中的筛选功能，筛选出等级3的高频区中各点的整合度数据进行平均数计算，得到6.28的平均值，而出于对通达性的考量，整合度的理想值应该为最高等级10，因此计算整合度的契合度为6.28/10，即62.8%（图21）。

图21 整合度数值显示

视线遮蔽程度计算同整合度的计算，但不同之处在于：权衡开敞性需求后，遮蔽效果的理想值应为1（视线遮蔽越强，可视范围越小，不利于提前观察路况选择路线，因此遮蔽效果越低越合适），计算所得的必要性活动等级为3的高频区中遮蔽效果平均值为7.81，无法以10作为标准进行衡量，因此，以理想值与实际值之差的绝对值作为评价的介值，计算方式为：（10 -︱理想值 - 实际值︱）/10。带入数值后可算得契合度为31.9%。

同理可得自发性行为和社会性行为的各项契合度（表6），并通过平均值来求得综合契合度数值。这里需要说明两点：一是综合契合度数值的计算理想结果是通过各项权重比来计算，但目前相关研究较少，笔者将会在之后研究中针对权重比进行专门研究，本次研究中暂时用平均方式进行初步计算；二是社会性行为研究中，位于街道这类低频区因其中混杂其他行为的可能性较高，需要排除。

表6 行为类型层次分析及对应的契合度评价

从所呈现的结果可见，该社区自发性行为的契合度较高，说明了街区格局有利于自发性行为，其原因在于较高的视线遮蔽程度和控制度提供了较高的私密感和安全感。而社会性行为与空间的契合度较低，说明了街区格局不利于社会性行为，其原因在于轴线整合度和视线整合度较低，降低了空间通达性和可视性，而视线遮蔽程度太高，降低了空间开敞性，导致适合居民聚集并易于发现的场所较少。此结果也与调研结果较为一致，自发性行为较多地分布于宅后的公共活动场所中，而社会性活动主要的发生场所仅一处。

结语

本研究基于图像数据的二次提取建立多维数据库，提供了基于像素信息的多种数据互通方式，并结合社区行为的调查进行了空间行为契合度计算，获得以下初步结论：①利用Processing能有效提取图像结果进行像素点信息，获得像素点位坐标及对应的色彩值并对应到空间布局中，而通过Excel能对所获得的数据进行强度判定、分级，将原其他各类软件中的计算值转译出来，从而实现多维数据的互通，建立多维数据库；②通过Rhino和GH的配合对多维数据库中的数据进行叠合，能将多维数据的组合效果可视化，形成独特的空间特征图谱，便于直观的定性分析；③利用层次分析方法，能剥离出“行为—空间”关联因素，搭建契合度评价层次结构，同时结合多维数据库对活动区域内各像素点位所示的空间特征强度值进行运算求得契合度；④青山“红房子”5街、6街的空间行为契合度计算所得结果与实际调研结果吻合，层次分析后的量化结果有效解释了自发性行为较多，社会性行为却较少的原因，在于其格局营造出的私密感和安全感较高，而通达性、可视性、开敞性较低所营造出的场所氛围，为社区的二次改造提供参考依据。由此也验证了基于多维信息模型的空间行为契合度计算的可行性。

此外，多维信息模型所适用的数据种类还可更加丰富，能有效转译各类图像结果，包括物理环境、卫星成像数据图等。因此该方法可融合社会学、心理学等多学科成果进行综合性建模解析，为今后建成环境使用效果的演算甚至预测提供了充分的拓展空间。

资料来源：

图1：引自百度地图https：//map.baidu.com/@12736309.893750032，3565185.5706094024，17.9z/maptype%3DB_EARTH_MAP；

文中其余图片均为作者绘制、拍摄。