基于多源数据融合的建筑公共空间评价方法与技术路径研究

白辉 张茜 程争刚 党雨田

(1.云南农业大学建筑工程学院；2.西安建筑科技大学建筑学院；3.西安建筑科技大学建筑学院/绿色建筑全国重点实验室)

1.建筑公共空间设计与评价的困境

2022 年我国城镇化率为65.2%，城镇常住人口9.3 亿。随着我国城镇化率水平的持续发展，预计到2025 年中国城镇化率达到70%左右。在快速的城镇化进程中，建设了一大批公共建筑，投入了大量社会资源和经济成本，为人民提供了丰富多样的使用空间。然而许多建筑的使用状况却与当初的设计目标背离，据统计，我国每年老旧建筑拆除量已达到新增建筑量的40%，建筑的平均寿命远达不到结构设计年限。建筑的过早拆除不是因为工程质量问题，而是因为建筑空间不合理，不符合“人”的使用需求。

上述问题的产生主要还是由于设计前期缺乏科学合理的设计决策。科学合理的设计决策依据从何而来？需要建立科学合理的建筑评价反馈机制和方法体系，以实现对建筑空间设计原理有更为精准的认知。但是由于建筑空间复杂、涉及人员广泛、评价维度多元、评价内容主观等特征，导致“评价指标的定量化不足、空间数据的快速采集和分析技术匮乏”成为建筑空间评价研究和实践中面临的关键“卡脖子”问题，当前的空间评价和空间设计原理还停留在定性、模糊、经验的层面，已经难以支撑建筑设计的科学决策和高质量发展，这是当前建筑空间设计与评价面临的一大困境。

2.数据驱动的建筑公共空间量化评价体系

要实现建筑空间的量化评价，需要建立“多源数据融合”的建筑公共空间评价体系，针对不同的建筑空间要素，选择不同的数据类型及其获取方法，针对建筑空间的复杂系统，建立多源数据之间的关联关系。根据国内外建筑规范标准建立各类建筑空间评价指标，在多个建筑中智能化采集多源数据，将多源数据与空间评价指标进行耦合，建立数学模型并进行相关性和拟合分析，探究空间评价与各类数据之间的耦合机制。

2.1 建立公共空间多级评价指标

建立空间评价体系的核心问题是如何选取合适的评价指标。综合主观客观因素，采用多指标综合评价的方法。[1]从空间使用、空间体验、空间组织、空间性能四个方面对公共空间进行评价，每项指标又细化为若干个二级指标，清晰地对应指标定义、量化方式及在空间评价中的意义。

表1 建筑公共空间多级评价指标信息

表2 评价指标中的多源参数信息

2.2 获取评价指标对应的多源数据参数

数据获取是建立空间评价模型的基础，如何快速获取高质量多源数据意义重大。对于公共空间评价指标中所涉及的多源数据类型主要包含4 种：动线感知数据、行为轨迹数据、人体生理数据、物理环境数据。不同数据类型采用适宜性的数据获取方法。

2.3 构建多源数据融合的分析方法

单一数据信息所反映的空间内容比较片面，不足以完整呈现空间特征和人对于空间的使用。因此，将定位信息数据、使用行为数据、物理环境信息数据、使用者生理信息等多种来源的数据整合，将参数进行关联分析，揭示建筑各构成要素、各属性表征之间的关联关系，全面评估人在空间中的使用情况，实现更加科学量化的空间认知。

2.4 追溯多源数据分析的建筑学意义

多源数据融合与分析的最终目的是溯源建筑学层面的意义和问题。大数据技术为建筑公共空间评价方法的研究提供了技术手段，使得突破空间评价的数据采集与分析瓶颈成为可能。[2]相应的技术包括空间定位技术、人员行为的图像识别技术、眼动监测技术、人体电讯号采集分析技术、虚拟现实空间模拟技术等。通过利用获取的多源数据分析，揭示空间绩效、反馈空间设计、形成具有普遍意义的空间设计原理和新方法，例如：通过研究人在室内的移动模式以及行为与生理指标之间的相互关系，寻找机场中的最佳疏散路线，揭示符合人在航站楼中购物、休闲、登机等不同行为的生理和心理需求，制定流线长度的评价标准和计算方法，生成不同活动的适宜性空间模式，为建筑空间设计提供科学的指导。

图1 基于多源数据融合的空间分析方法

表3 几种常用室内定位技术对比

3.多源数据融合的建筑公共空间评价方法

3.1 基于室内定位数据的空间使用评价方法

利用室内定位数据能够分析判断空间的使用时间、人数、频率等，结合空间行为的图像识别技术，可较为准确地判断公共空间的使用情况，计算使用率、行为及占比、空间的功能联系等量化指标。当前常见的室内定位技术主要有红外线定位技术、蓝牙定位技术、超带宽定位技术、Wi-Fi 定位技术、射频识别定位技术、Zigbee 定位技术、超声波定位技术、LED 可见光定位技术等。不同的室内定位技术存在各自的优势，同时也有各自局限。考虑到建筑空间的尺度、人员使用空间的行为特征等，在建筑空间评价中最常使用的有UWB(Ultra Wide Band)和WiFi 定位这两种。其中，UWB 定位技术因其高精度、高成本常用于小范围建筑室内部分，而WiFi 定位技术由于其精度和成本都较低，故常用于大尺度的商业街区和室外空间。

图2 UWB定位系统的组成

图3 基于室内定位数据的空间使用评价操作步骤

图4 EEG+VR+LEC技术实验

图5 基于人体感知数据的空间体验评价操作步骤

UWB 技术主要是通过在室内部署基站，室内人员携带可以发送超带宽脉冲信号的设备，通过多基站的三角测量进行定位，其应用于建筑室内测量与分析的优点主要包括：定位精度高、建筑构件对其遮挡效果较弱、系统复杂度低等。[3]其劣势也比较明显，一是难以实现大范围的室内覆盖，二是系统建设成本较高（部署一个百至千平米级的公共空间需几十万元的设备），限制了该技术的应用场景。

3.2 基于人体感知数据的空间体验评价方法

近年来随着神经科学方法被引入到人因建筑学的领域，可以利用人体感知数据分析空间绩效、反馈空间设计、形成具有普遍意义和量化结论的空间设计原理及新方法。例如，基于空间感知分析的使用者满意度主观评价借助心理学量化指标量度的语义解析法，对目标空间进行使用者满意度的判断评价。[4]如EEG（脑电）信号，是一种非侵入性技术，用于监测和记录大脑的电活动。通常利用放置在头皮表面的电极来实现数据采集，当人所处的环境发生变化时，大脑中的神经元被激活，导致细胞膜上的电压发生变化，由此产生能够被电极检测到的脑电信号。在建筑设计时，将设计方案以虚拟现实技术向使用者进行呈现，结合实验室物理环境调控形成仿真的空间场景体验，通过输入不同的场景，输出使用者（受试者）的脑电信号并进行解析，反映使用者的生理变化和主观心理感受，将建筑空间的模糊特征转化为精确、量化、科学的参数指标，为建筑空间的评价提供依据和方法。

图6 使用AnyLogic仿真结果

图7 基于行为动线模拟数据的空间组织评价操作步骤

3.3 基于行为动线模拟数据的空间组织评价方法

随着计算机技术的快速发展，各类应用于不同场景下的行人仿真软件应运而生。在建筑领域常用的有AnyLogic和MassMotion 两种模拟软件。这类软件研发的初衷是为了研究建筑中人员疏散问题，近年来也开始被用于建筑领域研究建筑空间组织和流线优化的问题。[5]

AnyLogic 是目前技术较为成熟的行人仿真软件之一，几乎支持现有的所有离散事件和连续建模方法，适合内部空间和功能复杂的大型公共建筑的流线模拟，例如交通建筑、医疗建筑、大型办公建筑等。相比于利用室内定位实测流线，AnyLogic 能够更快速地模拟出大量人群的流线和行为，通过其内置的社会力模型算法，精确地计算空间形状、尺度、不同吸引物、行人之间等各种层次因素对行为流线的影响，输出不同时刻人的位置坐标，进一步计算出人员密度、流线长度、流线折返率、停留时间、空间吸引力等具有建筑学意义的评价指标。

3.4 基于物理环境实测与模拟的空间性能评价方法

室内物理环境表现影响使用者在建筑内的舒适度感受，人体的物理舒适度主要取决于建筑室内环境的声、光、热、空气质量等4 个主要因素，同时也受到主观心理因素的影响。[6]物理环境数据的采集与分析是绿色建筑评价的基础，已有大量较为成熟的实测或模拟技术。物理环境数据与其他类型数据的联立分析，可以更全面地认知人对物理环境的需求，例如：处于空间流线不同节点的人对于室内温度的需求可能不同，不仅要考虑单一空间的适宜温度，而且要考虑连续流线上不同空间节点的温度是如何变化的，以及流线的温度变化对人的空间感知带来的影响。

图8 基于物理环境实测与模拟的空间性能评价操作步骤

图9 基于数据耦合分析的空间综合评价方法

相比于单一功能的物理环境测量传感器，采用多功能集成传感器能够同时采集空间点的温度、湿度、光照强度等参数，有利于对不同参数建立关联分析。如建大仁科WIFI型多功能空气质量变送器以及LifeSmart 无线传感器等，其多功能传感器可以集成照度、温湿度、噪声等不同的传感模块。常见的物理环境模拟软件有绿建斯维尔，可以实现包括模拟分析节能设计、能耗计算、暖通负荷、日照分析、采光分析、建筑通风、建筑声环境和住区热环境等功能，从风、光、热、声不同角度分析和模拟建筑性能数据。

3.5 基于数据耦合分析的空间综合评价方法

信息时代随着计算机技术的高速发展，机器学习越来越受到人们的关注，作为人工智能的一个子领域，专注于算法和统计模型的开发，使计算机能够从数据中学习并做出预测或决策，近些年该方法逐渐广泛地在建筑学中应用。[7]神经网络是机器学习中使用最广泛的算法之一，它在处理多源数据方面极具优势。将其应用于在基于多源数据耦合的空间综合评价中，通过神经网络进行机器学习建立数学模型，发掘空间评价指标与建筑空间多源数据之间的映射关系。

神经网络在训练过程中，一般可根据既有的建筑学知识或经验，给出可能的分析结果作为期望输出，通过神经网络的计算和迭代逐渐调整其权重，对期望输出进行优化。通过使用不同结构的神经网络，根据样本的有效学习，选择恰当的神经网络模型，学习训练数据输入向量的分布特征或拓扑结构，实现对某一建筑空间的判断和预测。

4.结语与展望

随着国家城乡建设由“高增速”向“高质量”转型，人们对建成环境的综合性能要求大幅度提高。国务院、住房和城乡建设部多次在相关文件中提出“建立建筑‘前策划、后评估’制度，完善建筑设计方案审查论证机制，提高建筑设计方案决策水平”，并推动了《公共建筑后评估标准》的编制。通过开展建筑后评估，形成科学、客观、量化的设计反馈，是“以评促建”推动城乡建设高质量发展的关键环节。

数据是开展建筑空间评价的基础，数据获取是空间评价的难点。建筑是具有多元属性的复杂工程，要提高建筑空间评价的准确性和有效性，需要多维度的数据来源、大规模的数据量以及与之匹配的数据分析方法。信息时代，建筑空间设计和评价要从定性走向定量，从单一的线性关系走向复杂体系，从信息的降维走向多源数据融合。其关键是对建筑空间要素、特征、设计原理及相关影响因子的数字化建构，在这个过程中，还需要物联网、人工智能、人因工程等多学科的参与。对于建筑学来说，通过应用新的传感器终端和数据采集技术，建筑设计中的“人”不再是基于长期经验总结的“概念模型”，而是在确定时间与确定环境密切交互的、可以量化其行为、心理、需求的个体组成的集合。多元数据融合的“人境交互”认知，将极大地推动建筑设计原理和设计思维的科学化，形成量化的设计依据和评价体系，这是新时代建筑学和建筑行业转型的关键。