基于多維信息模型的空間行為契合度研究——以紅鋼城5街、6街社區為例

周 樂

對行為與空間關系的研究一直以來都是建筑學科關注的方向之一。近年來有不少相關研究引入社會學方法，例如石堅韌[1]等人通過問卷的方式獲取民眾心中公共空間價值評價的主要關聯因素，再通過層次分析逐步分解進行特征評價；李想[2]通過訪談調查獲得大量數據，以此為基礎進行統計，研究通勤行為與空間特征感知的關聯性研究；何韶瑤[3]圍繞“點—線—面—域”4個空間維度，對村民行為有明顯促進或制約作用的建成環境形態要素進行解析。

另一方面，城市相關數據的提取及運算研究一直都在穩步推進，如高廣[4]等人對利用合成算法對激光探測提取數據進一步加工，以獲得航拍下的屋面空間數據。如今各類統計數據和衛星數據在互聯網平臺的支持下得到了廣泛運用，如劉小萍[5]利用ENVI對Landsat8的圖像數據進行解析和提取，計算建筑用地信息；唐梁博[6]通過Landsat8的圖像數據與NPP—VIIRS夜間燈光數據結合，通過改進后的NDBI指數、ULI指數方法提取城鎮建筑用地信息。而為了處理數據信息，各類分析軟件逐步在建筑與規劃專業得到運用，如SPSS、EXCEL及其插件、ENVI、ARCGIS等。而空間信息的數據模型為上述建筑與規劃相關信息數據的搭載方式提供了一個合適的參考，目前空間數據模型有多種搭建平臺，如胡迪等人[7]利用GIS平臺將時間、地點、人物、事件（始末）歷史4個要素融入數據模型；張鵬程[8]等人通過互聯網在空間信息模型基礎上搭建時空信息模型的云平臺，可與GIS信息互換，并實現由傳統的空間數據模型到全空間信息模型的轉換。

目前，在多維數據疊合應用方面，僅依靠上述兩類研究易受制于兩個方面：①現有的數據提取和運算研究對既有軟件依賴性太強，且多用于遙感，缺少綜合性的數據交互；②空間與行為關聯性研究中，調查多以滿意度問卷的方式為主，搜集到的主觀“答案”和定性研究較多，定量研究較少，難以將調研成果數據化融入多維數據庫。因此，本研究嘗試采取對空間數據信息和行為調查信息的像素化的成果進行數據的二次提取，建立共通的多維疊合數據平臺，并以此研究“行為—空間”契合度計算，為空間與行為的關聯研究提供新的思路。

1 空間特征及數據建立

以武漢市青山區“紅房子”5街、6街社區（圖1）為例，其正面臨整片區的改造工程，而作為武漢市著名工業遺產，其舊格局所呈現的特征具有典型的時代意義。

圖1 武漢市青山區紅鋼城5街、6街社區俯視圖

1.1 社區空間格局特征

①空間形態上，社區平面格局呈網格狀，住宅呈條形布置于道路兩側，構圖秩序明確，如工業流水線一般（圖2）；②功能布局上，社區中心部位具有較為完整的獨立配套公建，包括醫院、小學和幼兒園（圖2）；③組成結構上，整個社區都以門戶前區、住宅、公共活動空間自北向南的拼接組構為基本單元（圖3），再以此基本單元進行縱橫排列，形成秩序感極強的網格狀的空間形態；④各戶的前院（圖4）是社區中具有典型性的活動空間，為外部空間與家之間的緩沖空間，同時也是鄰里之間聯系的紐帶。前院空間是該社區發生社會活動的重要場所，也是具有時代代表性的鄰里模式。在當今被房屋面積和交通壓縮的社區空間中，此類門戶前區是難以產生的特殊空間類型。

圖2 社區空間布局

圖3 社區基本單元

圖4 前院

該格局下，社區的出入口遍布外邊沿網格交匯處，使得路網能有效融入城市環境中，且相較于當下依賴主入口進行管理的商業小區，該社區居民出行極其便利，與城市環境的距離在空間層級上更近。在初步解讀的基礎上進行量化研究能更加深入地探究其特征全貌，因此本文將引入空間句法作為空間特征的量化方法進行圖底計算，為之后的數據建立提供支持。

1.2 基于空間句法的空間視線特征

本研究以空間句法[9]中整合度計算及視線分析計算的圖示結果作為空間特征的基礎量度指標。其優勢在于空間中的視覺效果對于行為的發生有著直觀的影響，如空間的安全感和私密性的知覺印象與其所處區域的視覺效果直接相關[10]，路徑的復雜性與目的地的可達性直接相關。而空間句法中的視線分析及整合度的計算能將其量化，便于結合行為的統計結果進行關聯分析。因此，筆者以空間句法中最基本的軸線整合度（圖5）、視線整合度（圖6）、視線遮蔽程度（圖7）及視線控制度（圖8）為本次研究中的空間數據，通過計算后呈現的圖像具有以下特征：

圖5 軸線整合度

圖6 視線整合度

圖7 視線遮蔽度

圖8 視線控制度

①軸線整合度最高的區域并未出現在社區的中心，而是出現在各自中心偏向外側的區域；②三項視線分析體現出社區空間中視線效果的均質性，三種視線強度分布呈現較穩定規律，未在社區內出現極端情況；③根據社區空間布局（圖2）與視線分析（圖6～8）的對比可以看出，社區公共活動區域幾乎全部布置在視線整合度較低、視線控制度較低，且遮蔽性較好的區域。在視線上處于層級較深、較難以達到的區域，私密性較好。

1.3 空間特征數據的二次提取及數字化分級

目前對空間特征數據的提取上，多針對圖像信息進行二次提取，如趙芳[11]在獲取水體數據時對衛星圖像光譜信息的提取與分析。而針對圖像信息進行二次提取和運用中，RGB值的提取和運用較為可行，如劉超[12]在進行土壤色彩與有機質量化關系研究中對提取的RGB值的運用。

本研究利用Processing軟件編寫Java代碼將前述空間句法分析的圖示結果進行像素點的信息提取，以便后續的數據疊合研究。該方法的提取邏輯為：針對圖面像素尺寸，逐點提取坐標點位與RGB值。所獲得結果以TXT格式文件導出，以便之后結合其他軟件，其各項數值根據代碼編寫順序而定，在本研究示例中為自左向右分別對應色彩“R”值、色彩“G值”、色彩“B”值、縱向坐標、橫向坐標（圖9）。在數據提取時，需要根據電腦運算能力來進行像素點提取密度的確定，為避免后續處理量過大，可采用間隔提取的方式，每間隔幾個像素點進行一次提取。

圖9 像素點提取結果示例

由于空間句法軟件計算出的結果均以圖示呈現，在進行定性分析的時候較方便。為了方便對其運算結果進行量化，以便建立數據庫輔助后續研究，筆者通過以下工作步驟對圖示結果中的各類色塊進行對應的分級處理：

①在PS或其他圖形軟件中對圖示成果中的各類色塊吸取RGB值，然后根據分析軟件的成像規則，分別對各色塊進行對應強度的賦值，即可形成所研究圖示中RGB值與強度值的對應表（表1）。從表中可以看出空間句法軟件成像的RGB值的賦值有明確的變化規律。

表1 RGB值與強度值對應表

②由于分析軟件結果圖示再轉譯成RGB值的過程中難免會有少量偏差，因此根據成像RGB值的賦值規律以相鄰兩數值中間值作為端點值劃分強度區間，一定程度上防止遺漏數據。根據此原則進一步完成RGB賦值區間與強度表（表2），在進行后續賦值時再對Excel表格中數據進行檢查以防止有所遺漏，發現遺漏數據時需要針對性地調整區間端點值。

表2 RGB賦值區間與強度值對應表

③將Processing中提取的數據TXT文件導入Excel之中，通過Excel中的函數編輯編寫針對RGB值區間的判定代碼，將數據所獲得的各像素點的RGB值對應表中分區，進行強度賦值。在此過程中可以根據數據的賦值結果對RGB值的賦值范圍進行調整，抹消像素點色差帶來的數據遺漏。此處要注意，所有軟件成像的圖示，其底色均要為黑色，這樣RGB值對底色取色時賦值均為0，便于區分底色區域和進行后續研究。在進行范圍調整的時候，需要通過Excel的數值篩選功能，將所有強度賦值為0的數據調出檢查，從中排除R、G、B三項數值相等的數據（R、G、B等值則為無色，即黑白灰）。排除后所剩數據為范圍區間的遺漏數據，通過分別調整R、G、B值區間將遺漏數據重新進行強度賦值，完成數字化分級（圖10）。

圖10 Excel分級示意圖

2 多維數據庫的建立與圖形化

本研究著力點在行為與空間的契合關系研究，因此數據類型包括行為活動和空間特征，二者通過共同的空間點位進行數據的疊合建庫。

2.1 社區活動行為調查與數據生成

本研究以社會活動類型[13]為標準，將研究中所涉及的人物行為分為必要性活動、自發性活動和社會性活動（表3)。因社區面臨拆遷，剩余的原生居民并不多，以老年人為主，新入居民則以低收入暫住人口為主，因此活動內容較為簡單、固定，形成了日常的規律生活行為現象。

表3 行為活動分類

根據筆者走訪調查，通過對社區街巷瞬時人數的定時觀察，整理必要性活動的分布及頻率，對必要性活動、自發性活動、社會性活動進行了分類，分級（圖11～13），其中各色彩對應不同的頻率等級（表4），可以看出自發性行為較多地分布于宅后公共活動空間和道路中，而社會性活動高頻區卻只有一處（圖13中紅圈處）。

表4 行為活動頻等級

圖11 必要性活動分布

圖12 自發性活動分布

圖13 社會性活動分布

通過前述空間特征數據提取的方法，利用Processing軟件結合Java代碼對活動分布圖示進行像素點的信息提取，并利用Excel的函數編輯對不同頻率的區域中各點進行強度等級的賦值，所得結果為對應行為的空間分布數據。

2.2 空間特征的多維疊合

本研究參考地信息系系統數據模型[14]的搭建方式，利用Rhino和grasshopper進行空間數據模型搭建，對視線分析的提取數據實施多維度疊合（圖14），其中：每個單元底面尺寸大小對應視線遮蔽度（圖7），遮蔽度越高單元底面尺寸越大；每個單元高度對應視線整合度（圖6），視線整合度越高單元的高度越高；每個單元色彩對應視線控制度（圖8），控制度由橙色向藍色遞減，其中紫色為控制度極低區域。

圖14 空間特征多維度疊合

疊合關系圖有助于對多項解析數據的組合效果進行較為直觀的捕捉，有利于空間效果的初步定性分析。例如，從圖中可以準確定位視線遮蔽程度最低、視線整合度最低且視線控制度最低的這一類極值區域（圖15），因最低的遮蔽效果缺少私密性，且最低的視線控制度讓人難以獲得安全感，同時最低的視線整合度使得在全局范圍內難以觀察到，因此駐留進行活動的可能性較小。

圖15 特征極值集中區域

2.3 行為范圍與空間特征多維疊合關系

在該社區不同行為發生的區域中，其特征具有一定的對應關系。本研究分別將必要性活動軌跡（圖11）、自發性活動軌跡（圖12）、社會性活動軌跡（圖13）中數值參量疊加到空間特征多維疊合（圖14～15）中可得到三種活動分別對應的圖形，形成其各自特征，圖中突出的部分為行為活動區域疊加范圍（圖16～18，表5）。

表5 活動類型特征多維疊合關系解析

通過空間特征和行為的疊合可以建立一個基本的“行為—空間”數據庫，借助Rhino和Grasshopper使其圖形化是為了直觀定性地進行空間效果的初步分析，而后將對其數據進行定量分析，以獲得契合度值。

3 “行為—空間”契合度研究

對于不同的行為類型，其目的和需求不同會影響對空間的選擇，而空間的特征是否順應其目的和需求，是研究二者契合度的主要切入點。由于目前缺少針對社區活動類型與空間特征匹配程度的量化評分方法，并且行為適應性評價多以主觀性的問卷調查為主，筆者試圖通過更加客觀的方式擬定判斷標準。每種活動類型都有理論上較合適的組合特征，利用前述的多維度疊合圖示能將各類特征組合可視化，在此基礎上研究活動發生地的特征組合，其結果越接近理論上較合適的組合特征，則行為與空間的契合度越高，反之則說明二者未有較好的融合（圖19）。

圖19 契合度研究方法路線

3.1 “行為—空間”契合度評價層次結構

由于行為類型對空間的需求因人而異，對居民進行問卷調查所獲得的結果無法統一標準。因此本研究嘗試借鑒層次分析（AHP）中影響因素的搭建結構，將各類行為分解出多項對應的需求，再針對各項分別評斷所對應的空間特征。

①必要性行為的層次分析。必要性行為帶有較強目的性，該社區中主要為上班、上學、購物等出行，其最重要的影響因素是路徑的便利性，其關聯因素有：開敞性、通達性，與此因素對應的空間特征表現為：視線遮蔽程度、整合度。

②自發性行為的層次分析。自發性行為帶有較強的隨意性，該社區中主要為散步、乘涼、休息，其最重要的影響因素是環境因素，在天氣較好的前提下偶然發生，而發生時對場所選擇最重要的影響因素是空間的舒適度，因本研究只針對空間特征進行研究，且該小區中格局較為均質，物理環境變化不大，因而將物理環境因素暫時擱置。其關聯因素有：私密感、安全感、通達性，與此因素對應的空間特征表現為：視線遮蔽程度、視線控制度、整合度。

③社會性行為的層次分析。社會性行為在天氣較好的情況下會發生，該社區中主要為會友、社交。其最重要的影響因素是環境因素，在天氣較好的前提下會發生，行為發生的場所較為固定，其關聯因素有：開敞性、通達性、可視性，與此因素對應的空間特征表現為：視線遮蔽程度、整合度、視線整合度。

將上述層次分析結果整理為關于契合度評價的各項標準，以便搭建契合度評價的初步結構（圖20）。根據前述的多維數據庫，可以解析不同活動類型發生場所的空間特征實際強度值，再以空間特征的理想強度值作為標準進行契合度計算。

圖20 “行為—空間”契合度評價層次結構

3.2 “行為—空間”契合度計算研究

根據層次分析的結果，針對各行為進行數據抽取。以必要性活動契合度為例，從必要性活動多維疊合關系（圖16）中，分別提取視線遮蔽程度、整合度來對應必要性行為的范圍和頻率分級。以必要性活動軌跡（圖11）作為圖底，疊合整合度（圖6），并將整合度等級以數值形式顯示，可以發現在社區內部，必要性活動高頻區的道路上，整合度等級保持在7以上，中、低頻區保持在5到3。由于中低頻區是各家入戶道路，高頻區是入戶道路匯集的小區主要通行道路，因此僅對全體居民都共用的高頻區進行計算，通過Excel中的篩選功能，篩選出等級3的高頻區中各點的整合度數據進行平均數計算，得到6.28的平均值，而出于對通達性的考量，整合度的理想值應該為最高等級10，因此計算整合度的契合度為6.28/10，即62.8%（圖21）。

圖21 整合度數值顯示

視線遮蔽程度計算同整合度的計算，但不同之處在于：權衡開敞性需求后，遮蔽效果的理想值應為1（視線遮蔽越強，可視范圍越小，不利于提前觀察路況選擇路線，因此遮蔽效果越低越合適），計算所得的必要性活動等級為3的高頻區中遮蔽效果平均值為7.81，無法以10作為標準進行衡量，因此，以理想值與實際值之差的絕對值作為評價的介值，計算方式為：（10 -︱理想值 - 實際值︱）/10。帶入數值后可算得契合度為31.9%。

同理可得自發性行為和社會性行為的各項契合度（表6），并通過平均值來求得綜合契合度數值。這里需要說明兩點：一是綜合契合度數值的計算理想結果是通過各項權重比來計算，但目前相關研究較少，筆者將會在之后研究中針對權重比進行專門研究，本次研究中暫時用平均方式進行初步計算；二是社會性行為研究中，位于街道這類低頻區因其中混雜其他行為的可能性較高，需要排除。

表6 行為類型層次分析及對應的契合度評價

從所呈現的結果可見，該社區自發性行為的契合度較高，說明了街區格局有利于自發性行為，其原因在于較高的視線遮蔽程度和控制度提供了較高的私密感和安全感。而社會性行為與空間的契合度較低，說明了街區格局不利于社會性行為，其原因在于軸線整合度和視線整合度較低，降低了空間通達性和可視性，而視線遮蔽程度太高，降低了空間開敞性，導致適合居民聚集并易于發現的場所較少。此結果也與調研結果較為一致，自發性行為較多地分布于宅后的公共活動場所中，而社會性活動主要的發生場所僅一處。

結語

本研究基于圖像數據的二次提取建立多維數據庫，提供了基于像素信息的多種數據互通方式，并結合社區行為的調查進行了空間行為契合度計算，獲得以下初步結論：①利用Processing能有效提取圖像結果進行像素點信息，獲得像素點位坐標及對應的色彩值并對應到空間布局中，而通過Excel能對所獲得的數據進行強度判定、分級，將原其他各類軟件中的計算值轉譯出來，從而實現多維數據的互通，建立多維數據庫；②通過Rhino和GH的配合對多維數據庫中的數據進行疊合，能將多維數據的組合效果可視化，形成獨特的空間特征圖譜，便于直觀的定性分析；③利用層次分析方法，能剝離出“行為—空間”關聯因素，搭建契合度評價層次結構，同時結合多維數據庫對活動區域內各像素點位所示的空間特征強度值進行運算求得契合度；④青山“紅房子”5街、6街的空間行為契合度計算所得結果與實際調研結果吻合，層次分析后的量化結果有效解釋了自發性行為較多，社會性行為卻較少的原因，在于其格局營造出的私密感和安全感較高，而通達性、可視性、開敞性較低所營造出的場所氛圍，為社區的二次改造提供參考依據。由此也驗證了基于多維信息模型的空間行為契合度計算的可行性。

此外，多維信息模型所適用的數據種類還可更加豐富，能有效轉譯各類圖像結果，包括物理環境、衛星成像數據圖等。因此該方法可融合社會學、心理學等多學科成果進行綜合性建模解析，為今后建成環境使用效果的演算甚至預測提供了充分的拓展空間。

資料來源：

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

文中其余圖片均為作者繪制、拍攝。