老舊社區規劃中多種新工具綜合運用探索

周星宇 涂勝杰 黃曉芳 袁建峰

關鍵詞：社區規劃；圖像智能識別；大數據；量化分析軟件；公眾參與

1 研究背景

在國外，社區規劃包含住房、社會、人文等在內的廣泛內容[1]。在國內許多地區，社區規劃也被認為是一項促進規劃、建設和社會治理無縫銜接的工具[2]。社區規劃不同于傳統居住區規劃，不僅強調物質空間環境，更是被賦予人文關懷且引入公眾參與等。這對社區規劃工作提出更多和更高的要求。借助大數據、圖像智能識別、量化分析軟件和網絡平臺等新工具平臺，可以支撐規劃師更高效和全面地開展規劃工作。

根據社區規劃存在物質性、社會性和過程性[3-4]等特點，本文認為在社區規劃中，這些新工具和方法可以運用到3方面。

其一，對社區人群行為的精準刻畫是社區規劃的關鍵。社區規劃與傳統居住區規劃的最大不同點在于其對社區人群概念的關注和介入，而要了解社區多元人群的復雜需求，可以借助以大數據和機器學習等為代表的新工具，更加全面、精準地分析社區人群行為。這不僅有利于規劃師熟悉社區情況，也有利于推動社區規劃的實施。

其二，對社區物質環境的科學分析是社區規劃的本職工作。社區規劃的主要對象——老舊社區存在空間擁擠、環境品質不佳、交通阻塞等問題，有必要使用多種量化分析工具，詳實地探明老舊社區的各類問題，針對性地支撐社區物質環境設計。

其三，社區居民的深度參與是社區規劃的核心內涵。正是因為引入社區人群、社區組織和社區意識等概念，社區規劃不再只關注結果，同樣也注重中間參與過程，“漸進式”社區規劃、“參與式”社區規劃[5]等概念開始被提倡。在這些理念的影響下，規劃師需要通過更高效便捷的溝通手段（如網絡），加強與社區居民的對話，向社區共規、共建和共享的方向努力。

2 相關文獻和實踐概述

隨著科技進步，各類新工具和方法層出不窮。本文簡要論述這些新工具和方法在社區規劃中發揮的獨特效用。

2.1 大數據： 增加調查的全面性

大數據是個很廣泛的概念，其中與社區規劃關聯密切的大數據主要有兩類。一是人口軌跡類大數據，包括手機信令、網絡平臺后臺定位和移動傳感設備信息記錄等類型。基于此數據可以判斷社區人口的活動時空范圍和特點。二是設施點位（POI）類大數據。依托該數據可以進一步分析不同活動時空范圍內的設施類型、數量和分布情況，從而形成人群需求畫像。龍瀛等[6]在街道和社區均開展過類似實踐。

2.2 圖像智能識別技術： 強化分析的精準性

盡管圖像智能識別技術涉及海量圖片（大數據）的訓練和處理，但該技術在社區規劃中的運用更多地是從中微觀視角入手，對鳥瞰圖（如衛片、無人機拍照）和人視圖（如街景、攝像頭拍照）中的人群行為和環境要素進行智能解譯。該技術領域隨著以卷積神經網絡（CNN）為代表的計算機神經網絡深度學習技術（機器學習）的發展，近年來在方法技術上已取得重大突破。目前科學界已經研發了許多高效的圖像解析模型，可用于人群和環境特征的精準識別與分類。規劃行業也開始嘗試引入類似技術，如劉瀏等[7]研發的C-IAMGE模型可以對街景影像數據進行切割分析，將行人、車輛從背景圖像中有效分離，并進行統計和分析；茅明睿等[8]研發的“貓眼象限”APP軟件進一步實現了手機拍照和人車自動統計功能的一體化整合。借助以上技術，規劃師可以開展更加精確高效的人群行為記錄和統計。

2.3 量化分析工具： 完善方案的科學性

規劃設計領域的量化分析軟件工具類型眾多，發展歷史長久。考慮到老舊社區的問題特點，這里重點從空間環境和交通環境模擬分析展開論述。在空間環境模擬分析方面，受生態城市、綠色建筑等理念的影響，以及隨著對影響人類生活和工作的光、熱、風等環境要素分析模型的改進，在規劃、建筑和園林景觀等多個行業內，有關空間環境量化分析的技術運用日趨成熟，并且越來越多地運用于老舊社區，如羅夢怡[9]利用基于CAD軟件的衍生工具Ecotect，開展了對老舊社區的通風和日照環境的分析。另外，近年受到低沖擊開發、海綿城市等理論的影響，老舊社區的內澇問題受到關注，如張寶祥[10]利用SWMM等專業水文軟件分析了老舊社區場地和綠化的海綿改造效能。而在交通環境模擬分析方面，一些先進的交通仿真模型（如anylogic、EMME等）開始使用基于“agent”理論的行人仿真技術。簡單來說，在該模型中的虛擬行人移動時，會像現實中行人一樣具有一定智能化和社會化人格，實現類似排隊、聚團等擬人化選擇和操作。規劃師可以利用該模型，實現對一定規模的人群行為仿真模擬和調整優化，如劉瀟[11]在社區養老設施布局研究中就采用了相關的模型技術。

2.4 網絡平臺： 提升規劃的效率

在“漸進式”“參與式”的社區規劃中，公共參與的內容主要包括3個方面：前期的意見收集、中期的參與設計，以及后期的信息反饋與實施管理。上述工作都需要規劃師與社區保持密切溝通。近年來，隨著互聯網技術的創新運用，各類便捷的網絡平臺和媒介已成為促進社區規劃公眾參與的主要方式。其中既有北京的“CityIF”、武漢的“眾規武漢”等綜合門戶型平臺，也有北京大柵欄這種針對特定社區的地域型平臺。此外茅明睿及其團隊還研發出“云雀象限”微信小程序，可針對單個社區構建定制化公眾意見搜集平臺。該技術方式操作便捷，在北京回龍觀社區、鴨子橋社區等社區規劃中均得到有效使用和推廣。

3 研究實踐

青翠苑社區位于武漢市青山區，用地面積約6.74 hm?。青翠苑社區人口約7 500人，含小學、幼兒園各1所（見圖1）。社區建于1997年，當初的規劃建設方案已經無法滿足居民日益增加的現代生活需求，并且隨著時間推移，社區物質環境正逐步衰敗，是武漢市1990年代老舊社區的典型代表。

結合社區實際情況，規劃師將大數據、圖像智能識別、量化分析軟件和網絡平臺等與社區規劃現狀調查、分析構思和聯合設計等環節深度融合，具體技術框架如圖2所示。

3.1 現狀調查： 高效完成居民需求調查和行為畫像

由于社區規劃更強調“人本”屬性及自身情況的復雜性，除了需要規劃師開展更加細致、更加深入的工作以外，更重要的是悉心請教當地居民。結合這兩種需求導向，規劃師嘗試以手機移動網絡平臺為基礎，融入圖像識別的相關技術，提升工作效率。

3.1.1 利用“貓眼象限”程序，分析社區內部居民多類活動規律

為了提升調查效率和準確性，利用“貓眼象限”程序進行實地拍攝，實現人群行為的快速精準化統計。該程序可自動記錄拍攝的地點，利用機器學習技術中一個著名網絡——SegNet，在程序后臺對人視角圖像進行自動識別切割和統計人數，并通過添加多種標簽選項進行人群行為分類。經統計，共識別出234起社區居民活動，包括聊天、親子、娛樂和健身等4大類（見圖3）。每類活動均存在各自時空特征（例如兩三人聊天活動最為常見、親子和娛樂活動與空間關聯密切等）。結合這些行為特征，后續規劃設計中可相應地增補親子、體育和娛樂設施，并對座椅、健身器材等社區家具的布局進行優化調整。

3.1.2 利用“云雀象限”程序，共同找準社區問題“靶位”

在現場訪談和問卷的基礎上，嘗試利用網絡問卷聯系社區居民，進行更為高效的信息調查。借助“云雀象限”程序，聯合眾多社區居民，通過“問題分類+拍照定位”的方式進行信息和問題采集。該方式不僅有助于居民將各類社區問題描述得更清晰，而且能使規劃師了解其具體位置和居民對該問題的關注程度。根據程序后臺統計的結果，共收集到居民反映的問題317項，其中251項附帶文字描述。將這些居民最關心的問題歸納為交通出行、公共停車、采光晾曬等8類。

3.2 分析構思： 提升方案的科學性

根據調查，老舊社區普遍存在“人—空間（設施、場地）”矛盾，需要對社區的空間進行重新設計布局，但如此一來，規劃師又需面對老舊社區的另一個常見矛盾——“空間—車”：大部分空間或被無序停車占用，或被無序交通所阻塞。因此解決“人—空間—車”三者爭地的矛盾，是社區規劃方案構思的重點。

3.2.1 “人—空間”矛盾分析

（1）設施問題：利用POI和手機信令大數據，開展社區生活圈服務設施評估

《城市居住區規劃設計標準（GB50180-2018）》提出按照5、10和15分鐘生活圈進行公共服務設施配置，因此在社區規劃中需要按照該要求，自上而下地開展多個生活圈層級的設施評估。生活圈范圍面積大、設施類型復雜，僅靠人力難以完成評估，必須借助大數據展開工作。首先利用手機信令、騰訊宜出行，以及委托部分居民安裝的六只腳APP等軌跡數據，開展居民活動熱點范圍研究，判斷出社區居民日常主要活動范圍集中在社區周邊5—10分鐘的生活圈內（見圖4）。然后結合百度POI數據，對該范圍進行設施評估，判斷該范圍內養老和體育等設施相對缺乏。因此上述公共服務設施用房和空間成為后續規劃需要重點考慮增補的內容。

（2）場地問題：利用多種環境分析軟件，對社區進行全面“體檢”

為了進一步確認現狀調查中居民反映的各類場地環境問題，嘗試利用各類環境分析軟件，對社區進行空間建模和專業化分析。結合目前業內相對成熟的模型技術，從光、風、雨水內澇3類常見的場地環境要素入手，對社區進行標準化的環境“體檢”。

首先利用Ecotect軟件對社區的建筑日照環境進行分析。青翠苑社區和其他老舊社區一樣，絕大多數住宅無法滿足《城市居住區規劃設計規范》提出的大寒日日照時數不少于2 h的要求，由此佐證了之前調查中較多居民反映的晾曬需求確實存在。同時Ecotect軟件還能分析社區綠化植被的太陽輻射情況，判斷約43%的社區綠化日均輻射標準值低于侯鳳武等[12]提出的一般喜陽類植物所需的3 MJ/m?·d標準，社區也可能會出現局部植物長勢不良的情況。

然后繼續使用Ecotect軟件附帶的Winair插件對社區室外空間進行整體風環境分析。結果顯示，由于社區建筑以行列式布局為主，社區場地的地面通風效果較好，這使社區對于冬季西北方向寒風的阻隔效果較差。數據顯示，社區約65%的公共空間在冬季西北風環境中的模擬風速會增加約0.5 m/s（順風效果），加劇冷風的灌入。該結論也符合現狀調查時居民反映冬天風大影響外出社交活動的現象。

另外還使用SWMM水文軟件的LID（低沖擊）模塊，開展社區活動場地降雨內澇分析。結果顯示，由于社區場地硬化比例偏大，導致雨水的地表徑流比較高，給社區本身已經老舊淤塞的雨水管網帶來巨大壓力。分析表明，模擬常見中雨環境（12 h內降水量達到15 mm）下，大概0.5 h后約53%的社區活動場地就開始出現不同程度的積水。

通過軟件分析，前期現狀調查暴露的問題進一步形成更為量化、清晰的結論，輔助規劃師有針對性地提出有效對策。例如結合日照分析結果，規劃在顯示日照時長較高的區域，布局綜合式或獨立式公共晾曬設施，并對日均輻射量偏低的綠化區域更換喜陰植物；結合風向環境模擬，對部分社區公共設施進行選址調整和方案改造，增加活動式或固定式防風阻隔設備，減少冷風滲透；另外結合水文軟件模擬，在社區場地適當增加雨水桶和進行綠地化下沉改造，提高雨水的地表截蓄比例，降低地表匯水量。

3.2.2 “空間—車”矛盾分析

青翠苑社區除了存在較為普遍的過量無序停車問題以外，還存在一個特殊性問題：社區的小學和幼托布局在一起，帶來潮汐性的上下學交通阻塞壓力。針對這兩類矛盾，規劃嘗試通過圖像識別、行人仿真模擬等提供技術支持。

（1）停車問題：利用無人機拍攝和圖像識別技術，全面統計社區停車時空變化

傳統情況下通過人工統計社區停車數量，不僅耗時耗力，而且準確度較低。利用無人機拍攝技術則可以實現快速、準確的統計。規劃師對工作日和休息日期間的社區進行了約10次全方位掃拍，并利用圖像智能識別程序，對合成的俯瞰圖進行車輛智能識別（見圖5），快速并有效地統計出社區周邊的道路沿線停車數在150—200輛之間波動，社區內停車數量在180—250輛之間波動，并對各個社區院落內停車數的晝夜變化都進行了詳細記錄。由此判斷出社區除了滿足自身居民一定數量的潮汐性停車需求，還滿足了較多的外部臨時停車需求。基于以上數據結論，規劃方案中提出在保障社區居民正常需求的情況下，限制外來車輛總量，并根據統計的停車總量，適當遷出和優化社區內停車空間。這樣不僅能緩解社區內過量且不必要的停車壓力，更重要的是為公共設施的增補和優化騰出空間。

（2）上下學人流阻塞問題：基于定點錄像分割識別和交通仿真技術，模擬優化方案

在常規條件下，僅靠人力幾乎無法完成高峰期的上下學人流車流統計，必須借助圖像智能識別等新技術來完成。調取社區內小學和幼托校門前上學和放學前后約2 h的攝像頭視頻，通過半人工化形式截取數百張圖片，并利用圖像智能識別程序來進行視頻圖像解析，實現人流識別和變化時空統計（見圖6）。結果顯示在人流高峰期，校門前最大人流數量超過100人/min，人流高峰時間持續大概為早晨上課前1 h和下午放學后2 h，其中下午放學的人流高峰時間比其他類似學校的高峰時間延長了0.5 h以上。

結合人流統計結果，利用Anylogic軟件對其進行交通仿真模擬（見圖7a），為后續交通疏導優化方案的制定提供數據基礎。規劃方案建議將社區小學和幼托校門前設置為機動車禁停區，并重新組織非機動車和步行接送線路及空間。將優化方案導入交通仿真模型，并與現狀進行對比，預計交通環境優化后，上下學期間學童在社區路段消耗的時間平均減少25%左右（見圖7b）。

3.3 聯合設計： 居民深度參與方案設計

在居民聯合設計環節，通過手機程序使居民深度參與方案選址、方案比選和空間功能安排等具體設計工作。

一是對設施整體布局的建議。規劃師既可以在手機程序里增加設施布局選址的界面，讓居民可以自定義設施類型和自由點擊選址，也可以讓居民針對規劃師上傳的某類設施初步選址方案進行投票。以移動公廁預選址為例，規劃師上傳了8個公廁擬選址點的初步方案，供居民投票選擇，最終選出票數最高的3個點位作為移動公廁建設點。二是設計方案的比選。例如在對社區內某條道路進行停車改造時，規劃師上傳了若干個概念方案供居民選擇，最終由居民確定選擇其中改造工程難度較小的方案作為可行方案。三是對設施內部功能安排的建議。例如在對新建的社區中心文化長廊的內部空間劃分和功能選擇上，由居民投票決定布置棋牌文娛活動、理療看護等功能。

4 總結與展望

面對社區規劃的復雜性和新要求，規劃師有必要從當下日新月異的新技術、方法和數據中，提取、總結并構建一套可以有效輔助社區規劃工作的技術框架。本文以武漢市青翠苑老舊社區規劃實踐為例，借助大數據、圖像智能識別技術、量化分析工具和網絡平臺等，在社區規劃的現狀調查、分析構思和聯合設計3個階段，以及在公共設施評估、人群行為研究、場地環境分析、停車和人流組織和公眾參與等多項具體工作環節中，發揮較大的輔助效用，支撐規劃師更高效和全面地開展規劃工作。隨著社區規劃理論和實踐的不斷發展，新工具在社區規劃中的運用將更加廣泛和深入。