城市规划与设计中的人工智能

应用驱动：人工智能与城市/建筑

吴志强讨论了人工智能影响下的城市规划学科的未来。尼尔•里奇指出未来城市变革的最大推动因素是那些已经使其他行业出现巨大变革的信息系统；目前需要被设计的是一套为建筑学而设的，基于信息的全新工作方法。袁烽从建筑“可视化”与“物质化”的角度探讨建筑学走向虚拟与现实的共生状态——“数字孪生”的可能性。麦克 · 巴迪讨论了城市规划与设计领域的人工智能。格哈德 · 施密特讨论了人工智能为建筑与城市设计带来的第二次变革的机会。何宛余从对新设计途径的探索中思考关联式设计、算法设计的可行性与局限性。张砚和肯特 · 蓝森分析了MIT媒体实验室的CityScope，指出这是一个为了让专家和非专家都能参与到易用的、协作的、循讯的城市决策过程中来的动态的、证据辅佐的城市决策辅助系统。孙澄宇、周沫凡、胡苇从建筑实践与研究中经常遇到的数据类型与问题类型出发，讨论其输入与输出的数据描述，以及基本的网络模型架构选择原理。李麟学、叶心成、王轶群认为环境智能建筑作为一种环境媒介，通过数据、控制论与人工智能的介入，实现性能和形式的协同。甘欣悦、佘天唯、龙瀛基于街景图片数据，通过将人工打分与机器学习结合，试图建立城市非正规性这一非物质环境要素在街道中的空间表征识别与评价方法体系。

本期主题文章

[1] 吴志强. 人工智能辅助城市规划 [J]. 时代建筑，2018（1）：6-11.

[2] [英] 尼尔·里奇. 信息城市 [J]. 吴彦，译. 孙澄宇，校. 时代建筑，2018（1）：12-16.

[3] 袁烽，柴华 . 数字孪生：关于2017年上海“数字未来”活动“可视化”与“物质化”主题的讨论 [J]. 时代建筑，2018（1）：17-23.

[4] [英] 麦克·巴迪. 城市规划与设计中的人工智能 [J]. 沈尧，译. 时代建筑，2018（1）：24-31.

[5] [德] 格哈德·施密特. 人工智能在建筑与城市设计中的第二次机会 [J]. 徐蜀辰，苗彧凡，译. 孙澄宇，校. 时代建筑，2018（1）：32-37.

[6] 何宛余，杨小荻 . 人工智能设计，从研究到实践 [J]. 时代建筑，2018（1）：38-43.

[7] 张砚，[美] 肯特·蓝森.CityScope——可触交互界面、增强现实以及人工智能于城市决策平台之运用 [J]. 时代建筑，2018（1）：44-49.

[8] 孙澄宇，周沫凡，胡苇. 面向应用的深度神经网络图说 [J]. 时代建筑，2018（1）：50-55.

[9] 李麟学，叶心成，王轶群. 环境智能建筑 [J]. 时代建筑，2018（1）：56-61.

[10] 甘欣悦，佘天唯，龙瀛. 街道建成环境中的城市非正规性：基于北京老城街景图片的人工打分与机器学习相结合的识别探索 [J]. 时代建筑，2018（1）：62-68.

城市规划与设计中的人工智能

Artificial Intelligence in City Planning and Design

[英]麦克·巴迪 著 沈尧 译

Michael BATTY, Translated by SHEN Yao

Abstract

文章关注了一个城市规划实践中的基本问题：如何综合考虑一系列可能存在潜在冲突的城市要素来为城市发展寻找更合适的区位？回答这一问题可以通过不同的建模方法，其中最简单的方法便是不考虑这些影响要素在现实中的权重差异，而将一个简单的平均度量作为区位优势的综合判断。作者在文中将区位优势定义为一种多要素网络的中心性度量。在这个要素网络中，不同要素不仅拥有各自的权重，还相互影响。在这样的一个社会需求网络模型中，通过多次迭代，每一个要素都通过与其他要素的互动，不断校准其相对重要性直至收敛至所有要素都拥有相同的权重，进而生成一个最接近现实状况的权重体系。区位优势的测度不仅是一个设计问题，还与真实可见的城市开发息息相关，然而，影响现实中城市发展模式的要素关系与权重往往很难捉摸。因此，规划设计问题的一个逆命题便是揭示一系列要素如何能协助我们理解观测到的城市开发现象。这与人工神经网络的设想不谋而合，后者整合了过去50年中机器学习与人工智能领域的大部分突破。文章开篇介绍了如何将规划设计问题转化成一个网络化的均值求解问题，即综合趋势估计问题，随后阐述了如何校准可知的要素权重网络来趋近于观测到的现实，最后阐释了这一个模型如何通过构建神经网络来实现。全文展示了一种基于人工智能技术将探究当下现实的形成机制与面向未来的规划设计相结合的新范式。

在线阅读

1 前言：规划设计的问题

随着数码时代不断地渗透进我们日常生活的方方面面，大量涌现的数据正使当今的世界变得越来越可计算。有一种新的声音认为如今我们可以通过计算，更加精确合理地组织我们的城市。一直以来，人们习惯于用自身的智能来探索更好的建筑与城市设计的可能性。但现在，嵌入在算法流程中的人工智能技术开始被越来越广泛地应用于模拟并优化未来城市的规划与设计。事实上，自20世纪六七十年代计算机问世以来，它便已经被用来做有条件的预测以及生成新的规划设计方案以满足未来人们的生活质量需求。

在过去的20年中，各种计算技术已经充分地嵌入到我们试图阐释与预测的城市肌理中。当今的计算机体积日益变小而性能日益优越，计算机已经成为每个人随手可得的工作与沟通交流工具。这种类型的计算机如今正成为我们试图规划与设计的现实中不可分割的一部分。虽然计算机自其发明伊始便开始服务于规划设计，但是通常它却不是规划设计所关心的对象，时至今日才逐渐成为城市生活的一部分，并成为规划设计中必须妥善加以考虑的关键内容。这一转变正在根本性地改变着我们理解城市的视角。传统的视角主要关注利用计算来理解规划设计的过程，而当前关于城市计算的相关建设被称作“智慧城市”，计算机的使用侧重于利用不断涌现的新数据。这些数据通常是大数据，抑或是揭示各种行为的新模式以及影响城市日常生活新维度的城市数据。

当前涌现出的计算机与城市的高度融合以及人们使用计算机来管理、控制与设计这一种新的城市设想，为理解城市计算、发展增强智能以及构建一种新的城市科学提供了一种全新视角[4]。本文首先简述了利用人工智能来优化规划设计流程的方式并定义一系列决定城市发展的相关要素。在绝大部分的规划设计中，人们习惯于使用一套自定义的要素系统来判定针对特定城市问题的规划设计解决方案的好坏，进而通过调整各要素的权重赋值来调整并确定最终的方案。在这样的背景下，规划设计在一定程度上可以被理解为一种关联、协调与综合各种不同的要素以生成一个优化的解决方案的过程。而规划设计方案的优化程度是根据不同要素对于最终方案的重要性来确定的。这是一个对于规划设计问题的最一般化的理解，我们可以通过一个简单的例子来进一步阐释其实质。

假想一个简单的实验情景：我们用一个实心圆代表一个封闭的矩形空间中的一片区域，该区域将被用于城市开发。在更大的空间里，我们假设这个实心圆所覆盖的空间将是未来城市开发的优先区域，将包含若干种城市功能要素。在过去，蓝图式的规划设计方法一般简单地展示一个空间规划并辅之以尽可能自圆其说的设计逻辑，但往往缺少必要的实证支撑。而如今，人们期待更加精准的规划设计方案及设计逻辑，在公之于众前能被充分地讨论、辩论。在这个案例中，我们假设有四个城市功能要素是重要的，而且它们不同的权重组合将定义不同的优势区块，最终导致不同的规划方案。假设我们委托一名城市规划师来做该开发区域的空间发展规划方案，设计条件是必须将这四种功能的影响要素在设计方案时予以综合考虑。在当前的所设定的情境中，最终的城市发展方案可能处于待开发区域的四个方向任意其一。具体而言，当只考虑第一个影响要素时，西北区块将是最合适的区域；只考虑第二个影响要素时，西南区块则是最优区位；若只考虑第三或第四影响要素时，最优区块则为东南或东北区块。这四个空间影响要素与最终方案的空间关系如图1所示。

在图1中，这四个影响要素的空间布局直观地表明实心圆区域应是所拟定的城市开发目标的优选区域。由于这四个要素的区位优势分布在空间上完全互补，我们只需要将其“相加”便可得到城市开发的空间方案。这里的“相加”指的是一系列空间叠加的规则。首先，只考虑第一个影响要素相对于第二个影响要素的空间布局。我们将第一个要素的适建区标记为1；限建区标记为0，并对第二个要素的适建区与限建区做出相同标记，再根据二者的空间覆盖关系进行加减。比如一块区域对于这两个要素的标记都是0，则其最终的标记也为0。若一个区域被第一要素标记为1，而被第二要素标记为0，则其最终的标记为1（1+0=1）。但若一个区域被第一要素标记为0，而被第二要素标记为1，则其最终的标记仍为1（0+1=1）。如果我们按照这个空间标记方法，那么将前两个要素相加则会得到一个半圆；如果我们继续加入第三个要素则会得到四分之三圆，假设我们继续考虑第四个要素，我们将得到一个整圆。因此，在这个假想情境中，直接将这些功能的影响要素相叠加可以得到区位问题的规划方案。

1. 一个简单的规划设计问题

为了得到上述的结论，我们还需要做一些严格的假设。首先，我们并不需要担心一片区域被一个要素标记为限建区而被另一个要素标记为适建区，因为当我们将它们叠加时已经假设二者并不相冲突。但如果假设这二者存在冲突，则无法进行叠加。如果我们将适建区标记为1，限建区标记为-1，按照上文所介绍的方法将各要素相加则会得到一个空解，这意味着区位优势与区位劣势相互抵消。简言之，在这里我们通过空间要素叠加法综合了不同影响要素的相互作用并使得只有要素标记得分增加的区域具有城市开发潜力的增长。图1清晰地描绘了这样的情景。需要注意的是，能够得到如图1所示的简单的几何方案是因为我们假设每一个要素的影响区域相互交错并能够被拼合成为一个完整的几何图案，但现实的情况则可能复杂得多。图1中左图表明在一个多要素影响下的空间区位方案中，通过空间要素叠加法来整合四个要素分布形态；右图展现了如何标记限建区与适建区并应用空间要素叠加法的具体过程。在这个过程中，对一片区域的开发潜力的变化起决定性作用的是它是否被标记为适建区，因为在此模型中，被标记为限建区则该区块对于空间相加结果无影响。如果不做如此的假设，通过空间要素叠加法所得的结论将变得完全不同。这种空间要素叠加法的逻辑类似于布尔代数运算。在此，我们运用符号代替加号以区别于传统布尔代数加法运算。

事实上，有很多方法可以将这四个要素的空间形态合成一个。当然，我们可以简单地把空间要素的叠加过程想象成是一个将每个要素影响下最优区位优势布局图层互相叠合的过程，并最终获得一个整体的最优区位布局。在上述的例子中，四个不同的要素揭示了各自决定的最优区位，通过空间要素加法而被整合为一个最终方案。图1所示的空间要素叠加法是一种将四个空间要素关系代数相加的直接方法，很多其他方法也可以将这些要素进行更复杂的综合。比如，我们可以先将第一个与第二个空间要素相加，而后将相加后的复合要素与第三个要素相加，最后与第四个要素相加而获得最终结果。事实上，在上述例子中，这种逐个相加所得的结果与直接全部相加的结果是一致的。但如果我们在要素相加的过程中给不同要素以不同的权重，结果则可能完全不同。我们可以进一步思考，这些要素可能存在空间重叠的问题，进而形成一个拥有复合要素影响强度渐变的复杂布局，而不是一个相互完整嵌入的几何布局。

我们可以将已经提到的案例中的四个要素的形态重新定义为同一个矩形空间系统中，不同的空间形状之间的空间互动关系，它们反映了现实中更加复杂的要素。假设有两个相互交叠的异形空间要素布局，按照已经介绍的空间要素叠加法，这两个要素都标记为适建区的区域将被标记为2（1+1）。按照这个方法，整个矩形空间系统也将最终被标记为从0-2的复合要素空间。如果我们假设标记分数2的区块的区位优势高于被标记为1的区块，那么所得的复合要素空间布局便可以被认为是考虑了该两个要素布局的综合区位优势布局。按照这个逻辑，区位优势度的渐变可以同时考虑四个要素空间相加后的结果，每一个无法被继续细分的区块都将被标记为覆盖在该区域的所有要素标记分数的代数和。当每一个区块都根据不同要素的区位优势分布而被标记为0或1，那么将产生多种不同要素标记分数的排列组合，比如 1-0-0-1，1-1-0-0，1-1-1-0，1-1-1-1，0-1-0-0等等。以此类推，理论上对四种空间要素相加会产生16种得分排列，4个等级（1，2，3，4）。

通过考虑上述的影响要素之前的空间互动关系，最基本的规划设计问题可以被进一步延伸并且复杂化，而图1所示的空间要素加法所得的最终结果也不再是一种简单的综合。图2所示的结果表明，考虑了空间需求交叠后关系的空间要素叠加法相对于前文所述的方法有了明显的进步。我们已经注意到适建与否所得的权重应该不同且不应冲突，如果它们的权重相同且一正一负，要素相加过程则只能反映区位优势与区位劣势的抵消效应，而不是区位优势对于非区位优势的积累效应。此外，我们也可以为每一个影响要素作用下的区位优势量化成为连续变量而不是离散变量，比如0到1之间的小数或者其他提前设定的、标准化的、区间内的数值。这些要素的空间影响应该具有一样的量纲使其可以相互比较，并能够进行代数运算。我们将在随后的章节继续介绍一些相关的技术手段。

2 规划设计作为一种平均趋势判断

在某种程度上，上文所述的空间要素相加的过程实际反映了在规划设计过程中不同影响要素作用下或者不同需求影响下的一种折中选择，或一种平均趋势判断。假使我们继续调整不同影响要素对于最终结果的影响权重，我们便在两方面赋予了不同需求要素不同的重要性。首先，在空间上，我们可以将影响要素作用下的区位优势差异化并量化为分布在0到1之间的连续数值；其次，我们也可以调整不同影响要素之间的相对权重使得其对于最后方案的生成能够有不同的影响。在此，我们暂不考虑区位优势的空间分布差异，只考虑不同影响要素的相对权重的分异。图1与图2所示的案例可以继续扩展如下：首先假设图1与图2中的箭头代表每一个影响要素是如何被整合到最终的规划设计方案中的，而后对于空间要素相加过程赋予不同的权重。假设表示第k个影响要素在区位i的作用，在前文的例子中它可以等于0或者1。当然，我们也可以用其他连续变量来表示其强度渐变。因此，根据该要素在区位i的优势度对于最终规划方案的贡献，我们可以赋予一个权重，表示为。因此，一个最直接的方法来表征一个区域的综合发展区位优势便是求解这些要素的加权和。其数学表达如下：

（1）

图3（a）详细展示了这个过程。实际上，在上式中我们只是为每一个箭头添加了一个权重来表明它们是如何被整合在最终的方案里的。我们将这些权重进一步标准化与归一化。当然，如果这些权重之间本身便具有相同的量纲，是否标准化便不那么重要了，因为其对结果的整体分布不会有什么特别的影响。

2. 规划设计问题的一种详解：需求要素的叠加

这是一种求解均值趋势非常直接的方法，对整体趋势做一个基本的量化。其类似于所有要素立即都被整合在一起而推导出一个方案。但是，假如每一个影响要素的作用与其他要素的作用紧密关联，那么影响要素之间也将存在互动关系。对于任意要素k，其相对于另一个要素j的权重在区位i可以表示为因此，对于要素k，我们可以将这些权重重新组合为：

（2）

很明显，在上式中，假设所有其他参数对于不同要素都一样，那么。也就是说，当影响要素的权重被细化并反映它们之间的互动关系时，我们对某一空间要素相对于其他要素的综合空间区位优势进行求和，此时我们会在第一步获得一系列的空间优势分布形态，它们代表每一个影响要素在其他要素影响下的变化，布局也不尽相同。请注意，在这里我们引入了一个时间参数t来表示过程方案的存在。在这种情况下，因为引入了改良加权方式，我们往往需要若干次迭代才能生成最终方案。图3（b）展示了这一过程，并表明在最终方案生成前，不同要素是如何被组合，进而推导出针对每一个要素的过程方案，而并非直接生成基于所有要素的综合趋势判断。

在公式（2）与图3（b）中，第一轮通过原始要素与权重网络生成的中间方案被重新反馈给下一步叠加求和，并重新考虑要素相互作用权重网络的影响。我们可以继续不断地重复这一步骤，直至公式结果收敛至一个最终方案出现。这里存在一个问题：如何保证这一过程一定能够收敛为一个结果？这个问题的答案是显而易见的，因为每一个要素都相互影响，但要素权重则决定了这种影响的大小。最终，所有要素之间的不同会被逐步消除，而中间方案便逐渐成为最终的、唯一的最优方案。但如果考虑要素之间的互动权重，它们在空间分布上是完全一致的，即。综合区位优势的估计问题将会被简化成图2所示的情况。如果这些权重在不同区位也完全相等即，那么这个模型将可以被进一步简化成为我们上文所提到的四个要素的简单设计问题，所有要素在用于综合估计区位优势时的重要性完全相同。

因此，如图3（b）所示，规划设计的核心议题在于如何确定这些要素之间的互动权重关系。我们已经通过该图阐释了我们如何前向性地根据反馈求得中间解直到它们收敛为一个最终区位优势方案布局。实际上，在这个过程中最关键的步骤是用相同的要素互动权重关系不断根据反馈来迭代过程方案。公式（2）对此有十分明确的说明。如果我们将公式（2）中等号右边的替换为，则可得到等式：。如果我们重复此步骤n次，即可以得到对于第n次迭代的一个数学描述，如下所示：

（3）

在每次迭代中，互动权重矩阵会不断变化用以反映要素间存在的相互影响。运用一些代数手段，我们可以定义迭代发生前后，如从（t+n-1）次迭代到（t+n）次迭代，要素互动权重的变化，如下所示：

（4）

上述要素综合方法是基于线性加法运算的，这意味着将相关的要素组合的操作已经尽可能简化了。假设所有要素都相互关联，这意味着所有要素都是正的且已被归一化。类似地，一个要素与其他所有要素的互动关系也应被归一化，即，而后经过n次迭代后，公式的最终结果将收敛至一个唯一的结果，即。图3（c）说明了在每一次迭代循环中反馈关系是如何构建的并直接影响到下一次中间结果的生成。这一插图同时也表明所示的迭代过程具有机器学习的典型特征。下文虽然不会就此展开，但是在此我们首先需要注意迭代过程的一些特点。基于迭代的要素综合过程不仅与一般规划设计的过程的特点需求相吻合，还可以被概括为一种通过社会网络结构来形成观念与构建共识的过程，进一步地将我们的规划设计问题投射在一个更广阔的社会背景上。

3. 基于迭代过程的总体趋势判断：a）简单的加权趋势估计；b）基于要素互动权重关系的逐步趋势估计；c）基于反向传播的逐步趋势估计

将规划设计问题转化为逐步的趋势估计问题的最后一步，是要解决如何进行加法性的迭代。我们可以首先尝试将一个互动权重矩阵转化为一个概率矩阵W。由于我们对此矩阵进行了标准化的处理，这一个概率矩阵也可以被认为是一个覆盖了所有区位i的转移概率矩阵。在此，我们并没有使用传统地理单元格表示法，将权重赋予每一个空间像素点或者单元，虽然这更加符合我们一直以来的制图习惯。我们还可以使得每一个单元都拥有独特的权重，但是在此我们并不打算过度展开这一个话题。倘若我们用矩阵表示法来重写基于逐步迭代的趋势估计方法，它可以变成F（t+n）=WF（t+n-1），其中F（t+n）与F（t+n-1）皆为大小为1 × m的向量，而W是一个大小为m×m的矩阵，其中m表示的是要素的个数。这实际上定义了一个马尔科夫链模型，其在每一次随机迭代中不断调整对整体趋势估计，即。当随机迭代次数达到n次时，将收敛至一个稳态的随机矩阵。关于这个过程的具体细节可参见《城市新科学》一书的相关内容[4]。对具体过程不甚了解的读者只需要注意整个迭代过程是逐步收敛的即可。这一想法揭示了一个现象，即当所有事物都持续地相互影响时，它们将会被逐步地平均化进而接近一种整体的趋势，而反映这种相互影响关系的权重体系则进一步确定了在规划设计过程中各个要素对于其他要素的相对重要性。

3 一种网络化的设计观

如果我们仔细观察图3（b）与图3（c）将会发现每一个要素都与其他要素有一个独特的权重，这意味着实际上构建了一套互动权重网络将所有系统中的单元都相互联系起来。对于拥有n个要素的设计问题，互动权重网络将包含个联系，比如对于拥有4个要素的互动权重网络将包含16个联系。图4（a）展示了如何将这些联系构建成一个简单的网络。我们可以这样来进一步解读这个网络。如果将每一个要素的空间作用分布理解成为一个设计问题的过程方案，规划设计师便可以利用这些过程结果作为趋近未知最终方案的替代方案。因此，如果规划设计师将某一过程结果与互动权重网络中与之联系的其他成果相比较，并能够根据其自身的观察综合各个相互联系的结果，就可以找到一个新的结果来替代当前的过程结果。这个过程实际上很接近于上文提到的反馈与迭代过程。假如在这个过程中权重都是相等的，那么这个过程就是前文所述的最简单的求解算数平均数的模型。但是更加合理的模型应该考虑每一个影响要素都有其自身的重要性，而这种重要性的差异在求解中间结果的过程中应该被予以妥善考虑。一旦所有要素的过程结果都被生成后，新的一次迭代便会开始，来求解以当前中间结果为原始输入的新的过程结果，如此重复。在这样的过程里，不断更新的中间成果会越来越接近最后的结果。这个要素互动联系也可以被理解为综合这些要素相互关系的一系列的沟通要素。如果将这些联系设想为规划设计师脑海中对于不同影响要素的重要性的认知，每一个迭代过程便可以被理解为是对各方意见的汇总与综合裁定。因此，要素间的互动关系网络便可以被进一步引申成为一种意见相关网络，而要素间的联系强度可以被进一步定义为它们之间的相关程度。换言之，要素的互动权重也可以根据它们的相似程度来量化，而对于综合趋势的判断也将受到相互联系的要素的重要性的影响。事实上，要素互动网络的构建与权重的赋值的方式有很多种，然而，不论它们被如何设定，更准确地获得对于整体趋势的判断的前提是逐步降低要素间的差异而尽量综合m种要素的影响，从而获得对于最优区位优势分布的一致结果。

4. 基本的设计问题作为a)完全联系的要素互动网络；b)紧密联系的要素互动网络

我们也可以设想，规划设计师实际上并不能通过其自身的知识积累来整体地把握各个要素间的互动网络关系，但某一领域的专家也许对于单一要素影响下的最优区位分布却十分熟悉。因此，一个要素k作用的空间分布便可以被理解为k专家脑中受k要素影响下的区位优势分布图。规划设计问题也随之变为如何综合不同专家根据不同要素影响下的空间区位方案。基于这种理解，我们需要对要素互动网络做一些更深入的研究。在前文介绍的案例中我们已经清晰地看到每一个要素都与其他要素相互联系并最终所有的要素都相互影响，并且这种影响的程度已经被它们相对权重值的大小所反映。此外，总是存在一个方案能够体现这些影响的空间综合效应。但是如果一个要素并不与其他任何要素相联系，亦或者一个要素只与其他要素单向联系，那么最终获得的结果将会变得十分复杂。假使有一个，或者多个要素与其他要素并不相连，那么最终将可能获得两个甚至更多的结果。假如一个要素与其他要素仅单向相连，那么这个要素影响下的区位优势布局将保持不变。简而言之，要素互动网络的连接度以及每个边的权重都对最后的综合区位优势的结果影响显著。图4（b）展示了一个拥有四个影响要素的互动网络，共有10个边，比完全连接的互动网络少6个边。事实上，这一个网络仍旧是一个紧密相连的网络，人们才可能从图中的任意一个节点（要素）出发，沿着每一条边到其他节点（要素）。因此，在这个网络里，虽然一些边被删除，节点之间仍旧能够相互影响。倘若缺乏更多的必要连接，那么对于这个网络的平均趋势判断便会没有结果，或者产生多于一种最终结果。

一些学科领域已经注意到城市规划设计过程中的沟通问题并通过一系列的概念定义，如协调式规划、网络与社会力量、民意调研、集体行动等以及网络模型来对其进行研究。这与本文上述的模型不谋而合。首先，本文中所述的空间区位设计是现代城市规划设计一项基本任务，起源于半个世纪前的物质规划盛行时期，即如何在考虑不同尺度的城市文脉中妥善地安排城市各项功能的空间布局。按照区位优势分布来配置空间需求的想法最初是通过要素重叠分析法来实现的。它将不同要素影响下的区位优势叠合分析，进而获得一些综合的平均化的总体空间区位优势判断。类似的方法自20世纪50年代后在规划实践中被广泛地应用。其最早的应用甚至可以追溯到19世纪时，美国景观设计之父奥姆斯特德（Frederick Law Olmsted）在一项景观规划中所做的生态适应性评价[15]。亚历山大（Alexande）在20世纪60年代介绍了多种等级化综合法来估计区位优势[1]。麦克哈格（McHarg）[13]则将重叠分析法应用在景观规划中，通过考虑洪水、地形等因素来判断能够抵御洪水的优势区位。笔者曾将这些叠加法进一步与网络分析法相结合成为一种新的设计分析方法。这种方法主要是基于弗兰奇（French）所提出的社会力量的相关理论[8]，根据规划设计中的利益主体来确定影响要素并通过本文所述的方法来达成共识，共同确定最终的规划设计实施方案[3]。最近，斯坦恩斯（Steinitz）[14]在地理信息系统平台上开发了自动的传统叠加分析法，并将其称作“地理设计”。

上文提到的这些方法曾被哈拉里（Harary）[10]、格鲁特（de Groot）[7]以及凯里（Kelly）[11]在不同语境中加以应用，而后被社会网络学者进一步扩展并应用在社会科学研究中[9]。最近，计算机科学领域的学者应用多主体模型来模拟民意的集聚与变化受到从众心理与羊群效应的影响[6]。这样的网络分析可以被继续扩展以适应不同的研究需要。例如，在网络分析中运用二分图并结合集体行动的相关概念可以将上文介绍的区位优势估计的问题转化成为一系列关于社会力量的指标，进而为理解规划设计过程中权重的社会学含义提供基础。笔者曾将此想法应用于场地设计中并综合考虑了与所有权、金融以及城市功能有关的要素的权重[5]。

在我们继续探索如何将规划设计与真实建设更加紧密地相结合之前，我们将先讨论如何根据公式（3）与（4）进行逐步综合趋势判断。这个例子曾在笔者2013年所著的《城市新科学》中被提及，我们在此重新讨论它因为这将有助于我们理解逐步综合趋势判断的实质。这个规划设计项目所面对的问题是要为北英格兰的一个镇寻找城市扩展的合适用地。这个镇当前共有五万人口，未来仍有约两万人需要在图示区域寻找栖居之地。本案例中共有12个影响要素被确定是寻找城市发展最佳用地的关键因素。我们根据每个影响要素的空间分布将研究区域内的各区块标记为“适合”或“不适合”。当然，我们也可以用更加严格的赋值方法来标记建设适宜程度的空间变化，但在本案例中我们选择一个更简单的布尔赋值方法。这些影响要素涉及城市开发的各个方面，从物理空间限制到社会经济发展潜力等等，其具体包括：城市服务的可达性、空间拥堵成本、娱乐文化设施的可达性、微气候条件、给排水分区、制度约束、外部市场条件、工业污染、地形条件、乡村服务区、历史保护区以及农耕保护区。这些要素的具体布局如图6所示。这些要素的空间布局将被用作逐步综合趋势判定运算的原始输入或者过程结果进入迭代过程。在解释此过程前，我们还需确定这些要素之间的联系。

图5（a）展示了一个要素互动网络。在这个网络中，所有的连接被定义为是双向的，并且自连接已经被隐去。是否在两个要素间构建一个定向联系的前提是起始要素的区位分布是否表明该区域适合开发。也就是说，如果一片区域被起始要素标记为适建，那么当考虑到达要素时，这个区域也极可能被认为是适建区。换言之，如果两个要素在某一区域能够相互影响并相互加强，我们就给定两个因素一个双向连接使得其对于最终的设计有所影响。据此，我们便可以运用要素互动网络来进行图5（b）所示的逐步反馈迭代对任意一个要素的分布做出估计。举个例子，如果我们在这个网络中拿掉第六个要素，我们仍可以凭借其所连接的第三与第八个要素以及其自连接求解出一个新的要素在第一次迭代中代替它，并仍旧获得如图5（a）所示的要素网络结构。

如图5（b）所示，我们可以用要素网络结构来展示每一次迭代中求得赋权后的各个要素分布。该图所示的网络结构是图3（b）与图3（c）所示的结构的另一种表达并通过纵轴方向的演化来表示逐步的迭代进程。这只是一种不同的网络表达方式，其从本质上说与上文所介绍的并无不同。如果我们仍旧用1与0来分别代表某一要素影响下的各个区位适建与否，那么便可以直接依图5（b）所示的结构通过若干次迭代来计算整个研究区域的综合区位优势布局。事实上，这正是我们在图6所示的求得过程结果的若干步骤。很明显整个过程在迭代10次后皆收敛至一个稳定的要素分布。实际上，在真实的规划设计过程中，这样的正式的结果很可能被作为一个兼顾不同要素的影响以寻求最合适设计方案的过程。当然，在这个过程中，与要素有关的不确定性以及规划设计师的灵感或直觉都可能对每一步中要素的重要性产生影响并改变最终的方案。这样的方法与亚历山大[1][2]曾提出的用以解决相互冲突要素地图关系的方法十分相似，也与麦克哈格[13]的相关讨论不谋而合。亚历山大曾指出这样的流程能够帮助规划设计者认真地思考在设计过程中的每一步是如何综合各个不同要素的影响的，同时也需要保持一定的灵活性来加入更多的信息以帮助决策，并最终显著地帮助定性地理解该方法中的定量计算过程。

5. 城市开发规划结构

4 城市设计中的智能

在与城市规划设计有关的计算技术的发展进程中，我们可以将城市自身发展的方式与我们对其认识与设计的方式加以区分。前者指的是城市系统自身的演进与发展的方式；而后者则指的是规划师、设计师们如何认识城市潜力的布局并通过规划与设计来提升市民福祉，让城市更加宜居、公平与高效。换言之，我们可以用城市模型来观察我们感兴趣的城市表现，与之相对应，我们也可以用规划设计模型来解决涌现的城市问题。最理想的情境自然是城市发展的方式能够与我们规划设计它的方式相一致。然而，现实中更常见的情况是二者之间存在很大的分歧。

在某种程度上，本文所提倡的方法是一种系统性设计的方法。它的高明之处在于它将城市发展规律与规划设计理念相结合，并将其置于一个理性的决策过程中。这种方法明确定义了一系列与最终方案相关的影响要素，并在其趋近于最后方案的过程中不断优化，以满足那些潜藏在已经被定义的要素背后的重要需求。但是，在实际的城市开发过程中很少能完全按照我们所求解的方案来进行。因此，我们真正需要弄清楚的是：究竟是什么样的过程导致了不同类型的城市发展的发生。这实际上与规划设计活动有很明显的不同，因为它是用来解释我们所观察到的现象而并不是探索新的城市发展方式或内容的一种科学。在规划设计过程中，我们可以在一开始便将设计需求作为左右最终方案的影响要素，并在设计过程中，人为地设定它们的权重来得到一个最终的规划设计方案。若将这个过程倒过来，我们可以定义一系列要素的权重从而得到一个城市开发的形态。事实上，没有任何一种计算过程能够直接识别出一系列与城市发展相关的因素，而完全不需要任何人为的假设。但是，我们可以利用上文介绍的方案来明确哪些要素和权重的设定与某种类型的城市发展有关，从而降低城市开发的不确定性。

换句话说，在规划设计过程中，人们可以定义一些城市发展所必需的要素，并搞清楚它们相互之间孰轻孰重，进而试图找寻到一种复合的、尽可能优化的规划方案。与探索真实的城市发展机制不同，在规划设计过程中，我们可以首先定义一系列能影响未来城市发展的要素，然后设计一个流程来给这些要素赋权并使其能够催生某种我们可见的城市开发模型。这个流程与设计过程非常相似，但是在传统规划设计过程中我们通常无法知道规划设计方案的结果。此外，在这个流程中，人们可以用一套稳健的方法既给要素加权，又能够推导最优的方案成果。在模拟真实城市发展过程时，我们往往对要素的设定较有把握，而对实际结果并不确定。因此，我们通常希望通过确定要素的权重来解释当它们组合后的综合效应。一个最直接的方法便是比较要素分布与生成的复合要素分布的异同，并通过调整要素权重来理解模拟的结果是如何产生的。从这个意义上说，当我们通过一些技术使这个过程变得更加精确、自动、稳健，便使其更加智能。按当前的流行的术语，这些技术便属于人工智能。

6. 通过逐步综合法对12个初始要素的平均趋势估计

总而言之，规划设计过程通常始于关键影响要素或者是设计需求的设定，通过调整这些要素在最终方案中的重要程度来生成最终的设计方案。最终方案实际上可以被理解为设计师对于初始影响要素的一种加权综合成果，但加权方式是设计师自己拟定的。真实的城市发展也始于一系列的关键要素的影响，但是我们并不知道它们是如何被赋权的。因此，为了更好地理解它，我们先人为地设定了一些影响要素，而后通过实验观察这些要素应该如何被整合起来，最终接近观察到的结果。可以想象，在这个实验的初期，实验结果与观察结果通常很不一致，而当我们不断地调整各个要素的权重关系，通过多次实验，最终的结果将越来越接近现实。换言之，在规划设计中，我们必须不断地调整规划方案直至它与输入的影响要素存在某种一致性；而在真实城市发展过程中，我们通常先锁定已经观测到的现象，而后不断地调整输入要素的权重关系直至能够按照其通过组合这些要素得到与观测一致的结果。不难发现，这两种过程存在某种相似性。我们将沿用上文的例子来进一步说明如何用本文介绍的方法来解释一个已知的现象。

让我们回到图2所示的例子。假设仍有四个影响要素，但现在我们有一个观测的布局结果而不是图2所示的求解的规划设计方案。我们所观测到的结果是关于城市如何运作与演变的，它是由一系列的复杂过程与决策所共同影响的。我们假设已经设定的四个要素仍为关键要素，但是我们知道这也许并不足以反映驱动城市演变的真实过程，甚至它们本身就不是真正关键的影响因素。因此，我们对真实城市发展进程的探寻显然受限于我们对于要素的设定以及相关的假设。不难想象，当我们不断调整要素设定以及相关的假设，理论上我们可以提高我们对观测现象的解释力。图7所示的过程所生成的结果显然与规划设计过程得到的结果不同。我们如此设计生成的结果是为了让它保留各个要素的几何形态以方便理解。图7表达的是我们通过调整要素的权重使得生成的结果越来越接近观测的现象。根据此前的论述，我们可以简单地均等赋权给各个要素并将其结合成为一个优选的规划设计方案。虽然我们无法证明它一定是唯一的，但在无法确定要素权重时，它可能是最合适的组合用来生成规划设计方案。此外，简单的权重关系组合是无法轻易得到观测结果的。因此，我们需要一个更正式且详细的流程来确定适当的要素权重。

7. 规划设计结果与观测模拟结果的相互比较

我们需要做的是加入一层隐藏的过程结果并为规划设计问题建立一个要素互动权重的网络。事实上，对于仅有四个要素的案例，我们也许只需要加入一个隐藏的过程结果层即可实现对观测现象的良好预测。其实我们可以随意加入任意数量的隐藏层使得不同的权重可以被充分调整以保证输入与输出尽可能接近。在此，我们不打算演示这个案例的最终加权结果，因为这个过程可能会花费很长时间。但我们可以概述这个程序的工作过程。首先，所有的输入将按照认为确定的权重体系组合在一起用以生成t+1次迭代的过程结果。然后，生成的结果将与观测结果进行比较以量化二者之间的不同。基于二者之间的不同，权重体系将被调整，用以生成新的结果，并继续与观测结果进行比对。在图8所示的一个简单网络中，一个迭代过程首先是向前发展的，而后得到反馈代入下一次前向迭代。通常一次迭代是不足以确定最适合预测观测结果的权重体系的。我们很可能需要第二层甚至更多层的隐藏过程。这个过程比成为“隐藏的”是由于它的存在只是为了校准参数体系，而其本身不具备任何解释性的意义。图8展示了一种拥有至少两层隐藏过程的增强要素网络。其中虚线所示的部分便是第二隐藏层。很明显，这个要素网络的复杂性可以随着隐藏层的数量的增加而增加。

这个结构实际上非常接近人工智能中的神经网络。神经网络一词的灵感源自于70年前的一项尝试，其试图模拟人类大脑中的树突与突触网络[12]。时至今日，神经网络的构建日趋复杂以便网络的输入可以最终生成输出。比如，我们可以在每一次标准化的迭代中增加一个脉冲使得网络可以生成某些在观测现象中出现的约束元素。但更重要的是我们能够在每一个步骤中重新组合输入要素。本文介绍了一种极为简单，但是基本的叠加加权的方法。事实上，在用于图像识别的神经网络中，通常用于构建反馈机制的函数是非线性的而不是线性的，用来反映不同的反馈与激励机制。在这些模型里，逐步迭代中也许会有领先或者滞后效应，也许会用不同的反馈机制来更有技巧地处理输入与观测结果的不匹配。这与上文介绍的求解最优结果的方法十分类似。

5 关键的挑战

最突出的一个问题是关于模型输入信息的选择。很显然，如果没有足够的输入，人工智能技术是无法训练出某种观测的结果的。比如，在图7、图8所示的实验中，如果只有一个要素输入，很显然是无法求得一个特定的结果的。如果我们输入了更多信息，那么也许会生成许多可能的结果。我们称这种情况为网络被“过度限定”了。到目前为止，在城市规划领域，这种方法很少应用。设计，而不是科学研究，仍旧占据城市规划的主导地位。但是，我们已经开始展望未来，也许我们能够将按照不同发展模式而演进的不同城市都作为案例，进而研究它们不同的发展形态与不同的影响要素输入之间的关系。通过这样的努力，我们也许能够进一步了解某种形态是如何涌现的，并将其推及至拥有不同形态与功能组织的城市的研究中去。因此，从某种意义上来说，人工智能在城市规划领域的应用效果将很大程度上取决于如何选取好的案例作为训练样本。事实上，城市发展的形态也许对于当前的神经网络或者机器学习的技术来说仍然太复杂了，以至于还无法产生出对于城市发展过程更高明的认识。这也许也因为人工智能的工具更适用于高程式化的行为研究，如定期重复的购买行为，或者是那些在基础科学、生物学以及公众健康等领域中常遇到的拥有较高空间确定性的问题。

8. 一个人工神经网络图示

不难看出，程式化的行为能够通过神经网络获得更好的解释。从本质上来说，如果我们自身的行为过程是有规律的，那么这种规律性就会体现在关于行为的各种数据中，而这些数据就可以直接作为模拟行为观测的模型的输入源。从一定程度上来说，神经网络的核心工作便是将独立变量与因变量联系起来，并通过设定大量的参数使得对于结果的描述更加精确。有时，我们可以将此类问题看作是一个寻找输入与输出之间的完美拟合的技术问题。

从某些角度看来，我们甚至可以认为关于输入的模型本身就是数据本身或者是它的某个变体。在城市规划与设计领域有无数类似的问题。虽然当前机器学习以及大数据与大规模计算正在快速发展，我们领域的核心问题比那些人工智能领域目前炙手可热的研究问题在本质上要复杂得多。

我们面临的挑战是列出与城市规划与设计最相关的问题，以便我们厘清关于城市如何运作、发展与演变的科学问题，完成干预城市发展的设计任务。本文主要关注设计任务，但同时也阐述了如何运用类似的形态识别技术去探索真实的城市发展过程。我们所肩负的，是一个更大的使命，是推进那些符合规划设计需求的城市中实际的开发进程。届时我们的目标将是在这个探索中融合设计与科学，而人工神经网络的理念为此提供了前所未有的机会。

参考文献：

[1] Alexander, C. Notes on the Synthesis of Form[M].Cambridge MA: Harvard University Press, 1962.

[2] Alexander, C. and Manheim, M. L. The Use of Diagrams in Highway Route Location: An Experiment, Research Report[M].Cambridge MA: Department of Civil Engineering, MIT, 1962.

[3] Batty, M.. An Approach to Rational Design: Part 1: The Structure of Design Problems, & Part 2: Design Problems as Markov Chains[J].Architectural Design, 1971(41): 498-501 , 436-439.

[4] Batty, M.The New Science of Cities[M].Cambridge MA: The MIT Press,2013.

[5] Batty, M. Evolving a Plan: Design and Planning with Complexity[A]//J. Portugali and E. Stolk. Complexity, Cognition, Urban Planning and Design, Springer Proceedings in Complexity.Switzerland: Springer International Publishing. 2016. 21-42.

[6] Blondel, V. D., Hendricks, J. M., Bolshevik, A.,Tsitsiklis, J. N. Convergence in Multiagent Coordination, Consensus, and Flocking[A]//Proceedings of the Joint 44th IEEE Conference on Decision and Control. Seville, Spain: European Control Conference, 2005.

[7] De Groot, M. H. Reaching a Consensus[J].Journal of the American Statistical Association, 1974(69): 118-121.

[8] French, J. R. P. A Formal Theory of Social Power[J].Psychological Review, 1956(63): 181-194.

[9] Friedkin, N. E.A Structural Theory of Social Influence[M]. New York: Cambridge University Press, 1998.

[10] Harary, F. A. Criterion for Unanimity in French's Theory of Social Power[A]//D. Cartwright Studies in Social Power.Ann Arbor, MI: Institute for Social Research, 168-182.

[11] Kelly, F. P. How a Group Reaches an Agreement: A Stochastic Model[J].Mathematical Social Sciences, 1981(2): 1-8.

[12] McCulloch WS, Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity[J].Bulletin of Mathematical Biophysics,1943(5): 115-133.

[13] McHarg, I. Design with Nature, American Museum of Natural History[M]. New York:Natural History Press, 1969.

[14] Steinitz, C. A Framework for Geodesign: Changing Geography by Design[M]. Redlands,CA:ESRI Press,2012.

[15] Steinitz, C., Parker, P., and Jordan, L.Hand- Drawn Overlays: Their History and Prospective Uses[J]. Landscape Architecture, 1976, 66 (5): 444-55.

完整深度阅读请参看《时代建筑》2018年第1期 应用驱动：人工智能与城市/建筑，[英]麦克·巴迪 著 沈尧 译 《城市规划与设计中的人工智能》，未经允许，不得转载。

作者单位：伦敦大学学院（UCL）高等空间研究中心（Centre for Advanced Spatial Analysis，CASA）

作者简介：麦克·巴迪，男，伦敦大学学院巴特莱特规划学院教授、高等空间研究中心（CASA）主任，英国皇家科学院 院士，阿隆索奖 （Alonso Prize）获得者

译者单位：伦敦大学学院高等空间研究中心（CASA）

译者简介：沈尧，男，博士毕业于伦敦大学学院巴特莱特建筑系（Bartlett School of Architecture）空间句法实验室 （Space Syntax Laboratory），现任伦敦大学学院高等空间研究中心 博士后副研究员