Equal Rights of Space

項目背景
CBD 通常占據(jù)著城市的最中心，摩天大樓匯集，并聚集著最精英的員工。這是因為聚集效應(yīng)能夠?qū)⒗孀畲蠡?，所以傳統(tǒng)的CBD 普遍呈現(xiàn)出在經(jīng)濟活動、建筑空間上單中心聚集的狀態(tài)。這帶來的問題是當這種聚集達到飽和狀態(tài)時，由于人們對于空間使用的權(quán)力不被平等地分配，將會導(dǎo)致如租金越來越高，辦公空間擁擠低質(zhì)量，長期的兩極分化狀態(tài)帶來階級對立情緒等問題。
位于巴黎城西上塞納省的中央商務(wù)區(qū)-拉德芳斯，正在這種單中心聚集的模式下逐漸面臨一系列不平等問題。拉德芳斯的誕生源于1958年，法國經(jīng)歷快速增長后，對辦公空間需求的急劇增加。為了緩解巴黎市中心的壓力，政府決定在拉德芳斯區(qū)域規(guī)劃一個子中心。在分擔(dān)市中心壓力的責(zé)任下，拉德芳斯在上世紀90年代末達到頂峰，聚集了2500家企業(yè)，為15萬人提供了就業(yè)機會。然而，在經(jīng)歷了石油危機、經(jīng)融危機、行業(yè)壟斷后，拉德芳斯開始日漸衰弱。數(shù)據(jù)顯示，近年來拉德芳斯的企業(yè)規(guī)模正逐年縮小，辦公收益率也在不斷下滑。此外，在拉德芳斯內(nèi)部也存在許多不平等現(xiàn)象。例如，拉德芳斯中心聚集著充滿現(xiàn)代感的摩天大樓，而周圍區(qū)域的建筑卻是低矮老舊。這些問題嚴重影響了拉德芳斯的可持續(xù)發(fā)展，正等待被解決。

概念提出
在反歧視運動盛行時，建筑師和規(guī)劃師也意識到在傳統(tǒng)城市系統(tǒng)中，空間權(quán)利的不平等性。人們總是簡單地把空間用“好”與“壞”來進行區(qū)分，當上層階級能夠在城市中心擁有優(yōu)質(zhì)的空間，低收入人群只能擁擠在大量不被重視的城市空間中，而這也加劇了城市的不平等。但我們相信空間是平等的，它們只是有其自身的特點。我們的項目目標為把傳統(tǒng)的中央商務(wù)區(qū)改造成一個公平的去中心化系統(tǒng)，以更長的服務(wù)時間和更多的功能為城市里的每一個人服務(wù)。在建筑尺度，我們也希望給我們的新模型增加更復(fù)雜的功能，更靈活的租金以及更多的共享空間。

由于過度審查和環(huán)節(jié)中的個人偏好，傳統(tǒng)的規(guī)劃和更新過程是低效的。因此，我們的方法結(jié)合了大數(shù)據(jù)和機器學(xué)習(xí)（人工智能），來高效地生成一個公平的新城市規(guī)劃方案。我們的項目分為四步：數(shù)據(jù)分析、多中心規(guī)劃、城市重塑和建筑細化。我們希望以一個新的系統(tǒng)來評估所有城市空間，根據(jù)規(guī)劃進行空間再組織，以塑造一個理想的平權(quán)城市。

數(shù)據(jù)分析
我們將數(shù)據(jù)分為空間與社會兩種類別，基于100m x 100m的城市網(wǎng)格，將吸引性與復(fù)雜性作為指標，對空間進行評分。其中，吸引性代表了一個地點的可訪問性、人流量、開放性；而復(fù)雜性代表了場地的包容性、多樣性。對于空間層面，我們進行了空間質(zhì)量分析，興趣點（POI）分析，建筑功能分析，建筑高度和建筑年代分析，交通可達性和交通樞紐分析；對社會層面，進行了企業(yè)地理分布、企業(yè)信息分析，人口普查數(shù)據(jù)聚類分析等。由此，我們成功構(gòu)建了一個強大的數(shù)據(jù)圖書館，為后續(xù)工作提供依據(jù)。

我們將所有分析結(jié)果一一對應(yīng)到城市網(wǎng)格中，進行吸引性或復(fù)雜性的評估，并按分值大小進行數(shù)據(jù)可視化。通過結(jié)合數(shù)據(jù)圖書館中的七個相關(guān)分析并進行分數(shù)疊加，我們獲得了對拉德芳斯的整體吸引性評估。同樣地，我們通過結(jié)合數(shù)據(jù)庫中的五項相關(guān)分析，獲得了對該地區(qū)的總體復(fù)雜性評價。結(jié)合吸引性與復(fù)雜性的評估總圖，我們能夠?qū)⑺锌臻g劃入一個四種type的二維系統(tǒng)，分別為高吸引性-高復(fù)雜性，高吸引性-低復(fù)雜性，低吸引性-高復(fù)雜性，低吸引性-低復(fù)雜性。

多中心規(guī)劃
通過數(shù)據(jù)分析的結(jié)果，我們可以看到拉德芳斯的城市空間表現(xiàn)為高度集中化。我們首先將軸線打散，以減少其集中性。然后規(guī)劃了一個主中心和四個次中心，并根據(jù)網(wǎng)格分值來確定次中心的位置和服務(wù)半徑，以保證服務(wù)能力與服務(wù)覆蓋的對等。值得注意的是，整個CBD的空間轉(zhuǎn)型不是一夜之間完成的，而是一個漫長的過程，因此我們?yōu)镃BD由單中心向多中心轉(zhuǎn)換的過程規(guī)劃了一條時間線。

關(guān)于交通規(guī)劃，我們首先基于規(guī)劃中心保留了部分原有的道路，然后拆除了以單中心CBD結(jié)構(gòu)設(shè)計的標志性環(huán)路，最后形成了新的樹狀道路交通結(jié)構(gòu)來溝通聯(lián)系五個CBD中心。

城市重塑
為了實現(xiàn)資源的平等分配，我們選擇了機器學(xué)習(xí)作為實現(xiàn)工具。我們在城市尺度上建立了一套智能、自我決策的人工智能生成器，并稱之為“UrbanGans”。我們從數(shù)據(jù)圖書館中提取了三類數(shù)據(jù)集，分別是道路網(wǎng)集、城市平面集和建筑形體集。通過建立三個不同的GAN（生成對抗網(wǎng)絡(luò)），可以用三步將二維平面圖像轉(zhuǎn)換為三維空間模型，并根據(jù)規(guī)劃完成空間類型的轉(zhuǎn)換。

Urban GAN α 可以將道路路網(wǎng)轉(zhuǎn)化為城市平面圖片。我們用不同的顏色標記城市，每一個著色區(qū)域代表一個獨特的功能區(qū)域。同時為機器學(xué)習(xí)準備了500多個訓(xùn)練數(shù)據(jù)樣本，其中包括城市道路網(wǎng)絡(luò)和基于空間評估標記后的城市平面現(xiàn)狀圖。經(jīng)過足夠的訓(xùn)練，可以通過Urban Gan α 在拉德芳斯改造區(qū)域得到4種type的空間布局。

第二步是Urban GAN β，通過城市平面圖建立一個三維建筑的透視圖像。我們用簡化的平面圖和透視預(yù)覽圖作為訓(xùn)練數(shù)據(jù)。用紅色和藍色顯示建筑的不同高度，以區(qū)分不同的建筑高度和形狀，最終可以得到4種type的透視圖。至此，我們成功地建立了一個從規(guī)劃平面圖到建筑透視圖的轉(zhuǎn)換模型。隨著模型的迭代，我們發(fā)現(xiàn)AI可以創(chuàng)造豐富的建筑形式。

第三步—— Urban GAN γ，使用3D GAN將二維透視圖像轉(zhuǎn)換為三維模型。我們使用不同角度的二維圖像作為樣本，用紅色和藍色來標記不同高度的建筑物，還在數(shù)據(jù)集中加入更多底視圖，為了使Urban Gan γ得到更準確的模型。最后，用一系列的程序操作將人工智能輸出的CSV坐標數(shù)據(jù)，轉(zhuǎn)換為可由三維軟件操作的點云或?qū)嶓w模型。

雖然AI生成的模型難以預(yù)測，但是這個過程中不可控的程序性能是人工智能在多樣性方面優(yōu)于傳統(tǒng)算法的體現(xiàn)。這種多樣性可以為設(shè)計師提供更多的設(shè)計參考和選擇。最后，我們根據(jù)多中心規(guī)劃的策略，將學(xué)習(xí)了相應(yīng)空間特征的3D體素模型重新置入場地，形成一個主中心，四個次中心環(huán)繞的城市結(jié)構(gòu)。

建筑細化
在建筑的重塑部分，我們主要分為這些步驟：從數(shù)據(jù)圖書館中梳理4種type的建筑功能比例特征，運用K-means 聚類進行功能塊劃分；根據(jù)功能類型，將建筑單元作為一個個模塊放入相應(yīng)的功能槽中；最后在眾多組合中選擇最佳組合方案。四種建筑類型代表了基于不同空間評估需求下的輸出結(jié)果，我們以Urban GAN 為改造引擎，更新拉德芳斯的空間配置，為未來的CBD空間提供了更多可能。

項目完整圖紙