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，（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，（1）：12-16.

[3]袁烽，柴华.数字孪生：关于年上海“数字未来”活动“可视化”与“物质化”主题的讨论[J].时代建筑，（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，（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，（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，（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，（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，（1）：50-55.

[9]李麟学，叶心成，王轶群.环境智能建筑[J].时代建筑，（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，（1）：62-68.

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

CityScope—ApplicationofTangibleInterface,AugmentedReality,andArtificialIntelligenceintheUrbanDecisionSupportSystem

张砚[美]肯特·蓝森ZHANGYan,KentLARSON

Abstract

城市是我们的未来。城市的发展趋势不仅体现在其规模越来越大，其复杂性和变化性也在日益增大。目前城市决策的公众参与过程是低效的、缺乏信息沟通的，且往往发生在项目后期。更重要的是，很多设计决定是经验性的、主观的，且往往不建立在量化的数据和城市性能上。为了改善这样的现状，也为了让专家和非专家都能参与到易用的、协作的、循证的城市决策过程中来，CityScope项目在美国麻省理工学院媒体实验室的城市科学研究组里应运而生。CityScope是一个动态的、证据辅佐的城市决策辅助系统。它的主要功能特点包括了：1）直觉的可触交互界面加上增强现实可视化系统以提高决策过程的可参与性；2）通过多代理模拟和机器学习技术实现的城市多项性能的实时反馈；3）可以提供优化建议的人工智能助手，以帮助使用者更有效地定义、达成他们关于城市的愿景。文章将全面地论述CityScope系统的目标、构建、贡献，以及未来潜力。

在线阅读

1引言

世界城市发展正处在一个重要的、历史性的时刻，超过一半的世界人口生活在城市，并且这个比例在迅速提高。仅仅在中国，下一个12年至15年间，有2.5亿人将变成新的城市人口[1]。城市的重要性不言而喻，但飞速发展的同时却暴露出各种城市问题。一百年前，中国每个主要城市都有其自身独特的特点，而现在每个城市看上去却惊人的一致：高层住宅林立、带围墙的小区、缺乏街道层面的活动（图1）。发展中国家普遍公众参与度不足，城市决策往往遵循自上而下的机制，发展节奏过快，缺乏思考和反馈机制，进而导致各种城市问题。而在发达国家，虽然公众参与机制较为成熟，但公众参与的方法与过程却是低效的、缺乏信息沟通的，且往往发生在项目后期。这导致建设项目严重延迟，常造成巨大的资源浪费和污染。对于美国的公共设施项目，这些延迟所造成的损失高达3.7万亿美元[2]。

1.四个不同的中国城市外观却惊人地相似

不论是发展中国家的“过快”，还是发达国家的“过慢”，都反映了城市决策过程中同一个根源性的问题：缺乏良好的媒介与工具来实现有效的、专家和非专家都能参与的多方沟通、协作和讨论。传统的城市设计和决策工具，例如在草图纸上绘制总平面图，或使用三维软件，都需要使用者经过多年的专业训练。而离开了一个可以共同参与的平台，即使有公众参与，也无法量化各方需要平衡的各方权益，导致无法达成共识。

所幸在这个技术和信息高速发展的时代，越来越多的新的技术可以用来尝试解决这个难题。比如，各种城市性能模拟工具的涌现——交通、阳光、风、热、能源消耗等，又如日益增多的采集城市及其中的人所产生的大数据的方式，再如以机器学习为代表的人工智能技术帮助我们分析数据、优化决策，其在金融趋势预测[3]、医疗图像分类[4]、无人驾驶[5]、商品推荐[6]等领域的实际运用已非常出色——这些技术目前各自为阵，彼此之间没有联系。因此，如何把这些新技术整合在同一个平台，运用到城市决策中去，就成了重要的课题。

2CityScope城市决策平台的理念与目标

为了应对上述城市决策过程中的挑战，美国麻省理工学院媒体实验室的城市科学（CityScience）研究组研发了城市决策辅助平台——CityScope①（图2）。CityScope旨在帮助专家和非专家都能参与到易用的、协作的、循证的城市决策过程之中。为实现这样的目标，CityScope创新性地对下述技术和功能进行了探索和运用。

2.美国麻省理工学院媒体实验室的城市科学研究组研发的CityScope城市决策辅助平台

1）使用乐高积木作为可触交互界面（tangibleuserinterface，简称“TUI”）[7]，减少使用者对陌生工具心理上的畏惧，从而提高决策过程的可参与性。

同时，利用三维投影（3Dprojection-mapping）技术将多种信息投影在乐高城市模型上，这样的增强现实（augmentedreality，简称“AR”）[8]可视化系统可使本来只能表达简单几何信息的乐高模型承载更多的动态信息（图3）。

3.运用增强现实技术将多种信息三维投影在乐高城市模型上

2）构建和运用包括交通、日照等多个城市性能模型，为城市方案做出量化评价，并利用机器学习（machinelearning）技术对原本耗时的城市模拟进行快速、精确的实时预测。使用者通过观察实时的城市多项性能反馈更好地理解、讨论、决定城市各方面的得失权衡。这些反馈信息的表达同样被设计得尽可能直观易懂，如热力图和雷达图（图4，图5）。

4.热力图直观地展示多种城市性能的空间分布，绿色表示高性能、红色表示低性能

5.雷达图直观地展示多种城市性能的总指标

3）利用优化搜索算法[9]和自然语言交互技术[10]构建可以提供优化建议的人工智能（artificialintelligence，简称“AI”）助手，以帮助使用者更有效地定义和达成他们关于城市的目标。之后还会讨论人和机器在决策中的关系，以及用开放性的设计来有机结合人工智能和人类智能的需求。

这些新技术被整合在同一个平台，给大众以及所有相关人员提供了无需专业知识前提即可高效且全面地理解，并参与决策过程的可能性。

3利用可触交互界面及增强现实技术增强城市决策客观性及参与性

3.1可触交互界面与增强现实先例

麻省理工学院媒体实验室的可触媒介（TangibleMedia）研究组是探索可触交互界面用于增强城市规划的易用性的先锋。该研究组的“Urp”项目（—年）[11]为用户在城市模型上提供电子虚拟阴影和风的模拟。当用户操作带有光学标签的物理物件所代表的建筑时，风和阴影的模拟会随之改变（图6）。另一个先例是未建废墟（UnbuiltRuins）项目（年）[12]。肯特·蓝森（KentLarson）将已逝著名建筑师路易·康设计却未被建造的作品，使用当时最先进的计算机图形学虚拟构建出来，并以互动的、可触界面的形式做成装置展览。在这个展览中，这些康未建的杰作可以被直觉地、互动地体验。使用者可以通过操作带有“RFID”的符号化的建筑实体模型来选择需要浏览的建筑项目，并通过改变一个代表自身位置的圆柱体实体在建筑平面上的位置来决定自己在虚拟空间中的位置和角度，四周的垂直投影屏幕随即显示该位置和角度所应该看到的景象（图7）。

6.Urp项目——电子虚拟阴影和风的模拟

7.未建废墟项目——可触界面互动装置展览虚拟构建路易·康未建造作品

3.2可触交互界面与增强现实于CityScope之运用

在CityScope项目中，可触交互界面和增强现实技术的运用被提高到了一个新的高度。首先，该可触交互界面包括一个16格×16格的网格系统，每个格子上的乐高模块都可以被移动或更替，以改变该处的用地性质（图8）。每个乐高模块底下有个预设的、独特的色块标签以代表六种建筑类型之一或道路、庭院（图9）。其次，该可触交互界面包括了一个选择窗口和物理滑条，方便用户修改城市密度。用户可以将六种建筑类型的任意一种放入选择窗口（图10右下）以选择城市模型中所有该类型的建筑，并操作物理滑条（图10右上）来改变选中建筑的建筑总高度，从而改变城市密度。所有这些可触交互界面（图11.2）上对乐高模块和滑条的操作会被一个摄像头（图11.4）读取，经过微型电脑（图11.5）分析处理，其可视化结果可以实时更新，并通过安置在高处的投影机（图11.6）以增强现实的形式精准地投影在每个乐高模块上。同时，城市性能得分综合雷达图以及三维城市模型显示在竖直安置的显示器（图11.7）上。

8.CityScope的可触交互界面——使用者可以通过移动或更替乐高模块来改变用地性质

9.从可触交互界面底部查看，每个乐高模块底部都有预设的、独特的色块标签以代表不同的用地性质。

10.可触交互界面的选择窗口和物理滑条，用以修改城市密度

11.CityScope硬件总览

4人工智能于CityScope之运用及人机协作新范式

在CityScope项目中，人工智能技术的运用主要体现在三方面：1）基于机器学习的复杂城市模拟实时化；2）基于优化搜索的人工智能决策建议；3）自然语言功能向导及人机交互界面。下面将对每个方面的运用及其对城市决策建议的积极意义展开讨论，并思考人工智能在未来城市决策中扮演的角色，以及人和机器的协作关系。

4.1基于机器学习的复杂城市模拟实时化

在CityScope提供的多项城市性能模拟中，交通流量和日照分析是较为复杂的、计算量较大的城市模拟。其中，交通模拟是在GAMA平台（一个灵活易用且预置功能丰富的多代理模拟构建平台）[13]上构建的多代理模拟系统[14]，目的是通过模拟来统计一天中人口在城市路网上的移动来获知城市道路的交通流量和拥堵程度。日照分析则是模拟一年中所有时刻累计的阳光获得率。由于需要累计计算所有时刻和所有空间节点，每次交通和日照模拟都需要1~2分钟的计算时间。即使用多核平行计算或更好的计算机硬件，都不可能达到“实时获得反馈”（0.5秒之内）的要求。如果无法提供使用者实时的运算结果，使用者就无法用CityScope快速测试、评价、讨论他们的想法。为解决模拟结果实时化的问题，机器学习技术被创新性地运用在CityScope系统中。事实证明，当用大量的（个）模拟结果数据训练机器学习算法（使用卷积神经网络[15]，convolutionalneuralnetwork，简称“CNN”）（图13）后，它可以以极快的速度（10毫秒）以及相当高的精度（85%准确率）预测模拟结果。视觉上，机器学习预测的模拟结果与真实模拟结果相当接近，足以用于辅助决策（图12）。机器学习解决了对复杂城市模拟的实时化的问题，保障了CityScope的可用性。

12.机器学习预测的交通模拟结果与真实交通模拟结果比较

4.2基于优化搜索的人工智能决策建议

当有了如此快速的模拟结果预测工具之后，CityScope可以用于优化搜索并给出建议。和击败最强人类围棋大师的“AlphaGo”[16]类似，我们可以利用蒙特卡洛树（MonteCarloTreeSearch，简称“MCTS”）[17]等优化搜索算法，大量搜索并评估可能的下一步操作后城市的得分，并在这些可能性中挑选最优解作为建议推荐给使用者。通过简洁明了的标注指示，人工智能助手可以给用户提供最优化的下一步的建议，并在雷达图上标出如果采纳该建议各项得分会增加多少（图14）。

13.CityScope的卷积神经网络构架

14.人工智能助手通过通过标注指示提供的最优下一步的建议，及雷达图上的建议得分增量

一个值得思考的问题是，我们是否应该每一步都采纳人工智能助手提出的建议呢？我的答案是否定的。原因是，城市是一个复杂系统，并不是每一方面都能被量化，而CityScope的人工智能助手只能评估优化有限个可以被量化的方面。如果每一步都采纳其建议，最后得到的结果必然忽略了未被评估的方面。所以使用者应该意识到，人工智能助手的建议是开放性的，他们可以选择采纳或不采纳，而采纳与否的决定应该是充分考虑了城市其他方面的影响。人类智能和人工智能各有所长，我们擅长感性、定性的判断，如文化、审美、政治，而机器在理性、定量的计算上却要比我们强得多。如何有机地结合两者的优势将是这个人工智能不断普及、强大的时代的新议题。笔者认为这不是一个技术问题，而是一个设计问题。我们应该设计更开放的人工智能系统和交互界面，让其辅助人类，而非替代人类做决定。

4.3自然语言功能向导及人机交互界面

CityScope还运用了最新的自然语言识别和生成技术，让其可用人类语言与使用者沟通。语言是人类更为熟悉和直觉的交互媒介，利用语言可以进一步加强系统的易用性。目前，它可以用自然语言展示、向导其所有的功能，做自我解释。它还可以识别简单的语音指令。不久的将来，随着AI技术的发展，它将可以理解更复杂的指令和问题，给出更有针对性的建议并解释其给出这个建议的原因。

5CityScope全球实践案例

CityScope是一个开源（open-source）平台，它的设计也是开放性的。在世界范围内，麻省理工学院媒体实验室的城市科学研究组和很多城市或大学的研究机构合作，成立姊妹城市科学实验室和实地实验室（LivingLab）[18]。在这个各地城市科学实验室形成的网络中，大家互相交流各自本土的挑战、创新的解决方案、研究方法，以及积累的工具。过去五年中，CityScope被创新地运用到不同城市中，辅助人们做不同的城市决策。比如在年德国汉堡市的叙利亚难民危机中，它被成功地用于民众参与活动，以自下而上的方式讨论并决策如何半永久性地安置难民；又如年至今，欧洲国家安道尔利用CityScope平台结合大数据进行旅游业人流的行为的分析预测、干预设计及干预影响模拟；再如CityScope被用于辅助市民参与评价和预测麻省理工学院毗邻的Volpe地块新开发方案对城市创新力和生活品质的影响。

6结语与展望

全球范围多个实践案例证明了CityScope在改善城市决策过程中所起到的积极作用。其中，可触交互界面、增强现实技术的运用让决策过程更适合公众参与；大数据分析和可视化让人们更好地、多方面地理解城市的过去与现在；多代理模拟和机器学习技术实现的城市多项性能的实时反馈，让人们更好地预测他们的决策对城市未来的影响；人工智能助手提供优化决策建议，以帮助使用者更有效地定义、达成他们关于城市的愿景。

我们希望在不久的将来，有更多的研究者或机构可以使用开源的CityScope平台，使其功能更完善并更具适应性；希望能找到合适的方式让人工智能更好地与人们协作；希望开源的CityScope平台将会被更多专业和非专业的用户或机构采纳和使用，直至它成为一种可以改善城市决策的标准平台。最后，我们希望未来有更多公众参与城市决策过程，并在CityScope的帮助下达成更循证且人性化的城市决策。

注释：

①CityScope是美国麻省理工学院媒体实验室的城市科学研究组研发的城市决策辅助系统。年5月，肯特·蓝森在媒体实验室首次公布了CityScope项目。在之后的多年内，CityScope经过了多代的设计迭代与功能增进。如今，CityScope不仅仍是媒体实验室的一个活跃的研究项目，还被世界各地多个姊妹城市科学实验室广泛运用。更多信息请参见：

转载请注明:http://www.hafeiqichec.com/gjxz/19434.html