《
基于多源大数据和机器学习的消费视角下北京市文化创意产业园区形式与功能研究——以二热电厂为应用实例》
先来一波高清大图~
选题背景
这次城市综合体的题目很特别，老师希望我们能以人机协同为核心，
围绕一个城市现象或问题做一个深入的研究并将研究结果应用于设计。
做研究对于建筑学的同学来说其实是很大的挑战，因为过去我们所受到的训练都是循证的设计思维而非研究思维，意味着需要抛弃过去熟悉的设计方法，重新探索一种在新技术赋能下的研究型设计的思路。
本次设计的场地是北京市二热电厂旧厂房，作为城市更新语境下的特殊场所，二热电厂与周围的天宁寺片区已经开始了更新的进程——
文化创意园区天宁1号已经在场地周围开始运营并有多种业态商家、企业、机构等进驻。
结合场地未来发展的趋势以及老师的建议，我们最终选择研究北京市文化创意园区的形式与功能，并通过对北京市文化创意园区的业态和空间形式的研究来改造本次设计的对象——二热电厂的旧厂房。
北京市文化创意园区的功能研究
研究部分分成
功能
和
形式
两部分进行，具体可看下面的流程图。
功能部分的研究聚焦于北京市文化创意园区10年内
（2014-2023）
业态的变化，数据为各园区范围内2014、2018、2023年的POI。为了方便统计，参考已有文献的研究，将POI分为restaurant, self-management, creative amenities 和 recreation四类，其中前两者与文化消费有关，后两个与文化生产相关，并将各园区的数据以河流图以及GIS地图的方式可视化呈现。引入位置熵LQ的概念，计算每个园区在2014、2018、2023年以及2014-2018、2018-2023年段间的Q值以及相对于所有园区和北京市的LQ，
通过LQ来
衡量园区消费聚集能力，从而判断哪些园区在10年内保持着高消费吸引力。
这张漂亮直观的的园区LQ值可视化图采用QGIS + rhino grasshopper制作，
意在直观展现每个园区2014、2018和2023年LQ值的相对大小和其在北京市的地理位置信息。
由桑基图和散点气泡图可见北京市的文化创意园区消费吸引度有趋同的趋势，同时园区在年段内消费聚集能力也在下降。
如何提高园区的消费聚集度就成为了园区下个十年应该考虑的重要问题。
这也是研究的第二个部分——北京市文化创意园区形式研究——所要探讨的内容。
基于LQ位置熵我们筛选出了81个园区中消费聚集度高于一般水平的园区，并收集这些园区在小红书和微博上的图片。由于本次改造设计关注厂房内的设计，
所以我们将目标聚焦于这些高消费聚集度园区室内的空间形式特征，
即筛选出符合要求的室内图片作为数据集。
筛选出符合要求的图片后下一步就是识别物体，归纳特征。
目前的研究中比较常用且可靠的识别物体的方法为语义分割，在本次研究我们选择了PSPNet机器学习模型。根据我们厂房改造的以结构为主要因素的设计导向要求，我们将PSPNet可识别的物体分成structure
(结构)
, hard
(硬装)
, soft
(软装)
三类，并将语义分割得出的特征百分比按照上述分类统计。
统计后的下一步我们尝试采用聚类的方法归纳这些园区的特征。在对比k-means和GMM两种聚类方法和k=2,4等不同数目的类后，
我们最后采用k=2时k-means的聚类方法来归纳这些园区的特征。
遗憾的是，受限于我们数据集的总量，聚类效果最好的k=2时k-means轮廓系数并不理想，后续如若能扩大数据量再进行聚类的话应该结果更科学合理。
进行语义分割和聚类后，我们得到了消费聚集度高的园区的两类特征，即k-means聚类后的两个聚类中心。通过功能的研究和形式的研究，我们可以预测天宁1号
（二热电厂所在场地）
未来10年的POI数量和分布以及更有利于提高消费聚集度的空间特征，有了上述两个条件以及二热电厂厂房的结构数据，
便集齐了进行设计的形式、功能和结构三要素，至此可以开始应用设计。
在设计部分的两个尺度——中观的体块安排和微观的场景营造——
我们分别采用了参数化辅助设计和AIGC辅助具体场景营造的方法。
