快速机场（共3篇）
快速机场 篇1
1. 工程概况
规划机场快速干道作为宁波“三横四纵”快速主骨架路网道路，位于宁波市中心城区中、西部地区，自北向南将绕城高速(北段)、江北大道、北环西路、环城北路、通途路、中山路、永达路、联丰路、环城南路、杭甬高速、鄞县大道、鄞州大道、绕城高速(南段)等东西向高、快速路及城市主要干道连接成为一个有机整体，是沟通中心城区与鄞南——奉化组团、余慈地区最便捷的快速通道，是中心城区中西部路网的主要集散通道，同时还是宁波栎社国际机场、宁波客运中心及宁波铁路南站枢纽的重要集散通道，在中心城区路网中具有重要的地位和作用。
2.工程地质
根据《工程地质详勘》，按地基土的土性特征、埋藏分布条件及其物理力学性质，将场地勘察深度范围内的地基土，由浅至深分述如下：
Z层：杂填土
以碎块石、混凝土块等混黏性土组成。
1层：黏土
软塑～可塑状态，局部硬可塑状态，厚层状，高压缩性。
2 层：淤泥质黏土、黏土、淤泥质粉质黏土、淤泥
流塑状态，厚层状，高压缩性，干强度高，韧性高，摇震反应无，土面光滑。
5层：黏土、粉质黏土
可塑至硬可塑状态为主，厚层状，中等压缩性，干强度高，韧性高，摇震反应无，土面光滑，含有较多铁锰质结核，土质不均，局部含有少量粉粒，土性呈粉质黏土。
6层：黏土、中砂、黏质粉土
黏土，软塑至可塑，厚层状，中等压缩性，干强度中等，韧性中等，摇震反应无，土面光滑，局部含有少量植物残骸。中砂，密实，厚层状，中等偏低压缩性，土质不均一，有的部位为粗砂，有的部位黏性土含量较高，为含粘性土中砂等。
7层：粉质黏土
硬可塑为主，局部可塑状态，厚层状，中等压缩性，干强度中等，韧性中等，摇震反应无，土面光滑。
8层：粉砂、圆砾、砾砂
粉砂，密实为主、局部中密，厚层状，中等压缩性。土质不均一，有的部位为细砂，有的为粗砂，有的部位黏性土含量较高，土性为含粘性土砂土。圆砾、砾砂，中密至密实，厚层状，低压缩性。在砾石含量高的部位为圆砾，在砾石含量低的部位为砾砂，有的部位黏性土含量高，为含粘性土碎石土。
9层：粉质黏土、粉砂、圆砾
粉质黏土，可塑至硬可塑，厚层状，中等压缩性，干强度中等，韧性中等，摇震反应无，土面光滑。粉砂，密实，厚层状，中等压缩性。圆砾，中密至密实，厚层状，低压缩性。
10层：含黏性土角砾
黄灰色，密实，厚层状，低压缩性，粒径一般5～20mm，含量约50～60%，局部粒径大的达30～50mm以上，但含量相对较少，砾石间由砂及黏性土填充，黏性土含量一般5～15%。
11层：强～中等风化基岩(Kf1)
该层岩质不甚均一，以砂岩为主，有的部位为泥质砂岩，而有的部位为砂质泥岩。风化程度强～中等，节理裂隙发育，往下风化程度减弱，由上往下岩芯完整性逐渐变完整。一般上部为强风化，往下逐渐变为中等风化。
综上所述，场址浅部以软弱的淤泥质土分布，其具有压缩性高、灵敏度中等、承载力低、沉降时间长、欠固结等特点。其在天然状态下具有一定的结构强度，但一旦扰动，其强度将会很快降低，会对桩基设计及施工产生不利影响。5～7层物理力学性质好，中等压缩性，全址大部分布，组合厚度大。但是由于埋藏浅，不宜考虑利用其作为桩基持力层。8层组合层及以下土层分布稳定，性质好，中等至低压缩性为主，且厚度大，可考虑作为主线桥桩基持力层。
3. 主要技术标准
3.1 道路等级与设计车速：
高架主线按照城市快速路标准建设，V=80km/h;地面辅道按照城市主干道标准建设，V=60km/h。
3.2 道路横断面：
高架桥梁标准断面为整幅桥断面，全宽25m，地面辅道在高架桥下为双向六车道，分上下行两幅分别位于主线高架桥梁两侧，各宽11.5m，辅道外侧为非机动车道和人行道。由于集散车道的设置，主线桥梁宽度渐变及桥梁加宽段落，桥梁横断面根据横桥向受力需要增设墩柱，增设墩柱须布置于桥下地面辅道机、非分隔带内，以保证地面辅道的功能需要。由于机场快速干道全线立交及上、下坡道较多，因此桥梁加宽、变宽段落占到全线高架40%以上，主梁断面对于桥梁加宽处布置的适应性就尤为重要。
3.3 桥梁结构设计基准期为100年；
结构设计安全等级：一级。
3.4 荷载标准：
公路—Ⅰ级。
3.5 桥梁抗震设防烈度6度；
地震动峰值加速度系数A=0.05;桥梁抗震设防类别：B类;桥梁抗震设防措施等级7度。
4. 桥梁下部结构设计
4.1 墩柱
4.1.1 主墩
为烘托桥梁整体的景观效果，并在空间布置上满足地面辅道的布置，标准桥宽断面均采用独墩布置。主墩由两根1.7m宽墩柱组成，两墩间净距为3.1m，主墩墩底外到外全宽为6.5m，能够满足地面辅道中央分隔带全宽7m的设置要求。主墩为提高主梁的横向稳定性及主墩自身的景观效果，在顶部3m范围内两墩分别向外侧倾斜，顶部全宽为7.8m。在距离墩柱顶部0.4m处，设置一道高度1.2～1.5m联系梁，以平衡墩柱倾斜带来的水平力，减小墩柱墩身的侧向弯矩。主墩中墩顺桥向厚度1.7m，联接墩处通过主墩柱头3m范围将顺桥向厚度由1.7m渐变至2.2m，以满足联接墩支座的布置要求。
4.1.2 辅墩
根据道路集散车道设置要求，本标段主线高架桥梁需设置较多的加宽及加宽渐变段落，根据主梁受力需要，需在地面辅道分隔带内增设支撑墩柱，根据地面辅道分隔带的宽度，辅墩尺寸为：中墩，1.5x1.5m和2.0x1.7m，其联接墩在柱头3m范围内将顺桥向尺寸渐变至2.2m。
4.2 承台
承台设计之初考虑整体式及分离式两种形式，整体式即为主墩与辅墩承台连接为一整体，由于桥梁横桥向宽度较大，整体式承台刚度大，横桥向不均匀沉降较小，对上部结构计算有力。但是由于宁波地区软土层较厚，路面沉降现象较为严重，整体式承台会使辅道路面由于软硬搭接、沉降不一致，带来行车安全隐患。而且，机场路为宁波市区到机场的主要干道，车流量很大，如果采用整体式承台，施工过程中须断行，对交通影响很大。分离式承台即为主墩与辅墩承台不连接，各自设置在地面辅道的分隔带内，对辅道路面影响较小，即使部分进入辅道路面，也可以通过加大承台埋深来解决。但是由于横桥向墩柱距离较大，基础的不均匀沉降会对上部结构的受力带来不利影响。综合考虑两种形式的优劣，最后决定采用分离式承台，承台埋置深度0.8m，位于辅道路面结构以下。承台厚度根据受力需要，主墩采用2.5m厚度，辅墩采用2.0m厚度。
4.3 桩基础
本工程场地范围内，浅层有约10m左右分布有软土类特殊性岩土，深度50～60m范围内存在较好持力层，所以桥梁基础均采用钻孔灌注桩基础，设计按摩擦端承桩考虑。
4.3.1 桩长的确定
在本工程设计中，综合地基土分布情况，结合桥梁上部结构、设计荷载等特性，考虑到8层、9层为砾砂或圆砾，厚度大，性质好，具有压缩性低和承载力高等特性，选择该层作为钻孔灌注桩的持力层，在提高桩基的有效承载力基础上，可大大减小桩基受载沉降。由此可基本确定桩长在50～65m之间，具体长度须根据结构受力及地质资料计算得出。
4.3.2 桩径的确定
设计针对0.8m、1.0m、1.2m、1.5m四种桩径桩基进行了比较：直径0.8m桩基直径最小，主墩可采用8～10根桩基布置，辅墩可采用4根桩基布置，可以尽量避免进入辅道路面。但是桩长较长，长径比较大，目前的施工工艺很难保证成桩质量，施工难度较大。
直径1.0m桩基直径较小，主墩可采用9根桩基布置，辅墩可采用4根桩基布置，可以尽量避免进入辅道路面。长径比适中，施工难度较小，桩基质量容易保证。
直径1.2m、1.5m桩基直径较大，桩中距也很大，主墩、辅墩桩基布置后进入辅道路面较多，使辅道路面由于软硬搭接、沉降不一致，带来辅道行车安全隐患。
综上所述，最终设计考虑标准跨径主墩采用9根直径1.0m桩基，辅墩采用4根直径1.0m桩基。
5. 结束语
城市高架桥是一种新的城市立体化路径，可以疏散交通密度，提高运输效率，节约用地。城市高架桥梁的设计既要满足结构受力以及行车的要求，还要满足景观上的要求，要与周围的环境相协调。本文以宁波机场快速干道工程为例浅谈本人对城市高架桥梁下部结构设计的一些体会，希望对同行提供借鉴。
快速机场 篇2
Image deconvolution is to estimate an image from its degraded version,provided that PSF and partial prior knowledge about noise and original image are known.In most cases,image degradation can be modeled by a linear shift-invariant blur and an additive Gaussian white noise as
where vector y,u and n denote degraded,original image and additive noise,matrix K is a block Toeplitz matrix associated with PSF h.
Unfortunately,PSF is usually unavailable or partially known owing to the limit of conditions and circumstance.In this case,the image estimation process is called as blind image deconvolution.To solve blind deconvolution problem,there are usually two classes of strategies[1]:one is to first estimate PSF from degraded image and then use a universal image restoration method;the other is to simultaneously estimate image and PSF.As for the first strategy,spectral method,cepstral method and bispectrum method can estimate motion and out-of-focus blur[1].Wavelet module maximum method[2],1-D Fourier analysis method[3]and Singular Value Decomposition(SVD)method[4]can estimate Gaussian-type blur.Another method includes pulse method and edge method,which are usually used for modulation transfer function measurement of on-orbit camera.As to the second strategy,Expectation-Maximization(EM),Generalized Cross-Validation(GCV)and higher order statistics(HOS)method are adopted to estimate PSF and image simultaneously via Autoregressive Moving Average(ARMA)model[1].Iterative blind deconvolution(IBD)also belongs to the second strategy,which usually minimizes an object functional alternately via inverse filtering,Wiener filtering,Lucy-Richardson algorithm,Total Variation(TV)model,anisotropic diffusion and so on[1,5].
1 Bayesian Framework of Blind Deconvolution Based on MRF Model
Based on the degradation model in(1),the log-likelihood estimation can be formulated as
whereσis the standard deviation of noise,C is a constant.In this paper,the estimated image and PSF are assumed to follow MRF model,that is,they take on the following Gibbs distributions[6]
Whereβandδare parameters,ωsr is a weight coding the strength of neighborliness between pixels s and r:ωsr=1 if s and r are orthogonal nearest neighbors,for diagonal neighbors,and 0 otherwise,the potential functionφ(⋅)is chosen asφ(t)=t2/(1+t2).
Under Bayesian framework,the proposed blind deconvolution algorithm can be expressed as the following maximum a posterior(MAP)estimation
where the distribution about u and h is assumed independent with each other,that is,p(u,h)=p(u)p(h).According to(2),(3)and(4),the MAP estimation can be ultimately formulated as the minimum of the following energy functional
Whereλu andλh are equivalent regularization parameters associated withσandβ.Note that Di in(5)is corresponding orthogonal or diagonal difference operator associated with difference in(3)and that only orthogonal difference is taken into account for PSF owing to its small support region.
2 Implement and Acceleration of Algorithm
Following the Gateaux derivative theorem,the Euler-Lagrange equations of functional J(u,h)can be formulated as
Ku is the block Toeplitz matrix composed of u,T denotes matrix transpose.Then,the proposed algorithm can be formulated as the following“preconditioning”Landweber iteration[7]
where for any vector v,
Multiplication and division symbols mean element-wise operation,diag(⋅)denotes diagonal matrix,matrix Pu is called as preconditioner,which is diagonal positive definition matrix.Note if initial guesses about u and h are non-negative,then the subsequent iterations in(10)and(11)both preserve non-negativity naturally.Owing to the slow convergence about(10)and(11),an acceleration strategy termed as vector extrapolation[8]is adopted in this paper.If an iteration can be formulated asuk+1=φ(uk),then the acceleration can be expressed
AM method[9]is used for image restoration and PSF estimation alternately,and then the proposed algorithm can be expressed as the following four steps:
1)Choose initial guesses of u and h as well as proper regularization parametersλu andλh;2)Generate uk+1in(10)followed by(12)with fixed h;3)Generate hk+1 in(11)followed by(12)with fixed u;4)If specific iterative number is completed or a terminative criterion is satisfied,then stop iteration,otherwise return to 2).
3 Numerical Discretization and Experimental Results
As for the discretization of(5),ordinary forward,backward and diagonal difference operators only take account of the adjacent two pixels,so they are very sensitive to noise.In this paper,a set of novel difference operators are proposed,which first summate in the direction perpendicular to the difference one to smooth noise and then do difference.So,the difference operators take on anisotropic diffusion property.The corresponding convolution kernels in the eight directions are as follows:
In numerical experiment,a degraded CBERS-02B HR image(Fig.1(a))is used as test image.Fig.1(b)is the restoration result by Zhang’s MIA[10].Fig.1(d)and Fig.1(c)are respectively the restoration results by our algorithm and its another version without using the novel difference operators mentioned above.In Zhang’s MIA no prior knowledge is incorporated during the iteration,so noise is amplified.In Fig.1(c),noise is only inhibited partially owing to the sensitivity of noise for ordinary forward,backward and diagonal difference operators.If the termination criterion is used,the cost time by IMA,our algorithm and the version without acceleration are listed in Table 1.From the table,the cost time by our accelerated version is much fewer than MIA and the non-accelerated version,which are essentially a class of gradient-type descent method.The computation is performed on a 2.0 GHz Pentium 4 machine using MATLAB 7.5.
(a)Sheared degraded image(original size 256×256);(b)Restored image by MIA;(c)Restored image by the version without using new proposed difference operators;(d)Restored image by the version using new proposed difference operators
4 Conclusions
The proposed multiplicative iterative blind image deconvolution algorithm can automatically keep non-negative constraints,effectively preserve detailed edges and simultaneously inhibit noise.In numerica experiment,the regularization parameters in our algorithm and positive weighting factor in MIA are manually adjusted according to a visual assessment.An adaptive approach to choose regularization parameters will be retained for coming research.
参考文献
[1] Kundur D,Hatzinakos D. Blind image deconvolution [J]. IEEE Signal Processing Magazine(S1053-5888),1996,13(3): 43-64.
[2] TAO Qing-chuan,HE Xiao-hai,DENG Hong-bin,et al. Wavelet transform based Gaussian point spread function estimation [M]// Advances in Visual Computing. Berlin/Heidelberg:Springer,2005:396-405.
[3] Carasso A S. Direct blind deconvolution [J]. SIAM J. Appl. Math(S0036-1399),2001,61(6):1980-2007.
[4] Devcic Z,Loncaric S. Blur identification using averaged spectra of degraded image singular vectors [C]// IEEE International Conference on Acoustics, Speech, and Signal Processing, Istanbul, Turkey, Jun 5-9, 2000,4:2195-2198.
[5] Chan T F,Wong C K. Total variation blind deconvolution [J]. IEEE Transactions on Image Processing(S1057-7149),1998,7(3):370-375.
[6] Green P J. Bayesian reconstruction from emission tomography data using a modified EM algorithm [J]. IEEE Transactions on Medical Imaging(S0278-0062),1990,9(1):84-93.
[7] LU Geng,PENG Li-hui,ZHANG Bao-fen,et al. Preconditioned Landweber iteration algorithm for electrical capacitance tomography [J]. Flow Measurement and Instrumentation(S0955-5986),2005,16(2/3):163-167.
[8] Biggs D S C,Andrews M. Acceleration of iterative image restoration algorithm [J]. Applied Optics (S0003-6935),1997,36(8):1766-1774.
[9] Chan T F,Wong C K. Convergence of the alternating minimization algorithm for blind deconvolution [J]. Linear Algebra and Its Applications(S0024-3795),2000,316(1/3):259-285.
快速机场 篇3
关键词：游牧空间,空间生成算法,吉尔·德勒兹,快速机场
一、游牧空间思想及其现实意义
1. 游牧空间的定义
游牧空间是吉尔·德勒兹提出的重要哲学概念, 贯穿其整个哲学体系。其中“游牧”指的是由差异与重复的运动构成的、未科层化的自由装配状态 (即德勒兹的“生成”概念) , 而游牧空间即指平滑的、开放的空间, 游牧空间中的运动可以从任何一点跳到另一点, 其分配模式是在开放空间里排列自身的“诺莫斯” (nomos, 即元素间的关系规则) , 而不是在封闭空间里构筑战壕的“逻各斯” (logos, 即传统哲学中的理性) 。[1]游牧空间是没有边界的, 它是“贯通性平面[1]”, 即它能够超越平面本身, 不再遵循逻辑, 而是强调内部元素的“关系”。游牧空间是非长度、无中心、无等级的, 同时也不能够从某一空间外的点被观察, 要想了解游牧空间的状态, “只能靠实地跑腿来探讨[2]”。
为了便于比对理解, 德勒兹还提出了“条纹空间[2]”的概念与游牧空间相对应。条纹空间即是被等级化的、固定的、静止的、保守的、稳定的、封闭的、同质的空间。德勒兹还通过“象棋”和“围棋”的类比来阐释两者的关系[2]:首先, 象棋的棋子是被编码的, 具有内在的属性, 由此衍生出它们的运动, 围棋的棋子只是简单的数学弹丸, 没有内在属性, 只有环境属性;其次, 象棋的问题是在一个封闭的空间中从一点走向另一点, 而在围棋中, 问题是在开放的空间中进行的, 棋子可以“跳跃”到棋盘中的任何一点。因此, 象棋是“条纹空间”的反映, 而围棋更接近于“游牧空间” (只是接近但不完全相同, 因为围棋依然是有边界、有中心的) 。条纹空间中的元素和空间是被赋予等级制度的, 同时具有不可变的内在属性, 而这些固化的性质使其中的元素必须按照自己的先天属性发挥自己的能力, 采取相应的行动策略, 这种空间是一个封闭的空间, 它固守着自己的特定属性, 从不改变;而游牧空间中的元素和空间是不分等级、没有特定属性的, 有的只是环境属性, 换言之, 即元素内在的属性根据环境而变。游牧空间是开放的空间, 其中的元素也不是固化的, 空间和元素相互依存:空间为元素属性的转变提供环境条件, 元素的属性则能改变空间的特性。
2. 游牧空间的现实意义
在自然界和人类社会, 具有游牧空间特性的事物并不少见:块茎 (rhizome) 植物无中心、无主干的生长模式使其元素得以自由蔓延, 形成千变万化的无边界形体;人类的移动电话网络由众多无等级、可自由移动的手机构成, 使人们能够不受距离限制, 将信息从空间中的任意一点送到另一点。值得注意的是, 德勒兹提出的“游牧空间”是抽象的哲学概念, 并不完全是现实的映射, 因此我们不可能在现实世界中找到绝对的“游牧空间”, 只能找到具有其部分特性的事物。
二、茨城快速机场概念设计中的游牧空间生成方法
1. 设计任务与设计概念简介
茨城机场位于日本茨城县, 是东京都市圈中的第三座机场, 目前的年客运量为20万人, 是一座有待改进的“迷你机场”。本设计的中心任务是探讨未来快速机场的新模式, 并将其应用于茨城机场的改建概念设计中。
在当前的机场模式中, 严格的规则秩序使机场空间封闭固化, 成为“条纹空间”:乘客想要登机必须按照顺序完成换登机牌、托运行李、过关检查、安全检查、候机、登机等手续, 而机场的流线设计也严格反映了这一活动顺序。虽然这样的流线设计能够确保乘客完成“正确”的事情, 但也使乘客无法如自己所愿地自由活动, 限制了购物、餐饮、社交等机场中其他活动的进行。这正是我们无法有效利用候机、排队等时间的原因, 也导致了单调与效率低下的登机过程。
高度的信息化在带来丰富与便捷生活的同时, 也加快了人们的生活节奏, 故高效性和多样性已成为人们所追求的必要生活特性。未来, 随着人们乘飞机旅行愈发频繁, 当前单调枯燥、效率低下的登机模式将愈发难以满足人们的需求。因此未来的机场设计必须打破“规则”对人们活动的限制, 让被勒成“条纹”状的空间恢复自由, 即成为“游牧空间”。因此, 笔者提出的未来机场模式概念即为“拥有游牧空间特性的机场空间”。
2. 游牧空间思想的生成性转化
虽然德勒兹对游牧空间的特性给出了明确的定义, 但这些定义都是描述性而非生成性的, 即我们可以根据它判断已存在的空间是否具有游牧特性, 但无法直接利用它实现从无到有的建筑空间生成。另外, 如前文所述, “游牧空间”是抽象的哲学概念, 只有部分特性能够在现实的建筑空间中体现, 因此必须抽取出其中与建筑相关的部分用以指导建筑设计。综上所述, 在设计开始之前需要首先对游牧空间的定义进行符合建筑要求的生成性转化。
通过分析与改写, 本设计中采用的主要游牧空间生成规则如下:
其一, 空间具有最紧密的联系和最普遍的可达性, 对应游牧空间平滑、开放, 其中的运动可以从任何一点跳到另一点的特点。德勒兹定义“游牧空间”中的元素可以不受位置限制而任意“跳跃”, 这在当前技术水平下的建筑空间中是不可能实现的, 但可以通过增加空间各部分的联系并使空间各处均具有良好的可达性来保证空间元素得以自由运动, 从而使空间具有接近“游牧空间”的特点。
其二, 通过人的运动关系和相互作用确定空间形态, 对应游牧空间强调元素之间的关系、元素不分等级、元素没有内在属性的特点。元素的相互作用形成游牧空间, 而人是建筑空间中的主要元素, 因此应对建筑空间的生成起决定性作用。以往由于设计师无法对大量人群的行为进行掌握, 因此只能采取自上而下的方式依靠主观分析或经验确定空间形态, 往往会将使用者置于预设好规则的条纹空间中;现在在计算机技术的辅助下, 我们能够通过多代理系统等算法对人的运动关系和相互作用进行模拟, 对人群不分等级、自由运动的状态进行掌握, 据此设计出满足人群自由运动时需求的建筑空间。
其三, 通过人与空间的互动确定空间形态, 对应游牧空间中空间和元素相互依存, 空间为元素转变提供环境条件, 元素的属性也改变空间特性的特点。德勒兹定义下的“游牧空间”是根据元素属性的变化而不断变化的, 但当前技术水平下的绝大部分建筑空间仍然是形态固定、不会改变的, 因此设计中可根据元素的稳态或具有代表性的状态设计空间形态, 从而部分体现元素与空间的互动作用。
其四, 空间具有连续光滑的形态, 去除明显的突变和边界, 对应游牧空间平滑、开放、无中心、无边界的特点。为了满足功能需求, 建筑空间必须有边界来分隔室内外, 不同空间组团也必须有界限界定, 因此不可能实现真正的完全平滑、无边界。但在空间形态设计中, 我们可以在空间拓扑关系不变的情况下, 让建筑元素更连续, 模糊边界和界限, 从而形成平滑、连续、无边界的空间意象。
3. 使用游牧空间规则生成建筑空间
经过前文所述的分析与改写, 我们得到了可以生成具有游牧空间特点的建筑空间的生成规则。进而结合茨城机场的具体设计需求, 通过以下4个与生成规则一一对应的步骤完成概念设计方案的空间形态生成。
(1) 通过Galapagos算法优化功能组团的连接值与深度
为保证空间具有最紧密的联系和最普遍的可达性, 需要对空间的“联系”和“可达性”进行量化。在本设计中, 选择了空间句法学中“连接值”和“深度值”的概念, 用以定量描述“联系”与“可达性”。空间句法学是描述建筑或城市空间相互关系的学科, 其中“连接值”表示任意两种不同空间之间应该具有的联系强弱, 数值越大表示两种空间越应该被紧密联系, 数值偏小甚至为负则表示空间不需要紧密联系甚至相互排斥。因此, 我们可以以连接值为权重, 对所有空间组团间的相互距离进行加权求和, 用以描述空间整体连接的紧密程度:总连接值越大表示空间之间距离加大, 联系疏远;总和越小则表示联系越紧密。
“深度值”亦是空间句法学中的概念, 表示人从空间中的某一点移动至另外任意一点的难易程度, 因此适合表示空间的可达性。在此, 我们以空间中所有组团间的距离的平方和作为深度值, 用以定量分析空间的可达性:深度值越大说明从空间中某一点移动到任意其他点的难度较大, 即可达性较差;深度值越小则可达性越好。
通过总连接值和深度值的界定我们完成了对空间“联系程度”和“可达性”的量化, 为了使空间的“联系”最紧密而可达性最好, 我们在Grasshopper平台中利用Galapagos算法 (多岛遗传算法) 对空间总连接值和深度值进行优化。根据功能分析和任务书要求, 本机场设计中共有4种功能组团, 分别为商业、餐饮、会议、酒店, 通过对案例的分析可得任意两种功能组团间的连接值 (图1) , 进而在Grasshopper中编写程序计算出以连接值为权重的组团间相互距离之和, 即空间的总连接值。类似地, 空间的总深度值也能在Grasshopper中计算得到。接下来将总连接值和总深度值求和作为适应值, 通过Galapagos算法对其进行最小值优化, 此时得到的功能组团位置即保证了空间拥有最小的总连接值和总深度值, 也即表明空间获得了最紧密的“联系”和最普遍的“易达性” (图2) 。随后, 将优化得到的功能组团位置使用Rhino中Flow Along Surface操作投影到设计地段中, 即可确定功能组团的实际最优位置。
(2) 通过寻路算法模拟人群在空间中的活动
获得功能组团的具体位置后, 可以进行人的活动与相互关系模拟。本设计使用Python工具编写寻路算法 (图3) , 具体思路为:将大量无等级差别的个体从不同入口位置送入空间中, 每个个体都包含依概率分布而生成的功能序列信息 (即个体进入空间后需依次完成的活动, 如“会议→餐饮→酒店”便是一个可能的功能序列) 。进入空间后, 个体按照功能序列的要求依次选择某个该种功能组团前往, 选择的标准是距离最近且组团被占据的人数较少 (图4) 。与此同时, 程序通过不同颜色的直线记录个体的运动路径 (颜色接近蓝色则运动发生较早;颜色接近红色则运动发生较晚) , 通过在功能组团附近增加点阵的方式记录每个组团被个体进入的次数。经过多步迭代, 可以得到不同的模拟结果 (图5) , 由此可以对空间中人群活动和相互关系的基本情况进行掌握, 作为确定空间形态的依据。
(3) 依据人群活动信息生成空间雏形
根据上一步所得的模拟结果, 我们一方面能够确定被个体使用较多的路径, 将这些路径提取出来作为空间中的道路, 并据此划分地块 (图6) ;另一方面, 我们也能确定每个功能组团被使用的频繁程度, 据此可以相对应地确定功能组团的面积规模以及与周边组团的联系通路数量 (组团被个体进入的次数越多即使用频繁, 则应有更大的面积规模, 并与周边组团有更多空间联系) (图7) 。由此, 我们得到空间的雏形和拓扑关系。
(4) 通过不同算法尝试获得连续光滑的空间形态
上一步所得的空间雏形虽然是基于游牧空间的部分特性生成的, 但其边界分明, 空间的界限与突变也很明显, 因此必须通过算法在保证其拓扑关系不变的前提下, 使其变得更加光滑连续, 符合游牧空间的感受与意象。在本设计中笔者主要尝试了两种算法对形体进行优化—Maya中的Subdiv算法和Processing中的Tensline算法, 得到两个明显不同的空间形体 (图8, 图9) 。经过比较, Tensline算法得到的形体虽然更为光滑流畅, 但没有突出功能组团的空间地位, 与基本空间雏形出入较大, 因此我们选择Subdiv算法所得的形体作为最终的建筑空间。
4. 设计深化
经过上面4个步骤所生成的建筑空间是符合大部分游牧空间特性的, 但为了满足采光、视线、景观等需求, 还必须对建筑形体进行深化设计, 所有深化设计内容都应以不破坏连续、平滑的游牧空间意象为原则。例如立面开窗的设计采用有渐变的连续三角窗带;地面景观的设计亦采用类似手法增加三角形绿地, 同时力求与立面开窗具有连续统一的整体效果;室内设计不采用楼梯而采用坡道, 突出空间的连续感等。经过以上深化设计内容, 最终的设计成果得以确定 (图10~图12) 。
三、结论与展望
本文以笔者设计的茨城快速机场概念方案为例, 探讨了具有游牧空间特征的建筑空间生成方法。这一方法的核心在于筛选出游牧空间定义中与建筑空间有关联的特性, 并通过改写将描述性的定义转化为生成性的算法, 进而按照相应的步骤生成具有游牧特性的建筑空间。本研究的目的在于改变目前游牧空间思想仅能对已完成建筑空间进行评价的局限, 使其能够真正指导建筑空间的生成。可以预见, 这会使游牧空间思想对当代建筑理论与实践产生更本源、更深层次的影响。
未来, 随着技术的进步和建筑学范围的扩展, 更多游牧空间的特性有望在建筑空间中得到体现。例如, 游牧空间具有“空间与元素相互依存, 空间形态依元素不同而改变[2]”的特性, 对应到建筑空间即空间形态因使用者的运动状态或需求改变而相应地发生变化。这在目前的建筑设计中是很难实现的, 但近年来互动装置的兴起使人们看到了建筑空间因人而变的可能性。由此可见, 新技术的应用有可能拓展游牧空间思想在建筑空间中的适用范围, 因此, 笔者将关注和研究新技术所带来的游牧空间特性在建筑空间中实现的新可能性, 并将其纳入建筑空间的生成方法中。
参考文献
[1]徐卫国.褶子思想, 游牧空间—关于非线性建筑参数化设计的访谈[J].世界建筑, 2009 (8) :16–17.
[2]靳铭宇.褶子思想, 游牧空间—数字建筑生成观念及空间特性研究[D].北京:清华大学, 2012.