【干货】黄蔚欣:数据、行为与建筑设计

嘉宾介绍:

黄蔚欣:博士,主要从事基于大数据的建筑相关行为研究,以及数字建筑设计研究。日本京都大学博士,现任清华大学建筑学院副教授,亚洲计算机辅助建筑设计学会(CAADRIA)组织官员,数字建筑设计专业委员会(DADA)委员,DADA2013数字建筑国际会议总协调人。

近10年来一直在从事数字技术与建筑设计相结合的跨学科研究和教学工作,承担国家自然科学基金、国家“十二五”科技支撑课题、教育部新教师基金等科研项目,发表论文40余篇。

2007年完成博士研究“对话型进化计算辅助家装设计的问题解决行为研究”,使用数万条数据分析了人在交互式设计过程中的设计认知行为。

2013年开始探索基于大数据的建筑与街区尺度人群空间行为研究,并于2014年受教育部青年骨干教师出国研修项目资助,赴瑞士苏黎世联邦理工学院(ETH Zurich)进行大数据空间行为研究的学术交流。

演讲全文:

很荣幸作为最后一个演讲者来给大家分享我的研究和对大数据的理解。

我在近十年一直在做数字技术、计算机、人工智能相关的研究,特别是跟建筑设计结合的工作。我感兴趣的是建筑和人之间的关系,例如建筑内部的行为等等。

这些行为用什么来研究?以前用实验的方法,现在则可以从一些数据来进行分析。

在建筑产生和使用的过程中有两种情形的行为是比较兴趣的。一个是设计认知的行为,是指在设计师的头脑里面,一个设计是如何完成的,这个叫设计认知。对于这个方面,我将分享一个人机交互色彩设计过程中的行为研究。

另一种情形是人是怎么样使用建筑,大家到了设计院的大楼,你们如何找到这个大厅,大家在这里开会,中间要去洗手间,这都是使用建筑的行为。

这两个问题都带有心理学的特征。

第一个是认知科学,就是研究人是如何去解决问题,如何去审美,如何去做各种各样的事情的心理过程;另外一个是人在一个环境中怎么去跟环境互动,怎么在特定的环境中活动,这个也有一个初步的研究。

04~05年,家装还是一个很热火朝天的事,这样一个典型的中国住宅的起居室,里面有很多材质,地板、沙发、墙、屋顶,普通人家做家装的时候面临一个问题,我选什么样的材质搭出来才是好看的。

随意地搭,搭出来的就是这样,这是计算机随便挑的颜色放在一起做的,当然一般人都不会满意。

你去选几张过得去的,背后一个算法就会根据你刚才选的那几张图片又生成十来张图片,然后你再去选几张,计算机再生成另外一组图片,经过十代以后,得到的结果是这样的:这个结果是计算机根据每一个人不同的喜好、倾向做出来的,生成出来的结果。

使用这个系统的被试者,他最后觉得这一张还挺符合他的审美的,右下角这张图是第一代随机生成的,如果拿结果和这些随机的组合做比较,可以发现色彩搭配和谐程度有一个很大的提升。

我带着这个系统06年回到北京找了一个家装市场,请买家装材料的人来做一个简单的实验。(图片显示联机实时的渲染,以及调研的环境)有的人找到了这样的结果,有的人找到了那样的结果,每个人的倾向不一样,这个系统会捕捉你的喜好,得到了不同的结果。

我做了两百多个人的数据,基于这些数据,可以分析一下大家喜欢什么样的色彩搭配。上面这张图一串小图片,当时我在调研的时候,因为每个人家里情况都不一样,所以给被试者提供了一系列客厅开窗方式的选择。

这些人在不同的光线条件设定之下做的演化过程,最后得到的墙面颜色的亮度跟光照条件是成反比的,光照条件越好,他会选择更暗的材料,光照条件越差,他会选择更亮一点的材料。(上图)

对人群也可以做分析,例如,男性和女性不一样,女性选的墙面材料的亮度跟家庭收入有关,越是家庭收入高的,越容易选择明亮的材料,但是男性没有这个规律。(下图)

Lab是一个经过校准的色彩系统,在Lab色彩空间里两个颜色的距离代表人去看这两个颜色感知上有多大的差距。

如果我把得到所有的数据都放在一起来看,左上图是Lab系统,五个颜色组合起来十种距离;右边这张图显示的是四个世代的演化过程中色彩和色彩之间的距离发生的变化。

十种距离放在一起就会发现黑框里的和其他的不一样,其他的都是下降的趋势,说明色彩距离在减小,但是黑框里的都是下降一下开始上升。

其实黑框里的是从沙发到其他四个颜色之间的距离,这说明其他四种颜色,地面、墙面、屋顶、门的颜色变得越来越相近,但是沙发并没有靠过去,这说明沙发是这个场景里面的主体物,其他的是背景。所以背景在逐步变得一致,而主体得到了突出。

把这个界面扩展一下,变成有36张图片。我们设定了两种操作,人可以鼠标左键选择图片,也可以鼠标右键去除一张图片。

这个实验做了八个人,每个人的每一步的操作我们都有记录,一共两千多条记录。用这些记录来分析人的设计行为。

这是一些行为分析的结果。假设我已经对某张图片做了操作,做了一个评价以后,下一张图片在哪?下一张图片离这张图片有多远(左上图)?

我把数据统计做成图(左下图),它是很明显的下降趋势。如果假设人是随机选择评价哪张图片,他会呈现这样右边靠着的这张图的情形,这两者比较,可以很明显的知道,人在评价这些图片的时候不会跳得特别远,他会更倾向于先看附近的图片。

你可以选喜欢的图片,也可以删除不喜欢的。把这些都放在柱状图里比较,发现在操作的过程中,早期会出现很多的remove,中后期才出现select,说明人会先把不喜欢的去掉,再去选喜欢的(右上图)。

不论是喜欢的select,还是不喜欢的remove,人做一个判断到底需要多长时间,黑色是select,白色是remove(右下图)。从图中可以看出人很容易确定这个东西我不喜欢,但是让他选出一个喜欢的相对要困难一点,要花更长的时间。

这个叫口语报告分析法(protocol analysis),这是认知心理学的一个分析方法。是让把他的思维过程叙述出来,把他正在想的东西说出来,我们把语言记录下来去做分析。

比如第一条记录就是:这个人会说:“一个白色的沙发,好”(正向评价)。下面一张没说具体哪个部位,他说“有点模糊”,是一个负向的评价。

我们去看分析,除了没有提任何部位或者提到整个图片的以外,其他这些部位出现的频率,大家关注的强度是沙发、地面、墙,门和屋顶这样一个顺序,说明人对每一部分的关注度是不一样的(左上图)。

当人们关注到这些部位以后,他会给一些什么样的评价呢?

说到整张图片或者没有说具体什么部位时,正向评价和负向评价是等量的。当提到沙发和墙体等具体部位的时候,他更倾向于说不喜欢。这说明,提到某一个物体的时候人们往往说这个部分我不太喜欢,说到整个图片的时候他可能会说挺和谐(左下图)。

有个人说我看到一个红色的沙发我很喜欢,他又看到另外一张图片,又是一张红色的沙发,又喜欢,这叫做连续性。我们统计这样的连续性。作为对比,假定还是那些评价,但是随机出现的,让计算机做一个随机的模拟,会发现人的思维中的连续性是远高于假设的随机情形的。

上面这些关于行为的分析说明,人在做跟审美有关的事情的时候,仍然很注重效率,仍然很注重便利性,这些能够加快他的工作速度,不要以为是一个审美的问题就跟效率没有关系,其实跟效率很有关系。

第二个例子,人在建筑里面的行为,他怎么使用这个建筑空间。我们做了一些初步的分析。

这叫做三边定位法,大家可能听说过室内定位这种技术。在建筑内部或者是商场里面通过wifi或者是蓝牙的系统,监测你的手机的位置,监测的原理:当你开了wifi的情况下,临近你有三个wifi的接入点,接收到你手机的信号,根据这个信号强度画三个圈,推断你的具体位置。

目前我们在和万科的松花湖度假区合作。这是一个是以滑雪为主题的度假区。如果把若干天的Wi-Fi定位数据叠在一起就是这张图,反映了人流分布的密度。中间的是商业街,两边是店铺。

如果把这个数据按照周一到周日做一个区分,可以看到周末的时候人是比较多的。晚上有住宿的人,另外有滑雪夜场的周五和周六人比较多。

比较每天的人流数据,发现周末数据会比较高,春节假期是一个特定的高峰。

这个显示的是24小时以内,在整个场地上人的密度分布,晚上人少,白天人多。

人在到场和离场的时间,对于滑雪的人来讲,他大概九点半前后到,在四点前后离开。另一方面,员工会特别准时,按时上下班。如果我们进一步做客群分类,能看到更多有意思的情形。

关于数据之大,针对某一个特定的领域和特定的问题,只要是比传统的方法更大,大到量变引起质变,就是一种新的变革。

无处不在,我相信再过两年,我们会有更多的数据,基本上大家基本上大家都得用数据去说话了,因为数据就是生产力。

设计过程的行为,感性的思维,人和机器交互,这些我们是可以通过数据来发现其中的规律。

对于建筑和街区尺度的环境,前面听到了很多在城市这个尺度上做的很好的研究,我们如果缩小到建筑和街区也是一样的方法,也可以发现很多有意思的事,对于建筑设计的优化、对于公共运营、对于公共安全的监测都会非常有意义。

这就是我跟大家分享的。谢谢大家!

原文发布时间为:2017-03-08 

时间: 2024-10-22 00:11:05

【干货】黄蔚欣:数据、行为与建筑设计的相关文章

数据中心整体建筑设计之道

对于一个数据中心,整体建筑设计的合理性将对数据中心未来运营效率至关重要.当数据中心正式运营后,这些设计将很难再去改变,或者整改将大大增加数据中心运营负担,所以在数据中心建设之初,就应该充分考虑数据中心内部建筑设计的合理性.一个数据中心的运行周期一般要长达30年左右,这样在建设之初要将数据中心建筑的整体结构设计好,短时间内不再做更改,那么如何做好数据中心的建筑设计呢?本文将给出一些答案.   空间布局 数据中心里面都是由多个独立的机房组成的,要求机房各个功能分区要独立区分.核心网络,接入服务器,运

【干货】推进大数据时代的诚信立法,打造诚信体系

黄新华:大家上午好,我下面跟大家讲<推动大数据时代的诚信立法,打造诚信体系>.现在诚信立法尚未列入政府的规划,更没有纳入人大的立法视野,我们仅仅是在呼吁呐喊阶段. 大数据是对现有信息数据的搜集.加工.处理,应用现代科学技术的手段进行数据的处理.大数据需要一个诚信的基础.如果没有诚信,大数据就是空中楼阁. 政府的信息可能涉及到国家机密:个人信息可能涉及到商业秘密.个人隐私权等.如果没有合法的权利和途径取得这些信息,大数据如"无米之炊". 已取得的数据又如何保证其真实性?如果数

【干货】21个数据可视化利器

常言道一图胜千言,在网络世界里,图表或者信息图能够极大地强化任何一个设计师所要传达的意图. 如果想要对你的数据有清晰的洞察力,那么你应该知道需要的是什么:数据可视化.接下来我会为大家介绍主流的21款数据可视化工具,相信会成为你的网站分析必备利器. FusionCharts FusionCharts套件特有的动画.精致的设计以及丰富的交互效果会让你觉得整套图表体验特别炫酷.它的跨平台特征很占优势--在PC端, Macs, iPads, iPhones 以及 Android上都有非常出色的表现,同时

多少未成年人手机涉黄?四川数据有望向社会公布

早报讯(记者 吴楚瞳)日前,省政府办公厅印发<2010年未成年人保护三项任务实施方案的通知>,要求根据手机涉黄整顿.网吧综合治理.家庭暴力遏制等未成年人保护"三项任务"方案总体要求进行调研,在完成调查情况和报告的基础上,向省委.省政府上报<2009年四川省未成年人手机.网络和家庭暴力基本情况报告>,并视情况向社会公布. 针对手机涉黄,我省今年将集中清理违规开办的手机网站.指导各地基础电信运营企业组织接入服务商开展一次全面清理.<方案>要求,督促移动运

独家干货|基于大数据的人体组织微结构的解析与构建

◆ ◆ ◆ 导读  清华大数据思享会医疗大数据系列之"基于大数据的人体组织微结构的解析与构建"于2016年09月22日下午在清数D-LAB成功举办. 深圳艾科赛龙公司创始人赵小文深刻阐述了医学大数据的技术架构,以及对骨骼.血管等人体组织微结构的量化简析和构建的方法,并将这种方法延展到蛋白结构的量化解析和构建上,为再生医学的发展奠定了个性化的组织工程学基础.以下为演讲全文: (感谢主办方提供演讲速记及照片,速记整理|刘道全) ◆ ◆ ◆ 一.技术趋势 医学大数据的架构具有很强的扩展性,在

【独家干货】金融大数据的法律实践

内容摘要 首先,王新锐简要分析了大数据时代用户数据的价值,并就用户个人信息的分类及处理环节进行总结,提出个人.监管者.媒体对此的关注点. 之后,王律师以立法框架.实际案例和业内实践三大部分为线索,通过"2014年3·15曝光鼎盛.大唐红旗等生动案例具体解释前期提到的各项相关法律条文,并分享以"数据脱敏.数据整合.内部隔离"为代表的业内最佳实践经验. 演讲全文: 今天我讲三大部分: 第一,概述.概述是为了让大家知道我们后面讲的东西是为了什么,把大家放在一个语境里,我们要把基本的

【干货分享】大数据金融如何做到线上线下的融合?

本讲座选自百融金服CEO张韶峰于2015年4月8日在青岛大数据高峰论坛金融大数据分论坛上所做的题为<线上线下融合的大数据金融建模>的演讲. 今天汇报的主要内容包括三个部分,第一个是传统风险与营销建模思路,第二个是目前我们在尝试线上线下融合的大数据风险与营销建模思路,以及一些实践效果. 一.传统风险与营销建模思路    先讲第一个,说到金融风险建模就离不开费埃哲,这个模型已经用了60年了,他们采用的变量就是基于这个人过去有什么时候借的钱.借了多少钱.还款有没有逾期.花钱的比例.最重要的变量是过去

干货:业务对数据需求的四大层次

数据的重要性已经被越来越多的公司.个人所熟知与接受,甚至于有过犹不及之势头.大数据的概念满天飞,似乎一夜之间人人都在谈论大数据,见了面不用大数据打招呼,好像就不是在数据圈子里混的了.那么,被外界传得神乎其神的数据,到底可以在哪些方面促进业务的腾飞?或者换种说法,业务对数据有哪些层次的需求?数据在哪些地方能够帮助业务? 结合笔者多年的工作经验以及对数据与业务的理解,业务对数据的需求归纳为四个层次. 第1层 知其然 我们可以通过建立数据监控体系,掌握发生了什么.程度如何,做到"知其然".

MongoDB干货篇之查询数据

在开始之前我们应该先准备数据方便演示,这里我插入的了几条数据,数据如下: db.user.insertMany(  [{  name:'jack',  age:22,  sex:'Man',  tags:['python','c++','c'],  grades:[22,33,44,55],  school:{  name:'shida',  city:'xuzhou'  }  },{  name:'jhon',  age:33,  sex:null,  tags:['python','java