【摘 要】
：
针对高密度建筑外部空间较少考虑观景效果、利用率低、活动不便、吸引力差的问题，通过对人群活动的分析，提取行为轨迹和分析行为活动特征，进而对人群行为和建筑外部空间关系进行研究。本文选取实例分析，对天津市西北角回民社区进行研究，在对人群行为分析的过程中，运用行为注记等观察法，并结合访谈和问卷的方法对人群性别与年龄的差异性、行为活动时长与活动方式的差异性、活动时间差异性以及活动空间的差异性进行对比分析，并
论文部分内容阅读
针对高密度建筑外部空间较少考虑观景效果、利用率低、活动不便、吸引力差的问题，通过对人群活动的分析，提取行为轨迹和分析行为活动特征，进而对人群行为和建筑外部空间关系进行研究。本文选取实例分析，对天津市西北角回民社区进行研究，在对人群行为分析的过程中，运用行为注记等观察法，并结合访谈和问卷的方法对人群性别与年龄的差异性、行为活动时长与活动方式的差异性、活动时间差异性以及活动空间的差异性进行对比分析，并选取生活性街道、室外庭院、小型广场等空间进行深入研究，总结与归纳特定人群在建筑外部空间活动的空间特征，并提取行为活动轨迹。然后对在上述空间中活动的人群行为进行轮廓提取，并加以抽象化，形成结构原型。对高密度建筑外部空间的微观尺度进行研究，涉及界面尺度、人群之间尺度、人群与空间要素之间的尺度关系，形成尺度原型。在结构原型与尺度原型的基础上，对不同活动类型的行为的空间要素进行提取，并对不同的空间要素进行组织形成形态原型。研究结论为基于空间范围和构成要素的空间原型，作为最小的空间构成单元用于高密度建筑外部空间中，使空间布局便捷、紧凑、设备完备，使人与空间的互动关系更加紧密。
其他文献
近年来，基于LSM-tree的键值(key-value)存储系统在数据存储领域发挥着重要作用，作为后端存储引擎被广泛部署在数据密集型应用场景下。然而，LSM-tree层次化的、高度有序的数据组织结构需要通过大量的数据合并操作维护，引起了严重的写放大问题。最近的研究工作针对系统架构提出了几类优化方案，虽然缓解了写放大问题，但是不同程度地牺牲了查询性能和空间利用率。为了获得均衡的高性能表现，本文通过分
随着现代城市的迅速发展，大型城市综合体内部及周边巨大的人流量为公共安全带来了严峻的挑战。为了应对这一挑战，需要针对性的人流管理措施，而人流统计和预测则是人流管理的数据基础。 由于人流在时间和空间两个维度上的不确定性，以及缺失数据的存在，精确的人流预测一直是一个具有极高挑战性的任务。近年，已有一些针对城市范围的人流密度预测算法，但这些模型均没有考虑建筑物内部，如城市综合体内的人流模式。 本论文的
随着智能移动设备的广泛使用，一种新的众包形式-空间众包应运而生。空间众包要求工作者到达指定任务位置才能执行任务。本文提出了一种新的空间众包形式，称为时间连续型空间众包。时间连续型空间众包与以往空间众包的不同在于，时间连续型空间众包任务需要长时间的任务周期才能完成任务。时间连续型空间众包在实际生活中存在广泛应用，包括环境监测、交通检测等。 由于任务预算和可分配工作者数量有限，时间连续型空间众包任务
近年来，蓬勃发展的电子信息和网络技术给现代人们的各种日常生活工作方式带来了深刻的社会变革，人们愈发地倾向于以直观的图像和视频为媒介，来理解外部世界和表达自身。这种需求无疑催生了社交媒体平台的爆发式增长，海量的视频数据由这些平台得到分享和传播，并不断涌入我们的生活。在这种情况下，如何对海量的视频数据进行浓缩，抽取出其中的关键信息，从而帮助用户更快更准确地获取自己需要的视频内容，是当今计算机技术领域，
在过去十年中，得益于大规模并行计算架构的广泛部署，人们可利用的计算资源得到了极大提升。如今，在为复杂计算问题设计求解器时，设计并行求解机制以有效利用并行计算平台已变得越来越重要。然而，人工设计并行求解器仍然是一项艰巨的工作。作为一种新的并行求解器设计范式，面向并行启发式算法组的自动构建技术(Automatic Construction of Parallel Heuristic-algorithm
在数据激增的大数据时代，数据挖掘技术正在各行各业中扮演着重要的角色。聚类分析和关联分析是数据挖掘领域中重要的研究课题。聚类分析旨在挖掘出数据中潜在的簇结构，关联分析旨在从数据中发现有意义的关联。传统的聚类分析和关联分析是挖掘数据中所有模式的全局分析技术。当用户只对特定对象感兴趣时，只需要挖掘与给定对象相关的模式。此外，现实中，需要分析的数据是海量的。海量数据的全局信息可能无法获得或者需要很大代价才
性能建模(Performance Modeling)是高性能计算(High Performance Computing，HPC)领域中的重要研究问题。具体而言，性能建模是指利用理论分析或者实验测评的方法，定量描述高性能计算程序的性能与程序输入、系统配置、环境变量等各种因素之间关系。定量的性能模型可以对高性能计算程序在不同的条件下的执行时间进行预测，从而在高性能计算系统的任务调度、资源分配、性能调优
近年来，随着互联网的飞速发展，社交网络逐渐成为人与人之间交互的重要途径和平台，全方位的为人类的生活、工作、娱乐等行为带来了便利，伴随这个过程，互联网同时也产生了大量的数据，这也推动了社交网络挖掘相关工作的发展，借助相关知识，研究者们可以对社交网络中的用户行为进行建模，并对网络中可能发生的事件等进行分析和预测，因此社交网络挖掘也成为数据挖掘领域一个重要的课题。然而，相比于传统的普通静态网络，现实中的
容器(Container)技术作为一种轻量级虚拟化技术得到了迅速发展和广泛关注，并成为云环境的主要部署模型之一。在云计算(Cloud Computing)领域，基于容器技术形成了新型服务模式:容器即服务(Container as a Service，CaaS)。在CaaS服务模式下，容器运行在主机所托管的虚拟机中。由于云环境的复杂性和动态性，云数据中心可能会出现高能耗、资源利用率低下、服务水平协议
从单张人脸图片进行三维人脸重建在计算机视觉和计算机图形学领域是一个具有挑战性的任务，在人脸矫正、人脸识别、人脸表情迁移、人脸对齐等方面有着非常广泛的应用，所以越来越多的学者开始研究三维人脸重建。 近年来，随着深度学习的不断发展，基于卷积神经网络的方法受到越来越多的关注。和传统方法相比，基于卷积神经网络的方法泛化性能好、速度快，显著提高了三维人脸重建的质量和效率。基于卷积神经网络的方法通常需要大量