社会交互视角下的建成环境活力测评方法研究--以深圳市福田中心区为例

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:xiaocai
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着互联网时代的到来,实体空间的功能逐步被线上活动取代,吸引力持续下降,面临着一系列的活力问题。因此,结合时代特征重新思考建成环境不可替代的意义,并依据此改善与提升线下空间的活力,成为城市研究者需要直面的重要课题。事实上,当数字技术越来越多地将人们从繁琐的日常事务中解放出来,人们倾向于投入更多的精力去建构其社会交往圈层,建成环境承载人的社会交互活动的意义随之凸显。但目前针对建成环境的分析,鲜少从人的社会交互视角切入来深入探讨当下建成环境的重要属性,相关的定量分析方法更是缺失。为此,本研究从“社会交互”角度来探究建成环境内涵,并建立相关的活力测评方法,从而为时代背景下的建成环境活力营造提供有益启示。
  本研究结合时代背景下的空间现象与问题,首先从社会交互视角重新探讨了建成环境的意义,提出假设——当今时代建成环境的重要属性是其社会交互属性。在建立假设的基础上,按照以下四个步骤围绕假设进行建成环境的社会交互内涵解析及相关活力测评方法研究。第一,文献综述,通过梳理现有建成环境活力的研究内容与趋势,论证构建社会交互视角下的建成环境活力测评方法研究的必要性和可行性。第二,基础理论研究,针对性地从社会交互行为切入,结合历史学、城市规划学、社会心理学的相关理论,论述不同视角下的社会交互行为认知,从理论上论证建成环境的社会交互内涵。第三,方法构建,在充分认知社会交互视角下建成环境属性的基础上,借助社会学人际交往的相关量化研究和自然界的规模法则,构建建成环境活力的基础表征方式。与此同时,梳理与辨析建成环境活力的影响因素,建立具体的建成环境活力量化测评方法。第四,实证验证,选取典型建成环境——福田中心区展开量化实证研究,从宏观层次和微观层次上开展理论测算与实证分析,以验证研究建立的社会交互视角下建成环境活力测评方法的正确性。通过理论与实际验证,证明社会交互视角是认知建成环境活力的一个重要切入口,以此构建的建成环境社会交互度测评方法与实际建成环境活力情况基本吻合,该研究假设具有正确性。
  本研究提出的社会交互度相关理念及其测算方法预期能够为深入认知建成环境的社会交互内涵、提升数字化时代建成环境的吸引力、规划建设富有活力的实体空间提供有益启示。
其他文献
据统计,我国已建成全球规模最大的供暖管网。通常管道经过闲置可能出现老化、锈蚀,导致管口渗水。供暖面积的增加,对管道检修带来挑战。针对供热管道来说,依赖管道机器人的检测方法,只能工作于非供暖时段,在供暖季节无法运行。红外无损检测通过采集并将红外线辐射转换为二维图像的方式,不触碰和破坏被测物体,通过红外图像直观反映物体的温度分布情况。本文以红外无损检测技术为基础,结合成熟的无人机技术,使用数字图像处理
学位
随着智能制造工业领域的飞速发展,设备发生故障的现象无法避免,同时也带来了巨大的经济损失,因此对工业设备故障进行快速而准确的判断具有重大意义。由于工业设备多数故障信息具有模糊性且故障源的判断易受多种因素的影响,而具有灵活转换特点的三角模糊数可对故障信息进行准确描述,它相应的决策方法也可对故障诊断问题进行全面分析,故面向故障诊断的三角模糊数决策方法是一个值得探索的研究方向,且具有较强的应用性。本文主要
学位
心脏病始终是人类健康的“头号杀手”。心电信号反映了心脏的收缩和舒张,是分析人体健康状况的重要依据。近年来涌现了大量利用人工智能技术来分析心电信号的研究,用于辅助心脏病的诊断。这在一定程度上为医疗工作者减轻了工作压力,提升了工作效率。然而,心脏病患者的情况是十分复杂的,特别是在突发紧急情况下,单纯的心电信号分析研究不能满足患者实时心率监测的需求。为此,应用边缘智能技术实时监测患者的心率情况成为一种新
学位
大数据时代,推荐系统在对抗信息过载问题上起到了重要作用。传统的协同过滤推荐算法仅利用交互信息进行建模,由于可供模型训练的数据种类单一、信息不足,可能导致推荐效果不佳,因此,许多工作将文本作为辅助信息引入到推荐模型中以提供额外的数据输入。但是,现有的基于文本的推荐方法往往忽略了用户的多样性偏好(用户的偏好特征会随着面对的项目不同而改变),或是没有在建模过程中充分利用输入的文本信息。针对上述问题,本文
学位
基于效用的序列规则挖掘能够挖掘出效用价值高的序列规则,被广泛的应用于金融、生物医学、制造业、电子商务、社交媒体等领域。与高效用正序列规则挖掘相比,高效用负序列规则挖掘还考虑了未发生事件,能提供更加全面的决策信息。目前的高效用正序列规则挖掘方法并不能直接用于高效用负序列规则挖掘,因高效用负序列规则挖掘过程中存在很多内在复杂性问题:(1)如何定义高效用负序列规则挖掘的问题。(2)如何计算高效用负序列规
学位
暗网构建在公共网络之上,需要特殊的软件、配置或者认证才能访问,相对传统的互联网网络,暗网具有匿名性强、溯源难、动态性高等特点。暗网建立的初期目的是保护互联网用户的通信隐私,但现在的暗网中存在着大量违反法律的信息,不法分子在暗网中从事非法活动,暗网已经严重威胁了网络空间安全。暗网之所以对网络空间安全构成一大威胁,很大原因是因为它难以实现追踪溯源,能够实现对暗网的追踪溯源,将可以对暗网中的非法行为起到
学位
偏好学习是通过矩阵分解得到潜在特征,广泛应用于数据挖掘和机器学习领域。对于没有任何负项的数据集,非负矩阵分解(Non-negative Matrix Factorization,NMF)将两个非负矩阵相乘来寻找低秩近似。近年来也提出了许多正则化的NMF,但是,仍然存在一些问题:一是由于一些数据中存在噪声和异常值,传统的方法容易产生误差较大的目标函数;二是在加入图正则约束时,计算相似度矩阵邻居关系都
联盟形成是多Agent系统中的重要研究课题,多个不同的Agent联合在一起,可以实现个人无法单独实现的目标,或者取得更优的效用。联盟结构生成问题是其中的关键挑战之一,目的是寻找最优联盟结构以最大限度地提高个体利益和联盟收益。目前,寻找最优的联盟结构是困难的。一方面,大多数联盟形成模型假设任意Agent都能够形成联盟。这种假设过于宽泛,在现实生活中,联盟的形成过程常常需要考虑现实存在的各种约束,但即使添加约束条件,问题的复杂度仍然较高,需要新的、快速有效的算法解决大规模现实
学位
现实生活中有许多复杂的网络系统,例如社交网络、生物分子网络和互联网等,利用网络结构建模这些复杂系统的研究已为社会提供了诸多创新应用。网络表征学习(又称网络嵌入)是将网络的节点表征为低维连续空间中的向量,且同时保留网络结构及其固有属性的一种有效方法,推动了下游网络数据挖掘任务的重大进展,近年来受到了学术界和工业界的极大关注,工业界已将网络表征学习技术纳入了下一代网络分析平台的基础性架构。本硕士论文围
随着5G技术的普及以及工业5.0的到来,给网络科学提供了新的发展机遇和挑战,“众包”也成为了驱动网络科学理论与工程发展的新动力。时空众包可提高人群执行涉及与物理位置相关的现实世界场景任务的潜力,它的主要特征是空间任务的存在,要求工作人员在特定时间内出现在特定位置以完成任务。然而,在时空众包系统的感知过程以及感知信息传输过程中,由于感知信息的时空敏感性和网络信道的不安全性,参与者往往面临隐私泄露的风
学位