DOI: 10.17586/2226-1494-2017-17-1-75-80


УДК004.021

АВТОМАТИЧЕСКИЙ АНАЛИЗ ЛОКАЛЬНЫХ МАРШРУТОВ И ПРИДОМОВОЙ ТЕРРИТОРИИ ДЛЯ ПОДДЕРЖКИ ПЛАНИРОВАНИЯ ГОРОДСКОГО РАЙОНА

Муромцев Д. И., Сендер А. В., Чиркин А. М., Лисица Н. И.


Читать статью полностью 
Язык статьи - русский

Ссылка для цитирования: Муромцев Д.И., Сендер А.В., Чиркин А.М., Лисица Н.И. Автоматический анализ локальных маршрутов и придомовой территории для поддержки планирования городского района // Научно-технический вестник информационных технологий, механики и оптики. 2017. Т. 17. № 1. С. 75–80. doi: 10.17586/2226-1494-2017-17-1-75-80

Аннотация

Представлены результаты исследования по поддержке процесса планирования и автоматизации процедуры проектирования в сфере городского дизайна с целью сокращения продолжительности цикла проектирования. Показаны способы разработки и формализации количественных критериев городского проектирования. Предложены два алгоритма поддержки процесса планирования городского района на ранних стадиях проектирования без значительных временных затрат. Процесс планирования предполагает рассмотрение нескольких альтернативных вариантов. Алгоритмы позволяют автоматизировать расчет необходимых составляющих плана городского района. Первый алгоритм дает оценку необходимой придомовой территории на основе существующей конфигурации зданий с возможностью ее сохранения, а также ограничений на дальнейшие стадии планирования при сохранении существующей планировки. Второй алгоритм осуществляет планировку возможных маршрутов между зданиями и позволяет оптимально интегрировать проектируемый квартал в городскую среду. Представленное решение предусматривает формальное рассмотрение проекта соответствующими специалистами на более поздних стадиях планирования. Предлагаемые автоматизированные инструменты, хотя и не обеспечивают получение оптимального решения, однако позволяют оценить потенциал планировочного решения на ранних этапах проектирования. Реализация оценки критериев в автоматизированной системе проектирования позволяет архитекторам сократить количество ошибок, выявляемых профильными специалистами на более поздних стадиях работы. Существенно ускоряется и упрощается общий процесс работы планировщика. Предлагаемые алгоритмы интегрированы в систему городского планирования qua-kit.ethz.ch. Результаты разработки могут использоваться как в процессе планирования, так и в образовательных целях.


Ключевые слова: планирование городского района, дизайн городского пространства, автоматизированные инструменты оценки планировочных решений

Благодарности. Работа является частью исследовательского проекта ADvISE (Data analysis for understanding the impact of urban design on social performance of a city, «Анализ данных для понимания влияния дизайна городского пространства на социальные показатели города», проект Высшей технической школы Цюриха). Работа частично поддержана грантом РГНФ 16-23-41007.

Список литературы
1.        Koohsari MJ, Sugiyama T., Mavoa S., Villanueva K., Badland H, Giles-Corti B., Owen N. Street network measures and adults' walking for transport: application of space syntax // Health Place. 2016. V. 38. P. 89–95. doi: 10.1016/j.healthplace.2015.12.009
2.        Koohsari M.J., Kaczynski A.T., Mcormack G.R., Sugiyama T. Using space syntax to assess the built environment for physical activity: applications to research on parks and public open spaces // Leisure Sciences. 2014. V. 36. N 2. P. 206–216. doi: 10.1080/01490400.2013.856722
3.        Baran P.K., Rodriguez D.A., Khattak A.J. Space syntax and walking in a new urbanist and suburban neigh bourhoods // Journal of Urban Design. 2008. V. 13. N 1. P. 5–28. doi: 10.1080/13574800701803498
4.        Avital M., Te’Eni D. From generative fit to generative capacity: exploring an emerging dimension of information systems design and task performance // Information Systems Journal. 2009. V. 19. N 4. P. 345–367. doi: 10.1111/j.1365-2575.2007.00291.x
5.        Liu B., Chen X. 2013. Uncertain multiobjective programming and uncertain goal programming // Journal of Uncertainty Analysis and Applications. 2013. V. 3. N 1. P. 1–10.doi: 10.1186/s40467-015-0036-6
6.        Frazer J. Creative design and the generative evolutionary paradigm / In: Creative Evolutionary Systems. 2002. P. 253–274. doi: 10.1016/b978-155860673-9/50047-1
7.        Janssen P. A generative evolutionary design method // Digital Creativity. 2006. V. 17. N 1. P. 49–63. doi: 10.1080/14626260600665736
8.        Knox W.B., Stone P. Framing reinforcement learning from human reward: reward positivity, temporal discounting, episodicity, and performance // Artificial Intelligence. 2015. V. 225. P. 24–50. doi: 10.1016/j.artint.2015.03.009
9.        Koksalan M., Wallenius J., Zionts S. An early history of multiple criteria decision making // Journal of Multi-Criteria Decision Analysis. 2013. V. 20. N 1-2. P. 87–94. doi: 10.1002/mcda.1481
10.     Naik N., Philipoom J., Raskar R., Hidalgo C. Streetscore - predicting the perceived safety of one million streetscapes // Proc. IEEE Conf. on Computer Vision and Pattern Recognition Workshops. 2014. doi: 10.1109/cvprw.2014.121
11.     Sant’Anna A.P. Probabilistic Composition of Preferences, Theory and Applications. Springer, 2015. 141 p.
12.     Shneiderman B. Leonardo’s Laptop: Human Needs and the New Computing Technologies. MIT Press, 2003. 281 p.
13.     Turner A., Penn A., Hillier B. An algorithmic definition of the axial map // Environment and Planning B: Planning and Design. 2005. V. 32. N 3. P. 425–444. doi: 10.1068/b31097
14.     Zitzler E., Thiele L. Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach // IEEE Transactions on Evolutionary Computation. 1999. V. 3. N 4. P. 257–271. doi: 10.1109/4235.797969


Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
Информация 2001-2019 ©
Научно-технический вестник информационных технологий, механики и оптики.
Все права защищены.

Яндекс.Метрика