技术一：BIM系统

当今建筑生命周期面临的最大挑战便是分割零散。历经长期发展，这一行业已形成这样一种现状：众多较小部分的项目和活动是高效的，但其整体的效率却亟待优化。

BIM建模方式（图2-3-23）恰恰可以在这方面提供最有益的解决方法，而且有助于形成具备整体优势的项目和活动，使它们不再是各个部分的笼统拼合体。这样一来，无论是工具、人员还是项目，都可以顺利地实现跨专业的信息共享、沟通和过渡。

BIM可以满足多种需求：

①信息的输入/访问/分析：在整个生命周期内，所有专业的所有用户都必须能够使用恰当而有效的工具，通过适当的界面有效地输入/细化其设想以及获取决策信息。

②信息的共享：用户必须能够与扩充后的项目小组或活动小组成员共享信息。来自其他系统的数据和以往项目的数据也属于上述共享信息的延伸范畴。

③信息实时更新：用户必须能够确认他们共享和接收的数据可以由所有小组成员及时更新和复查，而且系统可以随时保留人员操作的历史记录。

④工作环境相互关联：必须向用户提供整个工程环境下的信息和专业信息，以便以最高的效率完成任务或制定决策。

⑤安全的合作环境：所有用户必须能够确认他们的设想和工作成果能够得到安全妥善的维护，不会在数字化合作过程中受损。

BIM有以下益处：

①建筑师可以获取经过更高级提炼的信息（基于基本图形的信息），从而以更高的效率出色地完成设计工作。

②项目经理可以自动创建和协调文档，从而减少错误。

③工程师可以在关联环境下从事设计工作，自动获得执行标准并执行无法进行的分析工作。

④承包商管理人员可以获得设计历史记录，从而减少争议。

⑤设施管理者可以获得与其他IT系统相集成的现成操作模型，以创建“交互型设施图”，从而使所有设施数据实现可视化。

⑥每个人都可以及时获取所需信息，从而及时地了解决策信息，减少等待、回溯所耗时间。

⑦业主可以更加了解整个过程，缩短提出问题到采取改进措施之间的周转时间，并以更快、更好且更为经济的方式完成项目和活动。

图2-3-23　BIM模型示意图
Fig.2-3-23　BIm model illustrations

技术二：世博会人流模拟平台

（1）建模原理

离散选择模型（discrete choice model）的本质是探求人的选择行为规律的数学模型。

在现实生活中，选择行为很多，每种选择行为都有不同的规律。出行时，人们会考虑时间花费、金钱花费、舒适程度等因素。在购房时，人们会考虑房价、交通方便程度、周围环境、房型等众多因素。在购买商品时，会从价格、质量、售后服务等角度考虑。对于这些发生在身边耳熟能详的选择行为，我们都能凭着经验判断哪些是影响人们选择行为的因素，但是如果具体去讨论人们如何在这些因素间权衡时，就显得不肯定了。这主要是因为还缺乏对选择行为进行定量的研究。

离散选择模型是进行定量选择行为研究的有力工具。构建离散模型的要素是选择集和影响选择行为的要素。选择集较容易理解，就是针对具体要研究的行为，供个人选择的各个选项的集合，根据不同的研究场合有所不同。影响选择行为的要素就是人们作出某个选择可能考虑的各种因素。在模拟平台中，它主要来自两个方面：一个方面主要来自类似研究的文献参考，本研究之初就有很多因素直接来源于消费者行为的类似研究；另一个方面是来自对所要研究的选择行为的基本分析和理解，通过基本统计分析就可以得出一些个人选择与哪些因素有关的结论。这样的因素可以直接纳入模型；设身处地地思考选择行为，寻找哪些因素可能是行为主体在选择时所要考虑的且是可行的。最后这些要素都需要拿到模型中去检验，根据它们在模型中的有效性再取舍这些要素。参观者的参观线路可以理解成一连串的从一个展区到下一个展区的连续选择过程，从而可以利用离散选择模型为这种选择行为建立数学模型。

图2-3-24　各展区总体的参观人次
Fig.2-3-24　Overall visitors number for each exhibition

图2-3-25　高峰日相对一般日参观人次增长情况
Fig.2-3-25　Growth of number of daily visitors from peak to average

图2-3-26　高峰日相对一般日参观人次增长情况
Fig.2-3-26　Growth of number of daily visitors from peak to average

图2-3-27　三日人流比较
Fig.2-3-27　Comparison of people flows in three days

为了在选择模型中表达参观过程中的前后连续多次选择，本研究将两个方面的因素纳入到模型当中：一是描述其空间位置的因素，在模型中主要通过与其展区的距离和展区间的相邻关系来体现，每一步选择的当前位置都是前一次选择的结果，体现其空间位置特征；二是模型中有一个能够标示已经参观展区的变量。这两个变量就足以描述参观路径这个连续多次的选择过程，而非前后不相关的选择。

（2）模拟结果

●参观人次分布

对各个展区的参观人次统计可以总体上把握展区的参观情况，比较一般日与高峰日参观人次的差异（图2-3-24～图2-3-27）。在样本分析中，参观人次最多的主题馆和中国馆，一日参观人次分别为29万和30万。在时空模拟中，参观人次的高点仍然集中在这两个展区，但是参观人次则下降很多，一般日仅达到16万～18万人次。这是因为在时空模拟中考虑了参观的时间、集中参观带来的排队等因素的影响。浦东、浦西几个主要展区的参观人次较多，日参观人次一般可以达到15万左右。

对比一般日、高峰日和极端高峰日的参观人次情况（图2-3-28～图2-3-30），展 区的参观人次随着日参观人数的增加而增加；高峰日（60万人次）展区的参观人次较一般日（40万人次）平均增加38.7%，较总人数的增加幅度（50%）要低；极端高峰日（80万人次）的参观人次较一般日（40万人次）平均增加80.2%，较总人数的增加幅度（100%）也要低。各个展区的增加幅度也并不一样，随着日参观人数的增加，广场的参观人次增加是比较突出的，一般参观增长率会高出展馆平均参观人次增长率约一倍，高峰日需对此有充分的估计，加以防范。

从参观人次的空间分布来看，与样本参观人次的分布基本特征一致，人次在热点展区的集中现象有所减弱，参观人次仍然相对集中在浦东展区的中部和浦西展区的北部，样本分析中在浦东展区沿江展区的人次集中在模拟中并不明显。在具体的展馆参观人次上，参观人次最多的主题馆和中国馆在高峰日、极端高峰日的参观人次可以分别达到25万、34万和24万、32万人次。

图2-3-28　一般日人流分布
Fig.2-3-28　Average day flow distribution

从参观人次的时间分布上来看，由于进入展区的时间集中在早上到中午这段时间，园区内参观的高峰在10—11点就出现了。参观人次自此一直维持在一个较高的水平上，直至下午4点以后，整个园区的在场参观人数才开始减少。整个展区瞬时（1 min）在场参观人数最多的是浦西的33号展区，在一般日可以达到4万人次，在高峰日和极端高峰日可以达到5万人次左右，时间在早上10点以后；而日参观人次最多的主题馆和中国馆，其瞬时在场人数要低于前者，一般日达到3.5万人次，高峰日达到4万人次，极端高峰日4.5万人次，时间也是在早上10点以后。与之前不同的是，这两个展区的参观人数始终徘徊在高位，即3万～3.5万人。

●参观人流模拟

图2-3-29　高峰日人流分布
Fig.2-3-29　Peak day flow distribution(www.daowen.com)

图2-3-30　极端高峰日人流分布
Fig.2-3-30　Extreme peak day flow distribution

图2-3-31　人流模拟与布局优化
Fig.2-3-31　Circulation simulation and optimized plan

参观人流是参观者在园区内参观游行过程的综合反映。模拟的结果（图2-3-31）与样本人流相比较，除了浦东展区中部和浦西入口处的大量人流外，浦东展区南部的人流与样本人流有较大的不同。这与在时空模拟中考虑了参观时间和展区前的排队有很大的关系。样本的最大人流发生在主题馆和中国馆之间，为14万人次/天（不包括仅从此经过的人流）。模拟一般日的最大人流发生在浦东展区主入口与中国馆之间，为8.1万人次/天，园区内人流最大的是主题馆与餐饮娱乐中心之间，为6万人次/天；高峰日的最大人流同样发生在浦东展区主入口与中国馆之间，为12万人次/天，园区内人流最大的是主题馆与餐饮娱乐中心之间，为7.1万人次/天；极端高峰日的最大人流同样发生在浦东展区主入口与中国馆之间，为15.4万人次/天，园区内人流最大的是主题馆与餐饮娱乐中心之间，为8.8万人次/天。

从人流随着日参观量增加的变化情况来看，一般日人流量在1万人次以上的展区随着日参观量的增长，其人流量也增加，但增加幅度不及参观人数的增幅，高峰日的平均幅度为38%，极端高峰日为94%。展区间人流增长情况有一定的差异，从主要展馆到主要出口的人流增加幅度较大。

从人流随时间变化来看，早上10点以前，参观者进场过程明显，靠近入口的一些主要展馆成为参观目标。浦西展区的参观线路较为明晰。浦东展区随着参观人数的增加，出现了大量跳跃式的参观路径，这可能与主要展馆参观人数迅速饱和有关。早上10点至下午5点参观人流的分布特征与日参观人流的分布特征基本一致，人流在浦东展区主要围绕各主要展馆，人流在浦西北侧主要围绕城市最佳实践区到南边的企业馆线性展开。下午5点以后，出口人流缓慢增加。

具体展区间的人流，最大的人流量都发生在入场的一个小时内。从入口到靠近入口的主要展馆是人流的主要方向。结束参观出园区则没有这样的人流高峰。排除入口人流，园区内其他时间的人流一般半小时都在1万人次以内，最高半小时的展区内人流发生在33号展区和34号展区之间，一般日可以达到0.8万人次，高峰日、极端高峰日可以达到1.2万人次，发生时间是在早上10点半左右。

（3）智能模拟方法的概念

智能模拟是智慧城市规划设计的关键技术，是指基于快速的方案评价、反馈以及高效的人机交互实现循序渐进的优化方案的技术（图2-3-32）。在智能模拟的过程中，方案形态的变化引起相关的指标和参数也相应地发生变化，其变化的过程同步通过计算机进行计算和显示。

智能模拟的基本模型如图2-3-33所示，其本质是人与计算机的智能交互。在智能化反馈的过程中，用户对方案进行干预，计算机对用户的干预行为可以做出智能反应，对调整后的设计方案进行快速评价和判断，并将分析结果反馈给用户，从而完成一个基本循环。从方案步骤N到下一个方案步骤N+1之间，可能会完成大量的基本循环，如果评价结果得到改善，用户可以继续调整方案，反之用户可以选择回到之前的方案步骤重新进行尝试。这个基本模型反映设计过程中的一个反馈环节。在设计过程中通过反复的智能化反馈，不断对方案进行评价和干预，从而确保每一个方案步骤比上一个步骤进步。因此随着迭代次数的增加，方案将逐步提升、接近规划目标。方案干预的结果以模型的形式表达。

有两点需要补充说明：

第一，从智能模拟的工具角度，目前我们仍然需要一系列工具来模拟或是计算所需的各方面指标，但是随着技术的改进，未来真正适用于智能模拟的工具应当是一个经过整合的软件，可以同时模拟出全部所需的指标。另外，随着计算机运算速度的提升，在方案调整的过程中将会即时地完成运算，实现信息的实时反馈。

第二，从人的主观创造性角度，智能模拟的循环演进过程高度依赖人的主观偏好来做出形态调整以及趋势判断，计算机技术不会取代设计师的工作，也不会成为方案生成的主体，而是作为辅助的工具配合设计师逐步优化方案，最终实现高效的人机交互。

图2-3-32　模拟与实际对比
Fig.2-3-32　Comparison between simulation result and reality

图2-3-33　智能模拟方法的流程图
Fig.2-3-33　Flowchart of intelligent simulation methods

（4）智能模拟的主要特征

●过程性

智能模拟技术的本质突破是城市评价的过程发生在整个规划设计的过程中，而不是像其他设计方法那样发生在设计方案之前（参数化设计）或者设计方案之后（多方案评价比选）。由于过程性的特征，智能模拟实质上是通过经验方法和技术工具的整合探索一个平衡的解决方案。

●互动性

人机交互是方案推演的关键技术，通过更有效和更高频率的互动，每一步方案推演可以时刻保持在控制范围之内，逐步形成最终方案。

●即时性

即时运算是智能模拟效率的保障。基于即时的评价反馈来实现人机交互要求技术的发展，有助于提升计算速度，进而提升人机交互的效率。

●循环性

智能模拟是一个螺旋上升的推演过程。计算机持续不断地对每一步方案调整进行模拟，同时规划设计师基于模拟结果做出快速判断并相应地调整方案。评价结果优劣，决定了是否需要方案调整及调整方向，而方案调整又启动新的评价进程，从而实现系统的循环推演。

图2-3-34　智能模拟方法的界面
Fig.2-3-34　The interface of intelligent simulation methods

●智能模拟的技术界面

智能化技术工具平台应当包含以下三个基本功能模块：建模和反馈、动态评价、进程控制。各模块应有效集成在人机交互界面中，便于可视化的操作，见图2-3-34、图2-3-36。在这个人机交互系统中，输入端技术是通过建模技术来实现，用户可以像操作其他建模工具一样在建模窗口中操作模型；输出端技术是通过后台运行的城市分析和模拟工具来实现，输出信息通过指标面板、综合评价面板以及模型自身的可视化表达来实现反馈。

（5）智能模拟推演过程

智能模拟推演过程演示了通过智能模拟方法进行多维度城市设计方案推演的一个简单案例，地块无特征性。

尽管图2-3-35只列出了一部分核心指标，已经可以体现出规划设计的复杂性，即使对于单体建筑的一个微小调整，也会对城市评价的各个方面产生较大的影响。普遍存在的状况是，在城市评价的五个维度中，一些维度的指标随着方案的调整得到了改善，但是另一些维度却退步了。

例如在这个简单案例的演示中，随着建筑高度逐渐增加，一方面容积率从1.13提升到1.20，更加趋近于目标值（设定目标值为1.20），因此城市形态的指标得到提升；另一方面，由于居住面积的增加，人均指标也得到了改善。但是当我们检验街区的通风表现时却可以看到，建筑高度的增加对街区内部的空气流动起到负面影响。不仅如此，总的建筑能耗需求也有所提升，因此需要更多的供热和制冷设施。

在实践中，设计师往往很难从总体上判断方案调整是进步的还是退步的。这是因为在整个过程中，各个维度之间都存在一定的此消彼长的平衡关系，这也反映了规划设计的复杂性。

对于规划设计师来说，在方案设计的过程中无法实时检验所有的细节指标，只能关注一些核心指标，并且通过综合评价面板的变化从整体上把握方案的推演过程，从而管理复杂的城市规划设计过程。

规划设计的复杂性还体现在方案推演的过程中。为了实现预期的规划目标，完整的设计过程包含多个步骤，每个步骤针对不同方面的问题提出相应的解决策略。例如，调整道路网络、统筹设施的服务范围、地块划分与土地使用规划、控制建设指标以及检验环境表现等。

实际上，除了这些步骤，还有更多的问题需要在规划设计中考虑，比如视线的可达性、天际线、城市尺度、建筑能耗等。对于特定的项目来说，某些问题可能更加突出，因此相应的设计步骤较为重要，而另外一些问题可以根据设计师的意愿进行选择。

规划设计的复杂性一方面体现在可能出现的问题很多，因此需要不同的步骤来应对；另一方面体现在这些步骤不是按照一个线性的顺序依次完成，而是弹性的。在一些类型的项目中（如城市更新），土地使用的调整可能优先于路网结构，但是在另外一些项目中（如新城规划），可能是完全相反的情况。不仅如此，在理想状况下，在每一个设计步骤中，围绕设计目标解决相应城市问题不会造成其他方面的新问题。但是在实际应用中，很难避免这种情况出现，在处理某一个问题的同时往往会发现其他方面的问题。例如当设计师规划布局土地使用时，有时候需要通过调整路网来协调地块的大小和功能，但是一旦路网发生改变，与道路系统相关的指标也发生改变，因此需要对道路系统进行重新评价检验。

图2-3-35　方案推演的指标反馈及其复杂性-1 Fig.2-3-35　Indicator monitoring-1

图2-3-36　方案推演的指标反馈及其复杂性-2
Fig.2-3-36　Indicator monitoring-2