Hesaplamalı Şehircilik
Algoritmaların bir mahalle tasarlamasına izin verdik. Sonra uçtan uca simüle ettik.
Bir mahalleyi nasıl tasarlarsınız?
Geleneksel masterplanning sezgiye dayanır. Mimar deneyim ve örneğe dayalı bir plan çizer. Belki işe yarar. Belki yaramaz. İnsanlar taşınana kadar bilemezsiniz.
Biz farklı bir şey denedik, ve iki iyi sınanmış metodun üstünde durduk. Çok amaçlı aramanın standart evrimsel algoritması NSGA-II bina düzenlemeleri öneriyor; Helbing'in social force çizgisinden gelen ajan tabanlı bir kalabalık modeli, her düzenlemenin içinde 127.000 sanal yayayı yürütüyor. 5.000 düzenlemeyi çelişen hedeflere karşı test ettik: yoğunluğu maksimize et, yürünebilirliği maksimize et, güneş ışığını maksimize et, rüzgârı minimize et.
Algoritma kendi başımıza çizmeyeceğimiz bir şey buldu. Binaları eşit dağıtmak yerine beş mini-merkeze kümeledi. Bu kalıp, Jane Jacobs'ın gelişen mahallelerde gözlemlediğiyle örtüşüyor; ama biz onu hesaplamalı olarak keşfettik. Sonra motoru gerçekle sınadık: mevcut bir İstanbul semtini simüle ettiğimizde akışlarımız, yayımlanmış yaya sayımlarının %13 farkı içinde kaldı.
127.000 Ajan: Her renkli nokta simüle edilmiş bir kişi. Isı haritası nerede toplandıklarını gösteriyor.
Kuramsal Çerçeve
Evrimsel Optimizasyon
NSGA-II algoritması tasarım alanını keşfeder. İnsan önyargısı olmadan çelişen hedefleri dengeleyen çözümler bulur.
Ajan Tabanlı Simülasyon
Gerçekçi davranışlara sahip 127.000 sanal yaya. Yürürler, alışveriş yaparlar, işe giderler. Kalıpları tasarım kusurlarını ortaya çıkarır.
Çok Amaçlı Denge
Yoğunluk, yürünebilirlik, güneş ışığı, rüzgar konforu. Algoritma insanların görmekte zorlandığı ödünleşimleri bulur.
Mevcut Durum Doğrulaması
Mevcut bir bölgeyi simüle edip yayımlanmış yaya sayılarıyla karşılaştırdık; %13 fark içinde eşleşti. Yöntem umut veriyor.
Araştırma Süreci
Alan Verisi Topla
Belediye kaynaklarından CBS, trafik sayımları, demografi
Ajan Modeli Oluştur
Gözlemlenen davranışa göre kalibre edilmiş 127.000 ajan
Evrimi Çalıştır
NSGA-II bir gecede 5.000'den fazla varyantı test eder
Doğrula ve Tekrarla
Tahminleri gerçek dünya ölçümleriyle karşılaştır
Araştırma Aşamaları
Veri Toplama
CBS haritalama, belediye trafik sayımları, yayımlanmış demografik veriler. Optimizasyona dokunmadan önceki gösterişsiz temel iş.
Ajan Kalibrasyonu
Yürüme hızları, güzergah seçimleri ve durma kalıpları yayımlanmış yaya-davranışı çalışmalarından kalibre edildi, ve en dürüst yolla, Kadıköy'de yürüyerek sağlaması yapıldı.
Evrim Çalışmaları
5.000'den fazla tasarım varyantı bir gecede test edildi. Her biri simüle edildi, puanlandı ve hedeflere göre sıralandı.
Doğrulama
Faz 1 senaryosu uçtan uca simüle edildi. Tahminleri yayımlanmış mevcut durum sayılarıyla karşılaştırıyoruz. Şu ana kadar: %87 eşleşme.
Evrimleştir, Sonra Yürüt: NSGA-II önerir, 127.000 ajan yargılar, mevcut bir semt de modeli dürüst tutar. Bir gecede 5.000 varyant.
Temel Metrikler
Öncü Düşünürler
Jane Jacobs
Jacobs yıllarca New York kaldırımlarını izledi. Gelişen sokakların karma kullanım, kısa bloklar ve sokağa bakan gözler gerektirdiğini gördü. Algoritmamız bağımsız olarak benzer kalıplar keşfetti.
Christopher Alexander
Alexander'ın Kalıp Dili insan davranışından ortaya çıkan tasarım kuralları önerdi. Ajan tabanlı yaklaşımımız bu kalıpları hesaplamalı olarak üretiyor.
Jan Gehl
Gehl yaya sayımını kentsel araştırma olarak icat etti. Yürünebilirlik metriklerimiz doğrudan onun yöntemlerini genişletiyor.
Kevin Lynch
Lynch şehirleri okunabilir kılan öğeleri belirledi: yollar, kenarlar, düğümler. Algoritmalarımız onun kriterlerine göre optimize ediyor.
Örnek Çalışmalar
Kampüs Masterplanı Konsepti
Konsept çalışma, sipariş edilmedi50 hektarlık bir üniversite kampüsü senaryosu; kendi konsept çalışmamız üzerinde koşuldu. Binalar 5.000 iterasyon boyunca konumlarını 'buldu'. Akademik binalar arasındaki ortalama yürüme mesafesi modelde %23 azaldı.
Kadıköy Mevcut Durum Çalışması
İstanbul, TürkiyeMevcut bir bölgeyi simüle ettik ve çıktıyı yayımlanmış yaya sayılarıyla karşılaştırdık. %87 korelasyon. Umut verici; tek bölge bir kalibrasyondur, kanıt değil.
Karşılaştırmalı Analiz
Geleneksel Masterplan
Mimar Çizer, Şehir İnşa EderÖrnek ve sezgiye dayalı. Bazen parlak, bazen felaket. İnşaat öncesi test etme imkânı yok.
Parametrik Şehircilik
Kurallar Form ÜretirGrasshopper tanımları varyantlar üretir. Manuelden iyi, ama hâlâ tasarımcı güdümlü.
Ajan Tabanlı Modelleme
İnşa Etmeden Simüle EtSanal yayalar tasarımı test eder. Sorunlar temel atılmadan önce ortaya çıkar.
Bizim Yaklaşımımız
Evrimleştir + Simüle EtEvrimsel algoritmalar seçenekler üretir. Ajan simülasyonları bunları test eder. Sadece doğrulanmış tasarımlar hayatta kalır.
Optimizasyon Sonuçları
Binalar nerede en yüksek olmalı? Algoritma bunu çözdü.
Senaryo modeli: değerler kendi simülasyon koşularımızdan
Temel Bulgular
Polisentrik, tek merkezi yener. Hem yoğunluk hem yürünebilirlik için optimize ettiğimizde, algoritma sürekli olarak eşit dağılım değil, 5 mini-merkez üretti.
5 küme optimalKüçük bloklar doğal olarak ortaya çıkar. Yürünebilirlik yeterince yüksek ağırlıklandırıldığında, algoritma 100m çevre altında bloklar üretir. Jane Jacobs haklıydı.
<100m blokTahmin mümkün görünüyor. Tek bir bölge için simüle ettiğimiz akışlarla yayımlanmış yaya sayıları arasında %87 korelasyon. Kentsel tasarım kanıta dayalı olabilir.
%87 doğrulukHız önemli. 24 saatte 5.000 varyantı test etmek, insanların asla keşfedemeyeceği tasarım alanlarını keşfedebileceğimiz anlamına geliyor.
24 saatte 5.000Dürüst Sınırlamalar
Çöp girerse çöp çıkar. CBS verilerimiz yanlışsa, tahminlerimiz de yanlış.
Rüzgar simülasyonu basitleştirilmiş. Semt ölçeğinde tam CFD haftalar sürer.
Ajanlar İstanbul'a göre kalibre edilmiş. Farklı şehirler farklı davranabilir.
Statik optimizasyon. Şehirler onlarca yıl boyunca değişir. Modelimiz tek bir anı yakalar.
Doğrulama, tek bir bölgenin yayımlanmış yaya sayılarına dayanıyor. Tek bölge bir kalibrasyondur, kanıt değil.
Kaynaklar ve Veri Setleri
Literatür
Deb ve ark., A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-II (2002)
IEEE Trans. Evolutionary Computation. Bu çalışmanın üzerinde koştuğu optimizasyon algoritması.
↗Helbing ve Molnar, Social Force Model for Pedestrian Dynamics (1995)
Physical Review E. Ajan davranış modelimizin soy çizgisi.
↗Michael Batty, The New Science of Cities (2013)
Akışlar ve ağlar olarak şehirler: onları simüle etmenin kuramsal çerçevesi.
Jane Jacobs, The Death and Life of Great American Cities (1961)
Algoritmamızın yeniden keşfedip durduğu gözlemler: karma kullanım, kısa bloklar, mini-merkezler.
Kevin Lynch, The Image of the City (1960)
Yollar, kenarlar, düğümler, işaret öğeleri: puanladığımız okunabilirlik kriterleri.
Jan Gehl ve Birgitte Svarre, How to Study Public Life (2013)
Doğrulamada kullandığımız yaya verilerinin arkasındaki sayım yöntemleri.
Veri Kaynakları
Sonuç
Kentsel tasarımın tahmin yürütme olması gerekmiyor. 127.000 simüle edilmiş yaya ve yayımlanmış sayılarla %87 eşleşmeyle, mahalleler daha kimse inşa etmeden test edilebilir. Algoritma Jane Jacobs'ın tanımladığı kalıpları buldu, ama bunları hesaplamalı olarak buldu. Planlamanın geleceği bu.
Sınırlamalar
- Boş alanlar için en uygun
- Şimdilik statik model
Gelecek Yönelimler
- Metropoliten ölçek genişleme
- Gerçek zamanlı izleme entegrasyonu