【摘 要】 对于人口密集的市区，地下公共空间已经成为了一个重要的公共领域。在释放地面交通压力，为公共交通运输网络提供更多的空间，减少噪音并提高空气品质，保留更多的城市绿化地，同时通过对空间功能的集中和有效应用来缩减距离等方面，公共空间具有提高市区环境的潜力。如此一来，我们需要对地下空间品质的设计和评估创建一个更为系统的方法。对地下空间设计最具影响的几个方面包括: 易用性和周围环境; 定位和路线搜索; 空间比例，与外部的联系，自然照明和人工照明; 材料和颜色; 噪音水平和空气品质。这些方面的共同点是，它们都非常主观，而问题在于怎样为这些主观的因素提供客观的测量。文章将为这些因素的持续测量提供一种方法，此方法可以融合到决策支撑体系中，此体系能够指出地下空间现存问题并为建筑设计新的地下空间提供支持。文章将重点讨论地铁站设计。用于数据优化的数据分析将通过神经网络法完成( 2001 Elsevier 科学股份有限公司版权所有) 。

【关键词】 地下空间; 品质评估; 神经网络; 地铁站

 

      据估计，在 21 世纪，世界上大约四分之一的人口将居住在大城市和大都市( Titulaer，1995) 。由于流入大城市的人口数量在过去的一个世纪以来是最明显的，现有的基础设施还不能完全满足城市中人口增长所需求的、足够的交通运输量。先进的地下地铁系统已被引入到了大城市以减缓地面交通压力，提供更高效运输并鼓励公共运输的广泛使用。这成为了地下公共运输的开端。通过不同的技术修建地铁并提高其效率已在地铁的发展过程中占据了很大一方面，而其中最重要的方面却被忽略了。这就是人为因素。

      如今，功能性和流动性已经不是唯一的品质特征。人性因素和舒适度现在比以往任何时候都重要。而这个问题的原因是值得思索的。在过去的几十年里，人们可以挑选的产品数量有了很大的增长，同样也包括了交通运输，所以，一定的产品舒适度和适用性已经变成了品质评估最重要的特征。那么，地下空间的技术发展水平达到了什么程度，或者有关地下空间的使用，有没有一些潜在的阻碍因素呢?

      为此，一些专家对于地下空间能够为人口稠密的城市地区带来的好处进行了评估，但对这些空间开发，他们仍旧保留自己的感受与谨慎的态度。同样，在某些方面还有很多的不确定性，这需要开拓新的探讨领域对其进行探索。

      根据 E·Horvat( 1997) 等人的观点，一些阻碍因素能够分成表 1 所示的两组内容。

      这些可能的阻碍因素分析指出了修建地铁的复杂性，同样也指出了各种需要解决问题的不确定性，并以此来考虑建设一个有效、灵活、安全且使用方便的地铁站。

      正如表 1 中所示，地铁站空间开发利用的一个最重要的阻碍因素即为对地铁站空间的感知。直到现在，很多现有地铁站项目都不能满足人们生理和心理的需要。应该认识到，我们对地铁站空间的积极的态度还是非常少有的。通常情况下，地铁站的负面影响是在构建地铁站空间时，未考虑到这些空间的心理和生理特征( Galen，1999) 所造成的结果。比如在伦敦、巴黎或巴赛罗纳，地铁隧道有通风不良的问题，而这都只是其中一些案例。这些城市现正认真考虑重建，同时也考虑使用新的方法进行地铁站的设计。同样在荷兰也出现了相似的情况。乘客们对这些空间的品质感到普遍不满意( 图 1 和图 2) 。

      但是，地铁站空间也有好的代表，如蒙特利尔( 加拿大)地铁站。该站的设计者和规划者都认识到了地铁站空间能够给城市结构带来的优势和附加值。在加拿大的温哥华，建造者对地铁站入口的设计给予了足够的重视，他们在沿地面以下修建了了小型的“入口广场”，以通往实际的入口，这样就创造出从一个空间到另一个空间更为自然的过渡方式。

      在地铁站的修建逐步融入到城市规划时，其他重要的问题也浮出水面。除了技术和建筑方面的问题之外，这个“崭新且无人问津的”领地就是应该确保其自身品质。一方面，它应该融入到整个城市的规划中。另一方面，地铁站空间的实际品质需要得到提高。本文只涉及第二个问题: 地铁站空间的品质。

 

      决定地铁站总体品质的各方面如图 3 中所示。

      在地铁站及其空间的内部联合和运行效率方面，地铁站的功能要求属于功能性方面。

      心理方面是与使用者空间体验有关的所有方面，其中一方面为公共安全，另一方面为舒适度。

      结构方面包括了建筑物的整体品质，包括了其灵活性和可变性。也就是说，结构的一个主要技术要求就是可持续性。可持续性结构表现在较长的时间内能够容许更大的空灵活性，同时，分隔空间的填料在从长远看来是可以回收且再利用的( Durmisevic 等人 1999) 。比如，如果填料能够从支撑结构中分离，那么就能通过提供更换不同功能的选择来增加空间的灵活性。

      这些方面在一定程度上显示了建筑设计过程的复杂性，同时也说明了糅合各种不同问题的困难。比如 Hamel( 1990) 的设计程序研究提供了有关建筑设计和构思方法有价值的信息。我们发现，其中 66. 5%的设计活动与功能方面相关。与之相比，使用者和与技术相关的部分非常少。

 

      为了避免特别的设计方案，对于地铁空间的设计，需要一个系统的方案。如此一来，我们就能避免“直观”的解决问题的方法( Bennett，1977) 。首先需要在个体和建筑环境之间形成其关系的肯定认识。此时，这样的关系将提供一个“黑匣子”。为什么会是这样?

      这个研究领域属于环境心理学的范畴。另一方面，环境心理学是一门新兴学科。与地铁空间相关的信息和知识非常的稀少。某些文章的作者强调了环境心理学的广泛信息( Mehrabian，1976) ，同时说明了这样的信息通常为零碎的，并且它是通过统计或是一些较难读懂的语言呈现出来。事实是，很多调查发现都没有能够出版，或换句话说，就是通过内部报告的形式提供，如此一来，公众就未能获得相关方面的信息( Cherulnik，1993) 。与此同时，建筑师和设计者也不能获得这类信息。

      一些有关地下空间的心理学方面的问题应引起更多的关注。比如，定位 ( Passini，1992; Galen，1999) ，安全问题( Korz et al． ，1998; Boer，1997; Galen，1999) 。这些研究都提供了宝贵的知识。但是在另一方面，他们都没有与其他方面进行很好的联系。这些方面都作为单独的问题以供分析，而地下空间的体验基于各种不同方面的相互作用。

      Visher( 1989) 指出，对一些使用者制定一个环境标准是一件非常困难的事，事实是“客观的量化的建筑标准不考虑建筑的心理维度”( P46) 。由于量化的本质难于描述，因为本质本来就是很模糊的概念，所以心理维度的确定也成了一个问题。这就需要对空间品质更客观的评估，同时也需要对含糊的理念进行客观的定义。

      Carmody 和 Sterling( 1993) 将多种地下空间因素考虑到综合设计中。作者提供了大量的文献，其中包括了地下空间的分类，心理因素等。但是他们遗漏了对此设计使用后的实际应用评估。这些因素的重点也含糊不清，因为没有确定哪个因素更为重要，同时也没有确定这些因素是否可以通过其他因素补偿。如果，建筑师一方面能够使用系统的方法进行设计，另一方面能够在一定范围内自由地挖掘各种变量，那么这些知识将非常有用。

 

      根据 Korz( 1998) 等人的说法，影响地铁站空间的经历和反应的因素主要有三点。

      个体特征又被称作中介变量，包括年龄，性别和个人经历( Korz et al，1998) 。其他作者 ( Whyte，1977; Steffen 和Voordt，1979) 对更为详细的重要的个体特征进行了描述，包括了阶级、地位、宗教背景。但最重要的个体特征还是之前所提到的三类。

      Korz 等人( 1998) 所定义的环境为，人们可以对一定的环境有所期望，并且他们对空间的评价基于所给定的环境，比如车站是设在地上或地下，是设在在大城市或小城市等。

      Laarhoven( 1997) 对环境心理学的定义为到车站路线的治安管理，车站环境活动的程度和本质，车站的空间组织及布局、照明、人群和可全面考察的程度。

      荷兰铁路在 1996 年进行的研究包括了地面和地下的地铁站，同时表明了车站中最负面的影响就是隧道或桥梁修建所在处的站台和位置。造成负面影响的原因有很多: 人群不合理的行为，废弃物，照明不足和低可见度。

      这些结果都很有用，但是对于这些车站的其他空间特征却仍然没能阐述明白，同样也没能说明这些方面是否能够在整体性空间的体验中发挥重要作用。我们所关注的恰是那些心理因素与空间特征密切相关并且能影响空间体验。

 

      正如前述，建筑融合了功能和形式。通过这些功能和形式，心理因素在给定的环境下产生的影响而相互交织在一起。只有功能和形式融合在一起时，他们才能够赋予彼此含义，并提高品质。基于这样的结论，可以设计出一个理念模型。

      根据对不同的专家所进行的访问，影响地铁站空间设计的主要因素得到了确认。这些专家都有设计地铁站空间的经验。其他的访问主要针对的是心理学领域方面的专家。表 2 为采访中获得的细节理念模型。

      表 2 中列出了形式和功能方面。掺杂于两者之间的是一个重要的心理因素，而此心理因素会受到其他两个方面的强有力地影响。如此一来，空间特征之间的关系，形式和功能之间的关系以及心理学方面的关系变得更加明显了。基于这样的理念框架，可通过采集必要的数据并执行实验性的研究，进一步对空间进行品质评估。包括使用后评估。

 

      在阐明了“品质”一词后，我们就能明白需要收集什么类型的数据以便提供具体的答案。首先，需要基于特别的情况来选择案例进行分析。

      ( 1) 线性空间( 一个交通系统)

      ( 2) 综合空间( 换乘地域)

      ( 1) 单一功能( 此研究中只有一个功能，交通功能)

      ( 2) 多功能( 与其它功能密切相关的运输－购物)

      所有的案例研究都是荷兰的现有项目( 图 4) ，通过这些项目就可以进行研究的实验性部分。对于这个研究，我们需要两个方面的数据: 与心理因素相关的空间特征的数据( 与使用后评估结果相关的实际数据) 和使用者体验数据，或即使用后评估。

      第一步是选择包含空间特征的数据。这些数据都具有真实、可计量的空间价值。如此，每个单独的案例研究都可以通过特别的测量方法展示并解释。

      定位( 路线寻找) 可以通过每个案例分析，用以下方式进行评估。

      车站区域信息标志的频率。定位指示灯，比如特征形式/形状或更好促进定位的日光开口，以及个人的空间位置和方位感。同样，在空间组成上也可以有一个变化，无论是高度或宽度的变化。

      标志的可读性和定位，比如与其他内部颜色，背景颜色和字面颜色的反差，标志所传达的信息，信息超载，一个信息板上的方位的数量，字体大小等。

      从站台到出口的路径的复杂性。对路径特殊部分的整合和分离的价值也进行了测评。通过空间型构法则的空间程序进行测量。在整个路面系统中，路径越是相互隔离，人们就越难找到特殊的路径。空间构型法则应用见图 5 ～图 8。

      此处提供了两个使用空间构型法则程序来解释地铁站定位的案例。空间构型法则是用于空间分析的计算机软件程序。它能运用于建筑设计的各个级别，从城市规划到建筑层次都可以运用此程序。

      图中的上半部分是鹿特丹港市的 Willhelminaplein( WP)地铁站路径系统的原理图展示。顶部为选定的路径，据此，整个系统内此路径的整合在图表中进行评估( 图 5) 。由此，我们就整合性对比连接关系进行了评估。整合性程度被定义为测量路径之间的连锁连接程度。而连接程度则被定义为与所给出的路径相交的路径的数量。与这些程度相关的元素被定义为系统的清晰度。整合和连接价值越高，整个网络内路径的清晰度就越高。在以上的例子中，所选择的是站台的一条路径。结果在“分布图”中的路径图下显示。图 6显示了所测量的整个系统的整合对比连接路径的相同的路径。

      第二个例子中，对所选择的路径做了相同的测量，在这个案例中，展示了次级出口路径的一条路径( 在图的右边) 。测量的结果在图 7 和图 8 中显示。整合测量的范围在 0. 0到 0. 8125 之间，而连接性的测量范围在0. 0 到4. 0 之间。图表上所选的路径以更密集的黑点展示出来，并且相应地，从水平( 连接性) 和垂直( 整合性) 轴上得到其值。

      正如图( 图 5 ～ 图 8) 和表 3 中所示，次要出口在测量中价值不大。这意味着，如果没有足够的信息指示，那么要找到这个出口就非常困难。这个用途为建筑师设计地铁站提供了很大的价值。其在设计过程中作为一个决策支撑工具，指明了设计布局中的最终瓶颈。

      除了空间特征和有关心理方面的数据采集方法，我们还需要来自使用者的数据资源。这能够提供与之前在空间特征上所获得的数据相关的数据。在必要的时候，可以对标准测量进行调整。我们所准备的问答卷为一组有关心理方面的问题对应一组空间特征的问题。客观测量为一方面，而另一方面是通过使用者使用后评估( 图 9) 。

      问卷调查结果可通过人工智能技术进行分析。为此，神经网络系统可用于对答案的一致性进行评估，并且通过预先确定的标准来检验结果的可信度。笔者在这里使用一个案例分析( 莱斯韦克车站) 。

 

      一旦收集了不同案例的使用后数据，就可以完成神经网络的演算过程。

      对神经网络的定义如下: “神经网络是受生物学启发而成的计算机模型，其包括了处理单元( 即神经) ”和它们之间通过系数( 权重系数) 的连接以此构成神经结构。演算和回忆算法 同 样 属 于 这 个 结 构。连 接 权 为“系 统 的 记 忆”( Kasabov，1996，P251) 。

     在观测数据成功收集且以目标为导向处理后，神经网络就成功地运用到了这个领域。在其他方面，神经网络已被成功用于医疗科学。在医学领域，基于患者的症状，通过对疾病的化验，进而提供针对此疾病的治疗方案。同样，这可以用于地铁站空间的设计。也就是说，根据特殊的空间特征( “症状”) ，我们可以 获得地下空间的情况( “诊断”) ，同时，可以采取实际步骤，根据指导方针来提高这些空间的品质( “治疗”) 。

      神经网络的可靠性随着其所分析的案例数量有所增长。如此，我们需要提供足够的数据用于神经网络演算。图 10说明了神经网络的对自联想记忆的原理图，其表明了输入值与输出值是不同的，而研究值亦如此。

      神经网络系统特别适合于处理不明确的问题。在处理这类问题的时候，使用现有的综合信息并在整个数据范围中找到客观的逻辑联系。对于前馈型神经网络，这些关系为输入和输出形式，如此一来，这些输入和输出的关系就在演算后被储存到了神经结构中。因此，演算法就被称为监督式。但是，这些联系不会明显地显示出来。像这样的一个经过演算的神经网络可以用于输入数据可用的案例估算中。这样的估算过程可被看成是基于案例的推理过程，而用于估算的推理是以用于网络演算的案例为基础的。由此，神经网络结果的可信度随着网络演算中所使用的案例的数量的增加而提高。

      在此次研究中，所使用的网络同样为前馈性。但是所使用的演算方法是特殊的。所使用的网络类型被称作径向基神经网络，而演算法则为正交最小二乘法( OLS) ( Chen，1991) 。通过这样的算法，输入和输出关系便通过径向神经网络建立，其被定义为“高斯式”，而基函数中心通过输入空间决定，也就是说，在输入时所使用的信息。

      通过 OLS 算法，每组输入信息( 即案例) ，按照其与应用于网络输出的信息的相关性进行梯度排序。由于网络结构是多端输入和多端输出的形式，作为标准使用的相关性为全球相关性，此相关性与每次总输入和输出都有关。所确定的等级揭示了重要的信息输入，这些信息为实际设计提供了重要的输入数据，因此，在研究中强调此方面是非常重要的，而估算不是目标。在莱斯韦克车站案例中( 图 11 和图 12) 的神经网络用于输入和输出关联性。由此，在输入空间中选择最具代表性的案例是可能的，这样的输入空间与大众观点最为贴近。如果已经形成了地铁空间，那么大众的观点就可以作为设计和设计评估的基础。

      使用这种方法进行数据分析的优势是，它能够通过选择最合适的，能代表随机抽取的广大群众意见的案例来提供可靠的信息。更重要的是，这样的信息采集在精密科学角度是一种含糊不清的问题，若使用传统的数学数据分析工具是很难获得的。不言而喻，通过增加案例的数量，结果就将得到改善。而现在，随着案例数量的增加，分析的范围也直接扩大了，这成了我们关注的主要方面。

      每个方面作出的测试都是独立的: ( 1) 概观，逃生通道，可见度，现场人群( 安全的决定性因素) ; ( 2) 路线找寻，吸引力，心理舒适度和日光的( 舒适度的决定性因素) 。

      通过神经网络进行的一些测试案例见图 13 和图 14。图表显示了输入/输出关联( 在两个案例中，他们 100% 契合) 。表 3 和表 4 表现出了由神经网络提供的具有代表性案例的有序列表。

      笔者一共使用了 22 个案例来对网络进行演算，而所使用的案例只占了一小部分。未来会使用将近 1000 个案例。在莱斯韦克车站，有 22 个访问者填了问卷调查。问卷内容主要为上诉安全和舒适度的问题。从一个具有代表性的案例，可以通过查看特定的访问者的结果以找出有关特定问题的公众看法。

      对所有安全以及舒适度的决定因素，都进行了一个试验。此后，在每个方面都会有代表性的案例。一个用于舒适度和安全度小组( 表 4 和表 5) ，另一个用于最终的预测( 表6) 。这样一来，我们就能够通过非常有效的方式来对信息进行过滤。

      通过如此详细的分析，我们便能够对具有代表性的案例进行查看，并在问题区域确定后，根据查看结果提供设计指导以便查探出车站可能的不足之处。在研究中，有关安全问题的案例 7 和有关舒适度问题的案例 8 见表 4 ～ 表 6。不只是问题区域能够通过这样的方式简单地确定，车站积极的方面也通过分析变得清楚明了，而这对于设计指导又是一种宝贵的信息。此方法能够让我们快速预见到车站是否需要一些改造以提高地铁站的品质。同样，它指出了可能存在的问题并有助于问题的解决。如此一来，对于每个方面进行独立的测试是非常重要的，这就在可能的问题上提供详细的见解。通过这样的方式，对解决与最后结果相关的问题( 一组问题) 的匹配值就变得显而易见了。在这样的情况下，最终的结果就是在特定的车站的安全感和舒适感。基于这样的结果，我们可以制定出一套设计准则，在这样的准则下，可以尽量减少有问题的地方，或可以完全避免问题的产生。

      使用神经网络分析的试验揭示了一个有趣的发现。对于车站的安全方面，对车站所处的环境的安全性的看法是非常重要的背景信息。这就意味着，一些车站的安全性严重降低，这不是由车站内部所引起的，而是因为车站所处的“不稳定”且不安全的环境。如此一来，要对地铁站的安全感进行评估，我们就必须考虑到周围的环境，这在研究中也是一个案例。

      最后，在对神经网络的数据进行分析，且考虑到表 2 之后，可以作出以下结论。虽然莱斯韦克车站非常的新( 建于1996 年) ，但是在某些方面却不能让使用者满意。公众最多的抱怨是有关与心理舒适度方面的( 这是四个舒适度方面的一部分，在这方面，编号 18 的案例为代表案例) 有: ( 1) 对于站台和入口处的设计为消极体验( 其根源为空间特征，正厅所摆放的大型楼梯和主要出口处的门) ; ( 2) 噪音的妨害( 没有摆放其他材料来降低噪音，所使用的为反射材料而不是吸收噪音的材料) ; ( 3) 由于车站的单一功能，对于车站的体验是单一的，没有特征可言。

      对于大部分经过调查的人来说，车站的安全性不如舒适度的主要原因即为以上所提到的几点。然而，有趣的是，这些人对车站的不满没有反映在舒适度上，因为其他的三个舒适度所表现的积极的方面对其进行了补偿。对于车站的寻路方面，对比心理感受方面，吸引力和日光对整体舒适度来说更具有决定性作用。值得一提的是，所调查的群众都是乘客，他们都没有在车站呆很长的时间。如果不是因为这个原因，心理方面对舒适度的影响将会是负面的。

      对于安全方面，大部分的积极评价是照明、可见度和良好的整体印象。而这是由于空间本身就有很好的照明。另一方面，车站内没有大型的建筑，但是通过一些“透明”的设计让整个车站有良好的概观。

      此方法说明了怎样的空间特征需要得到提高，从而提高车站的整体品质。通过这样的方法来制定设计标准。这些设计标准包括在决议支持系统内并能从中得到明确地表达。在此次研究中，决策支持系统是进一步的工作。

 

      未来研究的目的是开发一个整合的决策支持系统以处理所有上诉问题。DSS 设计的开始点为双向流( 图 15) ，并且在理念设计过程中，将被主要用作支持工具。

      地下空间是一个非常新兴的结构，在未来有很大的潜力。地下运输的效率和在人口密集的市区的多重空间的使用是这些空间所能提供的好处。但是，很多已经建成的地铁项目都不能满足大众的需求。这些空间都有其本身的局限性。在地面容易获得如日光和整体印象之类的品质不容易在地下获得。如此一来，在这些空间，品质一词就变得敏感。解决这类问题时，建筑师能够参考的文献资料非常的分散并且很难得到。

      本文对地下空间设计很重要的几个方面( 空间和心理)进行了定义，以此对数据采集和分析的方法进行解释。通过这样的方法，可以系统地对地下空间进行持续的品质评估。同时，可以最大限度地缩小设计过程中解决问题的直觉方法。本文对地下空间的评估提供了系统方法，其重点强调了地铁站。此方法的重点是预先确定的准则，让问题和解决问题的策划变得更简单。对于数据分析，所使用的神经网络对执行此研究是一个宝贵的工具。通过神经网络，我们可以获得各方面的输入输出关联，同时可以获得各方面具有代表性的案例。这些案例就有关地铁站品质问题，最贴近大众观点，同样也代表了设计准则的发展重心。

      本文的主要目的是为地铁站空间的决策支持方案准备一个基础。对于建筑师来说，此系统在未来的概念设计阶段将被设计成为一个重要的决策支持工具。

 

［1］ Bennett C． 人类空间－设计中的人性因素［M］． 纽约 Prentice－Hall，Englewood Cliffs，1997

［2］ de Boer E． 社会安全地铁站［R］． 荷兰代尔伏特理工大学 NS Railinfrabeheer 内部报告，1997

［3］ Carmody J，Sterling R． 地下空间设计－地铁站空间地下设计和利用［M］． 纽约 Van Nostrand Reinhold，1993

［4］ Chen S，Cowan C F N，Grant P M． 径向基础功能网络正交最小二乘算法［J］． 神经网络 IEEE 传输，1991，2( 2) : 302 – 309

［5］ Cherulnik P D． 环境应用 － 行为研究［M］． 剑桥大学出版社，1993

［6］ Durmisevic S． 地铁－新沿线． 城市生命质量第一会议－问题和看法［M］． 新加坡国立大学，1998: 479－490

［7］ Durmisevic S，Durmisevic E，Sariyildiz，等． 通过增强各学科间关系所形成的可持续性［C］∥建筑材料和组成的可持续性的第八届国际会议( 第 3 卷) ，加拿大温哥华，1999: 2015－2016

［8］ van Galen B M． 地铁站的人们［D］． 荷兰乌得勒兹大学自然科学和企业管理，1999

［9］ Hamel R． 有关建筑的思考［M］．荷兰 Krips Repro，Meppel，1990

［10］ Hoeven F． 地铁站修建的策略性研究［M］． 荷兰 COB/TUDelft/DHV，1997

［11］ Kasabov N K． 神经网络基础，模糊系统和工程知识［M］． 伦敦MIT 出版社，1996

［12］ Korz S，Aarts H，Luten I 等． 深度感知［M］． 荷兰埃因霍温工业大学，代尔伏特工业大学和 Eysink Smeets 以及 Etman 的合作，1998

［13］ Mehrabian A． 公共场所和私有空间［M］． 纽约基础图书出版社，1976

［14］ Passini R． 建 筑 中 的 寻 路 ［M］． 纽 约 Van Nostrand Reinhold，1998

［15］ Steffen C，van der Voordt D J M． 城市环境感知的方法和技术［M］． 代尔伏特建筑研究中心，1979

［16］ Titulaer C． Een stad in de wolken． 人类科学技术 EOS 1995－12:6－14

［17］ Vischer J C． 办公室环境质量［M］． 纽约 Van Nostrand Reinhold

［18］ Whyte A V T． 环境感知领域指南［M］． 巴黎联合国教科文组织，1977