2

　　經驗

　　經過為期十四周的課堂教學和課后討論，筆者一直在對學生們基于數據量化分析方法來支持大尺度城市設計的過程進行觀察，涵蓋現狀—>問題—>手法—>設計—>評價等多個環節，因此也歸納了若干經驗。對于更多思考，建議參考龍瀛和沈堯（2016）關于大尺度城市設計的時間、空間與人的TSP模型。

　?。?）每組保證一位學生熟練操作GIS軟件：設計背景的學生不是每個都熟練掌握GIS軟件，為此有必要分組的時候將每組保證一個同學熟練掌握ArcGIS作為一個原則，以避免因為無人會用而全盤放棄。本次授課已經遇到這樣的組。

　?。?）新數據環境助力遠程調研并促進場地認知和問題診斷：本次設計地段都在成都，與北京距離遙遠，在成都調研的四天之前，學生們利用街景和所提供的新數據對地段進行了初步判斷?，F場調研完畢后續的設計過程中，學生們也多次利用街景地圖、谷歌地圖和互聯網搜索等手段，補充對場地的認知，對機會地塊和核心設計地塊的識別提供了支持。

　?。?）所提供的街道數據得到了學生們的重視：街道作為城市設計的重要關注對象，本課程開課之初所提供的街道基礎數據，涵蓋了設計地段的街道的空間分布以及街道的形態、功能和活力方面的指標。在學生設計中，使用較多，其中一組直接將街道作為設計的核心要素之一進行突出，在所提供的數據分析基礎上，做了更為深入的量化分析，并提出了設計策略和具體方案。

某組學生設計作品的各類人群需求與街道空間對應關系

某組學生設計作品的街道設計方案

　　（4）建筑數據的提供減輕了學生大量的工作量：開課之初并沒有提供建筑物數據，部分組的學生基于網絡地圖手動勾勒了部分建筑物的輪廓，并根據陰影長度等估算了建筑高度。之后筆者提供給學生四個地段的建筑物的輪廓和層數，節省了大量的基礎數據準備，特別是尺度較大、建筑較多、設計改變比例不大的設計地段。所提供的建筑數據極大地支持了城市設計的核心平臺SketchUp模型的生成效率（ESRIArcScene文件可以利用Maya轉為OBJ格式的文件，進而讀入SketchUp）。此外，建筑數據還有助于設計地段現狀，進行了城市形態的分類（如基于SpaceMatrix）。

　?。?）數據稀缺場地的數據增強新模式：本次課程的三個地段是已經城市化地區，而另一個地段科學城地處成都天府新區，基本屬于鄉村地域，已有的城市開發、形態、功能和活動方面的數據基礎非常匱乏。針對這類相對空白的場地（如新區），一種模式是可以采用地理設計（GeoDesign）、基于過程建模（ProceduralUrbanmodeling）、生成式設計（Generativedesign）等方法進行設計支持，這一過程中傳統的空間分析仍舊具有較大作用（如用地適宜性評價），另一種模式是借鑒相似規劃目標的已建成的優秀案例，關注其體現的開發-形態-功能-活動-活力的關系，識別不同類型城市形態的優秀基因，提取模式，支持新區設計方案的評價和優選。本次課程中，科學城地段部分參考了基于新數據所識別出的蘇州工業園的優秀基因（提供給它們蘇州的數據），川大片區則借鑒了清華科技園和同濟大學周邊地區的優秀基因。

　?。?）大尺度的設計地段需要強化類型的觀念：大尺度城市設計的地段多較大，超過人的認知尺度，因此無論是對現狀的評價、問題的識別還是設計策略都需要進行類型化（或模式化）。例如現狀的城市形態的類型，濱水開發策略的類型，不同坡度的開發策略的類型，這些在幾個小組中都有所體現?？紤]到設計方案多體現在形態維度，因此也建議重視不同類型的城市形態，與城市功能和城市活動的對照關系（即評價形態的效應performance），這將有助于方案的評價和優選。

　?。?）案例對比在未來將走向數量化：城市設計過程中多涉及大量的案例對比，其側重于偏質性的方式，一旦精細化的數據環境覆蓋了全國乃至全球，并對應多年，則有望將案例對比進行數量化，獲得案例地區在開發、形態、功能、活動的特色，并將這些基因引入設計場地。