基于機器學(xué)習(xí)的城市生成方法研究

胡思潤，楊曉旭，宋靖華

HU Si-run, YANG Xiao-xu, SONG Jing-hua

（武漢大學(xué)）

1 引言

1.1 研究背景

“千城一面”是我國快速城市化與全球化背景下的時代產(chǎn)物，自上而下的規(guī)劃可以創(chuàng)造出總體秩序但不能創(chuàng)造出有機秩序，這是當(dāng)前產(chǎn)生千城一面，尤其是城市中心區(qū)缺乏一個有機而整體的秩序的重要原因。自下而上生長的聚落經(jīng)過漫長的歷時性累積、試錯與調(diào)整，整體與局部各元素之間經(jīng)過充分的塑造與被塑造，生成與被生成，從線性的發(fā)展起點演變到非線性的復(fù)雜系統(tǒng)，形成了豐富而復(fù)雜的空間形態(tài)及非常富有個性的空間文化特性，但其從簡單的線性空間演化涌現(xiàn)為高度復(fù)雜的非線性空間的過程一直是傳統(tǒng)方法難以分析與解碼的。當(dāng)面對以速度、互聯(lián)和全球化為特征的當(dāng)代城市時，自下而上的緩慢生長的模式，同樣難以滿足以亞洲城市為代表的快速城市化需求。

在《涌現(xiàn)：螞蟻、大腦、城市與軟件的關(guān)系》中，史蒂文·約翰遜用“涌現(xiàn)”一詞表示城市[3]。城市作為一個復(fù)雜系統(tǒng)，是由不同的要素、流、相互作用共同構(gòu)成的，這些要素、流、相互作用均可理解為德勒茲提出的生成強度，每一種強度的改變都會引起網(wǎng)絡(luò)系統(tǒng)的變化。通過現(xiàn)代計算機來模擬復(fù)雜系統(tǒng)中的不同要素行為和它們之間的相互作用，讓整個復(fù)雜系統(tǒng)中的的相互作用自下而上的“涌現(xiàn)”出來，是研究聚落生成的重要手段，但由于影響聚落發(fā)展的要素以及相互作用數(shù)量巨大且十分復(fù)雜，研究不同要素之間的內(nèi)在關(guān)聯(lián)性僅僅依靠普通計算機的算力很難完成，因此我們引入機器學(xué)習(xí)來輔助研究聚落生成的不確定性。

本文研究方法計劃運用強化機器學(xué)習(xí)方法與城市規(guī)劃和建筑學(xué)專業(yè)知識相結(jié)合，使其應(yīng)用到聚落生成模型的建構(gòu)上，對城市中心區(qū)空間的復(fù)雜網(wǎng)絡(luò)的內(nèi)在關(guān)聯(lián)進行量化分析，提出空間有機秩序的正向協(xié)調(diào)生長模型。利用該模型對個案城市的空間生長進行控制生成、分析和評價，探討新型城鎮(zhèn)化過程中多元、多樣性的城市特色空間形成機制，引導(dǎo)規(guī)劃師和建筑師創(chuàng)造包容、融合的富有特色的“千面”空間。

1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)

城市中心區(qū)是一個特殊的聚落，它集中反映著一個城市的機能、個性和特色，從村落到城市，大量的學(xué)者展開了各種角度的研究。相比于最早的實地調(diào)研和文獻考察方法，學(xué)者們開始利用衛(wèi)星測繪、模數(shù)制、大數(shù)據(jù)以及空間句法等各種數(shù)字化手段進行研究，對空間、結(jié)構(gòu)、關(guān)聯(lián)要素等方面有了更深刻的認(rèn)識。20 世紀(jì)后期，隨著復(fù)雜性科學(xué)發(fā)展，城市研究的手段變得更加深入。城市作為一個復(fù)雜巨系統(tǒng)，[1]生長演化遵循復(fù)雜系統(tǒng)的自組織演化方式?？臻g句法的出現(xiàn)將定性研究的視角轉(zhuǎn)為定量，以更加精準(zhǔn)的數(shù)據(jù)對城市加以描述。近年興起的參數(shù)化設(shè)計更是將這一思想推向高潮——涌現(xiàn)理論對城市設(shè)計思路的影響[2]，集群城市主義[3]、矢量力場與流體城市[4]、多代理系統(tǒng)[5]等豐富的設(shè)計手段，從數(shù)字化建造到數(shù)字化編程的技術(shù)革新，都宣告著對城市認(rèn)知的巨大改變。

近兩年人工智能的興起，以及Alphago 的橫空出世，為此類復(fù)雜問題的研究提供了新的視角。最新的Alphago Zero 不需要人工樣本的輸入，完成了零基礎(chǔ)學(xué)習(xí)的突破，適當(dāng)?shù)囊?guī)則控制以及最終勝負(fù)的判定即可完成以往大數(shù)據(jù)訓(xùn)練才能得到的效果，大大提高了對復(fù)雜問題分析的效率。本文計劃將強化機器學(xué)習(xí)的方法引入規(guī)劃及建筑學(xué)領(lǐng)域當(dāng)中，在城市數(shù)據(jù)成本昂貴且極難完整獲取的條件下，利用其數(shù)據(jù)映射學(xué)習(xí)和樣本擴展特點，建立城市自組織生成模式，并通過規(guī)則完成特定層面的階段性有效的整體控制，使城市空間結(jié)構(gòu)實現(xiàn)有機生長的同時，整體避免散亂、不可控制。人工智能主要運用于對城市數(shù)據(jù)的大規(guī)模挖掘，并大規(guī)模提升了中國城市規(guī)劃界對世界城市增長規(guī)律和空間規(guī)律的認(rèn)識[6]。

2 城市生成方法研究主要內(nèi)容

歷史聚落經(jīng)過漫長的歷時性累積、試錯與調(diào)整，整體與個體、人與人、人與環(huán)境之間經(jīng)過充分的塑造與被塑造，生成與被生成，形成了豐富而復(fù)雜的空間形態(tài)及非常富有個性的空間文化特性，在它看似隨機、無序的形態(tài)表面下，有其高度有序的內(nèi)在邏輯結(jié)構(gòu)。因此，若要研究城市中心區(qū)空間理論與方法的內(nèi)在邏輯，歷史聚落則是一個最理想的活標(biāo)本。

1）聚落生成的有機內(nèi)在關(guān)聯(lián)性

總體規(guī)劃可以創(chuàng)造總體而不能創(chuàng)造整體，可以創(chuàng)造總體秩序而不能創(chuàng)造有機秩序，這是當(dāng)前產(chǎn)生千城一面的重要原因。自上而下的規(guī)劃存在著大量的規(guī)劃者和使用者脫節(jié)的問題，使用者對城市或聚落的整體空間缺乏認(rèn)同感，認(rèn)為他們只是一部巨大的抽象機器上的一個齒輪。而在一個充滿著有機內(nèi)在關(guān)聯(lián)的環(huán)境中，每一個部分都是獨特的，各個不同部分之間相互協(xié)調(diào)、渾然一體，從任何一個局部都可以辯認(rèn)出整體。

2）受限生成的自組織

完全的自下而上自組織通常會使局部處于控制地位，整體失去控制。局部最優(yōu)取代全局最優(yōu)，或者生成迭代無法收斂，導(dǎo)致要么雜亂無章要么過于單調(diào)機械，無法適應(yīng)生氣勃勃的聚落中種種起博弈作用的微妙影響力及其構(gòu)成的復(fù)雜網(wǎng)絡(luò)關(guān)系。

自組織中空間折疊的現(xiàn)象也很難用傳統(tǒng)的研究方法進行分析與認(rèn)識。就像蛋白質(zhì)的折疊過程一樣，聚落內(nèi)的實體、環(huán)境、空間怎樣從一個簡單的線性聯(lián)結(jié)在逐步生長的過程中折疊成一個空間的、復(fù)雜的非線性結(jié)構(gòu)，在這一生長過程中，建筑及空間如何分類，如何自行配對，空間的功能如何表達結(jié)構(gòu)，解域與結(jié)域的過程如何展開，這些問題用傳統(tǒng)的方法都很難解決。

3）無樣本的機器學(xué)習(xí)方式

對于聚落的生成，重要的不是物質(zhì)空間表象的運動，而是信息的跨層次傳送和轉(zhuǎn)換，由此聚落生成的整體必然具有突現(xiàn)性、多層次性、不可分性和不可還原性。因此，生成的方法尋找的不是量的守恒律，而是質(zhì)的相似律，它的重點在于如何突破還原分析的傳統(tǒng)方法，找到整體作為整體，非線性作為非線性的新的研究方法，而不滿足于在構(gòu)成的基礎(chǔ)上再附加相互作用的關(guān)系，或考慮如何將非線性問題轉(zhuǎn)化為線性處理。系統(tǒng)科學(xué)中已創(chuàng)造了適用于系統(tǒng)整體性的研究方法，諸如模型方法、類比方法、功能模擬方法等，而分形、混沌理論也可采用迭代方程的方法充分運用于計算機技術(shù)，從而生動形象地描繪出生成過程及其動態(tài)圖像。傳統(tǒng)的機器學(xué)習(xí)方式需要大量數(shù)據(jù)及樣本訓(xùn)練，給缺少共性的、個性化的獨特聚落生成的研究帶來了巨大的困難。與傳統(tǒng)機器學(xué)習(xí)方法不同的是，利用無樣本的強化機器學(xué)習(xí)技術(shù)無需人工提取城市空間配對特征, 其網(wǎng)絡(luò)可以根據(jù)輸入自動學(xué)習(xí)特征, 運用蒙特卡羅樹搜索對包含了所有城市影響要素生成迭代50 步至150 步之后的結(jié)果加以判斷，結(jié)合遷移學(xué)習(xí)的圖像判斷其偏向預(yù)先給定的有機樣本還是偏向無機樣本，以此不斷修正生成效果并通過對生成過程中不同數(shù)據(jù)的權(quán)重變化的剖析來反向定量尋找其中每個因素的作用。

3 研究方法與關(guān)鍵技術(shù)

3.1 研究方法

1）深度強化學(xué)習(xí)方法

深度強化學(xué)習(xí)算法是深度學(xué)習(xí)與強化學(xué)習(xí)的結(jié)合，可以看作是機器學(xué)習(xí)中兩大重要分支的創(chuàng)新性融合。傳統(tǒng)觀點認(rèn)為，深度學(xué)習(xí)需要大量數(shù)據(jù)作支撐，泛化性能才會更好。但是，數(shù)據(jù)的采集和整理需要投入大量的精力才能完成，有時候甚至難以完成。每個獨特個性的聚落形成的規(guī)律各自不同，很難用大數(shù)據(jù)分析的方式建立其內(nèi)在的關(guān)聯(lián)，而以AlphaGo Zero 為代表的深度強化學(xué)習(xí)算法另辟蹊徑，不需要使用任何外部數(shù)據(jù)，完全通過自學(xué)習(xí)產(chǎn)生數(shù)據(jù)并逐步提升性能。這對難以采集大量精確樣本的聚落結(jié)構(gòu)研究有著重要意義。

聚落生成模型的核心之一即是深度強化學(xué)習(xí)方法加啟發(fā)式算法?；诨疽?guī)則的啟發(fā)式算法模擬聚落在一段時期內(nèi)形成的過程，有機的聚落結(jié)構(gòu)（agent）通過深度強化學(xué)習(xí)算法觸發(fā)獎勵機制（reward），不斷強化對有機聚落有益的因素，使整個動態(tài)生成模型逐漸向最合理的結(jié)構(gòu)完善。

2）“遷移學(xué)習(xí)”理論指導(dǎo)下的基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法。

卷積神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域在深度學(xué)習(xí)處理圖像方面較為成熟的算法模型。其最首要優(yōu)勢在于特征提取——輸入原始數(shù)據(jù)，然后能自動發(fā)現(xiàn)需要進行檢測和分類，利用特征提取功能，把分類過程中，提取到的特征，同時又用于定位檢測等各種任務(wù)，只需要改變網(wǎng)絡(luò)的最后幾層，就可以實現(xiàn)不同的任務(wù)，而不需要從頭開始訓(xùn)練整個網(wǎng)絡(luò)的參數(shù)。在判別有機城市結(jié)構(gòu)的問題中，深度學(xué)習(xí)的這些優(yōu)勢可以高效地學(xué)習(xí)處理大量現(xiàn)有有機城市圖像，并幫助我們提取超出與人腦認(rèn)知的城市結(jié)構(gòu)特點，對城市結(jié)構(gòu)的關(guān)聯(lián)性、開放性以及彈性進行判斷。結(jié)合遷移學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法具有需求數(shù)據(jù)量少、訓(xùn)練時間少、容易滿足個性化需求等特點，可以在現(xiàn)有的相關(guān)聯(lián)的領(lǐng)域?qū)ふ矣?xùn)練較為成熟可用的深度學(xué)習(xí)模型，將其遷移過來進行有機聚落結(jié)構(gòu)的辨別。

3）定量與定性分析結(jié)合的方法。

用機器學(xué)習(xí)來判定有機聚落結(jié)構(gòu)，其核心是通過人工智能客觀的對有機聚落結(jié)構(gòu)的特點進行分析辨別，相比人的判斷，這種量化的方法更加科學(xué)。對人工智能的輸出結(jié)果，仍然要人為定性的判斷分析來總結(jié)規(guī)律。定量與定性結(jié)合，從而更為客觀探究特點鮮明的有機聚落結(jié)構(gòu)。

3.2 研究思路（見圖1）

①利用遷移學(xué)習(xí)理論，將相關(guān)聯(lián)的領(lǐng)域成熟可用的深度學(xué)習(xí)模型遷移過來，作為評估模型。

②利用深度強化學(xué)習(xí)算法，在生成越來越多的樣本后加以訓(xùn)練，保留合理的數(shù)據(jù)，形成反饋作用。

③根據(jù)訓(xùn)練成熟的有機城市結(jié)構(gòu)評價模型依據(jù)結(jié)構(gòu)特點的深入程度進行分類評價；輸出判斷評價與人的主觀評價差異較大的樣本，重新進行標(biāo)記反饋給模型，增強有機城市結(jié)構(gòu)模型的準(zhǔn) 確性。

④對模型內(nèi)部層進行可視化，觀察機器學(xué)習(xí)模型內(nèi)部對有機城市結(jié)構(gòu)特征的抓取，對其學(xué)到的特征總結(jié)為專業(yè)知識作為輸入反饋，進一步增加深度學(xué)習(xí)模型對有機城市結(jié)構(gòu)評價的準(zhǔn)確性。

⑤對機器學(xué)習(xí)模型輸出的有機聚落圖像，依照相關(guān)專業(yè)知識作為規(guī)則通過計算機進行優(yōu)化，得到更加合理的有機城市形態(tài)結(jié)構(gòu)。

圖1 研究方法思路圖

3.3 關(guān)鍵技術(shù)

①遷移學(xué)習(xí)理論解決有機聚落樣本量不足且標(biāo)簽昂貴的問題。訓(xùn)練數(shù)據(jù)量的不足且打標(biāo)簽費用昂貴幾乎是每個應(yīng)用到深度學(xué)習(xí)技術(shù)的現(xiàn)實領(lǐng)域都會遇到的問題。借用相關(guān)聯(lián)領(lǐng)域的成熟可用的預(yù)訓(xùn)練深度學(xué)習(xí)模型，直接使用相應(yīng)的結(jié)構(gòu)和權(quán)重，進行適當(dāng)?shù)男薷膬?yōu)化以滿足本課題特定問題的要求，可以有效彌補樣本數(shù)據(jù)量的不足，從而節(jié)省大量的訓(xùn)練時間，有效的推進研究的進度。

②從深度強化機器學(xué)習(xí)中反向?qū)W習(xí)。聚落動態(tài)生成模型從基本生成規(guī)則出發(fā)，使用純粹的深度強化學(xué)習(xí)技術(shù)和蒙特卡羅樹搜索對包含了所有城市影響要素的生成結(jié)果加以判斷，結(jié)合遷移學(xué)習(xí)的圖像判斷，通過對生成過程中不同數(shù)據(jù)的權(quán)重變化的剖析來反向定量尋找其中每個因素的作用。觀察機器學(xué)習(xí)模型內(nèi)部對有機城市結(jié)構(gòu)特征的抓取，對其學(xué)到的特征總結(jié)為專業(yè)知識作為輸入反饋，進一步增加深度學(xué)習(xí)模型對有機城市空間結(jié)構(gòu)評價的準(zhǔn)確性。

4 結(jié)語

從復(fù)雜科學(xué)的角度討論城市中心區(qū)生成的深層規(guī)律，摒棄傳統(tǒng)方法中從一個或幾個角度來進行片面解讀以規(guī)避復(fù)雜系統(tǒng)混沌問題的難度。建立城市中心區(qū)動態(tài)生成模型，借助機器學(xué)習(xí)強大的計算能力，全面地挖掘出可能相關(guān)的促進動因和限制條件，模擬其漸進式生成豐富內(nèi)在有機關(guān)聯(lián)的獨特個性城市空間，創(chuàng)新性地將傳統(tǒng)的研究方法與強化機器學(xué)習(xí)相結(jié)合，并利用其可視化功能向機器學(xué)習(xí)中反向?qū)W習(xí)其特征關(guān)聯(lián)規(guī)則，從而完善專家經(jīng)驗性的判斷評估體系，便可以解決快速城市化過程中的千城一面的難題。