54世界建筑２００５／１１１　步行可达指数。

图中显示了影响伦敦哈罗兹，金茨桥区域的步行活动的重要因素。

／Ｗａｌｋａｂｉｌｉｔｙ　Ｉｎｄｅｘ．Ｂａｒ　ｃｈａｒｔ　ｓｈｏｗｉｎｇ　ｓｉｇｎｉｆｉｃａｎｔｆａｃｔｏｒｓ　ｉｎｆｌｕｅｎｃｉｎｇ　ｐｅｄｅｓｔｒｉａｎ　ｍｏｖｅｍｅｎｔ　ｉｎ　ｔｈｅ　ａｒｅａ　ａｒｏｕｎｄＨａｒｒｏｄｓ　ｉｎ　Ｋｎｉｇｈｔｓｂｒｉｄｇｅ，　Ｌｏｎｄｏｎ，　ａｓ　ｉｄｅｎｔｉｆｉｅｄ　ｂｙ　ｔｈｅ　ＷａｌｋａｂｉｌｉｔｙＩｎｄｅｘ．２　同一地区的步行活动预测图显示出了对新的联系（金茨桥和海德公园之间）的需求，可以同其他重要因素联系起来。

预测等级通过不同空间句法是一种研究城市的方法，主要是了解社会和经济因素是如何逐步影响并形成空间的。

用当今的流行术语来说就是把城市看成是自组织系统。

空间句法最为人所知的方面也许是它建立了在建筑环境里分析空间模式或者说分析空间组构的方法。

这些方法不仅揭示了城市中的空间结构，而且把它们和人的移动、停留和交流方式相联系。

空间句法还能预测设计和规划所带来的中长期效果，因此，能让设计者和规划者在工作中遵循社会和经济发展规律，而不是违背它们。

这些研究方法已经在一段时间内得到了成功地运用，其中包括轴线分析法（用来分析城市街道网络和步行系统）和“可视性分析”（用来分析公共空间内的视域模式）。

但是同时新的分析方法正不断地由伦敦大学学院空间句法实验室以及它的商业合作伙伴空间句法有限公司开发和研究出来。

本文将简要地介绍其中一些发展。

组构的修正：步行可达指数正如空间句法理论所说，空间组构强烈地影响人的流动，但并不意味着组构完全决定了人流或者它的作用是放之四海皆准的。

在一些案例中，组构的影响比较弱，所以，要理解人流模式或者预测设计结果就需要一些其他额外的信息。

这些附加的信息包括一些相关因素，如交通节点、土地利用、临街建筑、基础设施、主要吸引物和美学因素等。

现在这些其他因素都通过最近研发的一项称为步行可达指数的技术整合到了组构模式上。

步行可达指数是建立在统计学方法的多重回归分析（ＭＲＡ）的基础上。

多重回归分析是经验性地分析数据，以此来决定每个元素作为人流模型中所起的可变量作用。

多重回归分析模型可以更好地理解与人流模式相关的问题，因为它强调了因素的相对重要程度，比如建筑高度、交通节点或者活跃的临街行为等等，有时它们和局部整合度（影响人流的主要组构量度）一样重要。

同时，改变不同的输入变量的值，例如那些步行道的宽度或者活跃临街行为的数量，都可以帮助预测可能发生的人流模式。

事实上，这些因素的结合是可以被分析和修改的，这也就有了一个灵活性的方法。

步行可达指数在一些地区尤其有效，这些开发对空间结构、人流和土地利用的影响不同步，比如伦敦的大象城堡（Ｅｌｅｐｈａｎｔ　ａｎｄ　Ｃａｓｔｌｅ）地区（它的总图设计采用了很多空间句法分析）。

实际上，对于这样一个技术的需求正好说明路网结构、人流和土地利用三者之间的协调发展是一个发育良好的城市的产物。

这也许是为什么传统城市更为人称道的主要原因。

这并不意味着城市必须设计得和过去一样，但是却意味着它们设计的根据应借鉴那些具有活力的城市的经验。

更精确尺度的组构：线段分析空间句法的一个很大优势在于它可以同时在城市宏观和微观尺度上分析空间。

线是都市分析的一个主要单位（这反映了一个事实：城市空间本质上是一个线性空间网络）。

但是这并不是我们需要了解的最精确的尺度，因为这些线在交点之间的不同线段经常是起着不同作用的。

同样重要的是要考虑到不同城市存在非常不同的几何形式，从更加网格状到更加有机状。

为解决这些问题，现在发展出了一种新的句法模式。

它仍然是建立在线网的基础上，但是它的基本单位是交点之间的线段。

这种模式不仅能在更精确的尺度上进行结构分析，而且可以通过不同的方式定义一个节点和另外一个之间的距离来进行不同类型的分析：实际路程距离（从点Ａ到点Ｂ多远），最少转弯距离（一条路线有多少转弯），最小角度距离（两点之间的实际路径与连接两点的直线所形成的偏差角度大小）。

这些不同的分析方法从不同的方面反映了都市的复杂程度。

尽管这种新模型还在研究测试中，但是它已经被证明对于分析城市最微观尺度的土地利用变化非常有效。

这个模式现在被用来分析更精确的人流模式，同时它也指明了路程、几何和拓扑３个元素的作用使得城市空间网络本身形成了人流。

这个领域的重要新成果在不久的将来公布，某种程度上可能是惊人的成果。

主观的组构：空间中智能行动者现在来介绍最新的发展：ＥＶＡＳ空间中智能行动者。

它是从视线分析（ＶＧＡ）方法发展而来，已经被运用在很多公共空间项目上，包括最近的特拉法加广场（Ｔｒａｆａｌｇａｒ　Ｓｑｕａｒｅ）的重新设计。

ＥＶＡＳ创造了虚拟环境（它建立在地图或者建筑图纸基础上），然后给虚拟的智能行动者赋予限制视角的朝前的视域。

当这些智能行动者四处活动时，他们用“感知—行动”的规律来指导他们的运动行为，例如他们会被某个进入视野的特殊物体所吸引。

如果环境改变（例如模拟一个新设计），ＥＶＡＳ会显示人流模式如何相应变空间句法的新方法NEW METHODS IN SPACE SYNTAX比尔・希利尔，克里斯・斯塔茨／Ｂｉｌｌ　Ｈｉｌｌｉｅｒ，　Ｃｈｒｉｓ　Ｓｔｕｔｚ作者简介：比尔・希利尔　，伦敦大学学院巴特雷特研究生院教授 兼院长，空间句法咨询公司非执行董事。

克里斯・斯图兹，空间句法咨询公司副主管。

收稿日期：２００５－１０－０９１２颜色来表达，红色最高，蓝色最低。

／Ｐｅｄｅｓｔｒｉａｎ　ｍｏｖｅｍｅｎｔｆｏｒｅｃａｓｔ　ｍａｐ　ｏｆ　ｓａｍｅ　ａｒｅａ　ｗｉｔｈ　ｐｒｏｐｏｓｅｄ　ｎｅｗ　ｌｉｎｋ　（ｂｅｔｗｅｅｎＫｎｉｇｈｔｓｂｒｉｄｇｅ　ａｎｄ　Ｈｙｄｅ　Ｐａｒｋ），　ｉｎｃｏｒｐｏｒａｔｉｎｇ　ｌｉｋｅｌｙ　ｅｆｆｅｃｔｓ　ｏｆｌａｙｏｕｔ／ｃｏｎｆｉｇｕｒａｔｉｏｎ　ａｎｄ　ｏｔｈｅｒ　ｓｉｇｎｉｆｉｃａｎｔ　ｆａｃｔｏｒｓ． Ｆｏｒｅｃａｓｔｌｅｖｅｌｓ　ｆｏｒ　ｅａｃｈ　ｓｅｇｍｅｎｔ　ａｒｅ　ｒｅｐｒｅｓｅｎｔｅｄ　ｏｎ　ａ　ｃｏｌｏｕｒ　ｓｃａｌｅ，　ｗｉｔｈｈｉｇｈｅｓｔ　ｌｅｖｅｌｓ　ｒｅｄ　ａｎｄ　ｌｏｗｅｓｔ　ｌｅｖｅｌｓ　ｂｌｕｅ．影响步行活动的因素／Ｆａｃｔｏｒｓ　ｉｎｆｌｕｅｎｃｉｎｇ　ｍｏｖｅｍｅｎｔ非常重要／Ｖｅｒｙ　ｓｉｇｎｉｆｉｃａｎｔ不重要／Ｎｏｔ　ｓｉｇｎｉｆｉｃａｎｔ重要／Ｓｉｇｎｉｆｉｃａｎｔ空间布局／Ｓｐａｔｉａｌ　ｌａｙｏｕｔ零售／Ｒｅｔａｉｌ地铁／Ｔｕｂｅ特殊因素／Ｓｐｅｃｉａｌ静止边界／Ｉｎａｃｔｉｖｅ　ｆｒｏｎｔａｇｅｓ哈罗兹／Ｈａｒｒｏｄｓ55空间句法／ＳＰＡＣＥ　ＳＹＮＴＡＸ化的。

这些根据环境判断的能力也是可以修改和测试的。

尽管其他一些基于智能行动者的技术模型也存在一段时间了，但是ＥＶＡＳ的模型和那些模型完全不一样。

当然，大部分模型都有着相似的基本目标：模拟复杂的社会过程，因为直接观察这个过程是费钱费力的，或者根本不可能的。

另外还有一些基于智能行动者的技术最近被用在人的运动行为模拟中。

但是这些技术倾向于或是宏观的人口流动模拟，或是另外一个极端——非常特殊情况的微观动态模拟，例如火灾逃生和拥挤人群中的某个行为模式。

事实上，没有一个模型是考虑到都市地区或者大型公共建筑里人的自由行动。

在这些情景下的个体行动模式总是大多被避免的，因为在这些中观的层面中，人们在行进过程中所见到的将对他们的行为产生重要作用，由此给智能行动者赋予视域将带来繁重的计算过程。

ＥＶＡＳ通过运用预先计算了环境中的某个制定位置所见的视线性分析（ＶＧＡ）技术，从而突破了这个技术局限。

当要将智能行动者放入模型中时，只要通过咨询数据库就可以从中获得个体行动者目前所在位置视域的信息。

这就使得复杂的环境能够得到快速的模拟，而避免了长时间的计算。

综上所述，步行可达指数看来是很清楚地显示了地点和土地利用密度对于人的运动的作用，但这也可以被看作是显示了与结构的系统相关性。

智能行动者模拟提供了更精确的调查方法显示这些元素是如何相互作用的。

同时它也意味着可以更进一步了解个人对于空间利用的体验，特别是针对这个老问题：组构还是吸引点，哪个对人流影响更大？总结对于空间句法最近工作的这些总结应该是展示了一３４３　线段分析。

中伦敦一区域地图，显示了每一片段的最小转弯角度。

红色段为转角较大路线，蓝色段为最小路线。

／Ｓｅｇｍｅｎｔ　Ａｎａｌｙｓｉｓ．　Ｍａｐｏｆ　ａｎ　ａｒｅａ　ｉｎ　ｃｅｎｔｒａｌ　Ｌｏｎｄｏｎ　ｓｈｏｗｉｎｇ　ｔｈｅ　ｄｅｇｒｅｅ　ｔｏ　ｗｈｉｃｈ　ｅａｃｈｓｅｇｍｅｎｔ　ｏｆ　ｓｔｒｅｅｔ　ｌｉｅｓ　ｏｎ　ｌｅａｓｔ－ａｎｇｌｅ－ｃｈａｎｇｅ　ｒｏｕｔｅｓ　ｆｒｏｍ　ａｌｌｐｏｉｎｔｓ　ｔｏ　ａｌｌ　ｏｔｈｅｒｓ． Ｓｅｇｍｅｎｔｓ　ｉｎ　ｒｅｄ　ａｒｅ　ｐａｒｔ　ｏｆ　ｔｈｅ　ｍｏｓｔ　ｒｏｕｔｅｓ，ｓｅｇｍｅｎｔｓ　ｉｎ　ｂｌｕｅ　ｐａｒｔ　ｏｆ　ｔｈｅ　ｌｅａｓｔ．些非常有趣而且有效的新工具。

空间句法从来都不仅仅是一个单纯解决设计问题的技术工具。

相反的，它是研究城市如何建构与如何运作之间的关系。

强调城市之间的文化差异已经有很长时间了，现在却越来越能够确定它们的共同点，以此来建立一个更加通用的城市理论：就是特别强调的宏观与微观尺度的关系。

不管承认与否，设计者和规划者在理论层面上对于城市的理解总是影响着城市设计。

关于城市最重要的一面是它们总是在某种程度上自由发展而成的。

空间句法的贡献在于指出了城市是如何自然演变发展的，而这种对于城市的理解也是未来的规划和城市设计所要倚重的。

□（黄芳　译，此文感谢艾伦・佩恩，阿里斯戴尔・特纳，　诺亚・瑞弗德，提姆・斯通纳和阿兰・基亚拉迪亚的帮助。

）４　空间中智能行动者。

米兰地图体现了空间中智能行动者分析。

空间通过不同的颜色显示出智能行动者被吸引后需要的转弯次数，红色最高，蓝色最低。

／Ｓｐａｔｉａｌ　Ａｇｅｎｔｓ．Ｍａｐ　ｏｆ　ａ　ｓｉｔｅ　ｉｎ　Ｍｉｌａｎ　ｓｈｏｗｉｎｇＳｐａｔｉａｌ　Ａｇｅｎｔ　ａｎａｌｙｓｉｓ． Ｓｐａｃｅｓ　ａｒｅ　ｒｅｐｒｅｓｅｎｔｅｄ　ｏｎ　ａ　ｃｏｌｏｕｒｓｃａｌｅ　ａｃｃｏｒｄｉｎｇ　ｔｏ　ｔｈｅ　ｎｕｍｂｅｒ　ｏｆ　ｔｉｍｅｓ　ｔｈｅｙ　ｗｅｒｅ　ｔｒａｖｅｒｓｅｄ　ｂｙｍｏｖｉｎｇ　ｖｉｒｔｕａｌ　ａｇｅｎｔｓ　ｄｕｒｉｎｇ　ｔｈｅ　ａｎａｌｙｓｉｓ，　ｗｉｔｈ　ｓｐａｃｅｓ　ｃｒｏｓｓｅｄｍｏｓｔ　ｉｎ　ｒｅｄ　ａｎｄ　ｌｅａｓｔ　ｉｎ　ｂｌｕｅ．。