姚 剛, 陳塏云, 朱郁松, 陳藝瑩, 張 孟
(中國礦業大學a.建筑與設計學院;b.計算機科學與技術學院,江蘇徐州221116)
在商業街中,適宜的步行空間尺度可以給購物者帶來更高的停留性[1]。停留性與購物活動的多要素均密切相關:停留性高,則活動發生頻繁、購物時間長、購物活動豐富且有較好的空間感受。因此,在商業街的步行空間尺度上若處理不好,會對人們的購物活動產生較大消極影響。
關于步行街的尺度[2],蘆原義信在《街道的美學》一書中提出過有價值的觀點:“街道高寬比在0.8~0.9之間最能營造出亞洲式的熱鬧氣氛”[3]。蘆原義信的觀點和調研對象面對的均是地上商業街[4],由于地下空間環境更為復雜且壓抑,其空間導向性較弱,空間辨識度也較差,其步行空間尺度研究的難度更大[5]。另外,其觀點和研究方法過于定性化,缺乏對他人體驗的判斷。因此,需要運用更為有效和系統的方法和工具對地下商業街的步行空間尺度進行深入研究。
虛擬現實(Virtual Reality,VR)技術可以較為真實的還原現實場景,為實驗調研提供一個客觀的條件,實驗結論也易于進行量化研究[6]。如Liu等[7]就運用了VR技術系統客觀評價了街道尺度的視覺環境舒適性。本文運用VR實驗方法[8],試圖量化分析地下商業街步行空間中的停留活動系數與步行空間尺度的關系,進而推導出適宜的地下商業街步行空間尺度[9]。
首先調研了上海、南京、徐州等城市的27個地下商業街道。通過測量、收集和統計這些地下商業街尺度相關的元素(寬度、高度、深度),建立反映地下商業街步行空間尺度的理想模型,為進行地下商業街步行空間尺度的實驗打下數據基礎。
(1)深度取值。根據調研結果顯示地下商業街的深度值,主要集中在20~40 m,且以30 m長的地下商業街出現次數最多,而根據實驗及場地需要與限制,特選定標準深度為36 m的地下商業街空間作為實驗空間。
(2)寬度取值。經調研,在寬度方面,地下商業街的寬度主要在4~8 m之間,為了更好地體現出寬度對人們停留活動的影響,研究擴大了寬度區間,選取寬度為2.5、4.5、6.5、8.5 和10.5 m 的虛擬模型作為實驗場景。
(3)高度取值。經調研,在高度方面,地下商業空間的高度變化并不大,因此根據調研數據選擇出現次數最多的2.5、3.5、4.5、5.5 和6.5 m 作為實驗場景的高度取值。
另外,本實驗中燈光照度采用色溫6 000 K左右的白色節能燈。在節點位置采用色溫3 000 K左右的黃色節能燈配合使用[10]。為避免顏色和材質對被試者的心理感知產生額外影響,理想場景中的巷道、天花板采用白色,不賦材質,地面采用地下街道最常用的白色瓷磚貼面。
(1)利用Sketch Up模型建立。本研究在草圖大師Sketch Up2015軟件里建立了25個不同尺度的地下商業街步行空間模型,每個模型里建有地板、商鋪、貨柜、吊頂、天花板、燈具等地下商業街的基本元素并賦予基本材質(見圖1)。
(2)利用3d Max烘焙渲染。在Autodesk 3D Studio Max(簡稱3d Max)里導入上一步驟建立的Sketch Up模型,并在里面添加白色燈及黃色燈,進一步進行烘焙渲染,并導出osgb格式。
(3)利用Vizard5建立VR場景。在虛擬現實開發平臺軟件Vizard5里面編寫好腳本,進而導入上一步的osgb格式的文件進行VR場景建立,最后連接VR實驗設備開始實驗。

圖1 不同尺度的地下商業街步行空間模型搭建
(1)實驗設備。實驗場景的體驗采用沉浸式VR技術。本實驗使用Oculus基于Python語言的VR引擎Vizard 5.4[11],VR 頭盔(Oculus Rift DK2)和動捕系統(Precision Position Tracking Studio,PPT Studio)等3項技術,可實現較大范圍(超過50 m×50 m)高品質的光學運動跟蹤。光學傳感器安裝在實驗室的角落跟蹤主動式LED指示器。通過傳感器在實驗過程采集數據,并進行快速處理,將傳感器數據轉換為精確的三維標記位置。
(2)被試者選擇。參與被試者共47人,其中23人選自建筑學專業在讀本科生或研究生,另外24人為其他工科專業本科生或研究生。大多數參與被試者均體驗過地下商業街道空間。
(3)實驗流程。整個實驗開始前,會有一個過渡期,在這個過渡期內,被試將戴上VR頭盔,被安置在一個虛擬、安靜、明亮、開敞的居室環境中以使被試者熟悉虛擬環境中的空間尺度感。整個過渡期為3~5 min。
之后開始正式實驗(見圖2),正式實驗中,參與被試者會被按照隨機順序開始體驗3~5種尺度不同的地下步行空間。在每個虛擬場景進行實驗的過程中,不設時間限制,參與被試者按照一定的規則通過實驗空間,從位于通道起始界面的中點出發,行走路徑盡量依據人們在通過一條步行街道空間時的真實合理情況,可以左右移動,但不能向后折返,即不走回頭路。47名參與被試者進行實驗后得到實驗數據80組,記錄所有實驗中的行走路徑,完成實驗。
(4)實驗任務的圖示轉換及數據分析。假設地下商業街的步行空間存在一個停留性活動的經常發生區域,命名為有效停留活動區域。這個區域的面積與步行空間總面積之比為該步行空間的有效停留活動系數,這個系數即可作為衡量地下商業街步行空間停留活動性的一個量化指標。
將該場景每個有效樣本的數據結果轉化成獨立的平面圖(見圖3),圖中曲線β為參與試驗者行走路徑,直線α為步行街平面中心線,利用路徑β與直線α圍合出的圖形(圖3中黃色部分)計算出面積S1(對于人們受到吸引的條件下停留活動空間的量化),步行街平面面積為S2,S1/S2得到有效停留活動系數δ。

圖2 實驗場景

圖3 有效停留活動的圖示
實驗過程中共計完成實驗80組,由于實驗誤差,部分行走路徑出現超出步行街最大寬度的情況,因此排除無效數據17組,得到有效實驗數據63組。
由實驗所得行走軌跡,使用計算機輔助設計軟件AutoCAD中的樣條曲線擬合后,量取行走軌跡與地下商業街中心線圍合所形成的圖形累計面積S1,空間平面面積S2,S1/S2即為有效停留活動系數δ,并以δ值的大小評價地下商業街步行空間尺度對人心理的影響。
實驗統計后的有效停留活動的圖示及初步計算結果如圖4所示。

圖4 有效停留活動的圖示
(1)問題分析。通過更改高度和寬度值求得不同的有效停留活動系數δ,在立體空間內,可理解為無數個有效停留活動系數δ值的點合成一曲面。
對于這類問題的數據處理方法一般有兩種:曲線擬合和插值法。插值法是利用函數f(x)在某區間中已知的若干點的函數值,作出適當的特定函數,在區間的其他點上用這特定函數的值作為函數f(x)的近似值。
在插值法中,樣條插值法是一種以可變樣條來做出一條經過一系列點的數學方法,對已知的參數數據進行分析處理。在實際工程中,常運用樣條插值法來求解曲面問題。
采用樣條插值來尋找其最高點,并運用Matlab軟件來擬合曲面,從而找出最高點和該點的有效停留活動系數δ。
(2)數據來源。在VR實驗室內進行實驗,固定地下商業街深度,通過更改高寬值,計算有效停留活動系數δ,獲取25組實驗數據,由此找出最大有效停留活動系數。
(3)數據處理。利用插值法給出了在研究所規定的區間(即高度在[2.5,6.5]m、寬度在[2.5,10.5]m范圍內)的特定函數的函數值,利用樣條插值的方式,運用Matlab軟件r2017a版本編寫程序,其中x軸為高度,y軸為寬度,z軸為經數據初步處理得出的有效停留活動系數δ,通過Matlab的pcolor函數,根據x,y,z的數據組得出偽彩色圖(見圖5),偽彩色圖是從上面向下面觀看的“平面”曲面圖。其中,x為高度H,起始區間[2,7]m;y為寬度W,起始區間[2,10]m,圖像的顏色為對應高寬值之下的有效停留活動系數δ數值大小。

圖5 偽彩色圖
(4)結論。設有效停留活動系數函數f(x,y)是該區間上終端固定的一個連續可微函數,函數設定自由邊界,即邊界點二階導數為0。其中始端點為(2.5,2.5,0.170 197 2),末端點為(6.5,10.5,0.199 698 6),最高點為(5.393 9,6.444 4,0.326 7)。在實驗范圍內,當H=5.393 9 m,W =6.444 4 m 時,有效停留活動系數δ達到最大值0.326 7。最終通過實驗數據利用Matlab的nlinfit函數采用Levenberg-Marquardt算法進行非線性回歸,輸入待擬合的數據、非線性曲線函數及擬合參數的初值,得出了f(x,y)的表達式:

式中:邊界條件為高度x∈[2,7];寬度y∈[2,10]。
通過實驗結果分析可以得到一張包含地下商業街高度、寬度變化,停留活動性相對應變化的1張圖表(見圖5)。該圖為偽彩色圖,顏色越深越紅的區域,表示有效停留活動系數越大,相反地,顏色越淺越藍的區域,表示有效停留活動系數越小。從圖中可看出,寬度在6~7 m之間及高度在4~5 m之間(即高寬比例在0.8左右)的有效停留活動系數較高,最適合人們在里面停留活動,這種尺度的地下商業街的步行空間里的購物活動性會更豐富,購物空間感受更佳,也有助于商業氛圍的營造。
實驗結果表明,基于本實驗思想中有效停留活動系數的定義以及運用VR技術的實驗方法,是一種切實可行的量化研究方法。運用該方法,可以針對其他類型功能空間進行相應實驗,量化該功能空間中的與行為相關聯的空間屬性,并得出相應的空間尺度策略以指導設計。
由于地下商業街通常都是存在大量的人流,而本實驗由于軟件技術與設備情況無法模擬多人體驗時地下商業街尺度對人們停留活動的影響,只是模擬了單人體驗地下商業街的情境,得到了一個對于單人比較舒適的地下商業活動空間尺度。
此外,本實驗只探討了地下商業街步行空間高度與寬度對人在里面停留活動的影響,沒有探討進深對人的影響,這也有待于在下一步研究中繼續完善。