對城市意象和凱文?林奇（Kevin Lynch），城市愛好者不會陌生。

        凱文?林奇于上世紀60年代在MIT設(shè)計發(fā)明了一套獨特的方式來研究人對城市空間的感知。與一般調(diào)研不同，他的調(diào)研不僅局限于訪談，而是創(chuàng)造性地采用了“心靈地圖”的方式，給每一位街上的受訪者紙筆，并讓這些非專業(yè)人士畫出他們各自記憶中的城市。有趣的是，當這些地圖被整理歸納在一起之后，他發(fā)現(xiàn)了多數(shù)人的繪制（以及訪談中提及）的共性規(guī)律 。通過波士頓、澤西市、洛杉磯三個城市極少數(shù)量的樣本，他歸納出了五種具有空間代表性的元素，后人也稱其為“城市意象五要素”——節(jié)點（node）、路徑（path）、地區(qū)（district）、邊界（edge）、地標（landmark）。

城市意象五要素

        實際上，五要素的說法看似抽象，但它就在我們的城市生活中存在。在上海，相信在多數(shù)人眼中，外灘是一個大規(guī)模吸引人氣的地方，這樣的地方，就是一個典型節(jié)點（node）。作為步行商業(yè)街，南京東路就可被理解為一個路徑（path）。地標（landmark）通常有非常獨特的外形，且形象深入人心——相信多數(shù)上海市民對此都會想到東方明珠。邊界（edge）主要在人們腦海中起到限定地域空間的作用。作為劃分浦東、浦西的地理要素，黃浦江盡管不是上海的地理邊界，但在人們的感知中，它就是一條清晰的邊界，“寧要浦西一張床，不要浦東一間房”這句話，恰恰印證了這一概念的存在。地區(qū)（district）這一概念比較抽象，它可以很大，也可能很小，其范圍在每個人心中未必統(tǒng)一。比如，當有人提到“人民廣場那兒，有什么美食或商店？”時，這里的“人民廣場”并不僅指“廣場”本身，而是包括了周邊的商場等，至于到底哪些店一定屬于這一范圍，不那么明確，可“人民廣場那兒”這一概念卻牢牢存在于每位在上海生活的市民腦海中。

        這五要素幾乎成了當時和之后城市設(shè)計中最為經(jīng)典的理論源頭。林奇本人在80年代回顧城市意象的文章中也承認，當初通過為數(shù)不多的樣本所提煉出的城市意象，其合理性居然在很多地方都得到驗證，是一個奇跡。        

        不過有一點可能被多數(shù)人忽略，在回顧中，他更多表達了因人們誤解他的研究而來的失望：他本希望通過自己的城市意象研究，促進更多城市學者、規(guī)劃師來關(guān)注城市物質(zhì)空間與人的感知之間的關(guān)系，但恰恰相反的是，他的初衷并未達成。在那之后，并沒有多少人去鉆研這兩者的關(guān)系，人們反而直接利用五個要素進行設(shè)計，再也不關(guān)注人的感知。在很多后人眼里，這五個要素成為城市設(shè)計的工具、法寶和捷徑。        

        我們不妨重新回到研究城市空間與個體感知的方法論上，這也是本文希望傳達的意義。        

大數(shù)據(jù)與城市意象        

        大數(shù)據(jù)這個概念，在過去一年里被翻來覆去地炒，作為信息時代的旗幟性關(guān)鍵詞，很多城市研究者對它寄予厚望。但在城市規(guī)劃領(lǐng)域，它真正的作用、性質(zhì)、地位，還都未得到明確解答，一切尚停留在摸索狀態(tài)。

        關(guān)于大數(shù)據(jù)的定義、特點，有很多很詳盡的書籍。我想說的是，這玩意兒是否可以運用于城市空間與個體認知這一關(guān)系的研究中？

        受到DUSP-CRE的Albert Saiz教授在其HBS的畢業(yè)論文中運用城市照片點密集度分析城市經(jīng)濟發(fā)展狀況的啟發(fā)（后來我也做了他的研究助手，幫他下載了很多世界全域的照片），我想到，利用城市照片共享平臺，來進行這一研究。

        我給自己的這個研究起了個名字"C-IMAGE"，"C"指“city, computation, cognition”等多重含義，與“i-Mac”這種造字方式類似。

 C-IMAGE：找到市民心中的城市意象

        在選擇數(shù)據(jù)源方面，我選擇了全球最大的兩個在線照片供應(yīng)商——Panoramio和Flickr。前者是谷歌地球的供應(yīng)商，其出現(xiàn)最多的地方是Google Earth（話說最近他家pro免費真要點個贊），后者則是雅虎的招牌照片交流平臺。本文運用的所有照片數(shù)據(jù)，都是廣大人民群眾自己拍照后上傳網(wǎng)站公開的。無論一個池塘，一幢高樓，一個街邊小店，還是一場比賽，這些點點滴滴，既是個人對城市空間的私家記憶，更是城市中市民集體對這個城市留下的印象。這是這些照片可以作為城市意象研究的基礎(chǔ)。

        其次，通過網(wǎng)站接口，我以城市行政邊界為單位，開始了照片數(shù)據(jù)的下載，一共下載了26個不同城市的數(shù)據(jù)（主要是pano的數(shù)據(jù)，它的照片更偏風景，適合研究城市意象），主要數(shù)據(jù)包括照片的地理坐標信息、上傳時間、標題等。因城市規(guī)模、能級不同，不同城市的照片數(shù)量存在一定差異，少則如波士頓的26000余張，多則如倫敦的210000張。

        接下來，我將這個研究劃分為兩個階段。第一階段是與傳統(tǒng)的城市意象手段比較，我同樣選取了波士頓中心區(qū)來看城市意象；第二階段則是進行數(shù)據(jù)二次挖掘，進一步依據(jù)照片圖像內(nèi)容進行分類，分析城市意象。

新發(fā)現(xiàn)的意象與傳統(tǒng)的意象

        下面就是兩者的直接對比，左圖是Panoramoio（紅點）和Flickr（藍點）的疊加圖，而右圖則是將林奇的城市意象疊加在波士頓地圖的結(jié)果（和地面路網(wǎng)吻合度極高，足見其當時繪圖的嚴謹精致）。

        通過這樣的對比，不難發(fā)現(xiàn)，林奇的5個要素中，節(jié)點、路徑、邊界均屬于辨識度較高的元素，地標也較易辨認，但需要觀察照片內(nèi)容方能識別，只有地區(qū)這一元素，可識別度非常低。這也可以理解，一方面，在方法上兩者完全不同，另一方面，地區(qū)這一概念在五個要素中屬邊界最為模糊的，并非所有城市都能找到地區(qū)，更不是所有地方都可以歸屬到某一地區(qū)。因此，若寄望于采用大數(shù)據(jù)歸納出地區(qū)，需要極精準的參數(shù)賦值進行空間聚類才有可能發(fā)現(xiàn)。

        1）找到節(jié)點（node）的對應(yīng)，Copley Square

        2）找到路徑（path）的對應(yīng)， Tremont Street 和 Washington Street        3) 找到邊界（edge）的對應(yīng)，Charles River        這些豐富的空間樣式對應(yīng)，一方面印證了城市意象的存在，也體現(xiàn)出用照片來觀察城市的獨特性。有趣的是，在對比林奇當年勾勒的波士頓地圖以及如今的照片意象后，我們還能通過這一方法，來尋找城市演變更新中的獨特變化。對比林奇當年勾勒的波士頓地圖以及如今的照片意象。

        篇幅有限，僅舉一例。紐伯瑞街（Newburry Street）這條街道在林奇的城市結(jié)構(gòu)中并未顯露。直到上世紀70年代，由于一些先鋒唱片業(yè)自發(fā)集聚，在這條街道兩邊產(chǎn)生了一系列與唱片相關(guān)的商店。再后來，這里慢慢逐步演變成波士頓非常重要的一條商業(yè)步行街。這條街道的產(chǎn)生在我們的城市意象照片中得到了呈現(xiàn)。

      紐伯瑞街

 C-IMAGE深度挖掘：根據(jù)意象把城市分類

        從更本質(zhì)的角度講，利用照片對城市意象的研究，絕不僅是局限于在某一城市中照片點集的空間聚類，更重要的在于照片拍攝的內(nèi)容。

        我們利用Scene Understanding，將數(shù)據(jù)庫中的圖像信息進行了處理。簡而言之，就是讓電腦為我們把所有下載下來的城市照片按拍攝內(nèi)容全部歸納、整理、分類出來。在計算機可識別的102類場景信息的基礎(chǔ)上，我們總結(jié)了7種基本的城市視覺感知要素（以倫敦為例）：        

        1) 綠色視覺意象

        2) 水視覺意象                        3) 交通視覺意象                        4) 高樓視覺意象                        5) 古建視覺意象                        6) 社交活動視覺意象                7) 運動視覺意象                而當我們把這7種視覺意象合并在同一個城市之后，something amazing just happens!

        當我們把這些城市的“C-IMAGE”都揭示出來之后，可以發(fā)現(xiàn)，不同城市呈現(xiàn)出一些各自的特點。由于綠色視覺意象（綠色）和高樓視覺意象（黃色），這里姑且以這兩種顏色作為區(qū)分城市類型的主要標準：

        A類，綠色視覺意象（綠色）占據(jù)主導(dǎo)的城市，比如熱帶的新加坡，以及東歐的一些城市如布拉格等。這些城市或多掩映在綠樹環(huán)繞中，生態(tài)、景觀宜人。

        B類，綠色視覺意象（綠色）與高樓視覺意象（黃色）分離的城市，以北美城市居多，比如多倫多、三藩等。這些城市通常有單核CBD，并且以郊區(qū)大綠地為主，這也體現(xiàn)了北美人基于小汽車交通出行習慣。                C類，綠色視覺意象（綠色）與高樓視覺意象（黃色）相互交融的城市，常見于歐洲大城市，如巴黎、柏林，包括之前提到的倫敦等。這些城市在葆有高度城市功能運行活力的基礎(chǔ)上，也強調(diào)了將綠色環(huán)境引入城市生活空間的要求。看起來，其上世紀90年代所提倡的15分鐘步行見綠的政策，確實得到了切實落實。        D類，高樓視覺意象（黃色）主導(dǎo)的城市，比如紐約（中下城）、香港。這些以經(jīng)濟效率運行為主的城市，或許不需要太多綠色。其實，閉眼想想這類地方，無論在美劇還是港片中，這些鋼筋混凝土叢林中本就沒有什么綠色生態(tài)可言吧。一個對比：綠地去哪兒了

        在分類過程中，我們還發(fā)現(xiàn)了有意思的這樣兩個城市——東京和上海。這兩個城市同樣承受著大量人口壓力、用地緊張，盡管從城市建設(shè)用地指標上看，上海并不比東京的綠地率少多少，但是在我們的C-IMAGE的對照下，東京實在是比上海綠得太多太多了。

        我們的城市綠化、城市公園到哪里去了？這種視覺差別是怎么回事兒呢？

        這個問題的答案并不復(fù)雜。因為這兩張圖本身，并非城市用地，而只是被市民感知并記錄下來的、關(guān)于城市的印象。瞧瞧左邊的東京，各種開放綠地（且不論是景點還是公園）在城市中心遍地開花，且有連綿趨勢；而再瞧瞧右邊的上海，大片成規(guī)模的綠地在郊外，可達性差，而市中心的零星補丁不成體系，完敗于黃色的高樓視覺意象。

        如果放大一點觀察，我們甚至可以觀察到，在很多東京的公園綠地中，夾雜著紫色或者粉色的斑點，這些斑點正是人群活動的照片。而在我們的綠地中，有時候甚至只能看見一片黃色（高樓視覺意象），比如陸家嘴公園，這樣一個被“掩埋”的公園，又怎么會給人留下綠色的視覺意象或活動的動力呢？

左為東京，右為上海

        再回到規(guī)劃層面，上海的綠地其實是嚴格按照其綠地發(fā)展規(guī)劃建設(shè)的，但正是由于依賴用地指標數(shù)字，而忽略了人的主觀感受，才會留下這樣很多的“不可感知的綠色空間”；反觀東京，在其規(guī)劃中確實更多強調(diào)了綠地空間如何組織利用，在周末，綠地被用以舉辦各類活動，因設(shè)計者更多強調(diào)考慮其使用功能，才會營造出這樣一種“異乎尋常”的綠色城市的意象。他們的綠地可能不多，但利用得好，利用得充分，自然會給這個城市、這里的市民留下綠色的印記。

        關(guān)于這些城市顏色、意象的圖片，還有很多故事，這里篇幅有限，不再贅述。

后記：大數(shù)據(jù)之我見

        利用大數(shù)據(jù)來做城市研究，如今已經(jīng)發(fā)展得火熱，優(yōu)勢自然不必多說。我這里卻想從個人感受出發(fā)，潑一點冷水：1) 數(shù)據(jù)采集的口子有可能被進一步收緊，尤其是國內(nèi)，而數(shù)據(jù)的定價權(quán)則被BAT等大公司壟斷；2) 大數(shù)據(jù)是面向過去的研究，而規(guī)劃是面向未來的手段。用過去計算將來，并不嚴謹，這也解釋了現(xiàn)在國外學府熱火朝天開展大模型運動的浪潮——原因在于，學者寄望于統(tǒng)計學，在城市規(guī)劃中運用大數(shù)據(jù)的方法；3) 各種基于大數(shù)據(jù)平臺的城市管理工具，意味著城市發(fā)展的理性、客觀，也同時將吸收更多公眾意見——這種放權(quán)于民的手段，或許不是馬上就能實現(xiàn)的。

        我的一系列研究幾乎完全依托于個人興趣。從開始寫代碼的蹣跚學步到后來自己研究各種軟件、程序語言，再到后來根據(jù)自己的需求定制各種功能的轉(zhuǎn)變，盡管旅途坎坷，但確實感覺樂在其中，懵懵懂懂中，似乎也建立起了自己的一套研究方法與技術(shù)。如有謬誤，多謝各路高人指點。

        [作者畢業(yè)于MIT城市規(guī)劃系，現(xiàn)就職于中國城市規(guī)劃設(shè)計研究院上海分院，郵箱：lyons66@qq.com。作者在這里感謝導(dǎo)師Jinhua Zhao和Brent D Ryan的細心指導(dǎo)，也感謝重要戰(zhàn)略合作伙伴Bolei Zhou (MIT計算機科學PhD在讀 http://zhoubolei.com)http://cityimage.csail.mit.edu]