今天为大家分享的是来自我们22fall学员，目前就读于新加坡国立大学March的严湛林学长的设计作品《The Belt Singapore》。城市隐性边界经常被人们所忽视，这些区域通常以道路和绿化的形式呈现，阻碍了边界的交流，这些空间是否有更好的处理方式？接下来让我们一起看看学长对这个课题的设计吧~
The Belt Singapore
作品关键词：
#城市边界 #模块化 #数据分析
项目作者
严湛林
新加坡国立大学 March
小红书：严湛林不是严甚林
01.
设计说明｜Instructions
这个项目是我的毕业论文，分为分析部分和设计部分，项目聚焦于对隐性城市边界的发现，分析，设计生成。
城市隐性边界通常是无法在卫星地图和现实中直接观察出来的两个区域交接处，这些区域通常是不同“城市能量”交流的地方，但却很少被特殊观察和分析。所以这个项目的出发点就是通过数据分析计算发现新加坡的游客和本地人的隐性城市边界。
通过数据分析发现这些边界通常以道路和大型绿化的形式出现，阻碍了边界两侧的交流。因此我的设计就聚焦在边界上和周边的城市环境，最终成果是一个长约4km的线性城市基础设施有机体的生成。
▎场地背景
新加坡作为旅游城市，游客和本地人的能量交流（冲突，共存，互惠）很强，但我们并不知道是具体哪些区域是被游客主要使用，哪些区域是被本地人主要使用。这就导致了城市设计或许存在某种程度的不平等和不合理。
通过调研发现，新加坡本地人和游客对于到底哪里属于游客区域哪里属于本地人聚集区域也只是有一个大概的定位和理解，并没有定量化和具体化。但城市的分析和建筑设计尺度的深入不应该仅仅停留在大概的印象（定性），所以我通过数据分析的方法首先分析出来具体的边界区域。
▎目标策略设计目的
策略：数据分析+机器学习+图像化编程+人为设计干预
目的：提出一种新的设计方法论并且以新加坡作为试点
02.
设计过程｜Process
▎项目的第一部分是数据分析部分
1-我提出一个名为“meta-object”的元数据，作为累计某个地理位置“游客得分值”和“本地人得分值”的计算单元。Meta object 的来源主要是Geo-tag的谷歌街景图片信息（GSV）和POI的地理位置信息（GIS）。
GIS meta objects（基于GIS 大数据分析技术）
GSV meta objects（基于图像分割理论）
2-通过公式带入各个meta object的权重的出来游客和本地人得分的地理热力图。
3-游客和本地人得分最高的20%的区域的交界处就是边界区域，也就是设计的主要场地。
4-把热力图映射到卫星地图上，就可以观察到边界区域的具体存在状态（高速路或者线性绿化区域）。
5-具体分析边界区域两侧的建筑环境差异。
6-具体分析边界跨过的新加坡物理环境。
以上具体研究过程写了一篇论文正在发表
▎项目的第二部分是具体设计策略部分
整个设计形成一个各个部分相互协作的系统：The physical belts 和The digital belts（app）。
系统组成
▎The physical belts
Context section system(场地剖面分析系统)：用于在边界线上均匀布置100个剖面并且获取道路宽度，临近的建筑高度，建筑类型。
Objects unit system(物件单元系统)：规定核心空间的基本模数，空间组成和主题（不同颜色代表不同主题）。
Construction methods system(建构方法系统)：对于不同的周边环境提出不同的构建基本结构的方法。
Links system(链接系统)：用于链接“The belts”系统和周边建成环境。
链接基本单元
链接变体
上述四个系统构成“The physical belts”系统。
基本 physical belt单元
变体1
变体2
变体3
▎The digital belts system： “The belts”应用程序
上下滑动查看更多
03.
最终成果｜Outcome
超长图请横屏观看
04.
问与答｜Q&A
Q：请问是如何决定作品主题的呢？灵感来源来自哪里？
A：单纯来自于对线性建筑和城市结构的喜爱，想做一个技术和美学结合的设计。
Q：你的项目设计作品中个人最满意的是哪里？
A：最后的图纸表达最满意，以及数据分析部分，这是一个转型的作品，包括建筑但不只讨论建筑。
Q：对于场地研究和调研，还有信息搜集阶段有什么可以分享的嘛？
A：学会数据分析和coding走遍天下都不怕。
Q：通过该设计你想达到怎么样的一个目的？
A：设计不只是一个设计，更加应该是多种技术流的结合体，一个完整的系统。
Q：在整个项目中，都运用到了哪些设计工具呢？
A：Python，Rhino，GH，ADOBE,VRAY,ARCGIS。
Q：如果时间允许的话，这个项目还有什么地方想要进一步深入的吗？
A：尝试另外一种收集数据的办法并且验证是否更可靠。
最后再次感谢同学接受我们的邀请
图文来源 ：严湛林
文中图纸版权归作者本人所有