基于低碳理念的城市住区公共空间设计

周 峰

(安徽新华学院 城市建设学院，安徽 合肥 230088)

伴随全世界能源危机日益严重，能耗问题变成各个国家建设领域重点关注问题之一。建筑能耗占全球总能耗的35%，控制建筑能耗对处理能源危机问题十分关键。若在建筑公共空间设计初期就能实现低碳优化设计，则能耗可大大降低[1-2]。

住宅是城市有机体的细胞之一，属于城市发挥综合功能的核心成分之一。目前建筑低碳技术发展速度较快，而与办公商业建筑相比，低碳住宅的发展速度仍有待提升[3]。且低碳建筑的建设与维护成本较高，这对低碳住宅的大规模建设存在一定负面影响。提及低碳住宅，人们首先想到的是低碳建筑技术，而城市住区公共空间的低碳规划问题也十分关键。低碳建筑不光是建筑手段需要遵循低碳理念，城市住区公共空间的规划也需要以低碳理念为主[4]。

现代城市住区公共空间已经具备了更多的功能，也承担了更多的社会责任，不仅是为社区住户提供在闲暇时间散步、休息、健身的场所，也是社会交往、安全保障、儿童的社会环境生存教育等具有多种社会功能的场所。但当下的住区规划设计对秩序和功能性的追求使得公共生活空间被肢解，社区道路和预先设计好的活动空地也因人类活动被破坏，因此在低碳理念的指导下，使用节能技术、环保技术、低碳能源技术等促进城市绿地建设，对于减少碳排放、减缓城市热岛效应等气候问题具有重要意义。

城市住区公共空间低碳设计，首先要考虑的因素是城市住区公共空间碳排放量、设计城市住区公共空间配置方案时，需要以降低城市住区公共空间碳排放量为基础。以往对于城市公共空间设计的研究，大多以文字、图形设计为主，缺乏对以低碳理念为宗旨的城市住区公共空间设计的研究，同样缺乏对于城市住区公共空间设计的定量分析[5-6]。虽有一部分研究分析了当前城市住区景观规划，但是这些研究忽略了景观规划与公共空间低碳设计之间的关系，而城市住区公共空间的使用频率以及公众对其生态环境的关注度又充分说明了住区公共空间低碳设计的重要性，因此对于城市住区公共空间低碳设计的研究具有重要的意义。

作者秉持低碳理念，以城市住区公共空间碳排放量预测数据为约束，构建城市住区公共空间设计模型，以期获取城市住区公共空间设计最佳方案。

1 基于低碳理念的城市住区公共空间设计模型

1.1 基于支持向量回归机的城市住区公共空间碳排放预测模型

因城市碳排量具有持续变动性，为此，城市住区公共空间低碳设计之前，需要对该空间的碳排放进行准确预测。

支持向量回归机可理解为基于统计学理论的机器学习方法，因为它十分适用于有限样本，能够获取全局优点，推广性能显著，运算复杂度和样本的维数不存在直接联系，所以被大量应在函数逼近、回归估计等问题中[7]。

采用非线性映射因子φ将城市住区公共空间历史碳排量数据a映射至高维特征空间，之后在此空间中对城市住区公共空间历史碳排量数据实施线性回归，计算函数表达式为f(a)。

设置城市住区公共空间历史碳排量数据样本训练集是H={(a1,b1),…,(am,bm)}，其中am、bm分别是输入因子与期望值，m是数据量。那么函数f(a)表达式是

(1)

(2)

把式(2)变换成对偶问题，能获取非线性函数f(a)：

(3)

(4)

把式(4)导入式(3)获取最终函数：

(5)

按照上述方法，构建基于支持向量回归机的城市住区公共空间碳排放预测模型，详情如图1所示。

基于支持向量回归机的城市住区公共空间碳排放预测模型的预测过程是：

(1)将所研究的城市住区公共空间历史碳排量数据分成训练样本与测试样本[8]。

(2)将所研究的城市住区公共空间n年历史碳排量数据的自变量与因变量实施归一化，结果如下：

(6)

(7)

其中，ail、bi分别是归一化后历史碳排量数据的自变量与因变量。

(3)在训练样本里，选取径向基核函数，建立支持向量回归机模型。把全部样本分成u组，提取参数对(D,u)，导进模型获取最优解和回归函数，把剩下样本导入回归函数输出拟合值，运算拟合值与实际值之间的偏差，获取全部u组m个样本的均方误差，输出最佳值α、D、μ。径向基核函数的覆盖宽度是μ。

(4)使用获取的最优参数值α、D、μ构建基于支持向量回归机的城市住区公共空间碳排放预测模型，获取模型最佳解和回归函数。依次把训练样本与测试样本导入回归函数中输出拟合值，若模型存在显著的学习与推广性能，那么回归函数即为基于支持向量回归机的城市住区公共空间碳排放预测模型[9-11]；反之调节训练样本数，跳转至第(2)步。

(5)把所研究的城市住区公共空间历史碳排量数据导入基于支持向量回归机的城市住区公共空间碳排放预测模型，输出所研究城市住区公共空间碳排量预测结果z。

1.2 基于蚁群优化算法的城市住区公共空间规划模型

以基于支持向量回归机的城市住区公共空间碳排放预测模型为基础，将其预测结果作为约束，构建基于蚁群优化算法的城市住区公共空间规划模型，获取城市住区公共空间低碳设计的最优方案。

1.2.1 模型结构设计

(1)设置蚂蚁结构体

设置蚂蚁结构体数组，在数组中保存蚂蚁的特征信息。特征信息分为蚂蚁坐标位置与蚂蚁适应值。各次迭代后，蚂蚁结构体数组将伴随禁忌矩阵动态更新信息。

(2)禁忌表与禁忌矩阵设计

禁忌表属于蚁群算法的核心机制。在基于蚁群优化算法的城市住区公共空间规划模型里，禁忌表里存储了蚁群所占栅格位置。构建蚂蚁禁忌矩阵，此蚂蚁禁忌矩阵大小与栅格空间的行列数相等，此矩阵能够完成蚂蚁禁忌位置和栅格范围高效映射，让蚂蚁在空间检索与运算时不需要再次检索禁忌表便可以定位禁忌方位，可优化检索效率[12]。禁忌矩阵按照蚂蚁禁忌表位置保存蚂蚁方位，通过“-1”描述此位置被蚂蚁占领。

(3)空间位置选取方案

模型通过转移概率计算方法获取蚂蚁至各个可选栅格的概率：

(8)

(9)

其中：kij(r)表示初始信息素浓度，△τij(r)表示信息素浓度变化量。

ρij的计算公式如下：

ρij=geco(i,j) ，

(10)

其中，geco(i,j)是蚂蚁选取栅格位置的期望。

迭代时，或许有些蚂蚁选择的方位较好，若再次选择别的位置未必“青出于蓝而胜于蓝”。因此，通过修改禁忌策略使蚂蚁在选择下个位置时还能够继续选择自己的位置。转移概率公式属于概率选取方法，选取过程里存在显著的随机性，蚂蚁并不能保证肯定会获取最佳方位。所以，在得到备选位置后，模型使用精英策略，将精英蚂蚁使用贪婪算法设定最终方位[13-14]。

(4)信息素更新扩展方案

把信息素更新扩展成栅格范围中各个栅格点位置[i,j]的信息素更新。在各次循环后，将全部栅格范围信息素实施更新：

(11)

因为邻域范围具有相关性，蚂蚁在选取候选方位的过程里，候选方位领域状态也具有近似性[15]。为了优化蚂蚁对近邻栅格的作用，分析信息素更新过程里所使用的信息素扩展机制，更新蚂蚁的3×3近邻栅格信息素。

将蚂蚁o设成中心，信息素更新方法是

(12)

1.2.2 规划流程

(1)初始化蚂蚁种群与每个参数，构建禁忌表与禁忌矩阵，运算初始目标函数值；

(2)设置迭代次数；

(3)设置蚂蚁为o；

(4)运算蚂蚁相对适应度，选取第r个蚂蚁的栅格位置[i,j]，[i,j]∈allowed;

(7)若迭代次数达到最大值，迭代结束，输出栅格空间的聚类效果，该结果即为城市住区公共空间配置方案。

2 实验结果分析

以某城市的3个住区公共空间为例，其中公共空间A是一个集商贸、金融、居住、办公、休闲为一体的综合服务中心，建筑占地面积120 000 m2，绿化占地面积80 000 m2；公共空间B的总面积67 800 m2，空间结构多变，主次分明，极富节奏韵律；公共空间C的占地面积50 000 m2，总投资1.1亿元，广场布局突出“一点三轴”。利用ArcGIS提取该城市3个住区公共空间有效栅格数量是40 192个，根据需要规划的住区公共空间面积，将3个居住区的栅格量分别设为20 097、12 058、6 029。在Matlab平台中，仿真模拟测试本文模型的应用效果。本文模型对不同的权重设置如表1所示。

表1 本文模型的权重设置

本文模型对3个需规划的城市住区公共空间设计后，对3个住区公共空间进行低碳评价，评价内容与标准如表2所示。

表2 本文模型评价指标与标准

本文模型设计效果的评价结果如表3所示。

表3 本文模型设计效果的评价结果

如表3所示，本文模型对该城市3个住区公共空间进行合理设计规划后，3个住区公共空间的低碳消费指数较高，公共站点步行距离较近，绿化及景观设施布局合理，垃圾分类清运和回收利用率较高，周边配套设施可达性显著，非传统水源利用率较高，人车分流比例合理，维护结构性能显著，可再生能源利用率高达24%，住区非常舒适。由此可知，本文模型的设计效果优秀，可满足城市住区公共空间低碳设计需求。

上述实验结果属于本文模型对城市住区公共空间低碳设计效果的定性评价结果，接下来从定量评价的角度测试本文模型的使用效果。

2.1 减排效益

减排效益计算方法是

ACO2减排效益=PCO2减排量×QCO2减排处理成本，

(13)

其中，ACO2减排效益、PCO2减排量、QCO2减排处理成本分别是减排效益(元)、城市住区公共空间全寿命周期中碳排放减少量(元)、碳排处理成本(元)。

此组测试数据来源于实地调查，将所有2020年10月1日—10月7日的所有碳排放数据作为实验数据，这3个住区均推行了节能减排计划，在Matlab平台中仿真模拟本文模型的使用效果，利用上述公式计算减排效益。

本文模型应用后减排效益见表4。

表4 本文模型应用后减排效益

如表4所示，本文模型应用后，该城市3个住区公共空间进行低碳设计规划后，减排效益显著，2020年10月1日—10月7日的减排效益均低于应用本文模型前，城市住区公共空间的日减排效益最高增多5 842元，减排效果显著。

2.2 节水效益

节水效益计算方法是

(14)

其中，A节水效益、P水价、Q节约水量分别是住区公共空间全寿命周期节水效益(元/ m3)、第t日的水价(元)、节约水量(m3)。

数据来源于实地调查，将所有2020年10月1日—10月7日的所有水资源消耗数据作为实验数据，并利用上述公式计算应用前后的节水效益。

3个住区公共空间的节水效益见表5。

表5 3个住区公共空间的节水效益

如表5所示，该城市3个住区公共空间进行低碳设计规划后，使用本文模型后，日节水效益的提升金额最大值高达2 114元，节水效果显著。

2.3 本文模型碳排量预测性能测试

测试本文模型在规划城市住区公共空间时，对城市住区公共空间碳排量的预测性能，测试指标是均方误差(Mean Square Error，EMS)、平均绝对误差(Mean Absolute Error，EMA)。EMS、EMA的计算方法是

(15)

(16)

如图2所示，本文模型对3个住区公共空间的碳排量预测性能显著，预测结果的均方误差、平均绝对误差都较小，分别低于0.03、0.02，预测精度较高。由此可知，本文设计的模型可准确预测城市住区公共空间的碳排量，以此数据作为基础，可有效优化城市住区公共空间低碳设计效果。

3 结论

低碳城市的设计是国内外城市空间设计中的热点问题。因此本文以定量角度，设计一种基于低碳理念的城市住区公共空间设计模型，从深层次角度获取城市住区公共空间设计最佳方案。在实验中，本文方法应用后城市住区公共空间日减排效益最高增多5 842元，日节水效益最高增多2 114元，该方法的有效性得到验证，说明该模型符合低碳设计理念，可作为城市住区公共空间低碳设计的有效工具，可以在实际中得到进一步推广，以期减低城市碳排放，为资源集约型社会的建设奠定坚实的基础。