2018-07-09 17:29

用乐高玩具医治大城市病

城市应服务于人,而非机器。


造就第305位讲者:Kent Larson,麻省理工学院媒体实验室首席科学家




这是1908年的巴塞罗那。当时正处在城市历史上一个很有意思的时期,因为那时候有轨电车和地铁刚刚进入城市,汽车只是富人的玩具,还不是人人都买的商品。


你在这个视频里是看不到人行横道的,也看不到交通灯和停止标志。街道主要是为人而建的,在巴塞罗那这样的城市里,到处是紧密相连的社区,人们通常在一公里内的小范围内居住、玩乐、购物和创造。


然而50年后,却是完全不同的场景了:行人被汽车挤到路边,街道是为机器和城市分区而存在的。


△ MIT杰出城市规划师凯文·林奇拍摄的视频——《路上所见》片段


全球很多地方都开始对城市进行分区,将城市各种功能分隔开,并限定负荷密度和住宅区开发。而如今,人类不得不为此付出代价。


如何解决城市所面临的种种问题?


经过一番研究,我发现城市的能源、食物、水、交通和公共政策等系统,全都是分散而独立的,可以按照需求来进行部署配置。


让城市“变轻”


“基础设施”是18、19世纪留下的陈旧概念,要解决城市所面临的种种问题,摆脱所有沉重的基础设施是重中之重,这也是我们工作的终极目标。


事实上,“让城市变轻”这件事已在一些城市中逐渐出现了。



这是我几年前在阿姆斯特丹拍摄到的画面,它像极了1908年的巴塞罗那。由此可见,摆脱了臃肿的道路和基础设施后的城市是服务于人的,而不是机器。


有人问我为什么要研究城市,因为城市是所有行动的发生地。


要知道,世界上仅有2%的陆地被城市占据,但却有90%的人口增长将出现在城市地区,并且它所排放的二氧化碳占全球的80%。与此同时,它又是创新的聚集地,按照专利申请以及风险投资等数据来推算,大约80%的创新都出自城市。


所以我认为,如想有效地解决当前社会的重大挑战,如:气候变化、能源、经济、健康、食物、水、公平、和平或其他问题,就必须在城市里寻求解决方案。



我们这个来自麻省理工学院的团队,正在探索如何去重塑城市,接下来,我想通过以下几个关键词,来谈谈这个塑造城市的过程:


  • 深刻见解(Insight)

  • 转型(Transformation)

  • 预测(Prediction)

  • 部署(Deployment)

  • 共识(Consensus)

  • 治理(Governance)


关键词一:深刻见解


这个词意味着我们要参透当今各种事物的来龙去脉,通过收集和分析数据并将其可视化,从而了解城市的现状。


以安道尔——一个位于西班牙和法国之间的小国为例,我们有幸拿到它多年的手机通讯数据、无线网络控制器数据、游客和居民行为模式,以及人们居住和工作地信息等重要数据,我们可以用这些数据做出各种预测。



当然,小规模的数据同样是了解和研究城市的助力器。这是我们与宜家合作的实验项目,将一些MIT微型环境传感器布置在房子里,然后通过弹跳球的动态演示就可以看到人们日常的行为模式。



△ 某人准备一顿饭时,传感器的一连串激活反应


为什么我们要研究这种精细的人类行为?因为它可以让我们了解人们的需求,从而创造出能为生活和工作带来更多便捷的变革性解决方案。


关键词二:转型


我们需要改变目前城市的住房供给、交通和设计的现状,让它们更加以人为本。


首先是住房供给,一个我们在城市中必须关注的根本性系统。我们要设计出住房方案,让大多数人都以能接受的价格住到房子里。


几年前,我们曾针对住房问题制作过一个低价的小型公寓模型。简而言之,就是利用人工智能对室内空间做各种横向变形。公寓里的整个组合壁橱可以变形,以便在卧室和工作室之间无障碍切换,变为容纳六人的餐厅或客厅。



除生活空间外,我们也针对办公空间设计出一种名为「逃生舱」的工作间。如今的工作场所变得日益拥挤,人们需要找到一个可以释放自我的避难所。



有了“逃生舱”,你可以选择坐着或站着工作,也可以调节隔板的透明度以保护隐私,甚至打个盹都没问题。


其次是城市交通,合理的交通设计,能够增加城市的活力,让它健康高效地运转。



这是我几年前在北京拍摄到的画面,当时路况还不错,偶尔会出现严重拥堵的情况。世界上大多数城市的居民都是独自慢速地往返于两地,需要一种介乎中国的摩拜、ofo等共享单车和滴滴等拼车系统之间的交通解决方案。于是我们制造了一款小型三轮自动驾驶车,它像自行车一样轻便。



车和人的互动是我们目前最想研究的东西,这极为复杂,但也最有意思。我们的设想是运行一个像Uber那样的系统,你呼叫它,它就会赶到你的位置。



而自动性则体现在小车可以完成自动接送,系统中的动态寻路算法可以预测需求并预先定位。此外,自动驾驶车常见的车道探测和激光定位技术也被应用其中。


最后是城市设计,重塑城市的过程需要由数据驱动,并且让更多的人参与进来,从而打造出他们心目中的理想城市。


我们正在打造一些工具以集中地、动态灵活地重塑城市,乐高积木正好符合这个要求。在CityScope模型中,这些大大小小的乐高式组件,可以用来代表不同类型的住宅,而且,当你改变密度时,能看到那些道路从绿变红,意味着道路畅通和阻塞。



这个实时更新的雷达图可以告诉你街区密度、接近性、多样性、对能源的影响等各方面信息。当然,我们还可以在这套模型中引入我们的轻型自动驾驶车,看看会产生什么影响。


关键词三:预测


能够从现实情况出发,去构想创新的解决方案,这的确是一件大好事,但我们更需要的,是能准确地预测这些方案将带来的影响。



这是我们在波士顿做的研究,我们为此构建了一个ABM模型(agent-based model,目前主流的土地利用格局和演化模拟方法之一),它可以展示如今波士顿的城市交通情况,和未来私人自动驾驶车发展起来后的情况。


关键词四:部署


如果你想预测未来,想了解你的研究成果在遭遇外界干扰时表现如何,就得先做测试。



在长时间太空飞行中,宇航员必须把自己绑起来。我们尝试用硅胶制成一种有胳膊的柔软“生物”,让它把宇航员包起来,在零重力飞行情况下做了个测试。我认为这个项目在实际太空飞行中也是非常可行的。


关键词五:共识


这是我们正在研究的最重要的事情之一。如果不把所有的利益相关者都聚集起来,让他们就社区的未来达成共识的话,任何事情都会渐行渐止。


以我们的一个项目为例。在波士顿有一项提议,要建设新型快速公交系统,类似于建一个地面地铁站。



开车的人对此非常不满,因为这样一来汽车道就变少了;但它却受到公共交通工具使用者的欢迎,因为公交车会运转得更快。这种涉及公众利益的问题往往没有标准答案,主要取决于一个社区的价值观。



当整个社区聚集起来,难免会有很多争论,美国就常出现这种情况。我们为此建立了一整个社区规模的模型,你可以将车站设在不同的地方,还可以通过其中的街景模型观察街道边的标准车站,也可以选择设置自行车道和不设自行车道。一旦人们做出选择,规划者就会收到真实的数据反馈。



这样一来,如果还有人说某个提议不好,他们就可以说:“行,你不喜欢的话,倒是给我个更好的点子啊”。事实证明,这个办法非常有效。


最后,我想简单说几句关于城市治理的想法。


我本人最感兴趣的,是在某种紧凑型的社区里探索建立一个地方经济体,并在这个经济体中实行一套鼓励“亲社会行为”的多元激励机制。也就是说,你在某个划定地理区域内,可以享受到一些奖励性质的代币。但前提是,你要居住并且工作于这个地区内,使用自行车或者公共交通工具而不是汽车出行。再比如,你用电越少,电费可能会越低。如果你在当地做志愿者,还会得到更值钱的奖励。



这只是一个尚在萌芽阶段的想法,但我认为它的发挥空间很大。关于城市与科学的融合,还有更多可能性。

本内容为作者独立观点,不代表虎嗅立场。未经允许不得转载,授权事宜请联系hezuo@huxiu.com
如对本稿件有异议或投诉,请联系tougao@huxiu.com
正在改变与想要改变世界的人,都在 虎嗅APP
赞赏
关闭赞赏 开启赞赏

支持一下   修改

确定