引言
在全球范围内来看，人口高密度并向大城市、特大城市集聚是亚洲城市化的主要特征之一[1]，这使得包括中国在内的一些亚洲国家的大城市在与美国和欧洲一些大城市比较时，具有更加紧凑的布局和更高的密度[2]。高密度的建成环境已经成为中国城市建设发展的主要空间特征之一。在中国的城市更新建设中，特别是城市中心区内，在土地价格、开发成本、投资收益等诸多要素的影响下，城市空间往往呈现出更高的密度、更大的强度、更立体化的建设以及更复杂的系统，出现空间形态和结构模式的迭代演化，即“单核—圈核—轴核—极核”[3]。这一迭代演化过程也正是城市为适应高密度建设而不断增长和完善所形成的结构模式的升级。在“紧凑城市”（compact city）的理念下，高密度建设及其形成的立体化、复杂化的系统，被认为是有效促进城市可持续健康发展[4]、改善交通、节约能源[5]、提高生活质量[6]的重要方式与表现。
然而，高密度的城市建设在带来诸多便利和益处的同时，也会造成较为严重的环境问题。大量硬质地面的建设产生严重的热岛效应；交通拥堵严重，汽车尾气又产生进一步的空气污染；PM2.5、雾霾等严重危害人体健康；大体量、高密度的建设使得城市通风条件恶化，加剧了热岛效应，空气污染也难以快速消散，步行环境恶劣；人群高频交互，导致病毒等致病要素快速扩散；等等。随着人们健康意识和追求的不断提升，这些问题已经成为社会各界关注的热点问题，如何持续管理并促进高密度地区的发展和环境品质的提升，成为世界范围内城市发展的一个关键问题[7]，也是智慧城市向后智慧城市转型发展的重要导向。
“后智慧城市”是在“智慧城市”发展基础上，以城市智能和自治系统（RAS：Robotics and Autonomous Systems）为支撑的新的发展代际[8]。“后智慧城市”超越了现有的以技术为中介的城市化，以人与城市的可持续发展为核心[9]，是在智能技术深度嵌入城市基础设施运营维护与城市管治的基础上[10]，应对高密度城市复杂任务的整体化系统化解决方案与新的城市发展途径。由此，如何在智慧城市发展技术积累的基础上，利用智能技术管理、维护，甚至创造高品质的建成环境，成为后智慧城市转型的关键问题之一。
1 高密度城区环境品质特征及其提升关键
1.1 高密度城区建成环境特征
在对城市空间形态的研究中，建筑覆盖率（通常称为建筑密度）、容积率、人口密度等都是表达空间密度的常用指标[11]。然而高密度的概念是非常主观的，且在不同的国家、文化背景、社会生活等的影响下，存在不同的理解和认识。在我国，通常认为密集的高层建筑群（高层住宅区、商务办公区等），以及建筑层数不高但建筑覆盖率很高的地区（老城厢地区、历史地段等）是高密度建成环境的主要表现形式[12]。在一些特定地区，如城市中心区内，则往往表现为高层建筑与高建筑覆盖率的双重高密度。
在高密度建成环境中，城市道路系统通常较为密集，形成以小尺度为主的街区形态。一些尺度较大的街区也会在不断的城市更新中，被逐步切分为更小的尺度。在这一空间肌理下，城市开放空间往往较为狭窄与分散，室外步行空间断裂破碎；多种功能业态高密度立体化混合，各色人群与车辆高度密集，拥堵与拥挤时有发生；公共交通发达，通常有多条地铁线路交织，为大规模人流集散提供支持；地下空间网络发达，成为区域内各个街区联系的主要方式和步行的主要空间；在高层建筑影响下，高密度空间内部通风不畅，但近地面风场混乱，甚至在局部地区产生强风；由于地面车流量较大，室外噪音污染严重；商务区大量的玻璃幕墙建筑造成严重的光污染；硬质化土地比例过高，加之天空可视域较小，散热受到很大影响，使得室外步行环境进一步恶化。
由此，可以将高密度建成环境的特点概括为：空间高强度建设，交通立体化组织，功能高密度复合，人群高频率交互，地下空间网络交织，室外物理环境恶劣。
1.2 高密度城区环境品质提升关键要素
高密度建成环境需要解决的关键问题就是系统复杂化的运营管理问题和室外活动环境的改善与优化问题。这些问题的复杂程度超越了人类的认知和处理能力，也超越了纯技术与单一要素的解决能力，产生了巨大的人工智能和自主化决策需求，也为“后智慧城市”提供了丰富的规划与应用场景。
在这一背景下，智能技术和自动系统成为人与城市空间的媒介，基于新一代智能和通信技术，通过对大数据的快速获取、分析和预测，以自动化的方式，自主反馈并优化城市系统的运行，形成以城市智能和自治系统为支撑的新技术体系。人工智能技术与自动化基础设施的深度融合与发展，可以提供一系列可行的解决方案，使得高密度城市成为综合经济、社会和环境效益，且高效可持续运行的“后智慧城市”[13]。例如：车辆和行人的集成自动化管理，可以更好地利用既有设施提升人和车辆交通的移动效率；通过无人机或其他飞行器充分利用空域，丰富城市空间立体化使用的程度，并提高高密度地区的交通效率；进而通过天气预报与交通出行系统的自动控制联系，优化管理城市的出行行为与方式；并以自动化的方式控制环境，创造良好的外部环境，重塑舒适、连续的步行环境，以及新的休闲空间；等等。在高密度建成环境中发展和应用智能技术与自治系统，能更好地协调城市系统的运行，支持城市的高密度发展，发掘土地更大的空间潜力，促进地面、地上与地下空间更有效的综合利用，进而创造更好的环境品质，提升人的舒适度与便捷程度。这也是我国城市发展与城市化深化的挑战之一——如何实现人性化、全方位、立体化的城市化。
1.3 基于大数据与人工智能的建成环境品质提升框架
对于高密度建成区的环境品质来说，提升的关键可以归纳为三个主要方面：街道景观（步行空间环境品质）、物理环境（室外空间环境品质）、人群活动（人车活动环境品质）。而这三个方面又涉及开放空间数据、空间形态数据、街道景观数据、风环境数据、声环境数据、热环境数据、人群活动数据、公交刷卡数据等诸多数据类型。为了实现环境品质提升，需要通过人工智能对这些数据进行识别、分析、处理、计算等，以把握以上三个方面的内在特征与关键要素，进而实现三个方面的一体化、协调化发展，实现以人为本的高密度建成环境品质提升（图1）。
图1 高密度建成环境品质提升框架
2 后智慧城市转型下的环境品质提升途径
2.1 基于街景图像数据智能解析的步行空间环境品质优化
街景图像是一种反映街道状态的数据类型，具有覆盖全面、角度统一的特征，能够客观反映出街道内植物、道路、车辆等的构成关系和相互干扰关系。由此，在对图像进行语义分割的基础上，区分出相应的道路、建筑、植物、车辆等要素（图2），并利用人工智能技术，对街景图像大数据进行解析，进而自动统计获取街道景观的绿视率（行道树、景观绿化等所占比重）、步行空间连续度（人行道的连续长度与总长度的比值，考察步行空间是否被车辆、设施等破坏）、景观廊道完整度（通过街道欣赏山体、标志等景观要素的程度，判断其是否被遮挡等），并可将街景图像与空间形态数据进行叠合，找出步行空间景观视觉较差以及被破坏和断裂的节点。
图2 街景图片人工智能语义分割与机器学习
注：左上图为拍摄的原始图像，左下图为语义识别后图像，右侧为语义分割对照图像，不同的颜色表示识别出的不同要素，如深蓝色表示机动车，绿色表示树木，浅蓝色表示天空等。
由此，可以形成对高密度建成环境的街道景观和步行体系的评价，进而有针对性地展开规划设计或空间治理，甚至可以定期对高密度建成区进行检测与评价，追踪步行环境的变化情况，便于良好步行环境的长期维持与改善。
在对某山地城市的街道景观研究中，以山体为对景，通过基于人工智能的街景图像分析技术，找到城市中可以欣赏到山体景观的街道，并对无法欣赏到山体的街道进行了针对性分析；进而通过街景图像数据与空间数据的叠合，精准找出阻碍视觉廊道的因素，特别是高层建筑和高层建筑簇群（图3）；在此基础上，即可通过城市设计的手法和城市建设管理的手段，对城市空间形态和街道景观进行优化。
图3 识别遮挡景观视廊的建筑
2.2 基于风声热环境数据智能解析的室外空间环境品质优化
物理环境是影响人在室外活动舒适度的主要因素，它对于人体舒适度的影响是多元的，其中风环境、声环境、热环境是主要的三个方面。同时，人在室外活动时的舒适程度，并非简单地由单一环境要素决定，而是一个综合了风环境、声环境和热环境的作用结果。而在高密度建成环境中，物理环境又受到城市空间形态的影响，建筑间距、高层建筑布局、街道走向、建筑朝向等都会影响物理环境，进而影响室外步行环境的舒适度。由此，利用多种传感器，实时获取并检测物理环境变化，构建综合物理环境场，并对物理环境和空间形态进行模拟（图4）；进而通过人工智能的智能处理与控制技术，便可实时获取城市物理环境数据，监测步行环境舒适程度，精准定位物理环境的不舒适地区，并给出可行的优化方式与途径。通过人工智能系统对城市空间形态进行优化调整，形成“空间形态智能调整—综合物理环境智能模拟—环境舒适度智能评价”的循环，并最终达到综合物理环境舒适度最优的状态。新区规划设计中，可以首先构建综合物理环境场，并将规划设计方案置入环境场中进行模拟和优化，形成适宜方案；而在建成区内，则可通过城市更新、增加室外构筑物、优化植被的方式进行调整。
图4 某城市中心区夏季综合物理环境（风、声、热环境）分析
在某新城中心区的规划设计中，借助构建的综合物理环境场，模拟规划方案引起的物理环境的变化，进而不断优化方案。通过改变空间形态，控制通风廊道的走向和尺度，形成与周边水体和开放空间的良好关系，实现风环境、声环境和热环境综合舒适度最佳的空间形态方案（图5）。
图5 基于物理环境与空间形态智能优化模拟的方案生成过程
注：通过空间形态的优化，使得基地内部形成了良好的风热环境，提升了物理环境品质。
2.3 基于手机LBS 数据智能解析的人车活动环境品质优化
人群的高密度集聚和高频率交互是现代城市的主要特征之一。通过位置服务（LBS: Location Based Services）定位数据，可以精准定位每个人的位置，并形成相应的移动轨迹（图6）。当把LBS 数据与城市空间形态数据相结合后，借助人工智能的数据智能处理技术，可以了解每个人对城市空间的使用过程，包括起止点、停留点、停留时间、何时停留等信息；同时，也可以掌握城市各个空间的使用状态，何时空间使用人数最多与最少、使用人群来自哪里又去向何处等。而这些都是与空间品质密切相关的。相应地，开放空间如何布局，规模如何确定，公共交通如何供给，道路系统如何协调，配套服务如何配比等，都关系到空间的品质以及人在使用空间时的体验。
图6 城市人群动态活动轨迹分析
在人工智能智能解析的基础上，可以有效识别出城市中人群集聚的热点地区和鲜有人迹的冷点地区，并相应地进行开放空间的布置和公共交通的供给（图7a）；可以识别出城市中人群主要的居住地和就业地，进而判断城市的职住平衡程度，如图7b 中反映出该城市就业地相对集中，但就业地分散在城市外围，将会产生大量的长距离通勤交通和钟摆交通，应在规划中通过调整就业和居住用地的布局来缓解这些问题；此外，还可以识别出城市主要的消费地（图7c），对城市商业服务设施的布局合理性进行评价。
图7 某城市空间—人群的智能交互识别
此外，借助人工智能技术可以识别特定人群并追踪其活动轨迹，甚至可以应用于疫情防控，用来追踪感染者的轨迹和停留点及其密切接触者，有利于极大地争取疫情防控时间，并节约防控成本[14]。而这些复杂且庞大的运算，也只有借助人工智能技术才能实现。
3 人工智能介入下的高密度建成环境优化
3.1 基于人工智能的机器自动化系统优化
在软件、硬件、新材料、数字技术、信息网络、ICT、传感器以及远程控制、GPS 等要素大力发展的推动下，在数据处理和计算能力巨大提升的基础上，加之必要的基础设施支持系统，城市正成为更加紧密连接的整体，其集聚性正进一步增强，而以人工智能为基础的机器自动化应用正在经济社会的各个方面甚至日常生活中不断扩展。基于这些技术，城市系统可以自主地感知环境变化并对此作出决策，以应对当代城市高密度发展带来的系统复杂、数据流巨大且高频交互的挑战。而城市规划设计与研究则需要了解，基于人工智能的增强计算和物质空间的干预能力将如何重新配置或使用城市空间。基于人工智能的机器自动化发展趋势，将重新定义并塑造城市高密度空间，使城市在高密度状态下更加高效、精准、健康地运行，并创造更好的空间品质。
在这一趋势下，基于人工智能的机器自动化系统RAS包括城市系统自动化与城市服务机器化两个方面。在高密度建成环境中，城市系统自动化可以有效地取代、减少、补充、增强、扩展或简化城市功能系统管理中人工计算和控制的技术和方式；而城市服务机器化则可以通过自主设备完成对人类来说过于危险、重复或单调的任务，以及处理完成超出人类能力强度和精度的任务。上文中所提及的人工智能介入的三个方面，均展示了超过人类能力的计算、处理、强度、精度等要求的能力，有效增强并扩展了规划设计和城市管理的方法体系。
3.2 人工智能支撑下的高密度建成环境优化场景
现代城市面临的主要挑战是如何整合和更好地利用现有的城市基础设施，并促进高密度环境高品质地发展。持续高密度并快速增长的城市发展，会给市民、企业和城市管理部门带来巨大的压力和困难，包括：大量人口通勤与生活交通所带来的拥堵，以及拥堵造成的时间成本增加和环境污染问题；物流运输和服务难以提供；居住区户外休闲和锻炼的开放空间不足，并受到空气污染威胁；极端天气与气候问题对城市系统和市民健康造成的危害等。这些困难恰恰为基于人工智能的机器自动化系统的应用提供了场景，在解决这些问题的同时，使高密度城市能够成为经济—社会—环境有机共融的整体。
解决的可能途径包括：车辆和人员流动的综合自动化管理；利用空域（无人机或飞行器）结合人员流动管理，最大限度地扩大城市的“垂直”空间和“体积”；可控的自动化环境可以创造出新的休闲空间（如设在建筑内部、顶部或下方）；通过传感器连接的护理系统，可以便捷地提供医疗支持；智能的天气预报和管理可以与交通运输系统的自动控制相联系；加强能源系统的自动化管理；通过智能人脸识别和交通监控提高城市安全性；等等。
4 结语与探讨
技术的发展与城市生活之间存在着密切的相互作用。当代的城市生活正在被一系列智能系统所重塑，包括智能化基础设施、智能化医疗护理、智能化商业服务和智能化货运物流等。在人工智能和数字化技术的冲击下，已经出现了数字孪生、机器人、自动化系统等变革。虽然在规划领域内人们已经深刻地认识到技术变革对城市生活的影响，并已经感受到智慧城市对城市的改变，然而如何借助智能化技术管理促进高密度发展仍然是全世界面临的一个关键问题。在城市规划由增量向存量转变的过程中，快速城市化已经开始让位于对城市建成环境管理的重视。在高密度发达地区，城市系统的复杂性与城市生活的多样性产生了诸多需求与问题，极大地刺激了智慧城市的建设以及相关人工智能技术的发展，也导致居民的生活方式发生剧烈改变。新一代的智能设施，往往都是在高密度发达地区的城市率先被创造出来并投入使用的。在后智慧城市转型的背景下，对生活质量的关注加之大数据和智能化技术的快速进步，使得智能科技已经成为城市增长的主要推动力，其目标就是提升高密度空间的生活和环境品质。
注：本文图片均为作者绘制或拍摄。
[1] MURAKAMI A,ZAIN A M,TAKEUCHI K,et al.Trends in urbanization and patterns of land use in the Asian mega cities Jakarta,Bangkok,and Metro Manila[J].Landscape and urban planning,2005,70(3/4): 251-259.
[2] HUANG J,LU X X,SELLERS J M.A global comparative analysis of urban form: applying spatial metrics and remote sensing[J].Landscape and urban planning,2007,82(4): 184-197.
[3] 杨俊宴.亚洲城市中心区空间结构的四阶原型与演替机制研究[J].城市规划学刊,2016(2): 18-27.
[4] HU L.A study on diagrammatic assessment approaches to the sustainable morphology of urban density[D].Hong Kong: University of Hong Kong,2011.
[5] RESCH E,BOHNE R A,KVAMSDAL T,et al.Impact of urban density and building height on energy use in cities[J].Energy procedia,2016,96: 800-814.
[6] BARDHAN R,KURISU K,HANAKI K.Does compact urban forms relate to good quality of life in high density cities of India? case of Kolkata[J].Cities,2015,48: 55-65.
[7] 党安荣,王丹,梁军,等.我国新型智慧城市发展现状与趋势[J].地理信息世界,2017,24(4): 1-7.
[8] MARVIN S,RUTHERFORD J.Controlled environments: an urban research agenda on microclimatic enclosure[J].Urban studies,2018,55(6):1143-1162.
[9] KAR A K,ILAVARASAN V,GUPTA M P,et al.Moving beyond smart cities: digital nations for social innovation &sustainability[J].Information systems frontiers,2019,21(3): 495-501.
[10] 李昊,王鹏.新型智慧城市七大发展原则探讨[J].规划师,2017,33(5):5-13.
[11] CHENG V.Understanding density and high density in designing highdensity cities[M].New York: Routledge,2009: 37-51.
[12] 董春方.高密度建筑学[M].北京: 中国建筑工业出版社,2012.
[13] LUQUE-AYALA A,MARVIN S.Urban operating systems: producing the computational city[M].Cambridge: MIT Press,2020.
[14] 杨俊宴,史北祥,史宜,等.高密度城市的多尺度空间防疫体系建构思考[J].城市规划,2020,44(3): 17-24.