规划问道城市数据派www.udparty.com推出【城市数据趴Online】，每月多次在实名制QQ群(点击文末“阅读原文”，获取QQ群号)举行2小时的在线沙龙。和派姐一起来趴一趴关于大数据干货背后的故事，趴一趴PPT里看不到的那些被隐藏的技术环节！
【城市数据趴Online1】+高颜值高智商华东院规划师叶锺楠告诉你：大数据时代我们这样认识城市
查看全景记录 http://mp.weixin.qq.com/s?__biz=MzA3OTU3ODgxNA==&mid=207248049&idx=2&sn=6715f99c3da979021347a54ecb8939ec#rd
【城市数据趴Online2】+技术咖李苗裔带你玩大数据：基于多源数据的城市、区域空间结构与功能探究
查看全景记录 http://www.udparty.com/topic/1461.html
【城市数据趴Online3】+交通大数据先锋丘建栋：大数据环境下新一代城市交通综合评估技术
查看全景记录 http://www.udparty.com/topic/1398.html
【城市数据趴Online4】+迟冬祥：教你用R+SAS+Tableau 玩转校园卡数据大挖掘
查看全景记录 http://www.udparty.com/topic/1446.html
什么是【城市数据趴Online】
论坛扎堆遍地开花，可你忙着上班上课，无法做空中超人亲临现场？
派姐每日分享PPT干货，可你只能走马观花，无法深入理解学习技能？
小派有百位大数据达人，可你却不知如何联系，无法亲自请教交流学习？
现在，有了城市数据趴Online ，
派姐将根据近期城市数据派微信及网站上推荐的达人分享，选出关注度高的干货，把作者本人请到线上，让你免费问个够！
【主持人】
派姐
【本期达人】
北京交通大学建筑与艺术学院副教授
英国UCL空间句法公司北京办公室高级咨询顾问兼技术总监
近期研究重点方向为商业建筑空间盈利能力分析，基于网络评价数据的城市空间研究及轨道交通站点周边用地功能和步行行为研究，力图将网络大数据资源的空间分析与以实地调研为基础的小数据分析相结合，验证和拓展空间句法理论和模型在当代中国城市的研究和实践。
自2011年在天津大学建筑学院任教以来，致力于将城市数据空间分析的理论研究课程与建筑和城市设计类的课程相结合，并提出了“数据化设计”的教研结合理念。参与完成一项省部级科研基金。负责一项在研的国家自然科学基金项目，参加六项在研的国家级自然科学研究基金。2011年来以第一作者身份共发表国内核心期刊论文5篇，国际学术期刊论文2篇，国际会议论文6篇，国内会议论文8篇。
自2013年加入英国UCL空间句法北京办公室以来，主持建筑与规划设计咨询项目5项，并负责空间句法在中国的培训课程。
【以下为分享实景全文】
理解空间句法，要从“人间句法”开始。比如Jeffrey的朋友圈网络，三步的朋友圈就有4万7千多人，这是得益于现在的通讯网络技术。根据社会学家的研究，连接现在的每个人平均只需要6步就够了。但事实上，这个人际关系的网络也体现了社会学的关系。这不仅是一个量的问题，也是一个连接方式的问题。本质上说，这种社会关系网络便是空间句法的一个社会学版本。
这里面把人际关系中的网络个体变成一个个空间的话，就可以得到空间句法的一个图。同样类似的，我们也会发现城市的空间句法图有两种类型的空间，一种是前台空间，通过较少的部署就能链接到城市空间中较广的范围，可以想象前台空间被高大上的功能所占据。另外一种空间就是在较小的范围内链接的比较好，这些空间称为后台空间，比如城中村等弱势群体聚集的地方。这也说明了空间的连接和社会学的关系。
具体怎么去抽象，是用了一种拓扑学的方法。怎么理解拓扑学的方法？这里有个简单的建筑学的例子，比如对比浙江民居和北京民居的时候，会发现表面都是合院的形式，但这种相似性可能掩盖了空间上的某些使用习惯的不同。
比如这张图对比了南方和北方建筑平面的图，是四合院的空间平面，直接看平面看不出太多区别，但当我们把空间抽象为一个个节点，看节点之间是否有直接的连接，如果有连接用线来表示，如果是个院子用圆圈来表示，就可以发现南北之间有意思的差别。
把平面的背景图隐去后，发现南方的院落更像一个过厅的性质，连接的中心是堂屋。相反北方的四合院院落是连接的中心，北方的堂屋像南方的过厅的形式，也就是从空间类型上，这两种空间有着不同的组织方式。
具体到算法上，空间句法是把对空间的描述抽象为图论中空间的关系。这种其实对于中国文化是比较好理解的：庭院深深几时许？中国文化对空间深度的描述和认识与空间句法理论中拓扑深度的概念是契合的。
这张图可以帮助大家理解深度这个概念，深度和计算的起点有关，一个是16，一个是30 。
计算机做的事情就是每个房间都作为起点计算一遍，去比较各个房间不同的拓扑深度的差别。平均深度比较低的是红色，平均深度比较深的是蓝色，这样可以反映空间体系中，拓扑中心和拓扑边缘的差别。
基于这个算法，回到最初的例子。首先这里有个全局计算和局部计算。全局计算是计算每一个房间到其他所有房间的拓扑距离，而局部计算是计算距离仅为3步的这样一个计算。从这两个对比来看，院落空间在北方属于中心的地位，在局部计算中对比南方的院落会发现，不仅仅是中间的堂屋数值比较高，中间堂屋前的主要院落也有较高的数值，所以通过数据的计算可以体现出更微妙的结构。
另外，有些学者质疑空间句法忽略了城市中的这些社会文化关系，仅从数据的角度去计算空间。实际上在空间句法发展的早期，都是从社会学中来，只不过选取的是一种数学量化的方式去计算空间的连接，从这个角度来反应社会和文化的差异。
接下来的例子就是扩大一个尺度，从城市的角度来理解空间句法的算法的一个特点。这张图想问从A到B最简单的路径是什么？而最近的路径是另外一条线。所以头脑中的最简单和最近是有差别的。
事实上，空间句法在过去的30年做了很多基础的调研工作，例如去跟踪人，发现人在城市中间步行的基本行为，发现大部分人会选择简单的路线，只有当地人才会选择最近的路线。
这种选择也会落在城市功能中，这张图展示的是吉达城的城中村自建区域的空间研究，体现的是城市的功能。橙色和红色是商业零售业、餐饮业的功能，右边这张图体现最短路径，就是红色的线。橙色线和红色线往往也是商业自组织比较集中的区域。
当我们比较最短路径的时候，就发现这两个的差别比较大了。左边是最短路径算出来的最短网络，和真实的城市空间结构就没有太多的相似性。换句话说，空间句法在城市尺度的角度算法的特点，综合折转角最小的算法，往往能体现出真实空间分布的运动和功能。
其实空间句法基础理论是简单直接的，就是城市空间形态能够同时影响城市功能和交通流量，城市功能和交通流量是相互影响的，在建筑尺度上说也是相似的道理。
选择空间句法作为数据化的切入点：
首先是因为这个模型比较简单，会用CAD就可以，便于辅助设计，而且是由设计师开发的，和设计师结合紧密；
第二空间句法是从空间形态出发，同时分析功能和交通，关注人的行为的，是一个综合性的；
第三个是他有30年小数据的支撑，在大数据时代有发展的潜力，具有实证性。
接下来会分享数据化设计的一些案例，首先从无数据出发，直接用模型进行辅助设计；还有半数据，可能是未来发展的重点；全数据的案例是奢侈品，也许在未来会出现这样的案例。
我提出的数据化设计的理念是针对之前三个方向的尝试。之前在学校比较强调研究型设计的理念，我觉得数据化设计和研究型设计相比，要更具体。因为做研究型设计的时候会做概念、图解，但是数据化设计更多是来源于实证的数据，更接近人的行为。
实证型设计指的是在绿色化设计，低碳城市设计的时候很多基于物理学的研究。环境的模拟，就是基于物理学的成果模拟环境这种实证型的设计，这个也是很成熟的方法，我觉得数据化更贴近人的使用状态。
第三个是关于参数化设计，这个方向我感觉更多的是探索一种形式，形式的一种另类美，有时会流于纯粹数字的游戏了。我觉得数据化设计会更贴近现在的计算机技术应该被使用的方向。
这个案例是空间句法早期的一个经典案例。是伦敦国王十字广场的改造。
在火车站广场后做一个新的金融中心，大多数建筑师会采用这种经典的城市网格，这种网格我们可以看到在城市环境中颜色是比较蓝的，空间连接是比较差的。
空间句法建立的修改方案，是注意了周边的肌理和城市连接，以这个为基础来做一个相对看起来有机的方案。
新的方案可以便于更多人流穿越，支持中心的功能。同样在建筑尺度，不能直观的看到这两个方案的优劣，但是经过空间数据的计算，就可以判断出后一个方案，对于空间的联系是变得更强了，可以用人流模拟的工具去量化估算，比较两个方案对于人流利用率的差别。
这个是用到一点数据的例子。人流模拟的软件在空间句法里有个内置的叫做agent-based simulation的功能。基于视域计算分析的结果，可视化效果好，可以输出人流模拟的结果。
这个是郑东新区的案例，在基地中要做交通枢纽，在功能上有所差别，一个是主中心，一个是副中心，哪个更适合做景观或商业功能？我们就要通过一个量化的分析。这个是黑川纪章的方案，很对称，南面是已建区，北面是规划的范围，用了中国的如意的结构。有了这个建成的范围，依靠网上的数据，去判断新的方案空间潜力是怎样的。
在百度上搜索了不同空间的分布，可以看到餐饮和购物、当地市场的功能等分布。通过一些简单的空间参数去发现，中小尺度的空间连接上和基地南部的真实的情况是比较接近的。空间句法做了很多交通量和人流量的分析，有些经验性的参数，用这些参数去做一些简单的车流量的预测，分析规划的和已建成的在交通上会相差多少。
左边这张图是已经建成的范围在百度街景上看到真实和规划中空间使用的差别。百度POI不是抓取的，是直接搜索的。因为这个案例只需要基地周围一个小范围，直接在百度上看就可以了。设计不是规划师通过形式主义的畅享就可以完成的。这个是空间句法用于设计的核心价值。
福厦案例跳到超大的尺度。一开始拿到数据，直观的想象火车的到发量和城市规模是成正比的。但是发现福厦地区每个站点和城市人口完全不成正比。比较有意思的是用框架参数去计算城市空间整合度，发现这个和到发量有很强的关系。
这张图显示各个功能与到发量的相关程度，下面这个反应整合度的相关。这个到发量和整合度是非常相关的。如果把各个功能单独看到发量的关系，可能都不是特别相关，如果把各个功能整合起来，这个和到发量是比较相关的。
我觉得空间参数比较有意思的地点，是可以提供一个空间的平台，这个平台能同时解释人的运动和行为，这样可以用一个参数，和道路形态相关的参数，同时解释两个现象。
同样的，对两个城市去做每个城市的空间句法，各个功能之间的关系，包括北京长春，很多发现是比较接近的，包括零售业和餐饮业有比较强的相关，其他是逐渐减弱的。实际上他的规律也可以用来站点选线，包括福厦地区的总规，新的高速路叠加到现在的空间模型上计算，这样根据规划的高速路结构去判断城市的商业和服务业发展的潜力地区，可以做方案比选，看哪个对城市的商服业支撑是更好的。
这个是建筑设计的案例，有点接近全数据的意思，是2013年到2014年做了北京王府井购物中心和隆福寺的对比。隆福寺地区在90年代前是比较火的商圈，后面萧条下去了，在80年代，公交站的拓扑连接和城市商业有比较好的连接，现在这种关联就不明显，更多是使用地铁。从北京从30年代到80年代空间连接的变化，以此为基础解释北京6个传统商圈的兴衰，发现一些有意思的规律。
随着长安街的贯通，王府井西单、传统的隆福寺也被提升了，其他的相对下降。随着平安大街的贯通，长安街的优势被显弱了。中间这条路是朝阜大街，他的优势更被大尺度减弱了。
王府井大街的萧条被地铁线弥补了，但是隆福寺地区即使有地铁，对空间的贡献也是很低的，在北面的例子是天安门地区，在平安大街贯通的时候，变得非常火爆，在90年代末也引发了很多争议，因为破坏了古建筑。
在街区尺度上，回到王府井大街这个例子，布置了很多实际的观测点去记录人流量和车流量。同时选取三个案例建筑，在建筑内部布置了很多观测点，记录了店铺实际的顾客量。
通过这些数据，建立步行流量的空间模型，去锁定和空间模型最相关的空间参数。
这个模型可以评价三个建筑底层对于人流量的捕捉能力。从空间参数上，东方新天地是最有利的，百货大楼是最差的。我们也对大楼内部各个层的使用情况也做了实际的调研。
简单说空间句法去分析商业空间使用的原理，算法是在捕捉两种运动，一种是一个空间单元到其他空间单元的中心的距离，中心是以拓扑中心为基础，捕捉的是一小段作为目的地的潜力；另一种是穿越型的运动。针对这两种空间能力，对商业建筑内部的业态进行一个分类，比如可以分出商品型的消费，一种是体验型的消费。不同业态的对于空间潜力的依赖是有所差别的，比如说零售类既依赖比较高的穿越度也依赖比较高的整合度，体验型功能更偏向整合度。
我们也对商业内部的人流做了空间建模的分析。当时是捕捉了每个店铺即时的顾客量，和每个店铺沿街表面的空间可视度做了比较，穿行度和整合度做了比较。直观上来说，顾客数和穿行度的相关是比较高的，和商业界面的可视度也有关系，叠加后可以提高5%的准确度。另外一种对于体验型的商业，主要是在地下一层商业，和餐饮业的面积相关，是choice和整合度的一个叠加。
从这个案例开始，我关注网络点评数据的意义，对于街区尺度我搜集了评论数在头60名的餐馆，记录了每个餐馆的评论数、人均消费、评价星级，画在地图上。从空间上发现，最成功的商厦东方新天地占有头60名的20名。尽管最成功的餐馆不在东方新天地，从综合盈利角度讲东方新天地是胜出的案例。
网评数据在城市上是比较靠谱的，但在建筑内部是否也能使用？一个直接的做法就是对比了实测餐馆的顾客数和网上的评论数，直观看这两张图的深浅不是特别相关。也比较好理解，比如麦当劳很多顾客，但是评价是很少的。
大数据时代开启了很多研究视角和方式，但我们需要对数据的准确性保持清醒的认识。当网上人均消费数据与实测人流量结合后，我们得以将空间的实际盈利能力呈现出来。其结果发现与空间可视度引导下的Agent模拟结果非常接近。临近空间可视度高，人流量大的节点区域有更多的顾客量和适合的价格（多样化的价位配比），位于这些优势空间的商铺有更高更稳定的租金支付能力。我觉得网评数据是很有潜力的数据。
接下来讲一些数据化设计的基础，也是我感兴趣的一个方向，就是空间句法的基础实证研究，是草根大数据为基础的空间句法研究。所谓草根大数据，也叫开放数据，最简单的草根数据就是网评数据。借着对王府井项目的兴趣，我当时是手动抓取了北京的1100多条的点评数据。点评数据是分商圈的，选了每个商圈的头15名。人均消费、评价数、评价星级，做两两相关。左边图显示是空间的穿行度的依赖程度，右边是对空间整合度的依赖程度。从结果可以发现，评论数最高的是依赖大尺度的空间链接比较强，评论数越高依赖性越强。对于两公里范围的整合度的空间依赖，体现出的依赖也比较强，这个差异体现在一个排序上，对于评价数越高，依赖越高，而人均消费是反过来的，越高是越低的。评价星级比较有意思，介于这两个之间。
我们也对列入大众点评餐馆的分布密度做了一个分析，通过多元回归复合全局的穿行度，它的相关是在0.51左右，得出初步结论：互联网时代的餐饮业也是有空间规律的，可以理解为大尺度的可达性和小尺度范围的中心性，类似这种规律在深圳和天津也发现过。
类似的研究是怎么用到实际的，比如这里面本案是KBF提供出版的方案，我们对底层的量化分析比较其他三个方案商业建筑成功吸纳客流的能力，根据这个我们提出优化方案，对内部空间从简单到复杂的一系列修改，用软件去检验修改能提高多少人流量。
这是对于各层的空间模型，发现不太适合做商业或零售业的问题商铺，要么改空间链接，要么改真实功能。这个是我们对这层提出建议，和建筑师和开发商交流很久，但没有接受我们的建议，一层的其他是接受了，因为我们建议这块增加一个天桥，可以大幅度提高这块的链接，从分析师的立场是支持的，但从设计师的立场我也可能不会选择这架一个天桥，破坏空间效果。
这个是这次空间句法会议上讲的一个，同样是王府井地区，做的更深入，把这个地区内400多家大众点评的餐馆数据全都挖出来，和这个地区真实的实际调研餐馆做对比，分析了点评数和人均消费数，评价星级和空间的相关程度，最终评论数锁定了3公里范围的整合度，相关度在0.64，它和实际的步行流量锁定的是同一个参数，也就是可以相互印证的。
这个是一个延伸的研究，互联网时代有这个逻辑，是不是这个逻辑仅仅属于互联网？用我博士论文的一个数据，1935年的一本书列出了所有商业所在街道的位置，可以看出当时的业态划分，餐饮业零售业的功能划分，不同业态和空间参数有什么关系，同样是大尺度的穿行度和两公里范围的整合度。
这张图显示在1947年不同铺装的道路类型，包括沥青路、石头路、夯土路、普通路，体现了空间句法和拓扑学的关系，捕捉和运动相关的规律。这个运动会被落实为具体的技术，比如铺装。现在所谓高度路、高铁、地铁，同样存在一个层级的关系，这种层级关系可以被空间的拓扑链接所捕捉到。
在空间句法中有2种常见的地铁模型：
分离式模型是按正常的地面道路去分析，单独用一张图去画地铁的网络连接，然后用多元回归的方式把两种空间链接组合起来，在模型里是分了2个文件；
一体化模型是把地铁线路在空间句法里描出来，在一个模型里。从结果中发现，一体化模型对于分析截面流量有明显优势，对于分析进出站流量和分离式模式比较接近。
这个是重庆的案例，我们拿到了重庆交通部门100多个主要道路截面的流量数据，对重庆的空间句法地图简单对比了两个参数：全局的整合度和全局的穿行度，发现整合度的相关高于穿行度。这个流量是通过有关部门拿到的，不是数据挖掘到的。
也尝试用另外一种算法去优化，做一种复合算法去优化地面道路流量的吻合程度。这个办法是用小尺度范围的整合度，也就是表现中心性的一个指标，去和大范围的穿行度去做组合。没有考虑地形高差。这个尺度的地形高差体现不出太大的差别，上上下下会最终落实到平面上，会变得比较曲折，或比较跳跃的做一个桥。高差的地形问题会反映到拓扑链接上，空间句法模型是没有维度的模型，用这种优化后的算法可以和交通流量。提高到0.6以上，其他城市尝试过有做到0.7、0.8的。
重庆这个是为了做地铁，也是我第一次用实际的各个站点的流量数据去做空间句法模型。用实证数据做了空间模型，对比分离式的模型和一体化的空间建模的方式。空间句法模型可以预测各个站点的进出流量。也检验了各个站点和真实功能分布的关系，在百度上搜索各个站点500米范围内的各种各样的功能，去看相关，同样我们也检验了和大众点评网上的点评数据的相关。这个站点一公里的整合度和餐饮数量是比较相关的。有三种类型的站点，纯交通类型的，无论是评论数和功能都比较少；一个是真正意义上的中心，三种数据都比较多；另外一种是虚高的类型，总之评论数和餐饮数量有一定相关，但是去和空间参数去做相关的时候会发现相关度大幅度下降，这个下降有个有意思的规律。我们发现高于回归线的区域他的空间优势使用上的优势被放大，低区的被拉低。
接下来谈一下数据化设计教学的实践。我觉得数据化设计从下一代抓起是比较靠谱的，应该和教学结合起来。我比较关注的是快捷的交通和城市功能的分析，目标是地铁站点周边的步行流量分布的研究，作为一个系列的课程，数据化设计是我想打造的一个系列的产品，包括数据挖掘、空间模型处理等，从中提取一些规律，直接服务于设计之中。
这个例子是宁夏固原的毕业设计，一个火车站，记录了50多个点，数人数车，这个相关做到0.81比较高，拍了很多视频，在百度上对功能进行空间分析，
这个是王府井方案完全学生重做，有50多个学生去分组拍摄上千条视频，每个视频5分钟，记录在街面上和建筑内部进出店客流量，
基于之前的空间句法课程，我们大量搜集地铁跟踪数据，简单说是基于站点记录下开始和结束的时间、完成目的，算是跟踪结束，大概分为四个目的：商业购物、办公、回家、换乘，这是个很重要的基础研究。
为了代替实际的数人数车，我们尝试在百度街景地图上去数人数车，比较和真实数人数车之间的差别。在我看来，草根的数据还是需要一定的人肉数据去支持的，作为基础研究，这种人力工作还是不能避免的。
这个是在天津世纪跟踪后的成果。我们目前有6个站点，每个站点是400组以上的轨迹，然后去记录平均的在空间上的真实的轨迹，人不同目的的平均的距离。潜在目的是想从地铁上量化预测每个站点进出的人流量，在微观上建立人出地铁站出来后的分布模型。
我比较感兴趣对于日常生活的聚集，就是在网上不可见的空间，低端的商业和人群的聚集。在北京的三环路之内去记录每个小店的位置，每一年的变化，背后的规律是不同层级的空间连接的参数符合的相关性。
这个是我们去看现在的北京和8-10年前具体有什么差别。直观上会说零售业面临网络冲击，黑点是8年前没有的，发展是不均衡的，所有小店的数量是接近动态平衡的，背后的规律和量化分析的逻辑也会继续做下去。
2013年我的同事问我，想做小数据还是大数据研究？现在来看我是关注大小数据的结合，这样是解决一些基础实证研究的有力手段。
最后要感谢的远远超过这些屏幕上的同学。
【提问环节】
1 前台空间和后台空间是基于凸空间做的再分析吗？
不是。凸空间这个工具现在用的很少，被视域分析工具代替了。前台空间和后台空间是帮助大家去想象和理解，不是一个固定的概念。
2 为什么要定义较为集中的地方为弱势群体？
指后台空间中集中的区域，包括社区活力空间、当地的市场，是本地人生活的聚集地。
3 大众点评数据是如何和空间数据结合分析？
主要是用的空间句法。GIS团队用GIS分析，空间句法的图可以导入GIS中做分析，我当时是只用了空间句法，录入数据后直接做相关。导入GIS分析需要通过MAPINFO软件。
4 百度街景地图课题提供人和车的数据吗？
从百度街景地图提取人和车的数据，和真实的相关性在0.6左右，不在于关联性多大，而是说空间参数和实际锁定的空间参数是不是一致的，不是为了量化分析，而是为了服务于设计。
5 R方值达到多少可以用来指导设计？
越高越好，0,5以上可以用于写文章，车流量一般在0.6-0.8，人流量一般在0.5-0.7。比较有趣的是和功能尺度的相关，对于餐饮和零售业在0.5-0.6左右是比较相关的。
6 讲讲公共服务设施配置上，空间句法的应用性？
我们目前在做一个“解码城市中心”的研究，城市中心会有相似的结构，最活跃的是零售，侧街上有餐饮，再远有汽车服务，功能分配有等级。我们去搜集业态的数据，基于各个业态去计算空间连接的参数，试图去解释对于一个特定的城市，微观上业态分布的空间逻辑。各个城市间会有共性和差异，背后的逻辑是相同的。
7 空间句法在建筑和道路方面未来的发展是什么？您是用什么软件做空间句法分析的?
我是用的DEPTHMAP。空间句法是一个泛用性比较好的软件，能解决基本的问题，但是解决具体的精确的问题，就不会这么具体。如果要真实用到设计上，会基于特定城市比较容易获得数据的基础研究，总结共性和参数。
8 讲讲国外的空间句法会议
空间句法会议每两年一次，今年的会议在7月中旬举行了。我们也在举办今年国内的会议，主题叫数据时代的分析与设计，欢迎大家投稿参与。具体会议信息见：http://www.udparty.com/topic/1451.html
9 国外空间句法的发展是如何的？
今年的空间句法会议第一次做了专题的论坛，大数据是4个其中一个，而且是第一个推出的。一共有4篇文章宣讲，包括杨滔老师的论文。英国也很关注大数据，但是国外质疑的声音很多，特别关注隐私。从社会学来看，国外对大数据谨慎，需要检验，多做对比，大数据和小数据相互验证。
10 什么是穿行度和整合度？
简单说穿行度就是这个空间节点被穿过的能力，整合度是这个空间节点到其他节点的拓扑距离，在小尺度范围内整合度有点像百度的热力图，体现的是各个中心，而穿行度是路网，缩写是NACH。
11 数据化设计DID的起源？
我个人认为大数据在大尺度会有很大潜力，而空间句法可能是在中观尺度上。
关于空间句法对中尺度的意义：
首先，中尺度指城市内部几个街区或者一个街区内的尺度，或者说是城市设计尺度。空间句法的算法对交通流量和用地功能分布可以依据现状的数据源进行较高精度的分析，而其结果可以用于预测本地路网空间形态变化导致的影响。路网空间形态在城市设计中是非常基础而核心的设计内容，空间句法可以有效的应用于各个方案的比较和修改优化，做到在设计的同时进行流量和功能分布的分析。
数据化设计DID是我现在在本科设计课教学中推进的一个标准化的设计课程，主要包含三个环节：数据挖掘-数据分析-数据设计，让每个建筑或规划系的学生可以在8-10周的设计流程中体验数据化时代带来的成果，应用数据建模的方式评价和优化自己的设计方案。
