2024年10月26日至29日，“城市形态科学国际研讨会（International Seminar on Urban Morpho-Science）”在南京大学鼓楼校区召开。本次会议由南京大学建筑与城市规划学院主办，江苏省土木建筑学会城市设计专业委员会协办，邀请国了内外知名学者，共同探讨城市形态科学的基础理论、前沿技术与实践应用。
10月26日下午，会议举行第一个主旨报告环节，由南京大学建筑与城市规划学院副教授胡友培主持，Filip Biljecki博士、Martin Fleischmann博士、叶宇副教授做主旨报告。以下分别为三份主旨报告的主要内容：
01
量化城市形态学的众包和开放方法
Crowdsourced and open approaches to quantitative urban morphology
Filip Biljecki
Filip Biljecki 博士照片
PPT图片，报告封面页
Filip Biljecki博士首先介绍了他所在的新加坡国立大学的城市分析实验室NUS Urban Analytics Lab，对实验室的主要研究方向和成果进行了简要介绍，并分享了他们开发的一些开源城市数据软件。
在第二个环节，Biljecki博士首先指出高质量的数据是进行有效城市分析的前提。他提到，尽管存在多种数据来源，但获取全面、准确且及时的城市数据仍然面临诸多挑战。鉴于高质量数据的重要性和获取难度，他及其团队开展了包括Roofpedia、InstantCity在内的多个研究项目。这些项目使用开源的OSM数据，并利用机器学习算法GANmapper对缺失的建筑肌理数据进行自动补充。
PPT图片
接着，Biljecki博士重点介绍了他们正在进行的一个基于众包街景地图数据的研究项目Mapillary。不同于Google地图类的商用街景数据，他们探索了基于志愿者的便携式实时记录装备，实现对街景大数据图像的获取与开源技术路径。该方法突破了传统的商用街景数据在精度、交通方式、时间等方面的局限，可以用于天空裸露度、城市绿视指数方面的研究。
PPT图片
最后，Biljecki博士总结道：数据的众包方式和开源数据在城市形态研究中具有巨大潜力。诸如街景地图类的开源数据，可以帮助我们更好的感知城市，同时也是对既有的数据源的有益补充和扩展。
02
从建筑单体到区域：
基于城市形态计量学进行可伸缩的形态学研究
From a building to a region：
Scalable morphology with urban morphometrics
Martin Fleischmann
Martin Fleischmann 博士照片
Martin Fleischmann博士的发言围绕城市形态计量学展开。他首先强调城市形态学研究对于理解城市空间结构、指导城市规划与设计具有重要意义。进而指出，传统城市形态学研究往往受数据限制，局限于中小尺度，无法在区域大尺度中，实现对城市形态高精度分析研究。他认为，随着城市化不断深化发展，城市形态，尤其在区域尺度上变得日益复杂，需要一种可以基于单体建筑精度的区域尺度形态学研究。据此，他提出了基于城市形态计量学的可缩放的形态学数据技术方法，旨在通过数据模型和可视化手段，揭示宏观区域尺度上城市形态特征与中小尺度建筑肌理的内在关联。
PPT图片，Geographical characterisation of British urban form and function using the spatial signatures framework(Fleischmann and Arribas-Bel, 2022)
紧接着，Fleischmann博士对城市形态计量学进行了简要介绍。城市形态计量学是一种结合了数学、统计学和计算机科学等多学科知识的量化研究方法，旨在通过测量、分析和比较城市形态的各种特征参数，揭示其内在规律和变化趋势。
PPT图片，docs.momepy.org
在此基础上，Fleischmann博士重点介绍了他和研究团队，在城市形态计量学基础上，发展出的一种‘可缩放’的城市建筑形态数据库方法。该方法可以灵活应用于不同尺度的城市形态研究，从建筑单体到街区、社区乃至整个城市区域，都能够实现精准的量化分析和可视化表达。克服传统城市形态学受限于中小尺度数据，无法在区域尺度上展开高精度分析与测度的方法瓶颈。他展示了这种方法在欧洲分析案例中的应用。通过分析该地区8800万个建筑单体来展示他们的方法如何能够扩展到如此大的规模，并在尺度转换中保持数据的连续性。
PPT图片，Baseline morphotope types in Kraków, Poland (Fleischmann and Samardzhiev, upcoming)
PPT图片，Regional subdivision (Fleischmann and Samardzhiev, upcoming)
最后，Fleischmann博士提到，随着大数据、人工智能等新技术的不断发展，城市形态学研究将迎来更多的机遇和挑战。他强调，未来的研究应更加注重跨学科合作和创新方法的应用，以推动城市形态学研究的深入发展和实践应用的不断拓展。
03
量化城市形态学：
计算性城市科学背景下的涌现
Quantitative Urban Morphology：
an emerging trend within computational urban science
叶宇
叶宇教授照片
PPT图片，报告封面页
叶宇教授探讨了随着新兴的数字技术与计算行城市科学的快速发展，在城市形态学领域中逐渐涌现的新趋势，即量化城市形态学。
他首先回顾了传统的城市形态学与城市分析理论，指出其受限于信息数据获取的局限，存在一定的经验主观成分。但随着近年来，空间大数据、人工智能、以及可穿戴的感官数据设备的出现，城市形态学中正在形成一种向着科学量化方向前进的新趋势。这既是对新技术的响应，也是当代城市设计实践的需要。
在这个趋势中，可以观察到三种研究范式，分别是数据支持data informed,基于循证evidence-based,与算法驱动algorithm-driven。在接下来的报告中，叶教授向观众展示了其团队在三个范式下展开的多项研究与成果。内容包含基于指标的城市形态评测工具form syntax,与基于大数据的urbanpedia；也包括基于街景地图数据的城市特征认知与地图可视化。在基于循证范式下，他展示了大量使用可穿戴的感官数据收集装备，对真实环境、虚拟设计场景的感知实验，为相关城市环境优化提供了科学的经验基础。在算法驱动范式部分，他介绍了其团队在融合生成算法技术与城市形态量化方面所做的创新与探索。
PPT图片
在最后的讨论环节，叶教授指出新数据技术，将可能扩大传统城市形态学的领域，在传统的设计思维与数据技术间实现更好的融合。量化的形态学，将可能为当代城市设计提供有力的技术支撑，由此迈出计算性城市设计科学的重要一步。
编辑：沈苏怡
审核：胡友培
