广东工业大学学报  2015, Vol. 32Issue (1): 1-5.  DOI: 10.3969/j.issn.1007-7162.2015.01.001.
0

引用本文 

丁俐娟, 邹广天, 郭强, 张斯. 可拓建筑策划数据挖掘理论探讨[J]. 广东工业大学学报, 2015, 32(1): 1-5. DOI: 10.3969/j.issn.1007-7162.2015.01.001.
Ding Li-juan, Zou Guang-tian, Guo Qiang, Zhang Si. Research on the Theory of Extension Architecture Programming Data Mining[J]. Journal of Guangdong University of Technology, 2015, 32(1): 1-5. DOI: 10.3969/j.issn.1007-7162.2015.01.001.

基金项目:

国家自然科学基金资助项目(51178132)

作者简介:

丁俐娟(1988-)，女，硕士研究生，主要研究方向为可拓建筑策划与设计。

通信作者

邹广天(1960-)，男，教授，博士, 博士生导师，主要研究方向为可拓建筑策划与设计.E-mail：zougt@hit.edu.cn

文章历史

收稿日期：2014-10-15
Contents              Abstract              Full text              Figures/Tables              PDF
可拓建筑策划数据挖掘理论探讨
丁俐娟, 邹广天, 郭强, 张斯     
哈尔滨工业大学 建筑学院，黑龙江 哈尔滨 150006
收稿日期：2014-10-15
基金项目：国家自然科学基金资助项目(51178132)
作者简介：丁俐娟(1988-)，女，硕士研究生，主要研究方向为可拓建筑策划与设计。
通信作者：邹广天(1960-)，男，教授，博士, 博士生导师，主要研究方向为可拓建筑策划与设计.E-mail：zougt@hit.edu.cn
摘要: 可拓建筑策划数据挖掘是运用可拓数据挖掘为可拓建筑策划所进行的数据挖掘.可拓建筑策划数据挖掘能够挖掘与可拓变换有关的建筑策划知识，从而为可拓建筑策划提供知识支持.本文初步论述了可拓建筑策划数据挖掘的定义、核心、特点及类型，试图构建可拓建筑策划数据挖掘的理论框架，完善可拓建筑策划的理论与方法，也丰富与发展了建筑策划理论.
关键词: 可拓建筑策划数据挖掘    可拓数据挖掘    可拓建筑策划    可拓知识    
Research on the Theory of Extension Architecture Programming Data Mining
Ding Li-juan, Zou Guang-tian, Guo Qiang, Zhang Si     
School of Architecture, Harbin Institute of Technology, Harbin 150006, China
Abstract: The paper illuminates the definition, essence, characteristics and types of "extension architecture programming data mining" in order to found its theory frame which can contribute to the theory and methodology of extension architecture programming. This data mining can result in extension architectural programming information and offer further supporting for the programming.
Key words: extension architecture programming data mining    extension data mining    extension architecture programming    extension knowledge    

本文将可拓数据挖掘的理论与方法引入到可拓建筑策划领域，尝试构建可拓建筑策划数据挖掘的理论与方法.可拓建筑策划数据挖掘是建筑策划理论与方法研究领域的一个新课题.本文初步探讨可拓建筑策划数据挖掘的几个重要理论问题，包括定义、特点、对象、结果、类型，希望有助于可拓建筑策划数据挖掘理论研究的深入展开.

1 可拓建筑策划数据挖掘的定义 1.1 可拓数据挖掘的概念

可拓数据挖掘是可拓学与数据挖掘相结合的产物，它研究用可拓学的理论和方法，去挖掘数据库或知识库中与解决矛盾问题的变换有关的知识[1-5].可拓数据挖掘将可拓集理论和可拓逻辑应用到数据挖掘中，可拓集理论对应数据库与数据仓库，基元对应数据，从而将可拓理论与数据挖掘领域相结合，形成挖掘可拓知识的基本理论.

1.2 可拓建筑策划数据挖掘的定义

本文试提出这样一个关于可拓建筑策划数据挖掘的定义，即：可拓建筑策划数据挖掘是面向可拓建筑策划的可拓数据挖掘.它研究用可拓学、数据挖掘的理论和方法，从可拓建筑策划数据库中挖掘与解决矛盾、实现创新的变换有关的知识的过程.

可拓建筑策划数据挖掘是可拓建筑策划领域与可拓数据挖掘领域相交叉产生的新的理论与方法.它首次将可拓数据挖掘引入到建筑策划领域，能够挖掘出建筑策划所需要的与变换有关的可拓知识，科学有效地解决建筑策划中的矛盾问题与创新问题.其工具为可拓数据挖掘方法，其服务对象是可拓建筑策划.也就是说，它是利用可拓数据挖掘的理论及方法，挖掘与变换有关的建筑策划知识，从而为可拓建筑策划提供知识支持.

1.3 可拓建筑策划数据挖掘的核心

数据挖掘的重要基础是数据库，挖掘结果是大量数据背后的知识.同样，可拓数据挖掘的重要基础之一也是数据库.但是，其挖掘结果不同于一般的数据挖掘，它的挖掘结果是与变换有关的知识，是动态的、变化的知识.

可拓建筑策划数据挖掘的核心在于构建可拓建筑策划数据库，挖掘与可拓建筑策划变换有关的知识.其中包括可拓建筑策划的可拓分类知识、聚类知识和传导知识.也可以将其分别称为“可拓建筑策划分类知识”、“可拓建筑策划聚类知识”、“可拓建筑策划传导知识”.

2 可拓建筑策划数据挖掘的特点

可拓建筑策划数据挖掘是可拓建筑策划与可拓数据挖掘相结合的产物，不仅具有了两个学科的优点，还有其自身的特点.

2.1 挖掘对象动态化

可拓数据挖掘对动态数据的挖掘，是集历史数据Dold、当前数据Dcurrent与未来数据Dnew于一体的动态过程.

在可拓建筑策划挖掘的过程(见图 1)中，Dnew也在不断地增加，可拓数据挖掘的过程中也在不断进行挖掘评价，用后续的数据对挖掘的结果进行评价，可以不断修正挖掘结果或者重新挖掘[6-7].

图 1 可拓建筑策划动态数据挖掘流程示意 Figure 1 Dynamic data mining diagram by extension architecture programming

在建筑领域，存在很多动态数据.例如，当对某博物馆建筑的使用情况进行实态调查时，由于参观者需购票或免费取票才能进入博物馆，所以可以调查其入场券的票量.通过票量可以获得一天内、一个月内及一年内博物馆的人流量，也可以获得某个时刻前后的人流量.另外，通过每年的人流量变化统计，可以预测之后的人流变化，为博物馆日后的管理及建设提供信息，如人流量的逐年增大，需考虑对博物馆进行扩建或考虑博物馆开放时间的改变.

2.2 思维模式可拓化

可拓建筑策划数据挖掘面向的是可拓建筑策划，采用的是可拓数据挖掘技术，因此整个解决矛盾问题过程(见图 2)是可拓化的.首先，可拓基元表达方法解决了建筑策划中数据的表达问题，使得构建建筑策划数据库成为可能，构成了建筑策划与计算机系统对接的基础.可拓学用物元、事元、关系元形象地描述客观世界，从而帮助我们表述可拓建筑策划问题.可拓学的4种思维模式帮助我们分析可拓建筑策划问题，提取矛盾问题的核问题.然后，以此为基础进行可拓数据挖掘，挖掘出与变换有关的知识，为可拓变换提供知识支持.接下来根据挖掘的知识进行可拓变换，从而获得解决矛盾问题的方法.

图 2 解决可拓建筑策划问题流程示意图 Figure 2 Problem-solvimg diagram by extension architectural programming
3 可拓建筑策划数据挖掘的对象与结果

可拓建筑策划数据挖掘的对象之一是可拓建筑策划数据库，其结果为与变换有关的可拓知识，主要有“可拓建筑策划分类知识”、“可拓建筑策划聚类知识”、“可拓建筑策划传导知识”.

3.1 可拓建筑策划数据库

可拓建筑策划数据库是可拓数据挖掘的重要对象，数据库分为可拓建筑策划基础数据库、可拓建筑策划专业知识库及其他数据库.

3.1.1 可拓建筑策划基础数据库

可拓建筑策划基础数据主要来源有3个方面，第1部分是现有的建筑策划及设计案例、相关书籍、资料集成等专业资料，还有与建筑策划相关的城市规划资料、气候地理资料、相关法律法规等.形式包括数字、文字、图像及多媒体.第2部分是实态调查，主要包括对经济特征、社会环境、人口构成、使用方式、与空间对应的物理量与心理量的调查，主要以调查数据为主.第3部分是其他数据，这部分数据与前两种数据的获取方式不同，属于可扩充的部分.

另外，数据库从内容上分，可以分为外部条件数据库、内部条件数据库、空间构想数据库和设计任务数据库.

3.1.2 可拓建筑策划专业知识库

可拓建筑策划专业知识库按照内容分为场地策划知识库、空间策划知识库、形象策划知识库及技术策划知识库.当针对具体的矛盾问题进行可拓知识挖掘时，按照可拓数据挖掘对专业知识库的操作流程，又可将专业知识库分为可拓建筑策划知识库、可拓建筑策划变换库、可拓建筑策划规则库、可拓建筑策划策略库.从知识类型上分，可拓建筑策划专业知识库主要包括发散型知识、相关型知识、蕴含型知识和可扩型知识.这4种知识统称为拓展型知识.

3.1.3 其他数据库

可拓建筑策划数据挖掘的理论与方法属于发展阶段，暂时研究其对基础数据库和专业知识库的挖掘，在以后的发展过程中还会涉及对其他与建筑策划有关的数据库的挖掘.

3.2 可拓建筑策划知识 3.2.1 可拓建筑策划分类知识

可拓建筑策划分类知识即用可拓分类挖掘方法从可拓建筑策划数据库中挖掘变化导致分类结论变化的知识.有两种知识类型：与质变有关的知识和与量变有关的知识.在实施某一可拓变换后，哪些策划要素发生了质变，简称为质变知识；在实施某一可拓变换后，哪些策划要素发生了量变，简称为量变知识.

3.2.2 可拓建筑策划聚类知识

聚类与分类不同，分类是在已知类别的情况下，对数据进行分类，而聚类是在类别不明的前提下形成归类.可以挖掘到与可拓变换有关的聚类知识，即在可拓建筑策划中，将能够达到某种目的的可拓变换聚为一类.不同的可拓变换根据策划目标的不同会聚为不同的类，从而为可拓建筑策划提供符合策划目标的聚类知识.

3.2.3 可拓建筑策划传导知识

可拓建筑策划传导知识主要包括：传导对象和传导特征的知识.可拓变换所产生的作用，对于不同的策划要素会产生不同的传导效应.通过挖掘可拓变换对不同策划要素产生的作用，了解变换的传导效果，为未来的决策提供依据；传导效果可以用传导度更加直观地表达.

4 可拓建筑策划数据挖掘的类型

可拓建筑策划数据挖掘类型有针对策划外部条件的可拓知识挖掘和针对策划内部条件的可拓知识挖掘.外部条件主要是指建筑所在的地域条件、社会条件及建筑本身的外部形象[8-12].针对策划外部条件的可拓知识挖掘主要包括对城市策划层面的挖掘，对场地策划的挖掘及对建筑外部形象策划的挖掘.挖掘出的可拓知识指导建筑师在策划时全面地把握项目在城市规划中的地位、场地设计的目标及外部形象的设想.策划的内部条件是与建筑自身最直接的功能有关的条件，主要指建筑的功能与空间策划、与使用者有关的空间调查[13-14].因此，针对策划内部条件的可拓知识挖掘主要包括对建筑使用者心理量的挖掘，对建筑功能策划的挖掘，对建筑技术策划的挖掘等，获取与建筑内部条件有关的可拓知识.本文以内部条件中的使用者调查为例，介绍可拓建筑策划数据挖掘能够挖掘的有关知识.

建筑策划中运用SD法将使用者的心理反应进行量化，变成数据[15]，就可以运用可拓建筑策划数据挖掘的可拓聚类方法进行数据挖掘，得到可拓聚类知识.

4.1 调查数据的获取与整合

可拓建筑策划数据挖掘的基础数据库中保存有大量与使用者有关的调研数据.这部分数据主要通过人工调查获得，调查主要以问卷的形式进行.

例如，当对某一地区的博物馆项目进行策划，需要对博物馆的使用人群进行调查.可以从可拓建筑策划基础数据库中调取同等规模的博物馆的调查结果，用可拓聚类的方法挖掘可拓聚类知识，得到可拓建筑策划聚类知识.

首先，确定博物馆的主要几种重要设计要素，分别是：建筑色彩；建筑的空间尺度、平面布局(导向)、人际距离设计；建筑的外部造型、形态、形式；建筑内外部光线.调取同等类型博物馆对上述因素进行调查的问卷数据.问卷中的调查项目主要围绕4种影响因素，其中，建筑色彩包括N1项调查数据，建筑的空间尺度设计包括N2项，建筑外部造型包括N3项，建筑内外部光线主要包括N4项，各项的具体数值由调查者自定.

设共发放问卷100份，有效问卷97份.然后，将问卷中的评定项目转化成数据形式，赋值是映射在[0.0, 1.0]上，使得每个变量都有相同的权重.被调查者可以在几个等级及等级之间的区间进行打分.

4个主要调查因素的属性值可以通过计算所得的算术平均数来计算.例，“建筑色彩”=各项数值之和/N1.按照这种算法可以得到4个属性值.

4.2 可拓数据挖掘与可拓知识获取

经过数据的预处理得到样本数据，在基础数据库中，与使用者有关的调研数据以表格的形式保存在计算机中，将以上的数据试图分为3类，分别代表“好、一般、不好”.通过聚类挖掘方法，可以得到这些数据在3种类的分布.力图回答“博物馆色彩是否令使用者感到舒适？”“室内外光线是否宜人？”“空间尺度是否合理？”等类似的问题.

将表格中的数据运用聚类挖掘方法进行数据挖掘，在进行聚类之前，需要增加代表 3个等级的样本数据.

运用聚类算法对这100个样本(其中3个标准样本和97个经过数据变换的样本)，进行聚类挖掘.得到聚类结果见表 1.

表 1 聚类结果数据 Table 1 The results of clustering data

其中，等级为“好”的样本所占比例为48/97=50%，等级为“一般”的样本所占比例为37/97=38%，等级为“不好”的样本所占比例为15/97=15%.3个簇的得分与标准样本相比，分数都有所提高，由于样本数量的不同，需要加上权重后再比较：“建筑色彩”得分为0.629；“建筑空间尺度”得分为0.644；建筑外部造型的得分为0.604；建筑内外部光线的得分为0.630.获取关于使用者调查的策划信息元g:

$ g = \left[ \begin{array}{l} {\rm{建筑色彩}}, \;\;\;\;\;\;\;\;\;\;\;\;分数, \;\;\;\;\;\;0.629\\ {\rm{建筑空间尺度}}, \;\;\;\;\;\;分数, \;\;\;\;\;\;0.644\\ {\rm{建筑外部造型}}, \;\;\;\;\;\;分数, \;\;\;\;\;\;0.604\\ {\rm{建筑内外部光线}}, \;\;\;分数, \;\;\;\;\;\;0.630 \end{array} \right]. $

本文规定分值＞0.50，即可视为得分为中等偏上，说明这一要素的设计还是可以满足大部分使用者的心理需求的.由4个分值可以看出，所调研的此样本博物馆建筑空间尺度是得分最高的，相比较其他设计要素而言设计得较好，更符合使用者需求.

通过上述方法将众多建筑实例的调查表格，尤其是与使用者心理需求有关的调查结果量化，然后进行聚类挖掘，就可以获得关于使用者调查的信息元.当建筑师在进行可拓建筑策划时，可以根据策划在使用者需求上要达到的目标，挖掘出更能符合策划要求的案例，例如挖掘出在“建筑色彩”方面分数＞0.5的建筑案例及其色彩做法，可以通过数据挖掘获得哪些案例是进行可拓策划时可以参考的案例，在进行可拓分析时可以将这些案例的设计手法作为可拓分析的依据.

5 结语

本文初步构建了可拓建筑策划数据挖掘的理论框架，论证了可拓数据挖掘在可拓建筑领域运用的可能性，并进行了初步运用.可拓数据挖掘能够为可拓建筑策划提供可拓知识，完善可拓建筑策划理论及方法.由于篇幅有限，尚有部分内容要在今后的研究中展开.可拓建筑策划数据挖掘在未来的发展中会与计算机技术相结合，从而实现其人工智能.

参考文献
[1]
杨春燕, 李小妹, 陈文伟, 等. 可拓数据挖掘方法及其计算机实现[M]. 广东: 广东高等教育出版社, 2010.
[2]
杨春燕, 蔡文. 可拓学[M]. 北京: 科技出版社, 2014: 14-17.
[3]
蔡文, 杨春燕, 何斌. 可拓逻辑初步[M]. 北京: 科技出版社, 2003.
[4]
杨春燕, 李卫华, 李小妹. 矛盾问题智能化处理的理论与方法研究进展[J]. 广东工业大学学报, 2011, 28(1): 86-93.
Yang C Y, Li W H, Li X M. Advances in research about theory and method of intelligent processing on contradictory problems[J]. Journal of Guangdong University of Technology, 2011, 28(1): 86-93.
[5]
李志明, 杨春燕. 解决矛盾问题的逆向策略生成方法[J]. 广东工业大学学报, 2013, 30(4): 1-5.
Li Z M, Yang C Y. Reversed strategy generating method of solving contradictory problems[J]. Journal of Guang-dong University of Technology, 2013, 30(4): 1-5.
[6]
汪伟, 邹璇, 詹雪. 论数据挖掘中的数据预处理技术[J]. 煤炭技术, 2013, 32(5): 152-153.
Wang W, Zou X, Zhan X. Discussion on data preprocessing technology in data mining[J]. Coal Technology, 2013, 32(5): 152-153.
[7]
Jiawei Han(加), Micheline Kamber. 数据挖掘: 概念与技术[M]. 范明, 孟小峰, 译. 北京: 机械工业出版社, 2012.
[8]
庄惟敏. 建筑策划导论[M]. 北京: 中国水利水电出版社, 2000.
[9]
邹广天. 建筑计划学[M]. 中国建筑工业出版社, 2010.
[10]
[英]弗兰克·索尔兹伯里. 建筑的策划[M]. 冯萍, 译. 北京: 中国水利水电出版社, 2005.
[11]
[美]罗伯特·G·赫什伯格. 建筑策划与前期管理[M]. 汪芳, 李天骄, 译. 北京: 中国建筑工业出版社, 2005.
[12]
William M P, Steven A. Problem seeking: an architectural programming primer[M]. New York: John Wiley & Sons Inc, 2001.
[13]
徐强. 建筑策划信息系统熵变模型构建研究[J]. 情报科学, 2011, 29(12): 1820-1824.
Xu Q. Research on the entropy change model construction for the construction plan information system[J]. Information Science, 2011, 29(12): 1820-1824.
[14]
苏实. 从建筑策划的空间预测与评价到空间构想的系统方法研究[D]. 北京: 清华大学建筑学院, 2011. http://cdmd.cnki.com.cn/Article/CDMD-10003-1012035979.htm
[15]
连菲. 可拓建筑策划的基本理论与应用方法研究[D]. 哈尔滨: 哈尔滨工业大学建筑学院, 2010. http://cdmd.cnki.com.cn/article/cdmd-10213-2011013007.htm