解决问题、分享创造价值丨我们致力于可持续的城市发展探索。2023年，我们将研究对象进一步聚焦于城市空间系统：

我们不仅关注城市基础设施的提升，更关注的是复杂的、多元的、更变化的，更包容、更具人文关怀和可持续的城市发展探索；

利用新数据、新方法和新技术，去剖析城市问题，发掘城市现象背后的深层逻辑，对城市系统形成更科学、直观的判断；

我们以多学科的角度，从城市发展、建筑、景观的角度进行空间梳理、整合及阐释，为城市复杂问题提供解决方案。

ChatGPT火爆全网，亮相即封神，甚至有预言它将引发“思维革命”，改变人类思考和处理问题的方式。

在循证设计(EBD, Evidence Based Design)领域，不知ChatGPT会有怎样的独特见解，这个“超强工具”是否可以让设计变得简单？

ChatGPT是目前全球最先进的大型语言模型之一，由OpenAI公司研发。ChatGPT在推出后的两个月时间内，注册用户就达到了一个亿，它可以通过对海量数据的学习，自动生成自然语言的文本，可以回答人类提出的各种问题，也可以用于自然语言生成和自然语言理解任务。

为了提升文章点击率（蹭热点），我们先让它给文章取个有深度、有趣的名字。

嗯...非常专业也很准确。接着，我们提了本次课题研究的三个关键问题：

Q1 : 什么是复杂性城市系统？

Q2 : 面对复杂性城市空间系统，如何展开相关研究？

Q3: 循证设计的思维逻辑与实施方法?

好的，它已经把这篇推文的内容讲完了。滴.....打卡下班！  不....是打卡下岗 ！！！

回归本次分享的主题！

EBD让设计变得简单？
——面向复杂城市系统的设计逻辑

摘要 面对复杂性问题背景，探讨在复杂性城市空间系统中的解决问题的新数据与新方法。研究循证设计的起源、发展历程、应用场景及绩效，梳理循证设计的思维逻辑与实施方式。探索在设计过程中如何融入研究、理论和实验，旨在降低设计决策系统的不稳定性，提升设计专业的公信力及权威性，并推动以研究先导的城市设计实践。

关键词 复杂城市系统、EBD循证设计、EBLA、思维逻辑、方法论、城市设计

Abstract: In the context of complexity issues, this article explores new data and methods to address problems in complex urban spatial systems. It studies the origin, development, application scenarios, and performance of evidence-based design (EBD), and analyzes the logical thinking and implementation methods of EBD. The article also investigates how to integrate research, theory, and simulation experiments into the design process to reduce the instability of design decision-making systems, enhance the credibility and authority of design professionals, and promote research-led urban design practices.

Keywords: complex urban systems, evidence-based design (EBD), evidence-based landscape architecture (EBLA), logical thinking, methodology, urban design

01 研究背景

 1.1  新技术、新方法及新数据支持的城市研究工作 

近几年来，大数据、AI人工智能等新一代信息技术被广泛应用于城市规划或城市空间问题的研究，其核心是采用各种数据和技术方法，探索城市发展的规律、模拟城市运行、评估发展趋势、寻求解决方案的科学研究方法[1]。在此背景下，形成了计算性城市设计（CUD，Computational urban design）、数据增强设计（DAD，Data Augmented Design）两大方向。计算性城市设计即依托计算机技术发展和多源城市数据，运用量化分析与数据计算途径来研究城市的模式[2]，关注的是新数据、新工具、新算法在城市研究过程的运用，强调科学技术与设计的深度融合[3]。而数据增强设计是在新的数据环境下，通过定量城市分析驱动的规划设计方法，通过数据分析、建模、预测等手段，为规划设计的全过程提供调研、分析、方案设计、评价、追踪等支持工具，以数据实证提高设计的科学性[4]。

新技术、新数据环境使得我们能够观测到微观的物理空间和精细的社会空间，理解城市的环境、经济与社会主体的关系（图1）[5]。通过调查统计与模拟分析、描述城市物理空间、人群集散、交通拥堵、气候条件、社会公平等系列城市问题，进而提供更加充分、科学的解决方案。近年来，MIT/ GSD/ UCL/BCL 等研究团队纷纷展开城市、建筑、景观的计算性设计研究，如MIT可感知城市实验室，其致力于为精准城市品质营造及城市问题提供更高效的数据支持。

▲图1：城市数据及信息流  https://www.behance.net/

 1.2  复杂性城市系统及城市高质量发展需求 

复杂性科学的研究深化了学界对人居环境多系统耦合机理的认识[6]，为人居环境的复杂系统理论奠定了基础。20世纪60年代，Christopher Alexander在《A City Is Not a Tree》[7]中以系统论的观念，提出城市系统的多样性与复杂性特征，认为城市空间的复杂性具有动态、难以预测及多变量等特性。2019年，Michael Batty在《The New Science of Cities》[8]则指出：“认识城市不仅仅是理解城市物理空间（图2），还需要理解流动的信息和网络如何塑造城市（图3）”，进一步揭示了城市系统的复杂性。

经过40多年的高速城镇化过后，高密度成为中国城市现实问题，“全面提升城市品质”的战略，成为城市增长的迫切需求。在此背景下，精准的城市更新与设计，需要推动人本尺度、品质导向的城市设计技术，来解决城市系统的宏观与微观、整体与局部、有序与无序、简单与复杂、理性与感性、物理与虚拟等问题。

而随着复杂系统开始越来越多地要求景观设计师寻求解决方案，传统以美学、功能、形态为主的设计手段已经不足以解释当前所面临问题的复杂性，需要通过更科学、理性的方式理解规律及量化成效[9]。在此期间，风景园林设计实践已经逐步由传统的、以美学和设计理论方法为核心的“经验设计”，向以科学解释和客观可度量的“循证设计”的趋势转变。

02 循证设计的
发展历程与行业经验

 2.1  设计决策系统的不稳定性 

当单一的设计建造问题变成多元复合的社会问题，从业者的身份就开始具备立场（Mgenda）、使命（Mission），而观点总会左右价值的判断[10]。设计工作理应具有清晰的社会目标、文化使命和社会性能（social performance），而现实往往是模糊又暧昧。讨论设计决策系统[11]，其目的在于最大化降低设计决策流程中的不确定性、模糊性及干扰因素对设计结果的影响。

1）设计师决策系统。设计方案的产生依赖于设计师意识及知识结构（图4），包括个人观察、经验、思维模式及研究能力[12]。

2）委托方决策系统。通常表现为委托方的价值诉求，面向政府、开发商、社区机构及个人等，需要考虑其不同层面的价值诉求。

3）公众参与决策系统。以公共使用需求为导向的设计决策流程，在公共空间、社区空间营造中，特征是以使用者的需求为导向。

4）市场及经济决策系统。通常反映为项目整体造价成本、材料供应、实施施工难度等方面，对设计方案具有重要的调整作用。

▲图4：设计师循证设计实践结构性方法
Source:《Evidence-based design Structured approaches in leading Landscape architecture practice，2017》

 2.2  循证设计行业实践经验

循证设计首先出现在医疗建筑领域，1984年，Roger Ulrich 在报告“通过窗口查看可能影响手术后的恢复”被认为是首个EBD的研究[13]。1960年代，Ian McHarg领导的生态环境运动是首个在景观领域的循证设计实践。2009年，Hamilton与Watkins出版《各建筑类型中循证设计的应用》，将循证理论推广至医疗建筑设计领域[14]。在2011年，Robert D. Brown与Robert C. Corry的文章“Evidence-Based Landscape Architecture: The Maturing of a Profession”[15]，首次创造了景观循证设计（EBLA，evidence-based  landscape architecture）（图5）。

▲图5：循证设计发展及里程碑事件
Source:《Evidence-based design Structured approaches in leading Landscape architecture practice，2017》

2017年，Manhattan、Kansas发表了关于EBD的系统研究报告[16]，对前沿景观设计事务所的EBD流程、工作方法、设计师对循证设计的认知、理解及实践作出了详细描述。研究数据来自研究部负责人和卓越领导者，内容包括企业背景、历史、设计文化、组织及实践等内容，并通过现场观察，查阅公司文献期刊、实践项目案例调查收集资料。

1）Design Workshop对循证设计的理解：证据是收集的可用信息和事实，以支持决策或证明假设。循证设计作为设计师和规划者决定方案和验证结果的可用信息，并用来作为项目评估标准，包括在环境、社会、经济、美学及可持续性方面的效益（Mendenhall，2016）。循证设计方法的开发和实施，可以管理企业设计质量，确保项目实践按设计目标执行，并且可以探索更多的设计想法，提升公司内部协作氛围和使命感，培养设计师的活力及沟通协作文化。除此之外，循证设计流程的透明度让客户能够清晰地理解项目绩效、指标，客户愿意为研究部分支付额外费用，EBD的工作特色也全面提高了DW公司的设计费用。

2）Mithun对循证设计的理解：证据是可衡量的数据、可信的主张、量化的绩效、信息及实践经验，使用证据作为设计基线，结合创造力和直觉来做出设计决策（Runge, 2013）。Mithun通过多年的LEED认证和EBD工作经验而闻名，并表示：Mithun的循证设计方法在很大程度上依赖于使用评级系统（SITES）和软件程序，要求通过循证制定设计决策，通过知识迭代推动设计创新。Mithun早期预见到行业内LEED和SITES等认证的需求演变，便尽可能雇用不同专业顾问，获得更具体的专业知识参与项目决策。

3）Sasaki对循证设计的理解：证据是用于设计决策的可用信息，鉴于设计环境的规模和复杂性，证据包括经验数据、公认的原则和启发式的方法。另外，设计工作必须仔细权衡和综合考虑，避免经验和想象力的主观推测，因此需要通过更好的工具来增强理解，以顺利实现预期设计目标（Goulding, 2016）。调查中发现，Sasaki 创立了由设计师和程序员组成的智囊团，利用软件（Smart Plan、The Visualizer、My Campus 、Prioritizer 等⼯具套件）来收集、分析和可视化复杂数据，数据分析是他们理解空间的重要部分，以便做出准确的设计决策。在工作机制设定上，构建多个跨专业顾问团体，灵活的组织架构可以在问题出现时快速地提供解决方案。

4）OLIN对循证设计的理解：证据是在回答特定问题，对现有知识进行研究并创造的新信息，而循证设计是利用已有研究成果来塑造、指导景观设计的应用和实践（Toronyi, 2016）。以证据为基础的设计⽅法起源于创始⼈ Laurie Olin 和 Robert Hanna，认为设计过程本质上是遇到不可预⻅问题的过程，需要设计师重新思考、抛弃之前所做的⼤量研究。循证设计在于收集和分析正确的数据，首先要确定项目目标、客户愿望、设计愿望、指标和挑战，进而给出相应的解决方案（Graffam, 2013）。除此之外，OLIN创建了知识存储库（Fusion, Tables），研究显示，该数据库提高了公司的专业知识和信誉、帮助设计师更好地理解证据。

5）Arup对循证设计的理解：证据是数据驱动下的洞察力和对客户需求的清晰认识，而数字化的设计流程更方便了解客户想要实现的目标，并评估项目的可持续性影响，同时其计算能力可以探索项目尽可能多方法和想法（Steve Walker, 2016）。Arup认为，循证设计的工作流程，使我们的团队能够科学地解决复杂性问题，并融合越来越多的客户需求，实现以前不可能的事。在组织架构上，建立不同专业背景的专家学者库加强学术合作，提升证据的深度与广度，在面对大型的城市基础设施建设项目时，可快速组织专家及技术人才为项目开展提供可用的信息及数据。

 2.3  使用循证设计企业特征小结 

使用EBD的设计事务所存在大量相同特征，首先是在企业内部具有研究部门及研究人员，这一点在很大程度能够影响该思维的发展，并发现三个重要特征：

1）在实践中EBD的工作方法能够高效、全面地解决公司面临的复杂难题；

2）研究发现每个公司都发展了自己的基于证据的设计方法来解决设计的复杂问题 ，这些都是为了满足客户需求而出现的；

3）五家公司都是由学术创始人创立的，具有支持EBD方法的角色和职责的实施，创建软件工具以组织和理解数据，并且企业文化是支持EBD愿景，包括与客户进行沟通和合作的方式。

03​​​​​​​ 完整循证设计
思维逻辑与实施方法

循证设计不是探寻某种设计理念，而是寻找科学的设计方法、设计的科学依据[17]。进行循证设计的关键是运用定量与定性的方法，进行证据探寻、分类、运用与评估。详细流程包括：确定目标、寻找证据来源（ChatGPT 将成为强大的证据搜索助手）、批判性解读证据信息、建立并创新循证设计观念、提出假说、收集绩效评估数据、监督设计及施工执行情况、并进行使用后效果评估[11]。

 3.1 发现——发散性思考 

初步问题经常来自招标文件，或委托方传递的项目愿景。在这个过程中，MECE法则可以提供高效的思维模型，MECE分析法（“Mutually Exclusive , Collectively Exhaustive”）原则，可理解为相互独立、完全穷尽，让结构划分更加逻辑清晰[18]，其目的是让我们思考问题可以更全面，更系统，不重复不遗漏，以寻求项目的多种可能性。

 3.2 假设——界定研究问题 

利用系统性框架将问题简化细分，提出初始假设，最短时间内选定分析内容，逐步明确研究领域。在此阶段利用已掌握的信息与经验，大胆假设、小心求证，从不同维度提出相应议题来预测场地的各种可能。随即通过粗略检验（Quick and Dirty Test），检验过程中可证明哪些假设条件是成立的，提高决策效率。

 3.3 分析——目标度量衡 

定性与定量问题研究的相互结合。将问题进行细分，定性与定量两种问题可通过不同的方式进行解决。

1）定性目标专业化。定性研究是一种理解的探究过程，研究员需要构建整体图景、分析文字、报告信息的详细视图，从理念、功能、场景等出发，进行梳理、归纳与总结；

2）定量目标数据化。定量研究是对可测量的特性和现象及其关系进行系统、科学的调查，强调数据测量和验证，体现的是设计目标度量衡过程。

 3.4  解释——关键问题搜寻和解决 

搜寻及确定项目关键问题，最大化搜集证据并进行筛选分析，提出在目前证据体系下具有针对性的设计策略，具体表现为“Problem seeking——Problem solving”的过程。

 3.5 评估——绩效测量及使用后评价 

针对方案实施后的落地项目进行景观绩效评估，目的是对相应指标进行实地测算及核验。景观绩效评估三种主要研究体系一POE、STES和LPS（图6）[19]，重点是设计效能的评估与反馈分析。

▲图6：景观绩效评估系统发展的时间表
Source:《面向循证设计的景观绩效评估研究：发展、内涵与重点，2020》

 3.6 知识管理——解决方案数据库 

医生定期访问期刊文章以支持他们的医疗实践，设计师亦需如此。知识管理可以解决实施的复用与迭代问题，可将项目决策推向更为精准、高效的层级，并实现全行业的知识积累与共享。

04​​​​​​​ 结语

在过去几年时间里，EBD的工作方法为我们创造了众多项目实践机会，从宏观空间规划到微观场景设计，在面对复杂性问题背景下，通过新技术、新方法、新数据等途径，给予项目综合性的解题方案。

对深圳大沙河生态长廊建成后进行系统评估；分析深圳蛇口城市空间物理特征，分析人群的使用偏好及情感诉求；分析深圳龙岗片区的城市空间系统，提出以景观系统作为城市基础设施的策略（Landscape as infrastructure）；对宜昌旧城区城市街道空间品质的要素进行系统性测度，实现高密度建成环境下城市慢行廊道选线潜力评估；在长沙智谷先进计算科学城微气候模拟、群体智能优化算法寻求最高效的产业园空间。除此之外、郑州商王古城城市更新项目、襄阳管家巷城市更新等项目中，EBD的工作方法让我们为项目创造了更多的可能。

循证设计重点强调的是通过数据及证据，去观察世界、理解规律、指导实践，以至于更加准确地解释过去、阐明现在、预测未来，可以极大地降低设计决策系统的不稳定性，提高从业者驾驭复杂系统问题的能力。

但是，EBLA方法论也面临的重要问题，即担心过于规范而导致这个过程会压抑设计师的创造力与想象力。作家Gustave Flaubert曾说：“科学和艺术在山麓分手，回头又在顶峰汇聚。”科学与艺术有许多不同，但是它们的本质和使命都是从杂乱的现象中整理出秩序和规律，因此，在循证设计过程中，所有的证据是支持设计方案评价和实施的依据，但不一定是全部的目标。

参考文献

[1]龙瀛, 毛其智. 城市规划大数据理论和方法[M]. 中国建筑工业出版社, 2019.
[2]孙澄, 袁烽, 陈自明, 等. 计算性设计赋能人居环境营造[J]. 当代建筑, 2022(06):6-13.
[3]叶宇, 黄鎔, 张灵珠. 量化城市形态学:涌现、概念及城市设计响应[J]. 时代建筑, 2021(01):34-43.
[4]侯静轩, 张恩嘉, 龙瀛. 多尺度城市空间网络研究进展与展望[J]. 国际城市规划, 2021,36(4):17-24.
[5]Liu X, Song Y, Wu K, et al. Understanding urban China with open data[J]. Cities, 2015:47, 53-61.