齐溪：自己无需要演绎

见到齐溪是在她假期的最后一天。一身素黑的她带着明媚的笑容出现在我眼前时，—下就颠覆了孟京辉口中那个“犀牛”中“目空一切、冷漠、拒绝真情”的明明。     

沥青路面工程质量的监测控制

由于道路使用性能的要求提高,沥青路面的施工质量更要严格、系统、规范。按照沥青路面施工工序,对沥青路面质量监理控制节点、要求进行重点阐述,并在质量预控、过程控制以及控制指标方面作了较系统的表述。     

连接自然的儿童友好城市空间网络构建

自然环境对儿童生长发育具有不可或缺的积极影响。自然的缺失是造成城市儿童身心健康问题的重要原因。根据儿童生长发育的特征和户外活动规律,关注与儿童生长关系最为密切的城市空间形式,通过营造家园的自然化和社会化、生态校园的自然教育引导、公园的趣味提升,以及安全活力的友好街道链接,构建自然融于城市的空间网络系统,为儿童健康成长提供友好的城市环境。     

新媒体辅助风景园林专业学科交叉实践的教学探索——以同济大学为例

随着信息网络技术的不断发展和移动智能终端的广泛普及,新媒体已成为当前国内外高等学校重要的教学手段。文章以同济大学建筑与城市规划学院风景园林(景观学)专业选修课为实证,探索了新媒体辅助风景园林专业跨学科实践的教学方式,旨在进一步推动新媒体支持风景园林学科的教学应用研究,丰富创新型人才培养的教学模式。     

可穿戴交互技术下的健康循证设计

随着生物反馈技术的普及,人们很可能在未来的10—20年实现感官增强和智能增强。此外,随着物联网的发展,人们控制世界的手段也将大大拓展。这些可穿戴设备和移动终端将深远地改变人与环境互动的方式。从可穿戴设备、生物传感器、情感计算等软硬件技术进步开始,介绍它们为环境体验测量和绿色开放空间的健康效益评价等方面研究与应用提供的新机遇,以及给环境设计带来的技术革新。在此基础上,简要介绍近四年来课题组在环境感知测量及设计决策支持方面的研究进展,主要包括基于脑电测量恢复性环境对认知水平的影响、基于自主神经反馈的环境情感地图分析和情绪测量等方面实验初步结论。     

城市绿地系统规划编制—“子系统”规划方法研究北大核心

对城市绿地系统规划编制现况的分析,以及关于绿地系统规划编制方法的研究成果的剖析,借鉴系统论的方法提出"子系统"的绿地系统规划方法。即应以绿地的主导功能为依据,进行城市绿地"子系统"的规划和组织,形成相对完整而有参与平衡用地的4个子系统:休闲游憩子系统、日常防护子系统、景观形象子系统、生态保育子系统。旨在通过绿地"子系统"的规划,增强绿地与城市、绿地与绿地、子系统与子系统之间的关联性、逻辑性和系统性:使每一块绿地的产生都有充分的科学依据,审慎利用有限的城市土地和空间资源;使"子系统"内部各元素都有内在的秩序和紧密的联系,从而由自身完善的"子系统"组建成更强大的城市绿地"大系统",更好地为城市和市民提供持续、周全的服务。     

市县域生态空间规划的三种思维

市县域生态空间规划是风景园林行业积极承担国土空间规划责任的着力点。文章引入底线思维、系统性思维、弹性思维于市县域生态空间规划,分别阐述三种思维内涵,结合规划研究中具体技术方法明确思维要义,梳理三种思维下的生态空间规划路径,并对未来市县域生态空间规划研究提出展望。     

城市高架桥的景观优化途径初探

21世纪以来,中国进入快速城市化进程。市政基础设施之一的城市高架桥作为现代城市演进的必然产物,成为城市景观的重要组成部分,但其在解决城市交通问题的同时,也带来一系列诸如环境污染、景观破坏等城市问题。本文将城市高架桥在景观语境下进行剖析,从高架桥自身形态美化、废弃高架桥的景观利用与再生、拆除高架桥后的生态修复3个方面,结合国内外成功的实践案例,提出了城市高架桥的景观优化途径,并倡导在中国推行城市市政基础设施景观化的基本理念。     

居住区水景的自然化设计

现代居住区景观设计中,水景成为越来越重要的组成部分,如何营造美观、干净、功能复合的近自然水体,设计师必须对居住区所处的自然条件、地理特征、地域文化、经济基础等进行全面分析,有效地将各个因素纳入设计方案,继而在设计中解决人工水景的水源和活水问题,而湿生植物的配置以及池底的设计是营造自然化清洁水景的关键。     

基于承钢生产数据预测烧结矿FeO含量北大核心CSCD

为了克服烧结矿中FeO含量检验滞后的问题,基于烧结生产各个环节所积累的大量数据,采用XGBoost算法建立FeO含量预测模型,以指导生产工作人员及时调整配料方案和设备参数。首先对承钢3号烧结机sqlsever数据库中的相关数据进行提取和整合,然后结合特征工程对特征参数数据进行一系列可视化分析和处理,最后将XGBoost算法应用于预测烧结矿FeO含量的建模当中,并与决策树模型预测效果进行对比。结果表明XGBoost模型预测效果较好,预测后的损失值最小可达0.071876,实现了准确预测FeO含量的目的,为烧结矿FeO含量的预测提供了一种有效的预测方法。