社区化模式下的深圳青年公寓公共空间设计研究

来源 :哈尔滨工业大学 | 被引量 : 0次 | 上传用户:ceolq
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着国内经济的快速发展,大城市房价也在快速增长,在大城市初入社会的青年人难以支付高昂的房价,租房成为了多数青年的首选。青年公寓作为针对青年人提供的居所越来越受到青年人的青睐,但青年公寓在国内出现时间较短,相关规范及空间设计相对不完善。大部分公寓室内公共空间存在问题,青年人的居住需求没有得到足够的重视和满足。国内几大品牌青年公寓已初步呈现出社区化趋势,故本文从公寓社区化角度分析青年公寓室内公共空间设计的合理性。
  通过对空间功能和设计要素、青年人的心理行为需求及社区化要素的分析,明确了青年公寓室内公共空间社区化研究的必要性和可行性。以此为基础借鉴相关空间设计和社区化论文确定了本文青年公寓室内公共空间社区化评价体系的构建逻辑和初步评价因子集。本文使用层次分析法,通过专家问卷的两次发放确定了评价体系的评价因子及专家对各因子的打分,使用和积法进行计算得出各因子权重,为后文的青年公寓室内公共空间社区化评价提供量化依据。根据建立的评价体系对深圳具有代表性的三家品牌公寓进行研究,得到各公寓各个因子的评分和三家公寓室内公共空间社区化的整体评分。以各个公寓的评价为依据,针对各公寓评分较低的指标提出有针对性的优化建议。通过总结提出青年公寓室内公共空间社区化设计的相关参考数据,为以后的社区化设计提供依据。
  本文从社区化角度出发,探究社区化模式对青年公寓室内公共空间的影响,并建立青年公寓室内公共空间社区化评价体系,同时提出优化策略。对深圳及其他大中型城市青年公寓室内公共空间的建设具有一定的参考意义。
其他文献
心脏病始终是人类健康的“头号杀手”。心电信号反映了心脏的收缩和舒张,是分析人体健康状况的重要依据。近年来涌现了大量利用人工智能技术来分析心电信号的研究,用于辅助心脏病的诊断。这在一定程度上为医疗工作者减轻了工作压力,提升了工作效率。然而,心脏病患者的情况是十分复杂的,特别是在突发紧急情况下,单纯的心电信号分析研究不能满足患者实时心率监测的需求。为此,应用边缘智能技术实时监测患者的心率情况成为一种新
学位
大数据时代,推荐系统在对抗信息过载问题上起到了重要作用。传统的协同过滤推荐算法仅利用交互信息进行建模,由于可供模型训练的数据种类单一、信息不足,可能导致推荐效果不佳,因此,许多工作将文本作为辅助信息引入到推荐模型中以提供额外的数据输入。但是,现有的基于文本的推荐方法往往忽略了用户的多样性偏好(用户的偏好特征会随着面对的项目不同而改变),或是没有在建模过程中充分利用输入的文本信息。针对上述问题,本文
学位
基于效用的序列规则挖掘能够挖掘出效用价值高的序列规则,被广泛的应用于金融、生物医学、制造业、电子商务、社交媒体等领域。与高效用正序列规则挖掘相比,高效用负序列规则挖掘还考虑了未发生事件,能提供更加全面的决策信息。目前的高效用正序列规则挖掘方法并不能直接用于高效用负序列规则挖掘,因高效用负序列规则挖掘过程中存在很多内在复杂性问题:(1)如何定义高效用负序列规则挖掘的问题。(2)如何计算高效用负序列规
学位
暗网构建在公共网络之上,需要特殊的软件、配置或者认证才能访问,相对传统的互联网网络,暗网具有匿名性强、溯源难、动态性高等特点。暗网建立的初期目的是保护互联网用户的通信隐私,但现在的暗网中存在着大量违反法律的信息,不法分子在暗网中从事非法活动,暗网已经严重威胁了网络空间安全。暗网之所以对网络空间安全构成一大威胁,很大原因是因为它难以实现追踪溯源,能够实现对暗网的追踪溯源,将可以对暗网中的非法行为起到
学位
偏好学习是通过矩阵分解得到潜在特征,广泛应用于数据挖掘和机器学习领域。对于没有任何负项的数据集,非负矩阵分解(Non-negative Matrix Factorization,NMF)将两个非负矩阵相乘来寻找低秩近似。近年来也提出了许多正则化的NMF,但是,仍然存在一些问题:一是由于一些数据中存在噪声和异常值,传统的方法容易产生误差较大的目标函数;二是在加入图正则约束时,计算相似度矩阵邻居关系都
联盟形成是多Agent系统中的重要研究课题,多个不同的Agent联合在一起,可以实现个人无法单独实现的目标,或者取得更优的效用。联盟结构生成问题是其中的关键挑战之一,目的是寻找最优联盟结构以最大限度地提高个体利益和联盟收益。目前,寻找最优的联盟结构是困难的。一方面,大多数联盟形成模型假设任意Agent都能够形成联盟。这种假设过于宽泛,在现实生活中,联盟的形成过程常常需要考虑现实存在的各种约束,但即使添加约束条件,问题的复杂度仍然较高,需要新的、快速有效的算法解决大规模现实
学位
现实生活中有许多复杂的网络系统,例如社交网络、生物分子网络和互联网等,利用网络结构建模这些复杂系统的研究已为社会提供了诸多创新应用。网络表征学习(又称网络嵌入)是将网络的节点表征为低维连续空间中的向量,且同时保留网络结构及其固有属性的一种有效方法,推动了下游网络数据挖掘任务的重大进展,近年来受到了学术界和工业界的极大关注,工业界已将网络表征学习技术纳入了下一代网络分析平台的基础性架构。本硕士论文围
随着5G技术的普及以及工业5.0的到来,给网络科学提供了新的发展机遇和挑战,“众包”也成为了驱动网络科学理论与工程发展的新动力。时空众包可提高人群执行涉及与物理位置相关的现实世界场景任务的潜力,它的主要特征是空间任务的存在,要求工作人员在特定时间内出现在特定位置以完成任务。然而,在时空众包系统的感知过程以及感知信息传输过程中,由于感知信息的时空敏感性和网络信道的不安全性,参与者往往面临隐私泄露的风
学位
随着互联网时代的到来,实体空间的功能逐步被线上活动取代,吸引力持续下降,面临着一系列的活力问题。因此,结合时代特征重新思考建成环境不可替代的意义,并依据此改善与提升线下空间的活力,成为城市研究者需要直面的重要课题。事实上,当数字技术越来越多地将人们从繁琐的日常事务中解放出来,人们倾向于投入更多的精力去建构其社会交往圈层,建成环境承载人的社会交互活动的意义随之凸显。但目前针对建成环境的分析,鲜少从人
学位
在中国快速化城市化进程中,城市发展模式需要从粗犷型向精细化发展转变。以往对城市生活性街道空间的研究,主要集中在物质空间设计层面,而街道建成环境如何促进城市慢行体力活动的发生,如何促进社会公共健康,对城市居民生活品质的提升有着重要的研究价值。建成环境对步行活动的影响机理较为复杂,行为活动又与行为心理息息相关,其中自我效能是个体行为发生的重要影响因素,以自我效能为切入点,构建结构方程中介模型,有利于认
学位