U ovoj fazi istraživanja akcenat je na direktnom primeru upotrebe prethodno navedenih principa i na analizi rezultata istog.
Za realno okruženje uzet je segment centralnog dela Novog Sada u obuhvatu od kanala DTD na severu, obale Dunava na jugu, Petrovaradina na istoku i početka Veterničke rampe na zapadu.
Objekti od značaja podeljeni su u 3 kategorije:
- Obrazovne ustanove (predškolske ustanove, osnovne i srednje škole, visokoškolske ustanove)
- Objekti kulture
- Zelene površine
Podaci o lokacijama istih preuzeti su sa aktuelnih urbanističkih planova grada Novog Sada. Uz pomoć podataka iz OpenStreetMap-a (zbog veličine obuhvata korišćen je Planet.osm odnosno BBBike extract) i plug in-a Elk-a formiran je 3d model objekata segmenta koji su kroz Grasshopper uneti u Rhino okruženje. Nakon toga na njemu su izdvojeni objekti od značaja i razvrstani po prethodno navedenim tipovima.
Satelitski prikaz korišćenog segmenta Novog Sada u realnom okruženju
Prikaz 3d modela korišćenog segmenta Novog Sada u Rhino okruženju
Funkcionisanje algoritma
Prvi korak prilikom formiranja grasshopper definicije je pravljenje mesh mreže u okviru granica obuhvata modela. Zatim, dobijena mreža se razgrađuje na ugaone tačke, kako bi se preko aritmetičke sredine dobila centralna tačka svakog mesh-a uz odgovarajući indeks koji joj je dodeljen.
Na osnovu prethodne faze istraživanja naredni korak bio bi definisanje minimalnog i maksimalnog rastojanja između atraktora i tačaka koje čine podlogu, međutim kroz praksu pronađena je efikasnija metoda koja koristi relativno rastojanje.
Novi pristup je koncipiran na postavljanju referentne vredosti blizine koje se razmatra, konkretno 1km udaljenosti od atraktora. Ista je podeljena ravnomerno, na 5 delova (<200m, 200-400m, 400-600m, 600-800m, 800-1000m), tako da se na mapi najbliži deo atraktoru označava zelenom bojom, po udaljavalju boja prelazi u žutu, a naposletku u crvenu za vrednosti veće od 1km. Algoritam proračunava svaku tačku mreže i dodeljuje joj odgovarajuću boju na osnovu njene udaljenosti od atraktora. Korišćen je princip u kome će svakoj tački koja zadovoljava dva uslova istovremeno, da je veća od vrednosti 0, 200, 400, 600 i 800 i da je manja od vrednosti 200, 400, 600, 800 i 1000, kasnije biti dodeljena određena nijansa zelene ili žute boje, a sve ostale po automatizmu dobijaju crvenu boju. Dijapazon nijansi moguće je korigovati na osnovu podešavanja krive na grafiku.
Kada algoritam prepozna koja tačka pripada kojoj grupi udaljenosti, sledeći korak je dodela faktora sa kojim se množi, a koji u stvari predstavlja nivo prioriteta te kategorije objekata od značaja (npr. 1,2,3,4,5,6…itd) odnosno količina u kojoj utiče na krajnji rezultat naspram ostalih kategorija.
Krajni korak je zbirno dejstvo faktora i dodeljene grupe tačaka redefinisati u domenu 0-1 i tako formirati gradijent (zeleno-žuto-crveno).
Praktična primena
*Postavlja se pitanje za šta služi ova definicija i kako ista može da se koristi u realnim uslovima. Jedan od načina primene je opisan u nastavku. Za potrebe primera podaci o korisnicima i njihovim afinitetima su izmišljeni.*
** Predškolske ustanove-PU, osnovne škole-OŠ, srednje škole-SŠ, visokoškolske ustanove-VU, objekti kulture-OK, zelene površine-ZP.**
Na primeru traženja pogodne lokacije za boravak različitih kategorija korisnika moguće je doći do podatka koji delovi grada su više ili manje odgovarajući za svaku od njih. Kao primer korišćena su tri karakteristične kategorije korisnika: student, mladi bračni par, penzioner, na osnovu čijih afiniteta su prethodno pomenute kategorije objekata razvrstane. Evo kako izgledaju mape atraktora za svakog od njih:
Korisnik 1 – Student (afiniteti: PU=0, OŠ=1, SŠ=1, VU=5, OK=3, ZP=2.)
Mapa atraktora 1
Zaključak: Za ovog korisnika najpogodnija lokacija bila bi uži centralni deo grada u okvirima Rotkvarije na severu, Limana 2 na jugu, Limana 1 na istoku i dela Grbavice na zapadu.
Korisnik 2 – Mladi bračni par (afiniteti: PU=4, OŠ=3, SŠ=2, VU=1, OK=2, ZP=2.)
Mapa atraktora 2
Zaključak: Za ovog korisnika najpogodnija lokacija bila bi bilo koji deo grada izuzev dela Telepa i Adica, kao i obodnih delova grada, što između ostalog govori o ravnomernoj dispoziciji sadržaja u gradu, i odličnoj međusobnoj dostupnosti.
Korisnik 3 – Penzioner (afiniteti: PU=2, OŠ=2, SŠ=0, VU=0, OK=3, ZP=6.)
Mapa atraktora 3
Zaključak: Za ovog korisnika Nova Detelinara izdvaja se kao najmanje pogodan kraj, dok svi ostali delovi odgovaraju zadatim afinitetima.
Kao celokupni zaključak izvedenog istraživanja treba akcentovati izlazak iz okvira standardnog pristupa urbanističkoj analizi i važnost implementacije parametarskih softvera kao alata za sistematizaciju i olakšanje celokupnog procesa. Svaki uspešan projekat zasniva se na bogatoj analizi, kako zatečenog, tako i stanja u oblasti. Stoga, inovativni alati su tu da otvore vrata, odbace stare kalupe i naprave prostor za nova kvalitetna rešenja.