Egy új szakma? 5 gondolat az adat-alapú tervezésről

Az adat-alapú tervezés lehetővé teszi a tudatosabb erőforrás-gazdálkodást, a szélesebb részvételt és az akut változásokra való gyorsabb reakciót. Bukovszki Viktor cikkében öt olyan szempontot mutat be, ami befolyásolhatja az adat-alapú tervezés kimenetelét.

Az adat a 21. század aranya, és kevés trendhez fűződik annyi remény az építészetben, mint a digitalizáció, big data és gépi tanulás szárnyán új erőre kapott adat-alapú tervezéshez. Az infokommunikációs technológiák egyre inkább képesek az azonnali és közérthető visszacsatolásra, az épített környezet, a természeti- és emberi folyamatok összefüggéseinek felismerésére, új tudás előállítására és komplex döntések hatásainak előrejelzésére. Mindez tudatosabb erőforrás-gazdálkodást, szélesebb részvételt, az akut változásokra való gyorsabb reakciót tesz lehetővé, ami mind a fenntarthatóság, mind az adaptáció szempontjából érték. A lehetőségek kiaknázásához viszont egy újfajta szakmára van szükség, amely hidat képez az adattechnológiák és az épített környezetalakítás között. Ebben a cikkben 5 pontban szerepelnek azok a kevésbé közismert, de annál fontosabb szempontok, amik befolyásolhatják egy adat-alapú tervezés kimenetelét, és érdekességként szolgálhatnak a digitalizáció felé nyitó szakemberek számára.

1: Nem az adatok, hanem a modellek az eszközeink

Egy telekommunikációs szolgáltató felkért, hogy hasznosítsuk az adatvagyonát. Sűrű városszövetben csupán a cellainformációk alapján 20-30 méteres pontossággal meg tudják mondani valakinek a helyzetét, és a feladat az volt, hogy ebből piacképes termék legyen. Mivel későn törtek be a piacra, tucatjával léteztek addigra olyan GIS[1] szolgáltatások, amelyek vizualizálják az emberek mozgását a városban, megjelenítve a fizikai és statisztikai adatokat is. Ezek egy-egy lokáció értékét azzal fejezik ki, hogy az mennyire és mikor látogatott – ez fő döntési szempont lehet kereskedelmi ingatlanfejlesztéseknél. Viszont ez egy adat-alapú megközelítés, és a lehető legegyszerűbb hasznosítása a pozícióadatoknak. Mélyebb megközelítésben azonban a lokáció a helyek rendszerét alkotja, ami valamilyen módon kapcsolatban áll az emberforgalommal, ez volt a modell alapja. A helyek olyanok, mint egy ökoszisztéma organizmusai, az emberek pedig saját törvényszerűségeik szerint cirkuláló erőforrások, amiért a helyek „versenyeznek". Így például egy üzlethelyiségről leírható, hogy a környező funkciók kontextusában mennyire lehet sikeres olyan, az ökológiából átvett kapcsolatokra mutatva, mint a mutualizmus (például egy fagylaltozó és egy park között), parazitizmus (például étterem mellé települő gyorsétterem), kommenzalizmus (például a buszmegálló melletti dohánybolt), vagy direkt verseny (két hipermarket). A fenti modell alapján azt javasoltuk a telekommunikációs szolgáltatónak, hogy ne pozícióadatokat, hanem az ott eltöltött időre, napszakra, bejárt útra vonatkozó információkat hasznosítson. Tehát önmagában nem az adat az érték, de az lehet belőle, ha összekötjük egy olyan jelenség modelljével, aminek ismerete értékes lehet.

2: A valóságnak több modellje is lehetséges

Ugyanazt a jelenséget több modell is le tudja írni, amire jó példa a térszintaxis. A térszintaxis egy, a ’80-as években fejlesztett, azóta tudományággá nőtt koncepció, miszerint a városi tér matematikai absztrakciójával leírhatjuk annak „társadalmi logikáját"[2], a városi térben mozgó emberek viselkedését. Tucatnyi különböző térszintaktikai elemzés épül hasonló logikára: (1) képezzük le az épített környezetet egy egyszerű gráfra, (2) futtassunk le azon bevett, vagy új topológiai[3] elemzéseket, (3) figyeljük meg, hogy ennek eredménye előrejelez-e valamilyen emberi viselkedési jellemzőt. Például gráfanalízissel megjósolható, hogy mennyire megközelíthető egy utca vagy tér, azonban négy bejáratott és még számtalan kísérleti gráfon végezhető el ugyanez a vizsgálat. Melyik írja le jobban a jelenséget? Mindegyik, a saját szemszögéből. Érdemes úgy gondolni a modellre, mint egy specialistára, aki egy adott szemszögből nagyon körültekintően megmagyaráz egy jelenséget. Az adat-alapú döntéshozónak ennek tükrében generalistának kell lennie, aki értelmezi, és szintetizálja az eredményeket. Egy bécsi tanulmányban például arra voltunk kíváncsiak, hogy mennyire érzik biztonságosnak a közterületeket az arra járók, és megpróbáltunk egy összetett térszintaktikai vizsgálatot fejleszteni, ami ezt előrejelzi. Kik voltak a „specialistáink"? Megvizsgáltuk, hogy hol, mekkora a látómező, mennyi tér marad rejtett az adott pont környezetében, mennyire tagolt a látóteret alkotó térfalak összessége. Ezek fontos és általában nem számszerűsített dimenziói az érzékelt biztonságnak, de nem adnak teljes képet. A többi ember jelenléte, a környezetminőség, a közvilágítás, mind befolyásolják a biztonságérzetet, de nem voltak részei ennek a modellnek, ezek részben tervezési változóként, részben ismert limitációként lettek rögzítve. A vizsgálat eredményeképp így meg tudtuk mondani, hogy hol érdemes padokkal, játszóterekkel stb. növelni a jelenlétet, hol szükséges világítástechnikával ellensúlyozni a látótér szempontjából kitettebb zónákat.

3: Az adatok kommunikálását túl sok minden befolyásolja

Sok esetben a riportolás, mint utolsó lépés kapja a legkevesebb figyelmet, pedig minden számítás, szűrés, az érthetőség kedvéért történő egyszerűsítés manipulálja az eredményt, és a döntéshozót is. Az alábbi két közterület-elemzésen ugyanaz az adat jelenik meg: az elsőn torzítatlanul, a másodikon logaritmikus torzítással[4], ami végül a riportanyagba is bekerült. Miért használtuk a manipulált adatsort? Az elemzés nagyságrendekkel magasabb eredményt hozott nagy üres terekre (ábra bal oldala), amik a tervezési terület szempontjából nem voltak relevánsak, ott elsősorban az ábra közepén látható templom és szalagházak környékét akartuk elemezni, ahol a különbségek nem voltak markánsan kivehetők. A logaritmikus torzítás pont azt eredményezte, hogy a második ábrán olvashatóbbak a különbségek a tervezési területen. Ilyen manipulációkra szükség van, ugyanis elemzőként több lehetséges üzenetet is találhatunk az adatokban, amelyek közül más döntésekhez más lesz releváns. Ugyanakkor etikai kérdés, hogy az üzenet összhangban legyen az adatokkal, a kommunikáció tükrözze az ismert bizonytalanságokat, a kontextus legyen olvasható, viszont az olvasó keresés nélkül megkapja mindazt, ami az ő döntéséhez releváns.

4: Körtéket almákkal összehasonlítani?

A legtöbb tervezési problémának több, egymásra ható dimenziója van. Az energiahatékonysági beavatkozások például közvetlenül kihathatnak az üzemeltetési költségekre, komfortra, levegőminőségre, fizikai aktivitásra, amik makrogazdasági szinten forintosítható, nem energetikai előnyökkel is járhatnak, mint például produktivitás-növekedés, vagy alacsonyabb egészségügyi kiadások[5].

Tegyük fel, hogy döntéstámogatóként meghatározok egy indikátorlistát, amin szerepel a produktivitás-növekedés és az egészségügyi kiadás is. Ha egy felújított irodaépületben csökkennek a betegszabadságok, és emiatt kisebb a táppénz kiadás, akkor ugyanazt a hatást kétszer számoltam. Az indikátorok ad-hoc meghatározása emiatt eltorzíthatja a döntéstámogatást: sok esetben az, hogy milyen indikátort veszünk fel, és mit nem, már befolyásolja a döntést. Elengedhetetlen, hogy feltérképezzük azokat a folyamatokat, jelenségeket, amelyek összefüggenek a döntéssel. Egy olyan összetett rendszer esetében, mint egy város, közös nevezőre kell hozni az almákat és a körtéket, hidrogeológiai folyamatokat, időjárást, közlekedést, területhasználatot, emberi viselkedést, gazdaságot. Nem elégséges stratégiai célokat leíró indikátorokat mérni, ezek az információmorzsák csupán közbenső pontjai lesznek több ok-okozati láncnak, aminek a feltérképezésére minden esetben törekedni kell, hogy tudjuk, mik lesznek a releváns mérőszámok.

5: Sztenderdek kontra jellemzőség

A BMW Guggenheim Lab Mumbai városának közterületeit, a lakosság közparkhasználatát vizsgálta, többek között fókuszálva a nőkre a városi térben, részben kérdőívezéssel, részben mélyinterjúkkal[6]. Az eredmények alapján a helyi nők 87%-a érzi úgy, nem elérhetők számukra egyes közterek, és a fő okok e mögött a biztonságérzet, a szexuális zaklatás, szimplán a férfiak jelenléte, társadalmi megítélés. Csupán az esetek 4%-ban volt az elérhetőség gátja a fizikai távolság az otthon és a köztér között.

Mit lehet ebből leszűrni? Egyrészt az eset alátámasztja, hogy mennyire tudják kiegészíteni egymást a kvalitatív, empirikus, immerzív kutatások és az adat-alapú tervezéstámogatás. Általában nincs lehetőség mindent mérni, mindenről adatot előállítani, és a vizsgálódások a terepen mindig kiváló első lépések ahhoz, hogy feltérképezzük, milyen információ lesz hosszú távon hasznos. Másrészt arra is rámutat, hogy óriási különbségek vannak a között, hogy milyen adat lesz releváns városról városra, tervezési feladatról feladatra. A legfrissebb budapesti ITS zöldfelületekre vonatkozó kulcsindikátorai a mennyiségre, illetve a közelségre vonatkoznak, ami például a mumbai nők 4%-ának lenne releváns, és az adat-alapú tervezés önmagában nem fogja ezeket a konfliktusokat feloldani.[7] Nem elég bevett adatmodelleket, indikátorkészleteket kritikusan átvenni, mert könnyen kizárhatunk fontos helyi, egyedi tudásokat, így egy sztenderd, centralizált képét építjük fel adatokból a városnak/épületnek.

Az adatforradalom az építőiparban kétségkívül újfajta szakembereket igényel, de mint látjuk ez nem csak az adattudományi módszerek ismeretéről, hanem tudásszintézisről is szól. Az erőforrás-menedzsmenthez szakterületi, a részvételiséghez értelmezésbeli, az adaptációhoz modellezésbeli különbségeket kell tudni érzékelni, kezelni, és közös nyelvre hozni. Nem arany az adat, hanem szótár!

Bukovszki Viktor – az ABUD Mérnökiroda fenntarthatósági tanácsadója

Szerk.: Hulesch Máté

[1] térinformatikai rendszeren, térbeli adatokon alapuló szolgáltatások

[2] Hillier, B.; Hanson, J. The Social Logic of Space; Cambridge University Press, 1984; ISBN 9780521233651

[3] Transzformációk során is őrzött tulajdonságokra vonatkozó

[4] Egy lineáris skála értékeinek természetes alapú logaritmusát véve olyan adatsort kapunk, amelyben a kisebb értékek között nagyobb ugrások vannak, míg a nagyobb értékek közelebb vannak egymáshoz.

[5] Thomas, S.; Ürge-Vorsatz, D.; Thema, J.; Thomas, S.; Suerkemper, F.; Mzavanadze, N.; Ürge-vorsatz, D. More than Energy Savings : Quantifying the Multiple Impacts of Energy Efficiency. Conference: ECEEE summer study, Volume: 2017, 1727–1736.

[6] Kwai, S. Your Place, My Place, or Our Public Space?: Privacy and Space in Mumbai; Mumbai: BWM Guggenheim Lab, 2013

[7] Noyman, A., Larson, K., Tinn, P., Winder, J. I., Chin, R. C. C. Boston rapid transit community engagement; 2016, retreived from: https://dam-prod.media.mit.edu/x/2019/08/28/Barr_Final_Report_vFinal2.pdf