Generative design optimization in urban planning – walkability-optimized city concept

2015

1(41)

DOI: 10.5277/arc150110

Judyta Cichocka*

Generatywna optymalizacja w planowaniu przestrzennym

– koncept miasta przyjaznego ruchowi pieszemu

Generative design optimization in urban planning

– walkability-optimized city concept

Wprowadzenie

Walkability (przyjazność ruchowi pieszemu) jest tema-

tem wielu badań w zakresie transportu, marketingu oraz

jakości życia, zaś koncept walkable neighborhood (dziel-

nicy przyjaznej ruchowi pieszemu) […] jest rdzeniem

takich współczesnych teorii urbanistycznych jak Smarth

Growth oraz Nowy Urbanizm [1, s. 115]. Istnieje wiele

de finicji przyjazności ruchowi pieszemu, m.in.: Przy-

jazność oraz przyjazny ruchowi pieszemu to wymiar,

w ja kim chodzenie pieszo jest bezpiecznym, dostępnym

i przy jemnym środkiem transportu [2, s. 7]. Jednakże na

po trze by tej pracy walkability jest zdefiniowane słowami

Steve’a Ableya

: Przyjazność ruchowi pieszemu to wy 

miar, w jakim stworzone środowisko jest sprzyjające obec

ności ludzi, którzy aktywnie żyją, kupując, odwiedza jąc

i spędzając w nim czas [3, s. 3].

Wielu naukowców podziela pogląd, iż dzielnice przy-

jazne ruchowi pieszemu są jednym z najlepszych rozwią-

zań urbanistycznych z ekonomicznego, medycznego oraz

ekologicznego punktu widzenia. Stwierdzono także, iż

kom binacja terenów mieszkaniowych oraz komercyjnych

w dzielnicach przyjaznych ruchowi pieszemu wspiera

rozwój relatywnie niedrogiego budownictwa mieszkanio-

wego [4], [5]. Niejednolitość funkcjonalna terenów wspo-

* Wydział Architektury Politechniki Wrocławskiej/Faculty of

Architecture, Wrocław University of Technology.

Założyciel nowozelandzkiej firmy Abley Transportation Consul-

tants.

Introduction

Walkability is a subject of many researches in fields of

transportation, marketability and living quality and […]

the concept of walkable neighborhood is at the core of

such contemporary urban theories as Smart Growth and

New Urbanism [1, p. 115]. There are a few existing defi-

nitions of the walkability, e.g., Walkability may in turn be

defined as the extent to which walking is readily available

as a safe, connected, accessible and pleasant mode of

transport [2, p. 7]. For the purposes of this paper the

Steve Abley’s

definition is quoted: Walkability and walk-

able is: the extent to which the built environment is

friendly to the presence of people living, shopping, visit-

ing, enjoying or spending time in an area [3, p. 3].

Plenty of researchers support the view that walkable

neighborhoods are one of the finest solutions for the

economy, health and environment. It is claimed that the

combination of residential and commercial land uses in

walkable neighborhoods supports affordable housing [4],

[5]. Such a mixture is also supportive for the lower auto-

mobile dependency [6] and cleaner air and water [7].

Walkability was selected as the primary sustainability

performance indicator also in the research Generative

Urban Modeling: A Design Work Flow For Walkability-

Optimized Cities conducted by Tarek Rakha and Christoph

Reinhart from Massachusetts Institute of Technology.

Chatered Traffic and Transportation Engineer and the Managing

Director of New Zelander company Abley Transportation Consultants.

120 Judyta Cichocka

maga także obniżenie zależności mobilności mieszkań-

ców od samochodów [6] oraz wspiera utrzymanie czyste-

go po wietrza i wody [7].

Walkability zostało wybrane jako główny wskaźnik

zrów noważonego rozwoju w pracy Generative Urban

Mo de ling: A Design Work Flow For Walkability-Opti mi-

zed Cities napisanej przez naukowców z MIT (Massa chu

setts Institute of Technology): Tareka Rakhę oraz Chris

topha Reinharta. W swojej pracy zaprezentowali algorytm

tworzący przyjazne ruchowi pieszemu dzielnice na nieza-

budowanych obszarach miejskich o zróżnicowanej rzeź-

bie terenu. Celem ich badań było zaproponowanie inteli-

gentnej metody w projektowaniu układu ulic i kreowaniu

masy urbanistycznej, która umożliwiłaby optymalizacje

w projektowaniu przestrzennym pod konkretnymi kryte-

riami środowiskowymi [8].

Jednym z głównych założeń metodologicznych Rakhi

i Reinharta było wysokie prawdopodobieństwo wystą

pienia zjawiska eksurbanizacji i w je go konsekwencji

spa dek intensywności zabudowy. W odróżnieniu od ich

po dejścia, zaprezentowany w tym artykule algorytm ma

na celu zwiększenie gęstości zabudowy w już istnieją-

cych strukturach miejskich Irkucka, co jest zgodne z za 

ło żeniami rozwoju infrastruktury mieszka niowej zawartej

w wytycznych projektowych stworzonych na potrzeby

warsztatów International Baikal Winter University of Ur 

ban Planning 2014. Obie prace bazują na hipotezie za kła

dającej, że raz wytyczony układ dróg jest odporny na

zmiany na przestrzeni czasu [8].

Jak wskazują wyniki badań, wzrost gęstości zabudo-

wań może nie mieć negatywnego wpływu na ceny wła-

sności, jednakże w ujęciu ogólnym jest uważany za czyn

nik pogarszający jakość dzielnicy [1]. Zaproponowana

me todyka może okazać się pomocna w rozwiązywaniu

pro blemów projektowych dotyczących pogarszania się ja 

kości dzielnicy wraz ze wzrostem gęstości zabudowań.

Po przez rozmieszczenie kilku obiektów o zróżnico wa nych

funkcjach usługowych przyjazność dla ruchu pie sze go

ba da nej dzielnicy „Tereshkovoy” wzrosła o 25 pun któw

walk score

i została przekształcona z „średnio przy jaznej

ruchowi pieszemu” na „bardzo przyjazną ru chowi piesze-

mu”. Wzrost przyjazności jest równoznaczny ze wzro-

stem atrakcyjności badanej okolicy. Jak po kazuje sondaż

American Community Survey, 61% ludzi, którzy pla nu ją

zakup domu, szuka mieszkania w inteligentnie wzra 

stających społecznościach z krótkimi czasami dojazdu do

pracy, chodnikami, lokalnymi sklepikami i res tauracjami

[9]. Prezentowana w tej pracy metodologia projektowa

jest także próbą zaaplikowania kalkulatora przyjazności

ru chowi pieszemu w kontekście nieamerykańskim.

Projekt koncepcyjny

Stymulacja rozwoju infrastruktury mieszkaniowej

i za spokojenie zapotrzebowania na nowoczesne usługi

lo kalowe jest jednym z głównych ekonomicznospołecz-

Walk score – wynik „przyjazności dla ruchu pieszego” mierzonej

przez stworzony algorytm.

Their research presents the urban analysis workflow,

which develops massing and street layouts for new neigh-

borhoods in nonflat terrains. The aim of this study was to

propose a smarter approach in subdivision of street grids

and creation of urban massing, that enable optimization of

urban design under certain environmental performance

criteria [8].

One of Rakha and Reinhart’s main assumptions was

the likeness of the urban sprawl and resulting decrease of

urban density. In contrast to their approach, in this re 

search one of the major goals is the increase of density in

the existing urban structure resulting from the approach

towards housing development in the city of Irkutsk, con-

tained in the project principles created for the needs of

workshops of the International Baikal Winter University

of Urban Planning 2014. The common hypothesis for

both researches is the noticeable observation, that “a road

network, once in place, tends to be remarkably resistant to

change” [8, p. 1].

As the research The economic value of walkable neigh-

borhoods shows the increase of density may not have

a ne gative influence on the prices of properties, but it is in

general regarded as a negative impact on the quality of

a neighborhood [1]. The proposed design workflow may

be one of the keys to handling such a design problem.

Through the location of a few amenities the walkability of

the neighborhood increased by 25 walk score points and

all the area from a “Somewhat Walkable” was changed

into “Very Walkable”. The increase of walkability is equal

to the boost of attractiveness of the area. As the American

Commu nity Survey [9] shows, 61% of people, who

would like to buy a house, would look for a dwelling in

a smart growth community with short commute times,

sidewalks, local shops and restaurants. This research is

also an attempt into applying a customized walk score

calculator in a nonUS context.

Case study

One of the main social and economic problems in the

post cold war Russia is the stimulation of the residential

development and satisfying the demand for modern hous-

ing [10]. The city of Irkutsk faces the same problem. It is

believed that development of new housing would also

solve the problem of deconstruction of the derelict build-

ings and houses under the threat of collapse. This assump-

tion is even more justified in the case of the city of Ir kutsk,

due to the lack of areas proposed for massive hous ing

construction. Irkutsk authorities initiated the realization

of the “pilot” projects in the 43 determined areas [11]. The

four of these areas: “Deputatskaya”, “Barrikad”, “Ya ko 

bi” and “Tereshkovoy” became a subject of elaboration

during the 15

session of the International Baikal Winter

Uni ver sity of Urban Planning 2014 (Winter Uni versity).

The Winter University is a significant, international

urban planning workshop taking place in Siberia. Every

year participants from all over the world come to Irkutsk

to work for 3 weeks on developing new urban solutions

for the city of Irkutsk. “Perestroika – Development and

transformation of urban space” was the subject of this

Koncept miasta przyjaznego ruchowi pieszemu /Walkability-optimized city concept 121

nych wyzwań Rosji po rozpadzie Związku Radzieckiego

w 1991 r. [10]. Dodatkowo zakłada się, iż wzrost nowej

infrastruktury mieszkaniowej rozwiąże problem wybu-

rzania zaniedbanych budynków grożących zawaleniem.

Hipoteza ta znajduje głębokie uzasadnienie w przypadku

Irkucka ze względu na brak nowych terenów przeznaczo-

nych na wielkoskalowe inwestycje. Władze miasta zaini-

cjowały reali zację 43 projektów pilotażowych na wyzna-

czonych ob sza rach urbanistycznych [11]. Cztery z nich

(„De pu tatskaya”, „Barrikad”, „Yakobi”, „Tereshkovoy”) zo 

sta ły

wy brane jako tematy elaboracji podczas 15. sesji mię

dzy narodowych warsztatów International Baikal Win ter

Uni versity of Urban Planning 2014 (Winter University).

Warsztaty te są ważnym międzynarodowym wydarze-

niem w środowisku urbanistów, planistów i architektów

na Syberii. Każdego roku eksperci i studenci z całego

świa ta przyjeżdżają do Irkucka, aby przez trzy tygodnie

opra cowywać nowe urbanistyczne strategie dla miasta.

Tematem 15. sesji była „Pierestrojka – rozwój i transfor-

macja przestrzeni urbanistycznej”. Warsztaty miały na

celu opracowanie strategii prowadzącej do przestrzenne-

go oraz socjalnoekonomicznego kompromisu pomiędzy

rozwojem nowej zabudowy a rekonstrukcją zaniedbanych

starych drewnianych budynków mieszkaniowych [11].

Rozwój nowej zabudowy mieszkaniowej w istnieją-

cych tkankach urbanistycznych powoduje w konsekwen-

cji wzrost gęstości zaludnienia oraz rodzi potrzebę prze-

kształcenia zarówno miękkiej, jak i twardej infrastruktury

najbliższej okolicy. Jak mówi pilot 15. sesji Winter Uni

ver sity Ruslan Khotulev: Nie ulega wątpliwości, że wzrost

gę stości zabudowy jako wyniku odbudowy wielopiętro-

wych domów wywrze nacisk na socjalną i transportową

infrastrukturę sąsiadujących terenów i w konsekwencji

spowoduje degradację środowiska [12, s. 5].

Ta praca prezentuje strategię transformacji obszaru

„Te reshkovoy” w dzielnicę przyjazną ruchowi pieszemu

z użyciem komputacyjnych metod projektowych. Oma

wia na stra tegia ma umożliwić zbilansowaną finansowo

trans for mację infrastruktury oraz zapobiec degradacji

śro dowiska.

Metodologia

Celem niniejszego artykułu jest stworzenie uniwer

salnej definicji w oprogramowaniu Rhino/Grasshopper,

któ ra wspomoże proces przekształcania istniejących ob 

sza rów urbanistycznych w dzielnice przyjazne ruchowi

pie szemu. Teren „Tereshkovoy”, który jest jednym z 43

ob szarów przeznaczonych do przebudowy w Irkucku, zo 

stał wybrany jako przykładowy kontekst służący do zbu-

dowania i ap likacji stworzonego na potrzeby pracy algo-

rytmu. Obszar mierzy 1,16 km

(115,52 ha) w granicy

op ra cowania (il. 1).

Głównym zadaniem algorytmu jest osiągnięcie maksy-

malnej średniej wyników walk score dla wszystkich jed-

nostek mieszkaniowych w granicy opracowania poprzez

lokalizację minimalnej liczby zróżnicowanych funkcjo-

nalnie usług. Innymi słowy, algorytm ma za zadanie

zmaksymalizować walkability dzielnicy przy użyciu mi

nimalnych środków.

year’s session. The aim of the workshop was to propose

a concept and a strategy leading to the spatial and socio

economic compromise between new developments and

reconstruction of ramshackle residential buildings [11].

Construction of new residential buildings in the exist-

ing areas and the resulting increase of the population

densi ty, will cause the demand for restructuring both hard

and soft infrastructure of the whole neighborhood. As co

pilot of the 15

session of Winter University – Ruslan

Khotulev says: Increasing the density of construction as

a result of reconstructing fewstory houses inevitably will

lead to excessive pressure on social and transport infra

structure of neighboring areas, and as a consequence, to

degrading of the city environment [12, p. 5].

This paper presents a strategy for transforming area

“Tereshkovoy” into walkable neighbourhood with usage

of computative methods. The workflow described in the

next paragraphs is intended to support a smart and cost

balanced transformation and prevent the city environment

from degradation.

Methods – Workflow

This research pursues the creation of a universal defi-

nition in the Rhino/Grasshopper design environment,

which may be helpful in transformation of the existing

urban structures into walkable neighborhoods. The site of

“Tereshkovoy”, which is one of the 43 sites proposed to

be redeveloped in Irkutsk, is chosen as a case study. This

site measures 1.16 km

(115.52 ha) within the planning

area boundary (Fig. 1).

The main aim of the algorithm is to achieve maximum

average walk scores for all residential units within the

design area boundary through location of the minimal

number of functionaldiversified amenities. In other

words, the goal is to maximize the walkability of the area

with usage of minimal measures.

This part of the research presents the experimental

workflow, which was applied in determined urban cir-

cumstances in Irkutsk.

Firstly, streets layout and plan of the existing amenities

and housing units were required to start the analysis and

further optimization process. Elk a plugin for Grass

hopper, which utilizes OpenStreetMap data, was used to

create a digital vector map of the neighborhood. Resulting

map was then complemented by the information from

walk score.com, which utilizes data sources such as

Google, Education.com, Open Street Map and Localeze

[13] and data from 2gis (2ГИС)

Secondly, the current walkability of the neighborhood

was evaluated. The algorithm counts the walk score for

every residential building within the de sign perimeter in

the steps presented below:

1. Every residential building and every amenity outline

finds its projection to the closest street and creates a node

at this point (Fig. 2).

2ГИС – Software version: 3.14.2 (API  1.4.1), City database:

Irkutsk – Russia (February, 2014).

122 Judyta Cichocka

Ta część badań prezentuje eksperymentalny proces

projektowy, który został wdrożony w określonych warun-

kach urbanistycznych miasta Irkucka.

Do rozpoczęcia procesu optymalizacji wymagane było

stworzenie dokładnego planu z układem ulic oraz zazna-

czeniem obiektów mieszkaniowych i istniejących usług.

Do sporządzenia wektorowej mapy okolicy została zasto-

sowana wtyczka Elk, która wykorzystuje dane z portalu

OpenStreetMap.org. Mapa została uzupełniona dodatko-

wo na podstawie informacji uzyskanych z aplikacji 2gis

(2ГИС)

oraz portalu Walkscore.com, który bazuje na

danych z Google, Education.com, OpenStreetMap, Loca-

leze [13].

Następnie została przeprowadzona ewaluacja aktualnej

przyjazności ruchowi pieszemu badanego terenu. Algo-

rytm liczy wynik walk score dla każdego z budynków

mieszkalnych w granicy opracowania w następujących

kro kach (il. 2):

1. Projekcja obrysu każdego budynku mieszkalnego

i ka żdej usługi zostaje znaleziona na najbliższej ulicy

i tworzy w tym miejscu węzeł.

2ГИС – wersja: 3.14.2 (API – 1.4.1), baza danych: Irkuck –

Rosja (luty, 2014).

2. The shortest walk is found with usage of the ShortWalk

component (Fig. 2). It calculates the shortest path from

positions (start nodes) of residential buildings to amenities

(end nodes) within a given network of roads (curves).

ShortWalk component is based on a linebased topology

calculator and utilizes A* algorithm – combination of the

extension of Dijkstra’s algorithm and heuristics. Moreover

A* is also shown to be optimal over a sub set of the latter

class containing all best-first algorithms that are guided

by pathdependent evaluation functions [14, p. 505].

3. On the basis of the result calculated by the algorithm,

every housing unit is evaluated in terms of walk abi lity

and receives a walk score between 0 and 100 accor dingly

to Table 1. In case of more than one amenity of the same

type, only the shortest distance is taken into calculation.

All nearby amenities are checked for the walk length (not

only amenities within the design area boun dary).

4. Three previous steps are repeated for evaluation of

the walk scores for every type of amenity, as follows: en 

ter tainment, restaurants, bars, kindergartens (Fig. 3), schools,

parks, groceries and sport facilities. The final walk score

is an arithmetical average of the particular walk scores.

The graphical representation of the average walk score

for every residential building in the scope of study before

and after the optimization process is presented in Figure 4.

Il. 1. Plan Irkucka

w skali 1 : 50 000

z zaznaczoną granicą opracowania

Fig. 1. The map of the Irkutsk,

scale 1:50 000

with marked design area

Il. 2. Wizualna reprezentacja

części algorytmu znajdującego

najkrótszą ścieżkę ruchu

w kilku krokach

Fig. 2. Visual representation of

the part of the algorithm,

which finds the shortest walk

in a series of steps

węzeł startowy

start node

węzeł startowy

start node

węzeł startowy

start node

węzeł startowy

start node

646 m

363 m

100

węzeł końcowy

end node

węzeł końcowy

end node

Koncept miasta przyjaznego ruchowi pieszemu /Walkability-optimized city concept 123

2. Najkrótsza droga jest wyszukiwana przez kompo-

nent ShortWalk. Komponent oblicza najkrótszą ścieżkę

po między lokalizacją budynków mieszkalnych (węzły

star towe) oraz lokalizacją usług (węzły końcowe), wyko-

rzystując dany układ ulic (krzywe). ShortWalk bazuje na

linearnym topologicznym kalkulatorze i wykorzystuje A*

algorytm – kombinację rozwinięcia algorytmu Dijkstry

i heurystyki. Ponadto A* algorytm jest przedstawiony

jako optymalny w drugiej wymienionej podgrupie [heu

rys ty ki] zawierającej wszystkie najlepsze algorytmy kie-

rowane przez funkcję ewaluacji ścieżek [14, s. 505].

3. Na podstawie obliczonego przez algorytm rezultatu

każda jednostka mieszkaniowa otrzymuje wynik walk

score w zakresie od 0 do 100 zgodnie z tabelą 1. W przy-

padku obecności więcej niż jednej z usług tego samego

typu tylko dystans do naj bliższej z nich jest brany pod

uwagę. Wszystkie zlokalizowane w okolicy obiekty usłu-

gowe są sprawdzane pod kątem odległości (także te poza

granicą opracowania).

Optimization process

In this research the walkability of an overall area

depends on the locations of the mentioned types of ameni-

ties. To maximize walkable potential of the site, new

amenities should be distributed, so that the greater part

of housing units get a maximized walk score. The num ber

of possible combinations is enormous, so that applica 

tion of computational methods seems essential for solv

ing this setback. The optimization problem was inten

tionally formulated to be solvable by the evolutionary

solver – Galapagos.

The tool is based on the Genetic Algorithm, which […]

is a scheme that imitates evolutionary processes through

si mulating procedures of population, crossover andmu

tation of competing solutions [8, p. 4]. In the created al 

go rithm, the evolutionary solver – Galapagos uses the

va riables (genes) to choose the random location (ge nome)

within the street layout (solution domain). Ma ximi za

tion of walkability is understood as maximiza tion of the

average of walk scores for the whole neighbor hood. This

dependency is formulated as an equation below and is

utilized as a fitness function for the evolutionary solver:

f(d) =

where:

f(d) – fitness function

d – the shortest distance between the residential build-

ing and amenity

= 100, d Î á0|366ñ

= 100 – , d Î (366|2196)

= 0, d Î á2196|+∞ñ;

+ n

– total number of residential building under

evaluation,

– amount of houses with 100 walk score,

– amount of houses with walks core between 0 and

100,

– amount of houses with 0 walk score,

f(d) =

In the study the total number of housing units under

evaluation is 444. If the walking distance between the

node of house and the node of the amenity is smaller than

366 m, the house scores 100 walk score points and if the

distance is larger than 2196 m it scores 0 walk score

points. All possible results are presented in the Table 1.

The distance of 366 m is a 5minute walk at a speed of

1.22 m/s and 2196 m is a distance for a 30minute walk

at the same speed. For design purposes the speed value

of 1.22 m/s is used for younger pedestrians (ages 14–65)

[15]. The same value is suggested in the Manual on

Uniform Traffic Control Devices (FHWA) [16] for traffic

signal timing.

Il. 3. Mapa wyników walk score przed procesem optymalizacji

(górna mapa) i po nim (dolna mapa) dla kategorii „przedszkola”

Fig. 3. The maps of the walk scores before (upper map)

and after (lower map) optimization process for kindergartens

+ W

+ n

d – 366

18.3

przedszkole „judith”

kindergarten “judith”

istniejące przedszkole

existing kindergarten

nowe przedszkole

new kindergarten

mniej niż 5 minut na przejście

less than 5minutelong walk

100n

+ (100 – ) n

+ n

d–366

18.3

124 Judyta Cichocka

4. Trzy powyższe kroki są powtórzone w ocenie przy-

jazności ruchu pieszego dla usług każdego typu. W pro-

jekcie uwzględniono następujące kategorie: rozrywka,

restauracje, bary, przedszkola (przykład – il. 3), szkoły,

parki, sklepy spożywcze i usługi sportowe. Ostateczny

wynik walk score jest arytmetyczną średnią wyników dla

poszczególnych kategorii.

Reprezentacja graficzna uśrednionych wyników walk

score dla poszczególnych kategorii jest przedstawiona na

ilustracji 4.

Proces optymalizacji

W omawianej metodzie ocena optymalizacji przyja-

zności ruchowi pieszemu zależy wyłącznie od lokalizacji

usług różnego typu. Zwiększenie tej walkability polega na

rozdystrybuowaniu nowych funkcji usługowych w taki

sposób, aby jak największa liczba jednostek mieszkanio-

wych uzyskała jak najwyższą średnią wyników przyja-

zności dla poszczególnych kategorii usług. Liczba możli-

wych kombinacji jest niewiarygodnie duża, dlatego też

aplikacja komputacyjnych metod projektowych wydaje

się niezbędna do rozwiązania tego zagadnienia. Problem

optymalizacyjny celowo został stworzony jako rozwiązy-

walny przez solver ewolucyjny – Galapagos.

Galapagos jest oparty na algorytmie genetycznym,

któ ry […] schematem przypomina ewolucyjne procesy

po przez symulowanie procedur populacji, krzyżowania

się i mutacji konkurujących rozwiązań [8, s. 4]. W stwo

rzo nym algorytmie solver genetyczny Galapagos wyko-

rzystuje zmienne (geny) do wyboru losowej lokalizacji

(genomu) w zadeklarowanej domenie, którą stanowi uk 

ład ulic. Maksymalizacja walkability dzielnicy jest w uję

ciu projektu przedstawiona jako maksymalizacja średnich

wyników walk score dla całej strefy opracowania.

Zależność ta jest sformułowana w formie funkcji przed-

stawionej poniżej i jest wykorzystana jako funkcja wielu

zmiennych w procesie optymalizacji:

f(d) =

gdzie:

f(d) – funkcja wielu zmiennych,

d – najkrótsza ścieżka ruchu pomiędzy jednostką mie

szkaniową a lokalizacją danej funkcji usługowej,

= 100, d Î á0|366ñ

= 100 – , d Î (366|2196)

= 0, d Î á2196|+∞ñ;

+ n

– całkowita liczba wszystkich jednostek

mieszkaniowych w granicy opracowania

– liczba domów z walk score równym 100,

– liczba domów z walk score w zakresie od 0 do 100,

– liczba domów z walk score równym 0.

f(d) =

Results and project proposal

The created definition in the Rhino/Grasshopper design

environment indicates a close to optimal node (address),

where the new amenity should be located to maximize the

walkability of the entire neighborhood. This procedure of

searching for a new optimal location is repeated for every

type of amenity (example: Fig. 3). As a result of walk

abi

lity optimization – 8 new facilities were added, and the con

ceptual

project was proposed (Fig. 4: after).

It is noticeable, that results suggest two potential “walk-

able centers” of the neighborhood. The grocery al ready exist

ed in one of those centers, so that consequently another loca-

tion was pointed by the algorithm. It is noticeable, that most

nodes indicated by the algorithm are situated close to the

lon ger diagonal of the design area. The results of optimiza 

tion for particular types of facilities, are presented in Figure 5:

For the simulation at 1.22 m/s pedestrian speed value,

the walkability average before optimization process was

60.02, and after 85.42. The overall walk score for the

whole neighborhood rose more than 25 walk score points.

Il. 4. Graficzna reprezentacja wyników przyjazności ruchowi pieszemu

przed procesem optymalizacji i po nim

Fig. 4. The graphical representation of the walk scores

before and after the optimization process

+ W

+ n

d – 366

18,3

100n

+ (100 – ) n

+ n

d–366

18,3

Koncept miasta przyjaznego ruchowi pieszemu /Walkability-optimized city concept 125

W opracowaniu całkowita liczba jednostek mieszkanio-

wych wynosi 444. Jeśli dystans pomiędzy węzłem starto-

wym i końcowym dla danej jednostki mieszkaniowej

wynosi mniej niż 366 m, dana jednostka otrzymuje

100

punktów w ewaluacji, jeśli zaś dystans przekracza

2196 m, jednostka otrzymuje 0 punktów walk score. Tabe

la 1 przed stawia pełny system oceniania.

Dystans 366 m to 5minutowy spacer z szybkością

1,22 m/s, a dystans 2196 m odpowiada 30minutowemu

spacerowi z tą samą prędkością. Do celów projektowych

dla grupy docelowej w wieku 14–65 lat jako szybkość pie

szego przyjmuje się 1,22 m/s [15]. Ta sama wartość za 

sugerowana jest w podręczniku Manual on Uniform Traffic

Control Devices for Streets and Highways (MUTCD) [16]

dla projektowania sygnalizacji świetlnych.

Wyniki i projekt koncepcyjny

Stworzona definicja w oprogramowaniu Grasshopper

wskazuje najkorzystniejsze lokalizacje węzłów końco-

wych (adresy) dla nowo projektowanych funkcji, tak aby

maksymalnie zwiększyć przyjazność ruchowi pieszemu

dla całego obszaru. Ta procedura szukania optymalnej

lokalizacji jest powtórzona dla każdego typu usługi (przy-

kład dla przedszkola – il. 3). Jako wynik optymalizacji

walkability – 8 nowych funkcji usługowych i rekreacyj-

nych zostało dodanych do istniejącej tkanki urbanistycz-

nej, tworząc konceptualny projekt (il. 4: po).

Uzyskane rezultaty wskazują dwa potencjalne opty-

malne centra przyjazne ruchowi pieszemu w badanej

okolicy. Sklep spożywczy istnieje już w jednym z nich,

dlatego też konsekwentnie nowa lokalizacja została wy 

tyczona w innym miejscu. Można stwierdzić także, iż

większość wskazanych przez algorytm lokalizacji dla

Although it is already proven that the validated Walk

Score

is a reliable tool for estimating access to nearby

facilities [17], it was not utilized in this research in its

original form. Firstly, the resent researches were US data

based and it is hard to predict if they are applicable to the

same extent in the notUS research context [13]. Secondly,

Walk Score

is a legitimate measure of estimating only

some aspects of neighborhood walkability and still needs

validation. Thirdly, Walk Score

was not applied in this

case study because it counts the straightline distances at

the 1600meter buffer.

The algorithm presented in this paper in terms of cal-

culating distances works similarly to Street Smart algo-

rithm which calculates “network distances” rather than

straightline distances. This characteristic significantly

improves the validity of walk scores. In the validated

Walk Score

facilities are divided into five categories:

educational (e.g., schools), retail (e.g., grocery, drug, con-

venience and bookstores), food (e.g., restaurants), recre-

ational (e.g., parks and gyms) and entertainment (e.g.,

movie theaters), and only the distance to the closest ame-

nity in the given category is taken into calculation [13]. In

the Walk Score

the frequency of used destination is

disregarded. In this research every facility is in its own

“category” and their weights are equal. It is hard to

assume any frequency since it is a composite problem

considering many aspects and it still remains an empirical

question. Nonetheless, an improvement of walkability by

25 walk score points means that the pedestrian saves

about 6.25 min one way achieving one of the de stinations

(school, sport facility, park, kindergarten, grocery, bar,

restaurant or entertainment facility). It gives a 13minute

saving for reaching one amenity and 26 min in case of

going to two amenities a day. In practice this result indi-

Tabela 1. Definicje wyników przyjazności ruchowi pieszemu – stworzone na bazie WalkScore

(walkscore.com)

Table 1. Walk score definitions – created on the basis of WalkScore

(walkscore.com)

Walk

score

Opis

Description

Czas przejścia [min]

Walk time [min]

Odległość/Distance [m]

v = 1,22 m/s

Odległość/Distance[m]

v = 0,97 m/s*

100 Raj dla pieszych/Walker’s Paradise <5 <366 <291

90–100

Raj dla pieszych/Walker’s Paradise

Codzienne dojazdy nie wymagają samochodu

Daily errands do not require a car

5–7,4 366–549 292–436

70–89

Bardzo przyjazna ruchowi pieszemu/Very Walkable

Codzienne dojazdy nie wymagają samochodu

Daily errands do not require a car

7,5–12,4 550–915 437–727

50–69

Średnio przyjazna ruchowi pieszemu/Somewhat Walkable

Niektóre usługi w odległości sprzyjającej mobilności pieszej

Some amenities within walking distance

12,5–17,4 916–1281 728–1018

25–49

Zależna od transportu kołowego/Cardependent

Tylko kilka usług w odległości sprzyjającej mobilności pieszej

A few amenities within walking distance

17,5–23,8 1282–1739 1019–1382

0–24

Zależna od transportu kołowego/Cardependent

Dojazd do prawie wszystkich usług wymaga pojazdu

Almost all errands require a car

23,9–30 1740–2196 1383–1746

0 Zależna od transportu kołowego/Cardependent >30 >2196 >1746

* 0,97 m/s to prędkość odpowiednia dla pieszych w podeszłym wieku (powyżej 65 roku życia) [15]/0.97 m/s is a value of speed suitable for older

pedestrians (ages over 65) [15]

126 Judyta Cichocka

nowych usług znajduje się w pobliżu dłuższej przekątnej

badanego obszaru (il. 4). Wyniki optymalizacji przyja-

zności ruchowi pieszemu dla poszczególnych kategorii

funkcji są przedstawione na grafie (il. 5).

Dla symulacji z przyjętą prędkością pieszych równą

1,22 m/s średnia przyjazność ruchowi pieszemu przed

optymalizacją wynosiła 60,02, zaś po – 85,42. Całkowity

wynik dla obszaru opracowania wzrósł o 25 punktów

przyjazności dla ruchu pieszego.

Chociaż jest już udowodnione, że zweryfikowane

narzędzie WalkScore

jest wiarygodnym przyrządem do

oceniania dostępności najbliższych usług [17], w przed-

stawionym projekcie koncepcyjnym nie zostało ono uży 

te w swojej oryginalnej formie. Po pierwsze, ostatnie ba 

dania odnośnie do WalkScore

bazowały na kontekś cie

ame rykańskim i trudno jest przewidzieć, czy w takim sa 

mym stop niu mogą zostać zastosowane w urbanistycznym

kon tekście poza USA [13]. Po drugie, WalkScore

jest

słusznym środkiem mierzenia tylko wybranych as pek tów

przy jazności ruchowi pieszemu i wymaga dalszych badań

w celu zwiększenia wiarygodności. Po trzecie, WalkScore

nie został użyty w przedstawionym koncepcie, ponieważ

liczy odległości od jednostek mieszkalnych do lokali

usługowych tylko w linii prostej w promieniu 1600 m.

Zaprezentowany w tej pracy algorytm w kwestii spo-

sobu mierzenia odległości jest podobny do algorytmu

Smart Street, który zamiast dystansów w linii prostej liczy

„sieciowe odległości”. Ta właściwość znacząco po prawia

wiarygodność otrzymanych wyników. W zweryfikowa-

nym narzędziu WalkScore

funkcje usługowe po dzielone

są na 5 kategorii (edukacja, sprzedaż, żywność, rekreacja

i rozrywka) i dystans tylko do najbliższej usłu gi z danej

kategorii jest uwzględniony w kalkulacji [13]. W algoryt-

mie obliczeniowym WalkScore

częstotliwość używania

poszczególnych usług jest pominięta. W prezen towanym

algorytmie każda usługa jest w osobnej ka te gorii i wagi

poszczególnych kategorii są równe. Osza cowanie wag do

kalkulacji dla poszczególnych kategorii jest szczególnie

trudne ze względu na złożoność problemu i pozostaje

osiągalne poprzez badania empiryczne. Wzrost przyjazno-

ści ruchowi pieszemu badanego obszaru o 25 pun któw

walk score oznacza oszczę dność 6,25 min przy jednora-

zowym spacerze do miejsca wybranej usługi (szkoła, usłu

ga sportowa, park, przedszkole, sklep spożywczy, bar,

restauracja, rozrywka). To daje 13 min osz częd ności

dziennie, przy założeniu, że potencjalny mieszkaniec raz

dziennie idzie piechotą do wybranego miejsca. W prak

tyce wynik ten oznacza, że lokale usługowe są bliżej za 

budowań mieszkalnych i praw dopodobieństwo, że miesz

kańcy będą do nich chodzić na piechotę, jest większe.

Konsekwentnie, wzrost przyjazności dla ruchu pieszego

o 25 punktów oznacza, że mieszkańcy omawianego ob 

szaru są mniej uzależnieni od prywatnych samochodów.

Dyskusja

Oprócz weryfikacji samej metodologii, główne punkty

dyskusji podważającej wiarygodność zaproponowane 

go algorytmu mogą być znalezione na dwóch polach.

W pierwszej kolejności wskazane zostaną niedoskonało-

cates that facilities are nearer to the housing units and

inhabitants are more likely to take a walk instead of using

the car. Therefore, regardless to the precise methods of

calculation, rise of walkability in the neighborhood by 25

points, makes it more pedestrianfriendly and less car

dependant.

Discussion

The major discussions and uncertain points of the

research may be found in two fields apart from validation

of applied walk score algorithm itself. Firstly, the imper-

fections in the code and fitness function formulation will

be pointed out, secondly the results themselves will be

discussed.

Considering the code formulation, the distances from

buildings to the closest streets are neglected, so that the

estimated distances might be in reality up to 50 m longer.

Moreover the entrances to the residential units and facili-

ties may not face towards the closest street. Both of these

aspects decrease the validity of the calculated scores. No

shortcuts or unofficial ways of circulation are taken into

consideration due to the lack of validated data. On the

other hand it is simultaneously assumed, that local roads

are accurately prepared for the pedestrian circulation

(pavements, walkways, roads are clear of snow during the

winter). Personal preferences of inhabitants are disre-

garded. Neither WalkScore

nor presented walk score

algorithm counts the variables such as neighborhood

aesthetics, traffic, physical terrain [13]. Another disad-

vantage of the created tool is the fact, that all the housing

units have the same “weight” in the process of maximiza-

tion of the walk scores average. In other words, for the

algorithm a singlefamily house is as important as the

block of flats with 200 inhabitants. Nonetheless, this

weakness may be easily eliminated, if the proper informa-

Il. 5. Wykres wyników przyjazności dla ruchu pieszego

przed procesem optymalizacji i po nim

Fig. 5. The results of the walkability for particular amenities

before and after optimization

restauracje

restaurants

przed

before

walk score

100

after

szkoły

schools

Optymalizacja przyjazności dla ruchu pieszego

Walkability optimization

obiekty sportowe

sport facilities

rozrywka

entertainment

sklepy spożywcze

groceries

przedszkola

kindergartens

parki

parks

bary

bars

Koncept miasta przyjaznego ruchowi pieszemu /Walkability-optimized city concept 127

ści w sformułowaniu kodu i funkcji wielu zmiennych,

następnie zostaną omówione otrzymane wyniki.

Biorąc pod uwagę sformułowanie algorytmu, odległo-

ści od budynków do najbliższych dróg (węzły startowe)

są pominięte, dlatego też rzeczywiste odległości mogą

być do 50 m dłuższe. Ponadto wejścia budynków mogą

nie być zlokalizowane od strony najbliższej ulicy. Oba te

aspekty zmniejszają wiarygodność otrzymanych wyni-

ków. Żadne nieoficjalne ścieżki piesze czy skróty nie są

wzięte pod uwagę przy kalkulacji z powodu braku zwery-

fikowanych danych. W przyjętej metodologii zakłada się

także, że drogi w domenie rozwiązań są odpowiednio

przygotowane do ruchu pieszego (chodniki, przejścia, od 

śnieżone w okresie zimowym). Personalne preferencje

mie szkańców również są pominięte. Ani WalkScore

, ani

stwo rzony algorytm nie uwzględniają w kalkulacji este

tyki okolicy, natężenia ruchu i rzeźby terenu [13]. Kolejną

wadą stworzonego narzędzia jest to, iż wszystkie jed

nostki mieszkaniowe mają tę samą wagę w procesie ma 

ksymalizacji średniej wyników walk score. Innymi słowy,

dla algorytmu jednorodzinny dom jest tak samo ważny jak

blok mieszkalny z dwustoma mieszkańcami. Ta niedosko-

nałość może być bardzo łatwo wyeliminowana po przez

dostarczenie danych o liczbie mieszkańców. Na tępnym

argumentem podważającym wiarygodność al gorytmu jest

prawdopodobieństwo, że wskazana w procesie optymali-

zacji nowa lokalizacja może być zupełnie nieodpowied-

nia dla poszukiwanej funkcji usługowej. Z po wyższych

powodów narzędzie prezentowane w tej pracy może być

używane wyłącznie jako środek pomocniczy w projekto-

waniu dzielnic przyjaznych ruchowi pieszemu.

Wnioski

W artykule tym zaprezentowano analizę urbanistyczną

oraz proces projektowy wykorzystujący Rhinoceros/

Grasshopper oraz wtyczki. Wykorzystano metody kom-

putacyjne, aby przekształcić istniejącą strukturę urbani-

styczną w dzielnicę przyjazną ruchowi pieszemu. Badania

bazują na autentycznej sytuacji urbanistycznej w Irkucku

w lutym 2014 r. i były przeprowadzone w ramach 15. se 

sji międzynarodowych warsztatów International Baikal

Winter University of Urban Planning 2014. Celem warsz-

tatów było zaproponowanie przez uczestników nowych

strategii rozwoju infrastruktury mieszkaniowej na zabu-

dowanych już terenach w Irkucku z uwzględnieniem

aspektów prze strzennych, kulturowych i socjalnoekono-

micznych oraz wzrostu gęstości zaludnienia wynikające-

go z wzrostu intensywności zabudowy.

Praca wskazuje zarówno potencjał, jak i ograniczenia

przedstawionego algorytmu oraz omawia konceptualny

projekt – zoptymalizowaną pod kątem przyjazności dla

ruchu pieszego dzielnicę „Tereshkovoy” – wynikający

z wy korzystania algorytmu w zadanym kontekście. Za 

pro jektowane narzędzie może stać się praktycznym sup

lementem do urbanistycznych analiz oceniających przy

jazność ruchowi pieszemu oraz potencjał komercyjny

konkretnych obszarów. Algorytm może także znaleźć za 

stosowanie w prognozowaniu zapotrzebowania rynkowe-

go na dany typ usług. Ważną zaletą zaproponowanej me 

tion about density is provided. The second source of he 

sitation about the research is the likeness, that the pointed

by the algorithm places may be unsuitable or ridiculously

unfitting. For the above reasons, the tool, which is pre-

sented in this paper may be applied only as an ancillary

measurement.

Conclusions

This paper presents a generative urban analysis and

design workflow using Rhinoceros/Grasshopper and add

ones. Computation methods are utilized for transforma-

tion of the existing urban structure into walkable neigh-

borhood. The research is based on the authentic urban

circumstances in the city of Irkutsk (February 2014) and

was conducted within the 15

session of the International

Baikal Winter University of Urban Planning 2014. The aim

of the workshops was to propose a concept containing

spatial, cultural and socioeconomic decisions, that enable

developing new residential investments in the inhabited

areas in the city of Irkutsk and simultaneously handle the

increase of population density during this process.

The study shows both the limitations and potentials of

the applied algorithm and discusses the resulting project

– the concept of walkableoptimized neighborhood on the

site “Tereshkovoy”. The created tool may become a prac-

tical supplement to the urban analysis and planning in

terms of the assessment of the commercial and walkable

potential of areas. It may also find an implementation in

forecasting the need for a given type of service. The cru-

cial value of the presented workflow is the possibility to

introduce the small steps strategy into the process of

transformation of the existing areas into walkable neigh-

borhoods. The created instrument is also very flexible and

may be easily adjusted to any particular urban situation. It

is suggested for future development to include the

“weights” of housing units depending on the amount of

inhabitants and the real distances concerning the slopes,

entrances and pedestrian shortcuts into assessment of the

walk score average. To increase the validity of the pre-

sented method the following input data should be pro-

vided: a map with marked entrances and pedestrian short-

cuts, the number of inhabitants of the residential buildings

and the inclination of the all paths included in the calcula-

tion.

Moreover, for every algorithm run the solution domain

should be limited to the plots indicated in urban develop-

ment plans as destined for the particular type of amenity.

As a result, the algorithm would produce only suitable

results and the time of the optimization process would be

shortened.

Such improvements would significantly strengthen the

validation of the proposed algorithm and would positively

influence its wider implementation.

Translated by

Judyta Cichocka

128 Judyta Cichocka

todologii jest możliwość wdrożenia strategii małych kro-

ków w procesie przekształcania istniejącego obszaru

w dzielnicę przyjazną ruchowi pieszemu. Stworzone na

potrzeby tej pracy narzędzie jest także bardzo elastyczne

i może być łatwo dostosowane do indywidualnej sytuacji

projektowej. Dla dalszego rozwoju narzędzia wskazane

jest włączenie „wag” dla jednostek mieszkaniowych oraz

obliczanie odległości z uwzględnieniem rzeźby terenu,

wejść do budynków i istniejących skrótów dla pieszych.

Do sformułowania algorytmu o podwyższonej wiarygod-

ności niezbędny jest plan z zaznaczonymi wejściami do

budynków wraz z podaną liczbą mieszkańców w danym

budynku, a także spadki wszystkich branych pod uwagę

ścieżek, po których poruszają się piesi.

Ponadto dla każdego powtórzenia całego algorytmu

przestrzeń potencjalnych rozwiązań powinna być ograni-

czona tylko do lokalizacji przewidzianych pod dany typ

usługi, co zagwarantuje, że osiągnięte wyniki będą zawsze

poprawne, a czas procesu optymalizacji zostanie skrócony.

Wymienione powyżej udoskonalenia wpłynęłyby zna-

cząco na wiarygodność przedstawionego algorytmu i umo

żliwiłyby

jego szersze zastosowanie.

Bibliografia /References

[1] Sohn D.W., Moudon A.V., Lee J., The economic value of walkable

neighborhoods, „URBAN DESIGN International” 2012, No. 17,

115–128.

[2] The Mayor of London and Transport for London, Making London

a Walkable City: The Walking Plan for London, Transport for

London, 2004.

[3] Abley S., Walkability Scoping Paper, 21 March 2005. http://www.

levelofservice.com/walkabilityresearch.pdf [accessed: 21.03.2014].

[4] Hess D.B., Lombardi P.A., Policy support for and barriers to

transitoriented development in the inner city: Literature review,

„Transportation Research Record” 2004, No. 1887, 26–33.

[5] Handy S., Smart growth and the transportation – land use connec-

tion: What does the research tell us?, „International Regional

Science Review” 2005, No. 28(2), 146–167.

[6] Dorn J., Hidden in Plain Sight: Capturing the Demand for Housing

Near Transit, [Center for TransitOriented Development Oakland]

2004.

[7] Shapiro R.J., Hassett K.A., Arnold F.S., Conserving Energy and

Preserving the Environment: The Role of Public Transportation,

[American Public Transportation Association, Washington] 2002.

[8] Rakha T., Reinhart C., Generative urban modeling: a design work

flow for walkability-optimized cities, Massachusetts Institute of

Technology, Cambridge, Submitted to SimBuild 2012.

[9] American Community Survey, 2004 American Community Survey

National Survey on Communities, 2004, Conducted for Smart Growth

America and National Association of Realtors, http://www.brspoll.

com/uploads/files/Smart%20Growth.pdf [accessed: 21.03.2014].

[10] Allen A.T., Ovsyannikova T.Y., Prazukin D.K., Worzala E., The

Development of a Residential Real Estate Market in Russia, „Jour

nal of Real Estate Literature” 2004, Vol. 12, No. 3, 363–374.

[11] Khomutinnikov I., Perestroika – Development and transformation

of urban space, Analysis report/Document No 2 for the International

Baikal Winter University of Urban Planning 2014, 15

Session, 1–21

February 2014, ФГБОУВПО Irkutsk State Technical University, 4.

[12] Khotulev R., Perestroika – Development and transformation of

urban space, Analysis report/Document No 2 for the International

Bai kal Winter University of Urban Planning 2014, 15

Session, 1–21

February 2014, ФГБОУВПО Irkutsk State Technical University, 5.

[13] Duncan D.T., Aldstadt J., Whalen J., Melly S.J., Gortmaker S.L.,

Validation of Walk Score® for Estimating Neighborhood Walk

ability: An Analysis of Four US Metropolitan Areas, „Interna tional

Journal of Environmental Research and Public Health” 2011, No.

8, 4160–4179.

[14]

Dechter R., Pearl J., Generalized best-first search strategies and the

optimality of A*, „Journal of the ACM” 1985, Vol. 32, Iss. 3, 505–536.

[15] Knoblauch R.L., Pietrucha M.T., Nitzburg M., Field Studies of

Pedestrian Walking Speed and StartUp Time, „Transportation

Research Record” 1996, No. 1538, 27–38.

[16] FHWA, Manual on Uniform Traffic Control Devices for Streets

and Highways (MUTCD), The Federal Highway Administration

(U.S. Department of Transportation) 1988.

[17] Carr L.J., Dunsiger S.I., Marcus B.H., Walk score™ as a global

estimate of neighborhood walkability, „American Journal of Pre

ventive Medicine” 2010, No. 39(5), 460–463.

Streszczenie

W artykule zaprezentowano analizę urbanistyczną oraz koncepcyjny projekt stworzony z użyciem oprogramowania Rhinoceros/Grasshopper,

solvera Galapagos oraz wtyczek ShortWalk i Elk. Badania zostały przeprowadzone w ramach 15. sesji międzynarodowych warsztatów Inter national

Baikal Winter University of Urban Planning 2014 i bazują na autentycznym kontekście urbanistycznym Irkucka (luty 2014). Celem pracy jest

zaproponowanie algorytmu optymalizacyjnego, który pozwoli na przekształcenie istniejących struktur urbanistycznych w dzielnice osiągalne

na piechotę. Stworzony na potrzeby projektu algorytm w aplikacji Grasshopper wykorzystuje zaadaptowany kalkulator przyjazności dla

pieszych (oryginalnie WalkScore®) do oszacowania wyników walk score dla poszczególnych zabudowań mieszkalnych, a następnie przy użyciu

ewolucyjnego narzędzia do rozwiązywania matematycznych problemów wyszukuje optymalne lokalizacje dla nowych funkcji usługowych w taki

sposób, aby zmaksymalizować średnią wyników walk score. Jako wynik implementacji algorytmu w zadanym problemie w dalszej części artykułu

przedstawiono konceptualny projekt przyjaznej ruchowi pieszemu dzielnicy. We wnioskach przedyskutowano zalety i wady zaproponowanego

algorytmu, wynikowy projekt, a także wskazówki dla dalszych badań.

Słowa kluczowe: projektowanie generatywne, optymalizacja, przyjazność dla ruchu pieszego, walk score, algorytmy genetyczne

Abstract

This paper presents an urban analysis and design workflow using Rhinoceros/Grasshopper with evolutionary solver Galapagos and addons: Shortest

Walk (ShortWalk) and Elk. The research is based on the authentic urban situation in the city of Irkutsk and was conducted within the 15

session of

the International Baikal Winter University of Urban Planning 2014. The aim of the research is to propose a workflow, which reforms some part of

the existing urban structure into walkable neighborhood. The study uses a walkability calculator to estimate the walk scores for the residential

buildings within the design perimeter and applies genetic algorithms to point out the location of the new amenities to maximize the average of the

particular walk scores. As a result, the conceptual project of walkableoptimized neighborhood is proposed. The conclusions show the limitations

and potentials of the applied algorithm, discuss the resulting project and outline future research.

Key words: generative design, optimization, walkability, walk score, genetic algorithms

Generative design optimization in urban planning – walkability-optimized city concept

Judyta Cichocka

doi:10.5277/arc150110

Abstract