跳到主要內容

臺灣的違建奇蹟

image 
臺灣航照圖 ( Pic From : Google Map : Link )


大家都知道,臺灣建築的空間利用率是出奇的高,
這從Google Map的航空空照圖可以看到,
那一塊塊花花綠綠的,不是什麼特別的造景,而是違章的鐵皮建築!

不過對於違建,大家總是司空見慣、不以為意,
畢竟臺灣也不像歐陸,在戰後重建時有特別在意都市計畫與市容建設,更徨論遠見!
(請別拿最近的建築拉皮計畫來說嘴!)

這幾天,偶然發現一個集違建精瓍於一身的作品,
若其完工,我認為堪稱『 臺灣違建奇蹟!!』

怎麼說?以下就來介紹一下吧:

首先,
這建築形式是中部常見的透天建築,左右相連別棟建築主體,結構共享,
後方露台則以一道牆面與下方建築分隔。

然而相同於許多臺灣人的觀念,有空間就要好好利用!不然多浪費!?
因此第一件事,就是把腦筋打到建築後方的露台上!

君不見露台可直視天空?

那如果可以把露台向上搭建,每層樓就可以多一間房間,
室內坪數瞬間激增十幾坪,豈不快哉!?

於是乎,他老大便以此狹縫中求生存的方式進行增建!
作法如下圖:

image

首先將露台的四周,以H型鋼固定,
然後利用C型鋼跨在女兒牆上做為露台以上所有樓層的受力結構基礎,就像上面這張圖。

看到這,有沒有覺得什麼地方怪怪的!?

對,就是為什麼『 女兒牆 』可以拿來當結構??而且為什麼它的跨距還這麼的大?很神奇吧!

也許有人會說女兒牆為什麼不能當結構?
這邊可以回答一下,因為它本身強度就不是以做為結構主體來設計的,
有些不肖建商蓋的女兒牆甚至沒有編鋼筋,純粹只有RC,喔不,是只有C !!!!!
(  RC = 鋼筋混凝土構造(Reinforced Concrete, RC) )

形成的就是這樣的空間!

image

 

此外,不知道眼尖的人有沒有發現上上面那張照片有什麼奇怪的地方??
沒有嗎? 那我放大一下!

 

image

對!沒有看錯,它跨著的女兒牆裂了!!
而且裂痕直接延伸到女兒牆以下的基礎。

image

也許會有人覺得好奇,這樣的裂痕真的是加蓋的原因嗎?
還是純粹牆面受風雨與地震侵襲後的痕跡?

那換另一端的結構(??) 連結處來看看:

image

沒錯,這端的女兒牆也裂了!!
還裂進隔壁人家的違建廚房 (隔壁會不會覺得炒菜排煙良好?)

不過只有這樣子似乎不夠稀奇,
臺灣違建、豆腐渣建築到處都是,這樣有什麼稱的上『 臺灣違建奇蹟!!』

的確,目前看來似乎很單純就僅是加蓋一下,
但真正強悍的是下面兩張:

 

 image  image

你沒看錯!!
這不是變形金鋼躲在房子後面,是他老大在女兒牆上一口氣蓋了 『 五層樓 』!!

超強!


回顧一下變形金剛的腳,不,違建的基礎結構,

image

 

有沒有覺得很神奇!?

有沒有感佩到臺灣 違 建築技術之恢宏???

 

有嗎!?

那大家一定很好奇,糾竟,這棟『 臺灣違建奇蹟!!』在哪開放參觀呢?
為什麼可以這麼近距離、細部的觀賞到它的強悍呢?

 

因為,

 

 

 

就在我睡的床,旁邊那道牆外面!

 

很傻眼!
百葉平常沒在開,今天一開就看到這景像,
神不知鬼不覺出現五層樓的建築物,屋主是小叮噹嗎?

 
目前交涉中!

欲知後事,請聽下回分解。

 

希望不會出現這種事


  



  BP  2009.11.16

 

PS : 這篇是抱怨文。





留言

這個網誌中的熱門文章

醫學健康跨領域合作的開始:資料工程

一直都很喜歡在會議上與跨領域的專家、醫師、學者分享我們在數據工程與分析應用上的發展經驗。 許多的專家學者,對於大數據應用的認知都仍侷限在一個超大型結構化資料集的子集合應用,在規劃好的條件設定下,針對特定的目標(疾病、行為)進行篩選,將數據narrow down到可以被個人電腦或是單一伺服器架構處理的小型資料集。 這樣的半手工處理方式,對於專一(Specific)領域主題的資料追蹤計算或許已經十分足夠,但當中倘若資料清理方式有改變、篩選條件增減,所有的數據都要從raw重新處理,不僅造成大量的時間與人力浪費,對於專案計畫進度的延宕更是麻煩。這些還不包含

Google 資料庫方案–Spreadsheet–(1)資料呈現

HEMiDEMi 的標籤: Google , Google SpreadSheet , 雲端 早在規劃『 教育,意義! 』project時, 便有打算將整個網站建立過程撰寫一篇教學,讓有興趣以google 服務為基礎進行開發的朋友參考。 沒想到這個想法擺著就拖了好幾個月, 好在學生提出了問題,就趁這機會寫一寫吧。 基本上『 教育,意義! 』網站的架構完全建立在Google提供的服務, 廣義來說也是個雲端的系統, 所有的資料是分散在不同的服務架構下,再用GAE, Javascrript將服務資訊串接起來, 由Blogspot 統一呈現。 省了租主機的費用,或架站的硬體、電費, 最好的地方在於不用管理主機維運的問題, 只要專心做我的創意、嘗鮮就好了!!   多棒! 若將『 教育,意義! 』網站依功能層次來分類,可以分為三層結構, 當中的層次與使用技術大致如下: UI 介面層 服務 : Blogspot (網站介面) , Picasa (相簿空間), Google Apps 技術 : Javascript , AJAX ( JQuery ) App應用層  服務 : Google App Engine (GAE) 技術 : Java, Java Server Page (JSP) 資料層 服務 : Google Docs (文件), Google Spreadsheet (試算表) 技術/函式庫 : Java, Google Data APIs 本篇文章將著重在介紹以Google Spreadsheet 做為雲端資料庫, 其他主題將會陸續推出。 若對Google API 與 Google App Engine 初步建置有興趣, 可以參考之前文章: 佛心來著的 Google Data API – for JAVA 雲端的開始:Netbeans 無痛 Google App Engine Java 服務開發 Google Spreadsheet 做為資料庫系統 對於小型的資料系統來說, 採用Google Spreadsheet做為應用程式資料庫(如問卷調查或線上系統) 也算堪用, 目前的儲存限制為 : 40 萬個儲存格 每張工作表最多...

當咒術成真 - 文字生成的虛擬世界

  2024/02  這幾天灌爆各大ai社群的,不外乎就是文字生成高清畫質影像的OpenAI Sora , 讓人驚艷的細膩表現,自動化的場景生成與運鏡效果,縱使這個概念並不是多創新的模式,但Open AI始終很懂得抓住大家眼球  (Sora的各種生成影片: https://openai.com/sora  ) 關於Sora 的技術與介紹,不妨看看chatGPT 對它的描述: OpenAI Sora文字-視訊生成模型 在視頻數據上進行大規模訓練生成模型,具體而言,OpenAI聯合訓練了文本條件擴散模型,處理不同持續時間、解析度和長寬比的視頻和圖像。利用了一種在視頻和圖像潛碼的時空塊上操作的轉換器架構。受到Srivastava等人(2015年)在使用LSTMs進行視頻表示學習的無監督學習的啟發,OpenAI的最大模型Sora擴展了這些概念,能夠生成一分鐘的高保真度視頻。此外,Chiappa等人(2017年)描述的循環環境模擬器方法與我們的方法論框架相一致,表明擴大視頻生成模型的規模是建立通用物理世界模擬器的一條有希望的道路。 一、技術創新 OpenAI 的 Sora 模型在技術創新上主要融合了 diffusion models 與 transformer models 的特點,這一結合代表著從文字描述到視覺內容生成的一大進步。根據 Goodfellow et al. (2014) 的研究,Generative Adversarial Nets (GANs) 開創了使用機器學習生成圖像的新方法,而 diffusion models 則透過逆向的擴散過程從隨機噪聲中逐步建構出有意義的圖像,提供了一種不同於傳統 GANs 的新途徑。另一方面,Vaswani et al. (2017) 提出的 transformer 模型,通過其自注意力機制有效處理長距離依賴關係,已廣泛應用於語言模型中。Sora 模型的創新之處在於將這兩種技術融合應用,實現了從簡單文本提示生成高質量視覺內容的能力,這不僅展示了機器學習技術的新高度,也為未來的影像生成、自然語言處理和人機交互開啟了新的可能性。 二、物理現象與現實世界的模擬 Sora 的另一大進步是在模擬現實世界物理現象方面的表現。雖然現有模型如 Raissi et al. (2019) 所提出的 Physi...