智能景觀網絡拓撲與觀賞效能的關聯模型*

郭 陽，鄭 偉

（1.山西大學 商務學院，太原030031；2.中國能源建設集團山西省電力勘測設計院有限公司，太原030001）

智能景觀網絡拓撲與觀賞效能的關聯模型*

郭 陽1，鄭 偉2

（1.山西大學 商務學院，太原030031；2.中國能源建設集團山西省電力勘測設計院有限公司，太原030001）

針對智能元件與觀賞效能的優化問題，結合智能景觀網絡的元件節點和情緒引導屬性，引入情感觀賞與原件設計效能的適用度評測算法，建立了智能景觀設計中網絡拓撲與觀賞效能的關聯模型，有效詮釋了在分布式網絡設計環境中的觀賞資源優擇方案.結果表明：觀賞效能的關聯模型能夠對設計過程進行有效的優化測算，提高景觀設計中關于情感不確定性估計的適用性，對促進智能景觀設計有較高的實用價值.

智能景觀；網絡拓撲；關聯性；互信息；觀賞模型；多種表達；情感檢測

利用信息通信技術將景觀設計平臺和情感服務工作相結合，通過“互聯網＋”理念開創景觀設計服務模式，提升情感服務的廣度與深度是景觀設計的必由之路.人置身于景觀空間內部很難從宏觀角度或單純的形式感、功能性上體會空間景觀的獨特美感［1］.為彌補傳統景觀設計評價方法的不足，提高風險管理的效率，將情感服務系統引入景觀設計評價中成為了當前景觀設計評價研究的前沿和熱點［2－3］.景觀設計作為人類世界觀、價值觀、倫理道德觀的重要反映，構成了多重表達對象之間拓撲關系的基本框架，基于該框架提出了拓撲關系抽象化的方法，包括邊界交集成分的刪除和合并、交集成分維數的減少［4］.由于景觀系統的復雜性和不可確定性，傳統景觀設計評價方法在評估景觀系統受一個或多個脅迫因素影響后，可能產生不利的效應，難以兼顧系統內多對象［5－7］，且景觀設計中，網絡拓撲引導規劃技術還屬于初級階段［8－10］，故其評價指標重點應當在觀賞效能方面，應最大限度地通過美學觀賞效能來強化景觀設計的內涵.

本文分析了智能景觀系統服務在景觀設計與美感評價中的關聯效用，指出情感系統服務在問題形成階段可明確情感對象和屬性；在設計分析階段可聯系網絡系統結構的衍生作用；在設計表征階段及后續實施階段可提供清晰明確的評價結果，加強情感交流和管理，能有效地改進傳統景觀設計效能.

1 智能景觀模型設計

根據美感評價終點的概念內涵，可將智能景觀簡練表達為：“智能景觀＝美感屬性＋實體”的結構［11－12］.實體可理解為景觀服務提供者的結構和生態過程；屬性可解析為單元實體相對應的功能和服務.

1.1 系統結構

隨著大數據網絡檢測技術的完善，單個基因或美感因素己經不能從根本上揭示美觀現象的發生和發展規律［13］，準確地構建美感途徑調控網絡，會大大提高美感傳播的精度［14］.美感情緒調控網絡具有強耦合性、隨機性、時變性、強非線性等特點，是一個復雜而龐大的系統，要精確地識別基因間的轉錄調控關系，并且排除大量的假陽性關系，需要建立貝葉斯有向圖，通過情感距離分析有效地建立精確的景觀情感基因調控模型.

在使用情感基因構造美觀數據的預測模型中，網絡拓撲中每一個節點元的互信息熵均可以預測情感估計目標函數中貢獻較大的輸入變量，并且保留到最后的最優方案中，整個預測模型的結構圖如圖1所示.

1.2 景觀拓撲網絡

在觀賞認知網絡中，美感認知是個由淺入深的漸進過程，觀賞者圍繞知識網絡構建美感認知的層次結構如圖2所示.每一條有向邊均代表著一條觀賞認知途徑，捆綁著若干美感情緒屬性特征.智能景觀設計者設置眾多的景觀元件節點，將節點、情感連接線（認知途徑）集成構造出觀賞知識面，構成了分布式網絡下的觀賞性景觀拓撲網絡.面對景觀目標對象，智能環節設計出n個景觀元件節點，構成美感認知網絡G（V，L），景觀元件構成了節點集V＝｛v1，v2，…，vn｝，觀賞評價效能構成邊集L＝｛（vi，vj）|vi，vj∈V｝，G（V，L）屬于一個有向圖.

圖1 預測模型構造Fig.1 Establishment of prediction model

圖2 觀賞認知網絡Fig.2 Appreciate cognitive network

結合互信息熵數學模型，應用適應度方法構造景觀情感基因調控網絡，其相比單一的網絡模型會更加準確和穩定，是情感模型研究的一個趨勢.結合互信息熵的數學模型不僅可以解決單一節點孤立存在的缺點，還可以整合多種邊屬性重構的網絡拓撲結構，最終減小假陽率.在美感認知網絡G中，任何一個節點vi都可以用相鄰節點的臨接矩陣來分析，定義景觀元件節點vi的前導點集合為F（vi）＝｛vj（vi，vj）∈L｝，景觀元件節點vi的后繼點集合為B（vi）＝｛vj（vi，vj）∈L｝.在考慮觀賞途徑重復性的情況下，觀賞者選擇景觀節點vi的概率為

在熵代數中，兩個概率分布（X和Y）的互信息表示為

邊緣概率使用高斯概率密度函數來估計，即

式中：C為X的協方差矩陣；δx為矩陣C的標準差；N為樣本點數；g為網絡中的基因總數.于是可以推導出

式中，C（X，Y）為協方差矩陣行列式.

1.3 情感效能檢測

情感效能檢測評價指標涉及人、建筑、社區及城市等諸多方面，隨著生態美學理念的不斷深入，人們必須站在科學的角度對園林景觀行業進行全新審視，景觀設計必須與生態美學環境緊密結合.情感傳遞過程中通常包含噪聲，且具有高維、顯著性少的特征，網絡環境下情感傳遞的量值表達式為

式中，a、b為惰性系數，分別由樣本數據訓練獲得（文本取a＝0.102 3，b＝1.719 4）.若具有n個節點的景觀元件，則計算情感輸入合計為

式中：kj為第j個節點的輸入；ωj為情感權重.于是總輸出可以表示為

為了更好地結合結構功能與生態過程，需明確生態美學結構與工程的相關特性表征參數，搭建的景觀體驗循環機制如圖3所示.

圖3 景觀體驗循環機制Fig.3 Circular mechanism of landscape experience

1.4 景觀元件相關性

景觀元件相關系數重構對于理解景觀內復雜情感調控機制至關重要，雖然很多方法可用來重構情感相關系數調控網絡，但是由于數據中包含大量的景觀元件和少量的采樣點，無法避免所構造的網絡系統假陽率較高的情況，使用時存在一定的局限性.

本文將被選中的情感調控邊輸入定義為一個情緒因子，因子之間的依賴關系就構成了景觀情感基因調控流.為了區分情緒因子的預測輸出和輸入間的關系，引入皮爾遜相關系數，即

式中：xi和yj為兩個變量的樣本值；sx和sy為樣本方差.通過兩個變量相關系數的計算定義正的相關系數表示激勵作用，而負的相關系數表示抑制作用.

景觀元件的情感基因調控數據必然是一種稀疏數據，為了減少大數據網絡的復雜性，需要基于有向圖臨接邊分布，聚集景觀網絡中的關鍵邊屬性，排除很多不正確的邊，即假陽情緒邊，減少預測錯誤的連接.本文使用多數表決方法來確定關鍵邊屬性，在多數表決過程中，通過多個概率分布實驗得到模型中的關鍵性景觀途徑，然后確定景觀元件的最佳出現位置，最后定義一個邊屬性分布，對景觀元件節點進行簡約性裁剪.

一個給定景觀元件的候選調控因子（邊屬性）遠多于美感指標維度的樣本點數，并且景觀調控網絡是一個稀疏網絡，也就是說在候選的邊屬性調控中，只有極小部分真實的調控景觀元件.所以在構建此非線性模型過程中，在傳統評價的基礎上加入一個稀疏項，目的是選擇出合適數量的特征屬性邊，其評價函數可描述為

式中：wk和uk分別為在考察時段內調控景觀元件實際值與預測值；Bi為稀疏項，Bi為權重正則化表達式；T為調控景觀元件數量.

考慮到互信息值關聯著景觀元件相關情感基因，在評價函數中加入相關項，可用來檢測與每個景觀元件都具有較大相關性的情感因子，最終提出的適用度評價函數為

式中，Ω為調控因子集，包含m個調控因子.

1.5 多重表達過程

智能景觀設計訓練過程就是一個多重表達的過程，多重表達要解決數據之間的一致性問題.要保持多重表達數據之間的一致性，就必須使各層次的景觀元件對象間滿足同構映射關系.但關鍵問題是：若保證景觀元件的同構映射，則不一定能維持情感屬性邊上拓撲關系的一致性；若不保證情感屬性邊的同構映射，則僅能保持景觀元件之間主要的拓撲關系，而打亂景觀元件之間從屬特征上的一致性.本文提出的景觀設計與情感適用指標的多重表達過程如下：

1）輸入景觀元件表達數據，形成有向圖網絡拓撲，對于線性和非線性模型分別初始化鄰接矩陣（情感邊屬性集），小樣本訓練，確定惰性系數a和b.評估所有景觀元件與美感屬性邊的互信息熵.

2）隨機創建靈活邊變動種群，包括節點元件、邊屬性結構及其對應的參數.從指標集中隨機構造變動因子，然后根據該變動因子所在節點的互信息熵循環計算情感邊的相對概率分布.

3）如果所選擇的是美觀因子邊屬性，則根據評價函數的操作個數，從網絡拓撲中選擇相連景觀節點，確定互信息熵梯度距離.隨機變動美觀因子屬性，直到滿足規定的最大互信息熵出現為止.如果所選擇的是景觀元件節點，則根據屬性邊區間匹配，隨機分配網絡拓撲結構中的適應值函數，直到滿足規定的最大互信息熵出現為止.如果適應值使評價函數迭代到最大次數，則停止演化過程.

2 實驗結果與分析

為了測試景觀元件與觀賞效能之間的關聯性，本文采集BIM系統真實數據，并對真實數據進行聚類，抽取出典型情緒案例，布局成為觀賞認知網絡.實訓數據集記錄了一個智能景觀設計中的元件數據與情緒變動的情況，包含340個數據表，共有3.2 Gb條記錄.實驗中分離出7類情感異動的有效數據集：懷舊（Z1），留戀（Z2），癡情（Z3），新奇（Z4），勵志（Z5），勇敢（Z6）和開拓（Z7），其鄰接概況如表1所示.

表1 鄰接概況Tab.1 Overview of adjacency

在景觀元件節點和有效觀賞情緒邊的布局網絡中，通過情感效能檢測獲得了節點美感效能和情緒流動的關聯性趨勢，形成了情緒調控的優化聚類，優化聚類結果如圖4所示.

圖4 優化聚類結果Fig.4 Results of optimization cluster

對觀賞者的情緒熵數據聚類，最典型的四類情緒為懷舊（Z1）、留戀（Z2）、癡情（Z3）及新奇（Z4）.隨著觀賞節點資源的增加，其邊屬性由50項逐步擴大到600項，其景觀元件美感效能與途徑觀賞效能的關聯性互信息熵的變化趨向如圖5所示.不同類型的情緒關聯度變化幅度有所不同，其中，Z1、Z2、Z4類情緒互信息熵同步增加明顯，而Z3類情緒隨著邊屬性的變化，其互信息熵變動不明顯.通過對景觀節點屬性變動的調控發現，景觀節點設計中多數情緒元件的數量可以線性增加，但存在個別類型的情緒元件的增加效果十分有限，需要對景觀線路的情緒元件進行定性篩選才能提高觀賞效能.

圖5 互信息熵趨勢Fig.5 M utual information entropy trend

通過智能景觀網絡分布方式，設計出各種觀賞引導線路（導游主題），并且可以動態地分析出每條觀賞途徑與景觀網絡資源布局的互信息熵差異，增加瀏覽者的體驗感.實驗中提選4種游覽線路，景觀線路的情緒因子分布如表2所示.

隨機獲取情緒變動因子（情緒邊和情緒節點變動），情緒調節項由50項逐步擴大到600項，計算景觀網絡資源項目的適用度檢測曲線如圖6所示，用以判斷景觀元件投入觀賞活動后的效能.

表2 景觀線路的情緒因子構成Tab.2 Com position of emotional elements in landscape routes %

圖6 游覽線路的適用度檢測曲線Fig.6 Adaptability detection curves for tour routes

通過圖6的實驗結果說明：

1）在動態路徑景觀規劃設計中，“新奇”特征的景觀路線最初情緒量值并不是最大，但隨著情緒變動因子的調控，其最能提升景觀的觀賞效能.

2）在景觀觀賞游覽線路的設計中，通過情緒熵觀察可以獲得情調差異與景觀線路設計的合理性，結合情緒變化特征，才能給客戶設計出最滿意的觀賞線路.

3 結 論

智能景觀設計要求具有獨特的元件布局效能和情感效能計算，在地理、文化、民族、政治和經濟等方面都要求有動態的評價方法.本研究最大程度地包容了景觀設計中的個性化、動態性和稀疏價值特征，為抑制雷同現象，結合元件效能與美觀效能互信息熵演化過程，研究相關美感情緒觀賞所需要的優化途徑，采用動態的情感屬性效用評價，較好地緩解了計算機大數據條件下所產生的稀疏性沖突矛盾.以動態的情感邊屬性來驅動景觀元件的布局，能夠有效地兼容各種情緒的影響，避免不合理的干擾，達到智能景觀設計所需要的“自然元素與情緒元素和諧統一”.

（

）：

［1］楊玲，莫冠沖.基于互動理論的城市綠色步行空間景觀設計探析［J］.生態經濟，2016，32（1）：224－ 227.（YANG Ling，MO Guan-chong.Analysis on the landscape design of urban green walking space based on interaction theory［J］.Ecological Economy，2016，32（1）：224－227.）

［2］郭青俊，羅倩，林祥霖.“非臨時性”景觀設計方法探討［J］.林產工業，2016，43（1）：57－60.（GUO Qing-jun，LUO Qian，LIN Xiang-lin.The discussion of designing method for“non-temporary”lands［J］.China Forest Products Industry，2016，43（1）：57－60.）

［3］夏琳琳，潘旭影，王丹，等.基于類高斯隸屬函數的模糊萬能逼近器性能分析［J］.沈陽工業大學學報，2014，36（3）：316－321.（XIA Lin-lin，PAN Xu-ying，WANG Dan，et al.Performance analysis of fuzzy universal approximator based on Gauss-type membership function［J］.Journal of Shenyang University of Technology，2014，36（3）：316－321.）

［4］康鵬，陳衛平，王美娥.基于生態系統服務的生態風險評價研究進展［J］.生態學報，2016，36（5）：1192－1203.（KANG Peng，CHEN Wei-ping，WANG Mei-e.Advancesion ecosystem service based ecological risk asscessment［J］.Acta Ecologica Sinica，2016，36（5）：1192－1203.）

［5］樊舒迪，胡月明，劉振華.一種新的面向對象城市建筑物信息提取方法研究［J］.華南師范大學學報（自然科學版），2015，47（6）：91－97.（FAN Shu-di，HU Yue-m ing，LIU Zhen-hua.Research of information extraction of city building based on a new object-oriented method［J］.Journal of South China Normal University（Natural Science Edition），2015，47（6）：91－97.）

［6］樊風雷，劉潤萍，張佃國.一種改進的城市建筑用地信息提取方法及在廣州地區的應用［J］.華南師范大學學報（自然科學版），2014，46（4）：98－102.（FAN Feng-lei，LIU Run-ping，ZHANG Dian-guo.An improved method to extract building land information and the application in Guangzhou［J］.Journal of South China Normal University（Natural Science Edition），2014，46（4）：98－102.）

［7］樊永生.建筑信息模型的空間拓撲關系提取和分類研究［D］.西安：西安建筑科技大學，2013.（FAN Yong-sheng.Building information modeling spatial topological relations extraction and classification［D］.Xi’an：Xi’an University of Architecture and Technology，2013.）

［8］王烏蘭.小城鎮街道體驗式景觀設計淺析［J］.雞西大學學報，2016，25（2）：39－41.（WANG Wu-lan.Discussion of experiential street landscape design of small town［J］.Journal of Jixi University，2016，25（2）：39－41.）

［9］張才偉.談城市廣場環境景觀設計［J］.山西建筑，2016，42（1）：208－209.（ZHANG Cai-wei.On environmental landscape design for urban squares［J］.Shanxi Architecture，2016，42（1）：208－209）

［10］賀英杰，王慧強，周仁杰.面向網絡態勢感知的實時網絡拓撲發現［J］.計算機工程，2009，35（24）：127－129.（HE Ying-jie，WANG Hui-qiang，ZHOU Ren-jie. Real-time network topology discovery for network situation awareness［J］.Computer Engineering，2009，35（24）：127－129.）

［11］林志壘.智能生態景觀信息評價專家系統的初步設計與應用［J］.水土保持研究，2004，11（3）：70－72.（LIN Zhi-lei.Design and application of the elementary specialist system of the ecological landscape information［J］.Research of Soil and Water Conservation，2004，11（3）：70－72.）

［12］石磊.建筑立面裝飾視覺美感研究［J］.太原：山西大學，2012.（SHI Lei.The visual aesthetic feeling of architecture facade［J］.Taiyuan：Shanxi University，2012.）

［13］榮鵬飛，葛玉輝.團隊共享心智模型的多層次模糊評價［J］.工業技術經濟，2013（5）：10－16.（RONG Peng-fei，GE Yu-hui.Multi-level fuzzy evaluation of team shared mental models［J］.Journal of Industrial Technological Economics，2013（5）：10－16.）

［14］劉肖健，孫艷，吳劍鋒，等.產品基因調控網絡模型及其對設計過程的輔助［J］.計算機集成制造系統，2013，19（7）：1463－1471.（LIU Xiao-jian，SUN Yan，WU Jian-feng，et al.Product’s gene regulatory network model and its aiding to design process［J］.Computer Integrated Manufacturing Systems，2013，19（7）：1463－1471.）

（責任編輯：景 勇 英文審校：尹淑英）

Relational model for network topology and appreciate effect of intelligent landscape

GUO Yang1，ZHENGWei2
（1.Business School，Shanxi University，Taiyuan 030031，China；2.Shanxi Electric Power Survey and Design Co.Ltd.，China Energy Construction Group Corporation，Taiyuan 030001，China）

Aiming at the optimization problem of intelligent elements and appreciate effect，an adaptability evaluation algorithm about the emotional appreciate and original design effect was introduced in combination with the element node of intelligent landscape network and the attributes of emotion guide.In addition，a relational model for network topology and appreciate effect in the intelligent landscape design was established，and the optimum selection scheme for appreciate resources in the distributed network design environ mentwas effectively interpreted.The results show that the optimization calculation in the design process can be effectively performed with the relational model for appreciate effect，and thus the feasibility of emotional uncertainty estimation in the design of intelligent landscape is increased.The model has a high application value for promoting the intelligent landscape design.

intelligence landscape；network topology；relevance；mutual information；appreciate model；multiple expression；emotion detection

TP 292.1

A

1000－1646（2016）06－0686－06

10.7688／j.issn.1000－1646.2016.06.16

2016－04－12.

山西省自然科學基金資助項目（2014011018）.

郭 陽（1981－），女，山西永濟人，講師，碩士，主要從事智能景觀規劃與設計等方面的研究.

11－07 12∶30在中國知網優先數字出版.

http：∥www.cnki.net／kcms／detail／21.1189.T. 20161107.1230.016.htm l