基于神經網絡算法的秦皇島建筑歷史分析調查研究

馮柯，王婷，王薇

（1.燕山大學建筑學系，河北 秦皇島 066004；天津大學建筑學院，天津 300072；2.內蒙古工業大學建筑學院；內蒙古自治區綠色建筑重點實驗室；內蒙古工業大學建筑技術科學學科團隊草原新型綠色建筑創新教育團隊，內蒙古 呼和浩特 010052；3.北方民族大學設計藝術學院，寧夏 銀川 715001）

1 問題的提出

1.1 必要性與緊迫性

秦皇島市政府《2020政府工作報告》指出：“堅持以一流國際旅游城市為牽引，高品質規劃建設管理城市，高標準推進鄉村振興和人居環境改善，城鄉統籌發展邁出新步伐。編制完成并印發實施秦皇島市規劃綱要，北戴河地區、西港片區、金夢海灣片區等重點區域規劃和城市設計基本完成”“推動沿海強市、美麗港城和國際化城市建設”“積極融入京津冀世界級城市群，深入推進全國新型城鎮化與城鄉統籌示范區建設，為高質量發展提供有力支撐。”

1.2 特定地理范圍內的建筑歷史研究

秦皇島市是我國公布的第一批歷史文化名城名單之一，其域內的歷史建筑遺跡長城，已經成為民族精神的象征。目前國家提出的文化興國戰略中“長城保護戰略”和“大運河保護戰略”都與之相關聯。

大運河是先人留給我們的寶貴遺產，是流動的文化。大運河在河北段全長530km，是中國大運河中獨具北方特色的文化瑰寶。《河北省大運河文化和旅游融合發展規劃》正在編制當中。而作為大運河近畔節點的樂亭（今屬唐山市）（明清時為樂亭縣），在明清時期屬于永平府（府治在今秦皇島盧龍縣）轄。

圖1 根據縣志摹繪的昌黎縣輿地圖(自繪）

在國家文化戰略指導下的國家長城文化公園即將在秦皇島建設。長城是秦皇島境內重要的文物建筑，在域內長城體例比較齊全，特點突出，類型豐富，保存完好。其中的萬里長城-山海關、萬里長城-九門口、板廠峪窯址群遺址是全國重點文物保護單位，其他長城段落全部為河北省文物保護單位。

除此之外，該地區還遺存了古城樓、古觀音閣、古塔、古橋、古村落等不同建筑類型的歷史建筑需要整理研究。這些歷史建筑散落在各縣各鄉，比如昌黎的韓文公祠、盧龍的紅山長城采石場遺址、北戴河觀音寺、山海關區先師廟等。都是亟待專業背景的學者及研究者深入研究的。

1.3 課題研究的具體意義

本課題就是針對秦皇島地區的歷史建筑進行的體系化理論研究。研究從地區的發展歷史出發，按照文獻與建筑實存兩條線索展開分析研究，兩種依據相互印證。研究順序以類型學角度展開包括縣城、居住類建筑（民居、別墅）、祠廟等，并對具有特殊歷史意義和價值的建筑專門進行研究比如北戴河近代別墅群等，并關注在長城沿線、運河沿線的建筑考據，將記載于縣志或史料中的建筑通過ArcGIS軟件、算法編程等現代技術手段進行信息化處理。其具體意義如下：

首先，梳理秦皇島地區建筑的歷史演變脈絡，有助于城市文化定位，為秦皇島打造“文化港城”提供充分的歷史史料。

其次，課題嘗試借鑒神經網絡算法應用于建筑歷史的研究中，以學科交叉的視野，解決歷史建筑信息缺失情況下的建筑復現問題，為學科研究提供新的研究思路。

最后，課題研究成果將明清文獻中的歷史地圖、繪畫中的歷史建筑形象等通過信息化手段，試圖建立起秦皇島地區歷史建筑數據信息庫，為后續研究提供基礎支撐。

綜上，“麻雀雖小，五臟俱全。”選擇秦皇島特定地理區域的歷史建筑進行研究，調研收集的歷史建筑、歷史村落等歷史信息，從建筑史學角度來說都極具學術價值且急需進行細致深入的研究。課題在厘清秦皇島地區歷史建筑的發展脈絡及類型的基礎上，揭示該地區建筑的地域特征。在分析研究建筑的地域特征時，基于神經網絡算法對秦皇島地區的歷史建筑進行分析研究，借助交叉學科的研究方法，重點解決部分歷史建筑信息缺失條件下的建筑復現問題。

2 國內外研究現狀及發展動態分析

2.1 以秦皇島地區歷史建筑為研究對象的研究綜述

秦皇島地區的學術研究大致分為四類（以專著為資料源）。第一類為史志類研究，一般以史志為多，多是側重于秦皇島的城市歷史或文化，比如《秦皇島市志》《秦皇島史話》。第二類為旅游文化相關研究，一般從秦皇島的風土人情或旅游景點論述，比如《秦皇島旅游》。第三類為歷史事件或是逸聞趣事，比如《北戴河濱海舊聞錄》。第四類為專題研究，比如對長城的研究。需要說明的是秦皇島作為長城的起點，地理區域內的長城及其聚落遺存較多，相關的以長城為主題的研究著述豐富，本課題主要針對域內其他歷史建筑，故暫未將長城研究列入其中（見表2）。

秦皇島研究成果分析簡表——著作 表2

秦皇島地區存在較豐富的歷史建筑研究的資源，值得深入探究。從文獻資料來看，現有著作以歷史文化或旅游為主題的較多，內容以名人軼事或傳說故事較多；而選擇以建筑學專業，尤其是從建筑歷史研究的角度對秦皇島地區的建筑（歷史建筑）進行系統論述的專著較少。

一方面是由研究者的學術背景所影響，一方面是因為從建筑史的角度梳理一座城市的建筑發展與變遷，過于宏大與深邃，很難把握。在這些研究中，建筑是作為歷史與文化的載體和依托，僅僅是一個背景與配角，作為部分要素，往往缺乏對秦皇島建筑的歷史進行系統的梳理和認識。

除了專著，申請者對學者與研究者發表的相關論文及學位論文成果進行分析（見表3、表4）。這部分論文成果的研究內容主要包括如下三類：

第一類，是作為防御型軍事體系的研究，如夏然、劉壯、莊和峰、劉珊珊等；

第二類，空間或環境變遷的研究，如劉碧蟬、息琦、李欣楠、張駿；

第三類，針對民居或近代別墅的研究，如曲陽洋、李南、戴利華等；

通過文獻研究，上述學術研究的關注點分析如圖2。由圖可見系統地以地區建筑歷史發展脈絡的歷史建筑研究鳳毛麟角。

秦皇島研究成果分析簡表——學位論文 表3

圖2 文獻研究關注點分析（自繪）

秦皇島研究成果分析簡表——期刊 表4

通過對現有研究者的研究成果分析，見圖3文獻研究關注點分析。針對秦皇島地區的歷史建筑研究本就不多，而具體到該地區歷史建筑的演變分析研究就更加少了，所以本課題選擇的研究題目具有深入研究的價值。

綜上，無論在專著或是學術觀點的研究上，對照相關研究，本課題具有較明顯的創新性。

圖3 文獻研究關注點分析（自繪）

2.2 基于神經網絡識別理論的建筑史學應用綜述

2.2.1 人工智能與算法識別理論在建筑學中的應用

深度神經網絡（Deep Neural Network，DNN）是從早期的神經網絡（Neural Network，NN）發展而來，其原型是由神經生物學家沃倫·麥卡洛克（Warrens·McColloch） 和數學家沃爾特·皮茨（Walsh·H·Pitt）于 1943年合作提出。

計算機的強大運算力以及神經網絡相關的算法在建筑學中的應用多是存在于建筑設計的實踐上，比如參數化的設計，解決一些人工運算不能達到的運算效果，從而在建筑設計的形體上呈現不同于以往的線型，而多為曲線形。建筑界也一直在進行各種嘗試和探討，從蓋里事務所表達的“前計算機形態”到參數化設計、關聯式設計（associative-design，簡稱“AD”，也稱“協同設計”）、算法設計和“多智體系統”，都在以不同的視角和途徑探討設計的新可能。存在兩派：一派希望通過新的技術手段更好地控制形式結果，以完成傳統建筑學意義上的“設計”；另一派則希望通過新技術，特別是采用計算機語言探索設計背后應回應的邏輯及其表達形式。

2.2.2 傳統建筑信息數據化處理的研究趨勢及AI理論在建筑史學中的應用可行性

建筑領域中，建筑工程與建筑技術方面有應用人工神經網絡研究的先例。在建筑工程方面，人工神經網絡已被廣泛應用于預測房屋震害、工程造價、城市密度、建筑容積率計算等研究領域；在聲環境方面，人工神經網絡可以預測交通噪聲、混響時間等聲學指標。在城市規劃領域中，清華大學龍瀛教授利用機器學習研究了北京城市街道正規性。張夢迪、鞠偉、劉曦東嘗試探索人工神經網絡中圖像識別方面的初步探究。何宛余、楊小荻指出“研究人工智能的應用提供了思路，即建立兩套不同的模型系統，一套為生成設計的算法模型，另一套為限定模型生成的約束參數或判斷系統。”孫澄宇、周沬凡、胡葦認為“向建筑師群體表明，作為應用者只需要了解其兩個關鍵要素——輸入與輸出的數據定義，以及網絡模型架構所適用的問題類型，就可以登上這一快車實現為我所用。”

課題希望在前人探索的基礎上，逆向利用，嘗試在建筑歷史研究中對實物缺失的建筑通過人工智能以及神經網絡算法等較為前沿的技術理論與方法，達到對歷史建筑的數據化復原建構，從而使得那些記載在文獻中，已經不存在的建筑可以重新成為數據信息而存留下來。

本課題研究中采用的神經網絡計算，主要依托Python編程語言、圖片識別技術，通過基礎數據的訓練使得在確是部分構件的情況下，仍然可以推測出當時建筑的模樣，為建筑復原研究提供一種新的方法嘗試。此外根據Python語言的特點，可以在虛擬環境中，編輯交互語言，使得建筑與人的互動不再是機械的點對點，也可以通過交互式的溝通，獲得建筑信息和體驗。

3 研究內容與關鍵性技術

3.1 研究內容

3.1.1 搶救性地留存當地建筑規劃的歷史信息并使之數據化呈現

以秦皇島地區歷史典籍為基礎資料的該地區建筑體系的數據信息化處理，涉及收集到的明清兩朝的縣志文獻記載的府、州、郡、縣等不同級別的城市布局與規劃，記載的歷代建筑或名勝。其中府縣主要有永平府、臨榆縣、撫寧縣、昌黎縣等；建筑主要是府域或縣域內的官衙建筑、官學建筑、祠廟建筑等以及明清以來的歷史村落（北戴河村、小灣村等），見圖4。

3.1.2 秦皇島地區建筑的特色研究

對該地區的古城、古村落、古建筑的建筑特色進行分析研究，前期已完成山海關古城民居特色分析（2011）、北戴河近代別墅建筑群的分析研究（2012）、秦皇島地區傳統建筑營造技術的分析研究（2014）、北戴河村落的歷史調研（2016—2018），本課題研究將在此基礎上，對建筑的地區營造做法與建筑的地域特色進行更深一步的挖掘與研究，針對之前的研究沒有進行的數據信息化建構，進行深入探索，歸納構建秦皇島地區建筑風貌的體系特征，見圖5。

圖4 古民居測繪數據（部分）（課題組繪制）

圖5 光明路14號宅-開灤礦務局外籍高級員司特等房的數據重構（部分）（課題組繪制）

3.1.3 基于神經網絡識別技術在歷史信息缺失條件下的建筑體系重構的可能性的探索

目前建筑的復原研究基本思路是通過同時期的圖形圖像資料，輔以文獻考證，基于對建筑所處時代的特色分析，從而做出建筑的復原模型。基于神經網絡識別算法的建筑歷史信息的數據化整理。針對缺少實際測繪數據的文獻中的建筑，嘗試運用新興的神經網絡算法來解決前人無法僅憑物理規律和文化規律解決的建筑實例缺失情況下，要靠圖形識別進行建筑的重新構建問題。本研究擬通過構件與建筑的邏輯關系，嘗試逆向訓練神經網絡，當樣本量足夠時，可以達到通過構件推出建筑形態的結果。嘗試通過存留的秦代吻獸推測秦時宮殿的結構比例，并根據此結果嘗試對部分建筑進行模擬復原。

3.2 研究關鍵技術

3.2.1 數據化建設

秦皇島地區古籍文獻中的建筑歷史信息的數據化建設。ArcGIS等地理信息系統的軟件在建筑歷史研究中多有應用，但針對秦皇島地區的文獻信息化處理才剛剛起步，尤其是針對建筑（都城縣城）的更為專業的具體研究亟待深入。課題以此為依托，對多年研究積累的歷史文獻中的建筑進行體系搭建。

3.2.2 基于算法的歷史建筑重建

基于人工智能識別算法，在實體建筑物缺失的情況下，如何識別重建。通過遺存建筑的測繪數據，實現針對某一類建筑的特征數據的收集，利用人工神經網絡學習這些數據的特征，從而建立起多種因素與某一因素的多元非線性關系，這樣就可通過得知該類建筑中某些因素推算該類建筑中無法被收集的未知因素。神經網絡算法識別通過四個步驟不斷地重復搜索：選擇、擴展、模擬和反向傳播。這部分研究見算法技術路線，如圖6。

圖6 人工智能識別算法技術實現的具體路線（自繪）

4 結語

秦皇島地區的文化歷史的挖掘還需要深入。建筑作為歷史文化信息的一種物質載體，隨著時間的流逝，部分文物建筑、歷史建筑出現傾圮毀損，目前較少以建筑學為綱的對地區歷史建筑的整體性、體系性研究成果，所以搶救性地留存當地歷史建筑的相關信息并采用數據化呈現是十分必要的。首先，地區性的建筑特色研究的關注度還是欠缺的，相比較一些宏大而寬泛的涉及政策性的策略研究，針對某一地理區域進行歷史建筑的調查、測繪與研究，顯得就更為細致、具體。其次，建筑留存的時效性與建筑主體的毀損很難量化。大部分另做他途甚至拆舊建新。

研究希望在前人探索的基礎上，逆向利用，嘗試在建筑歷史研究中對實物缺失的建筑通過人工智能以及神經網絡算法等較為前沿的技術理論與方法，達到對歷史建筑的數據化復原建構，從而使得那些記載在文獻中，已經不存在的建筑可以重新成為數據信息而存留下來。