大數據下景觀規劃設計的可視化分析

朱文霜 王步乾

（桂林理工大學，廣西 桂林 541006）

5G時代的到來使網絡成本不斷降低，網民呈爆發式增長，目前中國網民規模已達9.04億。網絡連通世界，時空交流已然暢通無阻。不管接受與否，網絡已成為人們生活中不可分割的部分，每天都有數以億計的用戶在互聯網上學習、購物、分享生活等，隨之產生的數據就像一座蘊藏無盡能源的寶礦，待人挖掘。近年來，大數據應用逐漸成為研究熱點，越來越多的優秀學者涌入其中。

1 大數據對指導設計的意義

麥肯錫認為：大數據是一種規模大到在獲取、存儲、管理、分析方面大大超出了傳統數據庫軟件工具能力范圍的數據集合。他在《大數據：下一個競爭、創新和生產力的前沿領域》的研究報告中指出：醫療保健、零售業、公共領域、制造業和個人位置的數據構成了目前5種主要的大數據流。大數據不僅是數據單純的集合，更是一種新的思維模式，是在AI智能、自動審批等信息技術的加持下，快速準確提取其中的價值部分進行的信息處理技術。如今，大數據的顛覆和創新作用已經在多個學科領域和社會行業都有所體現。

雖然大數據應用于設計領域較晚，但其價值同樣舉足輕重。借助大數據，現代景觀規劃設計能輕松解決傳統設計中暴露的諸如超出荷載能力、設施老舊、管理混亂等問題。通過大數據獲取游客的游覽路線偏好、興趣點和場地使用強度等信息對場地維護以及景觀設計具有重要的指導意義。而且，結合大數據量化分析游人的日常行為習慣，能夠得出更適當的評價結果，從而為景觀資源管理與利用方面的改造升級策略提供有力支撐。

2 文獻統計分析

2.1 文獻類型占比分析

以CNKI文獻搜索引擎為基礎，選取大數據、景觀、風景園林等為關鍵詞進行檢索近10年文獻，共737篇。經過篩選獲取有效數據449篇。其中學術期刊273篇，占比60.80%。碩博論文146篇占比32.52%，會議報紙等30篇占比6.68%。其中核心論文共36篇，由此可見，對大數據景觀設計的研究主要以普通期刊為主。

2.2 文獻數量及時間分析

通過圖1的年份和發文數量統計可以看出，2010—2013年該研究領域發展遲緩，因為網絡發展不夠完善，數據收集緩慢。2013—2019年文獻總量呈現出快速增長的趨勢，這說明2013—2019年是大數據景觀設計的研究上升期，有大量的學者投身該領域。2019年后發文量雖略有下降，但仍保有較高的研究熱度。2021年只統計了前4個月份，故發文量減少。

圖1 期刊發文數量圖

2.3 作者及機構分析

結合Cite Space平臺進行文獻計量可視化分析，對關鍵詞共現、突發關鍵詞、作者及機構等信息進行全方位歸類總結，得出大數據景觀設計研究現狀，并對未來發展方向做出合理的預測。

通過圖2、圖3得出對378篇論文的作者與機構的Cite Space軟件數據分析。圖2顯示當前較為活躍的作者主要是王亦文、李雄、史朋飛和唐曉嵐等學者。部分作者之間互有合作，但總體來說仍缺乏聯系。通過更改節點為institution可得出圖3所示結果，其顯示發文機構主要以大學為主，加上部分公司和行業協會。各機構之間除北京林業大學等幾個機構聯系較多以外，其他機構之間缺乏聯系。從發文數量來看，東南大學第一，南開大學排名第二，北京林業大學林學院排名第三。

圖2 作者共現圖

圖3 機構共現圖

2.4 研究現狀及其發展趨勢

2.4.1 研究現狀分析 通過Cite Space選取關鍵詞為節點，并對其進行聚落分析，選取關鍵詞作為聚落標簽，得出關鍵詞之間的關系。由圖4可知，當前關鍵詞聚落前三分別是大數據、Cite Space、地理過程。關鍵詞在常規頻率下突現，說明了該關鍵詞成為了當時學科發展的熱點。通Cite Space軟件中的相關突現設置，來提取文獻中的關鍵詞。在軟件界面調整參數f(x)=7，Minimum Duration=0.5，得到11個突發關鍵詞，詳見圖5。

圖4 關鍵詞聚落分析

圖5 突發關鍵詞

2013—2015年大數據時代、地理設計、新型城鎮化等關鍵詞的突顯，契合了大數據領域早期的發展熱點。2017—2019年POI、地理信息系統、城市綠地、興趣點數據、景觀設計、人工智能等關鍵詞出現，代表對大數據的研究由大的概念開始進入具體的運用階段。2019—2021年人工智能作為關鍵詞突顯，成為近年來的研究重點之一，原因在于國家已將“人工智能”上升到國家戰略的高度，從政治、經濟和企業多個方面對其進行扶持。在未來的一段時間里該領域將不斷有學者涌入，發文數量也會持續增長。

2.4.2 研究熱點分析 通過VOS viewer軟件的可視化圖譜疊加分析，以及Cite Space共現時區圖譜，能更加直觀地表明關鍵詞層級與時間之間的關系。通過VOS viewer圖譜疊加分析，得出圖6所示結果。關鍵詞聚類圖譜，將具有高關聯性的關鍵詞組成一個類別通過相同顏色標注，如圖7所示其大致分為4個核心研究方向：紅色聚類代表借助地理信息系統對景觀進行整體規劃；綠色聚類代表借助人工智能等互聯網技術對景觀進行輔助規劃；藍色聚類代表借助大數據提升公眾參與度輔助設計；紫色聚類代表通過多源數據分析對城市空間形態合理規劃。

圖6 關鍵詞熱力圖

圖7 關鍵詞聚類圖譜

3 研究綜述

3.1 多源數據

景觀設計作為一項復雜的工作，設計師需要充分對周圍人文環境、自然環境、交通狀況等進行充分考量。但當前數字化、信息化的發展為景觀設計帶來了極為頻繁的要素流動，從而導致許多不可控的變化，在為設計增加復雜性的同時也帶來了更多的可能性。設計師可以通過多源大數據和數據可視化等新技術，加強對設計需求的把握。因此，合理利用多源大數據實現對設計資源的整合，是大數據時代背景下中國景觀設計研究的現實需求。

楊俊宴[1]以上海為研究對象，運用空間形態數據和手機信令數據，采取界定分析法對人群活動動態模式及動態結構進行要素分析，整合得出潮汐式城市動態模型，依據模型分析上海城市現狀，得出各區職能調和互補的優化方案，提供了多源數據應用的新思路。王鑫等[2]認為傳統景觀規劃因數據采集困難導致應變性差，而多源大數據可以通過手機移動端、衛星遙感和互聯網等方式進行收集，并通過核密度法和詞頻分析技術將其可視化，驗證大型郊野公園對城市的影響作用。眾多學者在依靠手機信號等較為傳統的信息采集渠道的基礎上進一步拓寬了數據的來源領域，如劉頌等[3]以黃浦江濱水區為例，通過騰訊“宜出行”數據為基礎與POI數據、建筑矢量數據、路網數據、全國人口普查數據與實地調研數據相結合，做出空間活力測度與影響因素量化表。得出提升濱水空間自身吸引力、通達性和呼應性的方案，確定了采用多源大數據相互印證比使用單種數據更具說服力。李方正等[4]采樣北京40個城市公園，通過直接上傳數據（如社交APP點評數據和網絡媒體數據等）與間接上傳數據（如交通傳感數據和位置服務數據等）相結合，研究城市公園的游憩使用、可達性、服務范圍和規劃應對4個方向，與之對應的是數據可視化、出行模擬、大樣本起始位置和影響因素判定4種研究方式。并預測將來會有更多人會分享景觀感受，構建公園感知檢測系統將成為研究熱點。秦詩文等[5]以南京城市公園為例，通過RTUD數據對公園使用情況進行測度，采用POI、用地數據等多源數據相互印證，揭示公園與城市的相互作用關系。并根據數據搭建多元回歸模型，推測南京公園的未來發展方向，研究出一套對大尺度公園綠地規劃有一定參考意義的方法。譚明等[6]以南京賞櫻風光帶色彩規劃設計為例，通過CIELAB技術對景觀色彩進行量化。從空間規劃、色彩序列和界面設計3個層次入手，擺脫了依靠設計師主觀感受的設計模式，通過數字化技術增強了設計的科學性。

目前，大數據來源的發展呈現出多元化、精細化的趨勢，采取單一的數據無異于管中窺豹，難以有力輔助設計，只有詳細且高覆蓋度的多源數據結合分析才能成為景觀設計的強大支撐。

3.2 地理信息系統

從古至今，人類的活動都離不開地表。隨著計算機技術的成熟和普及，發展出了幫助人類更清楚認識地表的技術——地理信息系統（geographic information system，GIS）。它是一種綜合性的技術，在收集數據的同時含有儲存、管理、運算、分析、顯示和描述等功能。GIS數據的表現形式主要分為柵格和矢量兩種，通過分辨率等可視化信息展示地面情況。近些年來許多學者創新性地將GIS引入景觀設計領域，并已經取得了一定的成就。

王戈飛等[7]認為現有的GIS數據采集、儲存和分析方式難以處理大數據時代帶來的龐大數據，應充分考慮各個環節大數據的特征，吸收云計算、人工智能等新技術加強GIS與大數據之間的耦合，為決策系統提供更大的支持。王成新等[8]分析了GIS技術在城市環境整體規劃中的優勢，總結出5種具體應用方式，提出各學科間數據互通共享的未來發展暢想。薛超越[9]認為景觀設計是一門綜合性學科，而GIS正好是一門綜合性技術，通過GIS系統對景觀設計的坡度、坡向、地面剖形及綜合分析等有著良好的輔助作用。張誠等[10]采用GIS技術收集多源數據，分析植物分布將數據可視化，構建虛擬仿真模型對景區進行規劃設計，通過三維漫游印證景觀規劃的合理性，減少試錯成本。傅強等[11]以青島市林區為研究對象，在GIS平臺上開發了基于智能體的生態評價模型，通過模型模擬分析，優化林地空間布局。李鵬鵬[12]通過GIS對目標設計場地進行多源數據采集，合理設計場地植被等，再通過紅外熱敏感確定人流走向，規劃重點設計的景觀節點，將傳統的經驗設計轉化為參數化設計，使設計方式更加科學、準確和高效。李發明等[13]以丁香峪景區規劃方法為例，通過GIS等技術手段疊加分析，將難以獲取數據的山地景觀設計變為可視化分析，由定性模式向定量模式轉變。之后，李發明等[14]在其研究基礎上又將GIS技術與微博簽到、百度POI等技術相結合，加強GIS技術與大數據的耦合。在單純的依靠數據的基礎上融入情感需求，加入游人的行為模式分析，量化評價出現的問題。為北京奧林匹克森林公園提出科學、理性且高效的景觀優化提升方案。袁旸洋等[15]基于生態敏感性、控制性參數等數據，通過耦合原理進行參數化選址，探討選址的變量與參數，驗證了參數化選址的精準與高效。

3.3 人工智能

人工智能的概念由麥卡錫在達特茅斯學會上首次提出，其目的是幫助甚至替代人們做出一定的思考。大數據與人工智能相結合是新世紀不可避免的發展方向。人工智能在景觀設計領域運用最早始于20世紀70年代，其運用主要分為兩個方向：①運用人工智能對設計數據進行高效、準確的計算與分析；②針對設計中的問題構建復雜的虛擬模型。

俞孔堅[16]認為人工智能使景觀信息采集、存儲和分析變得空前高效和準確，并極大地解放了大腦，使我們從繁重的制圖和設計表達工作中解放，有利于設計回歸與創造。史晨[17]認為目前人工智能在景觀中的運用主要有智能照明設計、水景智能設計和智能噴溉設計3種。鄭屹等[18]以登封市為案例，認為當前中國城鎮化進程中帶來的老城區景觀環境視廊受阻、風貌破敗等問題，可以適度介入人工智能以及大數據技術對景觀各要素進行精確識別，同時與空間數據疊加，依靠人工智能分析，逐層遞進對城市景觀進行精細化修補。曾麗娟[19]以門頭溝為例，通過層次分析法和人工智能技術的BP神經網絡構建鄉村景觀設計效果評估模型。從目標、項目和指標3個方面對鄉村景觀設計效果進行評級，根據結果該方法誤差變化較小有較高的準確性和理想性。王剛等[20]認為景區通過監控錄像收集的大量數據難以運用，而人工智能視頻深度處理技術的融入能積極推動景區智慧化管理，提高景區應急處理能力和管理效率。李暉等[21]以月亮山核心景區為例，依據1994—2004年的景區數據，基于元胞自動機模擬進行景觀格局時空模擬，預測4種情景，為景觀生態規劃方案提供了支持。李小江等[22]認為大數據獲取街道圖像為街道景觀設計提供了新的契機，可利用圖像分割估算街道綠地量和街谷開闊程度，輔助街道景觀設計。成玉寧等[23]基于數字景觀藝術探討低影響下城市綠地的規劃方案，借助元胞自動機、人工神經網絡等算法模型，通過機器學習掌握水綠耦合模型生成城市綠地格局數字化，并以雙平臺進行驗證。

大數據是網絡連接產生的數據，而人工智能是在大數據的基礎上通過反復訓練而產生處理數據的智慧體系。大數據的發展開辟了一個價值空間，大數據不是目的，應用大數據才是最終目的，人工智能無疑是當前應用大數據最適合的出口。所以，未來大數據景觀設計必將和人工智能連接更緊密。

3.4 公眾參與

近些年來公眾參與逐漸成為當前時代大數據來源的重要組成部分，環境保護部在《生態環境大數據建設總體方案》中提出“共建生態大數據，喚醒公眾參與度”的建設方案。公眾參與度在大數據中的構成比例不斷提高，對景觀設計準確把握需求有著積極的助益。

趙珂等[24]認為大規劃、大設計的實現基礎是建立誘發公眾參與設計過程的平臺。大數據在設計中的“大”體現在4方面，即收集基數大、參與者范圍大、收益范圍大和適應范圍大。大數據不僅是對客觀數據的集合、整理和分析，更是對大眾智慧的收集。伍晨逸[25]認為大數據時代喚醒了城市市民參與城市規劃的意識，并提出增強公眾參與的3個主動方式（即搭建公眾參與平臺、增加合法性和激活社會創造力）和3個被動方式（即利用數據進行實體城市空間結構研究、綜合各種信息數據對空間資源合理分配和捕捉人口特征）。李雯等[26]分析大數據在智慧街道設計中的全流程應用，認為大數據的運用主要集中在現狀收集、技術分析、公眾參與和使用管理4個流程上。通過APP等方式使公眾由被動收集變為主動提供，設計由能提供什么變成有什么需求。王鵬等[27]認為大數據獲取渠道的增多，改變了傳統的整體規劃思維，使規劃編制從單純的精英決策向依賴廣泛的公眾參與轉變。作者以“北京鐘鼓樓地區改造”為例建立了新浪話題，搭建LBSN規劃參與平臺，并以谷歌地圖為基礎進行二次開發，與傳統數據收集方式相比，基于大數據技術的公眾參與為設計提供了更有力的支持。趙虎等[28]通過移動端發布濟南城市發展問卷，提高民眾參與度，對獲得的大數據采用文本分析法，經過文本采集、預處理、分析、可視化解讀和多元驗證5個步驟，得出宜居、和諧等關鍵詞，使問卷具有較高的可信度。眾規武漢平臺以“共同規劃、跨界規劃、開放規劃”為原則，創新建設了籌集專業智慧及市民意見表達的互聯網互動平臺，成為全國規劃行業公眾參與的首創，順應了城市規劃向精細化轉型的新需求[29]。林軼南[30]通過無人機拍攝加手繪的直觀表達方式，向大眾生動形象地展現了拓路對風貌區的破壞，以數字化手段提升公眾參與度。

大數據與公眾參與的高度耦合，打破了個人意見發表的時空約束，民眾的暢所欲言為景觀設計提供了更多的可能性。

4 大數據景觀設計研究發展趨勢

目前大數據技術在景觀設計中的應用，大致可分為多源數據、地理信息系統、人工智能和公眾參與4個主要研究方向，大數據技術已逐漸成為景觀設計的重要研究手段，并貫穿設計的全過程。

在數據來源方面，整合多源數據從宏觀層面加以相互印證，所獲取的場地、植被、需求等設計因素能為設計提供更精準的指導。今后，大數據的來源不僅會在范圍上擴大，同時也會更加精細化。當前大數據的研究應用主要集中在大、中尺度景觀設計上，對小尺度的設計研究較為稀少，但小尺度景觀在愈發擁擠的城市中占比在不斷提升，如何通過精細數據進行小尺度景觀設計將成為未來一段時間的研究熱點[31]。

在地理信息系統方面，大數據運用從最開始單一場地地貌信息的獲取逐步轉變為多方面多層次信息獲取，且信息獲取精準度也不斷提高，將更加強化景觀設計方案的合理性。

在決策方面，AI人工智能的介入已勢在必行。人工智能模擬設計環境構建景觀設計決策模型，以此進行設計模擬，分析設計中可能出現的問題，將為景觀設計提供科學的決策建議，并為景觀后期維護提供智能服務。

在公眾參與方面，革新用戶信息的收集方式，借助微博、公眾號等互聯網平臺，使公眾參與的廣度與深度達到質的改變，將為景觀設計師更直觀準確地提供使用者的意見和訴求。

作為景觀設計師應把握時代脈搏，深度挖掘大數據在景觀設計中的潛力，強化對大數據技術的應用研究能力，使大數據技術加持下的景觀設計具有更多的可創性。