基于動態觀覽評價的視覺景觀研究探索
——以南京市濱江型公共空間為例

成 實 王建國

在快速城市化進程中，中國正式進入城鎮化進程的“下半場”，城市設計愈發注重空間內涵品質的提升和公眾訴求的滿足。

視覺評價被視為衡量城市環境品質優劣的主要途徑之一，其建立起了城市空間與公眾感知之間的相互聯系，對于城市空間品質的提升及特色的塑造均具有十分重要的意義。過往的視覺研究多聚焦于人群靜態觀景行為，如何遵循人群動態觀景行為特征，采用數字景觀技術通過定量化分析手段系統解讀城市環境，建立起城市空間環境與人群視覺感知間的雙向聯系是本文研究的核心。

1 研究緣起：城市“景-觀”互動的規劃理論與技術的再探索

1.1 既有視覺評價研究

長期以來，對于人群視覺感知的探討一直是學術界的關注熱點。基于過往研究成果，視覺感知評價研究可概括為特性分析型、專家經驗型、公眾感知型和綜合評價型4種類型。整體而言，過往視覺評價更關注于人群“視覺感知”層面的單一影響，缺少對于“視覺感知”及“城市空間”互動關聯的系統建構，評價方式多依靠主觀判斷。

1.2 “景-觀”互動規劃理念

2009年，王建國院士團隊在《西湖東岸城市景觀規劃──西湖申遺之城市景觀提升工程》中首次提出了“景-觀”互動的雙向規劃理論與相應的解析技術，在實踐研究中為解析西湖景觀中人群視覺感知與城市空間形態的內在相關性，借助于GPS技術、問卷訪談、觀賞點標注等方法，通過對“湖、城、人”三要素及三者關系的分析，探討了西湖的景觀特征與城市及游人觀賞行為間的關系，在此基礎上建構了城市空間的GIS數字化平臺，分析城市未來最優的高度形態分布，尋求西湖東岸城市景觀控制的不同途徑及應對策略，實現“景”和“觀”的等量齊觀[1]。隨后，將“景-觀”互動的視覺評價方法在杭州大運河等實踐研究中加以應用[2-3]，在實踐過程中不斷優化該評價方法。

1.3 技術引領下的評價方法革新

隨著第四代基于人機互動的數字化城市設計時代的到來，預示著城市研究與實踐正邁向科學化和定量化，研究方法及技術均有大幅度躍升。過往城市研究受技術手段束縛存在的主觀化、片面化等不足正不斷被改進[4]。

從視覺研究的角度來看，以審美體驗為核心的人群視覺感知分析一直是城市與風景園林領域關注的核心問題。過往研究中的人群視覺感知難以被客觀描述和測量，多停留在語義分析階段。然而現階段，計算機技術、虛擬呈像技術和生理數據采集技術等科學技術正逐漸融入視覺景觀研究領域，研究者嘗試通過構建虛擬場景、捕捉人群視覺生理數據等一系列科學量化手段對既有視覺研究方法加以拓展[5-8]，進一步厘清人群視覺感知與城市空間形態間的關系，并依托于相關技術的支撐，實現對城市空間數據及人群視覺感知數據的量化處理，大幅度提升城市視覺研究的精準度及效率。

2 方法提出：基于“景-觀”理念下的動態觀覽評價方法

延續“景-觀”互動的視覺研究理念，本文重點關注“城市、自然、人群”3個方面的相互關聯，融入新技術手段提出了符合人群觀景行為特征的“動態觀覽評價”新方法。

2.1 評價方法定義

動態觀覽評價，即遵從人群觀賞行為所具有的“隨機”“漫游”特征，順應人群在城市空間中的觀景行為方式，強調在不同觀景行為方式的相互作用下人群對于城市空間所產生的復合視覺感知變化。相較于過往的視覺評價研究而言，動態觀覽評價研究避免了單一視點的局限性，更注重“景”與“觀”的互動關聯。

2.2 評價機制解析

人類的視覺感知包含2種大相徑庭的基本機制，一種是“自下而上”(Bottom-Up)或刺激驅使(Stimulus-Driven)的獨立于任務的視覺注意機制，依靠人群視覺本能加以接受，并提取出必要的視覺輸入信息；另一種是“自上而下”(Top-Down)或目標驅使(God-Driven)的依賴于任務的視覺關注機制，取決于觀察的目標及任務，通過大腦指定任務來完成視覺搜尋的工作[9-10]。

相較而言，動態觀覽評價符合人群“自下而上”的視覺關注機制，即隨著人群觀景行為方式的變化，在城市空間的不同區位下對所視景物產生相應的視覺生理反應，并將眼睛所接收到的外在空間信息直接傳遞給大腦，從而產生心理層面的情緒變化影響。具體而言，動態觀覽評價機制涉及“物理-生理-心理”3個領域(圖1)。

圖1 動態觀覽評價機制

1)物理領域。

物理領域指環境的客觀物質形態受功能、區位、文化、氣候等多重因素的復雜作用，造成不同類型的空間環境對于人群視覺感知及心理情緒具有顯著的差異影響。

2)生理領域。

生理領域指客觀物質形態作為一種刺激由光線進入視網膜，轉而被大腦皮層再加工的過程。考夫卡(Koffka)在《格式塔心理學》一書中指出，空間中的人群認知受到行為組織的影響，空間絕非純視覺的，對于人群空間感知的研究應當綜合對其行為方式的分析。因此，動態觀覽評價過程中更注重不同觀景行為方式(本研究分為停駐型和通過型)下人群的視知覺反應。

3)心理領域。

心理領域負責理解、認知和激發情感。人群視覺感知與其心理情緒之間存在密切關聯。心理情緒是人群視覺感知累計后產生的片段反應結果，其價值反映在對于客觀事物的信息傳遞過程中。

綜上所述，動態觀覽評價旨在對城市空間中物理、生理、心理3個領域所關聯的“空間”(景)及“人群”(觀)數據分別加以挖掘與量化分析，試圖以人群不同觀景行為方式下的視覺生理及情緒心理評價結果作為參照，判斷城市空間的物理特征對于人群視覺感知所產生的具體影響效應，從而逐級建構起“景”與“觀”的數學關聯性。

2.3 評價途徑

動態觀覽評價分為以下6個步驟(圖2)。

圖2 動態觀覽評價流程

1)步驟一：空間場景采集。

為便于對研究片區中“景”“觀”2個維度進行量化及分析，需對研究片區分別進行傾斜攝影采集和實景影像錄制。

傾斜攝影采集是為建構起研究片區的三維實景模型，便于呈現研究片區的具體空間形態特征及進行后續空間量化分析；實景影像錄制是為探析研究片區中人群的動態視覺感知變化，需根據人群觀景行為方式進一步對研究片區進行實景影像錄制，并制作成實驗樣本。

2)步驟二：場地單元劃分。

考慮到研究片區通常占地面積較大且空間內部涵蓋要素較復雜①，為保證評價分析的精準性，綜合考量不同視距下人群可感知的空間要素[11]、景觀空間的形態復雜度，以及后續量化運算的可操作性。評價中以300m×300m的立體空間單元為基準對研究片區加以劃分，從而形成數個立體空間單元以供后續分析研究。

3)步驟三：場地單元歸類。

為提高研究效率，綜合研究場地中“景”(空間通視率)與“觀”(觀景空間面積占比)兩方面因素對上文劃分的空間單元加以歸類，從中篩選出典型空間單元展開詳細研究。

4)步驟四：人群感知量化。

為進一步量化探析研究片區中人群的動態視覺感知體驗，首先依托于各典型空間單元的劃分，將實景影像制作成若干實驗樣本；其次采取實驗分析的方式，通過眼動生理監測輔以情緒量表的途徑對各典型空間單元中人群不同觀景行為方式下的視覺感知情況加以量化；最后經過數據檢驗，將人群視覺感知數據擬合至對應空間單元中，以反映出各空間單元內部人群視覺感知的差異變化并進行分析。

5)步驟五：空間指標計算。

為挖掘出研究片區中影響人群視覺感知的具體空間要素，首先通過實驗分析得到的被試者眼動熱力圖篩選出研究片區中人群的視覺關注區域及要素；再結合過往研究，厘清并總結出視覺關注要素所涉及的12項空間影響指標，以全方位地表征濱江公共觀景空間內外部形態特征；最后經由對指標量化路徑的設計、空間數據的建模，以及指標相關算法的提出，基于所建構的研究片區傾斜攝影模型，計算出各空間單元所涉及的空間影響指標的相應指數并加以分析論述。

6)步驟六：指標關聯分析。

基于對研究片區中“景”與“觀”2個維度各要素的提取及量化，采取定性與定量相結合的現代數學決策分析方法對各影響因素進行綜合判斷，明確研究片區中“景-觀”之間的相互影響效應，建立起“景-觀”雙向預測模型。在此基礎上，根據人群“觀”的偏好程度確定研究片區中“景”的最佳取值區間，試圖將人群實際觀景感受融入城市空間形態的量化評判。

2.4 技術嘗試

考慮到動態觀覽評價主要與城市空間中“景”“觀”2個維度相關聯，更涉及物理、生理及心理3個領域，為保證研究分析的可靠性及精準性，下文根據評價所涉及的領域對應用到的數字技術進行詳解。

1)物理領域：空間場景的模型建構及影像生成。

為實現對“景”的量化研究，采用傾斜攝影技術對研究片區空間數據加以全面采集，建構出研究片區的三維實景空間模型，以供后續空間影響指標的量化計算。同時，為便于對“觀”的實驗分析，考慮到心理學研究中“圖像-優勢效應”(Picture Superiority Effect)指明“使用圖像任務進行偏好選擇被認為是增強現實的一種潛在方法，可提高調查數據的有效性”，因而過往研究常運用靜態照片及動態影像2種方式構建實驗樣本，其中，動態影像更加貼近人群真實的空間感受。因此，本文采用GoPro動態實景采集技術對研究片區場景進行全方位采集，形成場景影像樣本庫，作為測量人群視覺生理及心理數據的實驗樣本。

2)生理及心理領域：人群視覺感知數據的獲取。

為呈現出研究片區中人群的視覺感知變化，采用實驗分析的手段分別獲取人群的視覺生理數據和情緒心理數據。其中，針對人群視覺生理數據，主要采用生理數據監測設備獲取人群的“直接視知覺”反應；情緒心理數據則采用心理學研究中的情緒量表，以進一步解析人群眼動反應背后的情緒變化狀況。

3 實例探索：以南京市濱江型公共空間為例

動態觀覽評價對于塑造城市景觀空間及其周邊環境風貌、平衡“城市發展”與“公眾訴求”間的矛盾具有積極作用。

我國流域面積超過1 000km2的河道多達1 500余條，僅長江、黃河、珠江3條水系沿線城市就達近百座，此類城市均可歸為濱江型城市。由于濱江型城市沿江區域具有較高的空間價值，因此通常作為城市開發建設的重點關注區域，然而在快速城市化進程下，大量建設用地占據了濱江沿線的大部分區域。如何在兼顧人群觀景活動體驗的同時保障濱江型城市的特色風貌，已然成為現階段濱江型城市發展過程中所面臨的共性議題之一。本文選取長江下游地區具有代表性的濱江型城市──南京作為研究案例，驗證動態觀覽評價方法的實操性，并對相應問題予以解析。

3.1 實例選取

南京濱江風光帶全線長度58km。本文根據對南京濱江沿線公共空間的梳理，將濱江沿線的公共空間劃分為幕燕、青奧、綠博、下關和魚嘴5個區段(圖3)，并展開詳細研究。

圖3 部分研究片區

3.2 方法運用

依據人群在濱江型公共空間中的觀景行為特征，分別從“景”與“觀”2個方面入手對所選取的南京濱江片區展開深入的定量解析，并通過數學決策模型架構起二者間的關聯，形成“景-觀”雙向預測模型，另綜合人群眼動生理指標及人群觀景心理偏好指標分析判斷出濱江型公共空間中各類“景”要素的最佳取值區間。

3.3 “觀”的探析

對于南京濱江型公共空間中人群“觀”的探析，旨在研究濱江型公共空間中人群在不同觀景行為方式下的視覺生理反應及所引發的相應情緒感知變化。基于過往視覺研究成果，采取實驗分析的方式(圖4)進行探析，具體流程分為樣本制作、實驗操作、數據處理和數據分析4個步驟。

圖4 實驗技術路徑

1)樣本制作。

考慮到南京濱江型公共空間的覆蓋范圍較廣且各片區間風貌差異較大，涉及江岸線長度共約14.5km、陸地面積23.7km2，覆蓋了南京長江全線公共觀景空間，為保證研究的準確性，將研究片區劃分為63個立體空間單元，選取其中32個典型空間單元加以詳細探討。在此基礎上，依據對人群觀景行為方式的歸納，分別對各典型空間單元中“停駐型”及“通過型”2類觀景空間進行人眼視角下的實景影像錄制，并結合實驗分析的需要，按觀景行為方式及空間單元對所采集的實景視頻進行處理、編碼及成組。

2)實驗操作。

根據實驗樣本的分類及組別形成多個實驗項目，選取34名被試者進行實驗操作，并記錄各被試者的眼動及情緒2類測試數據。在實驗中，采用aSee studio固定式眼動儀及眼動分析系統測量不同被試者對于各實驗樣本的眼動生理變化，并輔以心理學研究中常用的情緒量表進一步記錄被試者眼動反應當下的情緒變化。實驗后，共計獲取數據樣本1 024個。

3)數據處理。

實驗后導出數據，對眼動及情緒2類數據進行匯總和清理，在ArcGIS平臺中按照各實驗樣本所處區段將實驗數據錄入至對應的通過及停駐空間中，以便后續的實驗分析。

4)數據分析。

實驗數據分析分為情緒分析②、眼動分析③和波動分析④3個部分，分別針對動態觀覽評價中所涉及的心理、生理及物理3個領域。采用概率學及統計學中變異系數(Coefficient of Variation)計算等方式確定各研究區段中被試者的情緒、眼動及波動指數，以解析南京濱江型公共空間不同區段中人群不同觀景行為方式下的視覺感知情況。

3.4 “景”的解析

人群的視覺感知是在空間尺度、形狀、色彩等多種空間特征復合作用下產生的。因此，本文認為人群在不同觀景行為方式下對濱江環境的眼動及情緒反應變化亦受到其所處區位下多維度空間特征因素的復合作用。

基于前文通過動態觀覽評價對南京濱江型公共空間中人群視覺及情緒反應的解析，旨在厘清濱江型公共空間中影響人群視覺感知的空間要素及相應指標，具體分為視覺影響要素提取、量化路徑設定及空間建模、指標量化計算及分析3個研究步驟(圖5)。

圖5 空間指標量化路徑

1)視覺影響要素提取。

借助眼動實驗得出的人群視覺熱力圖，挖掘出濱江型公共空間中人群視覺關注的區域及要素，再結合過往視覺研究篩選出人群視覺關注的空間要素所對應的空間影響指標。

2)量化路徑設定及空間建模。

為進一步厘清南京濱江型公共空間中各類空間影響指標對人群視覺感知的具體影響，需對研究片區中空間影響指標的量化路徑予以擬定[11]，并建構及選取量化分析所依托的三維空間模型和軟件分析平臺，以便后續計算各項空間指數。

3)指標量化計算及分析。

在前2個步驟的基礎上，以過往視覺研究為基礎[12]，融入地理學、生態學等相關領域的研究成果，對本研究所涉及的各項空間指標計算方式予以擬定，從而實現相關指標算法的科學集成。最終，在ArcGIS平臺中對研究片區所涉及的各項空間影響指標加以計算，不僅便于觀察各研究區段中各項空間影響指標的分布差異及特征，也為后續研究提供數據基礎。其中，考慮到空間影響指標計算涉及的測試視點數量眾多(以50m/個為單位加以劃分，共計296個)，因此，延續3.3小節“‘觀’的探析”中對研究片區各典型空間單元的劃分、選取及編碼，以便在后續研究中與“觀”的指標數值加以擬合。

3.5 “景-觀”關聯預測模型及指標量化控制

基于前文對于南京濱江型公共空間“景”“觀”2個維度的實證分析及對各項影響要素的提取和量化，通過采取定性與定量相結合的現代數學決策分析方法對“景”“觀”2個維度多項影響因素的綜合判斷，明確“景”與“觀”的相互影響效應，建立起南京濱江型公共空間的“景-觀”雙向預測模型，并選取3～4個實證案例代入評價模型中進行運算，檢驗評價模型的有效性。再根據人群“觀”的偏好程度確定南京濱江型公共空間中“景”的最佳取值區間，實現對于“景-觀”的綜合考量，將人群實際觀景感受融入對城市空間形態的評判中(圖6)。

圖6 “景-觀”雙向預測模型框架

1)“景-觀”預測模型建構。

通過MATLAB軟件平臺采用PLS(偏最小二乘估計法)計算方式[13]對動態觀覽評價下南京濱江型公共空間內外部形態特征與人群視覺反應及其情緒心理3個領域間的相互關系進行綜合判斷，并計算各領域間的具體影響效應。

在預測模型的建構中，從停駐和通過2種觀景行為方式入手。首先，從“生理-心理”維度指標著手，厘清在濱江型公共空間中人群情緒感知與眼動生理反應間的關聯效應；其次，聚焦“生理-空間”維度指標，進一步厘清濱江型公共空間中人群眼動生理反應與各維度空間形態指標間的關聯效應；最終，逐級建構起濱江型公共空間“景-觀”雙向預測模型。在此基礎上，對模型有效性加以檢驗，發現實際觀測值與模型預測值2類數據間離散度較低，且顯著性處于0.993～0.997區間內，說明實際觀測值與預測值無明顯差異，即預測模型有效。以通過型觀景行為方式為例，經模型計算，將標準化的變量系數還原成原始數據的變量系數及常數項，還原后的回歸方程形式如下。

(1)“生理-心理”維度：

Y1=3.703+0.742X1+1.107X2-0.138X3

Y2=3.203+0.294X1+1.241X2-0.314X3

式中，Y1為通過型行為情緒效價；Y2為通過型行為情緒喚醒度；X1為平均注視時長均值；X2為注視頻率均值；X3為首次注視時長均值。

(2)“心理-空間”維度：

Y3=0.351-0.001X4-0.122X5+0.10X6-0.338X7-0.060X8

Y4=1.967-0.022X4+0.402X5+0.27X6+2.709X7-0.569X8

Y5=0.005-0.006X4+0.106X5-0.068X6-0.241X7+0.194X8

式中，Y3為通過型行為平均注視時長均值；Y4為通過型行為注視頻率均值；Y5為通過型行為首次注視時長均值；X4為分離度；X5為高寬比；X6為可視層次；X7為建筑占空度；X8為起伏頻率。

通過模型運算與假設驗證，可發現在不同觀景體驗方式下，相同空間指標對于人群的空間感知影響存在顯著差異，甚至起到相反作用。如“起伏頻率”指標，在通過型觀景過程中，外部界面的天際輪廓起伏變化越平緩，天際輪廓對于人群的視覺吸引力越強，越能調動人群觀景過程中的愉悅感；而在停駐型觀景過程中則相反。

2)指標控制區間劃定。

基于對濱江型公共空間“景-觀”影響效應的分析，篩選出不同觀景行為方式下對人群觀景體驗存在強烈影響的主要空間指標。將人群的視覺眼動數據(生理指標)及觀景愉悅度(情緒指標)作為參照，借助頻率直方圖劃定出各主要空間指標的建議取值區間[14]。再綜合判斷“景”“觀”2個維度間的影響效應，分級評定各項主要空間指標，最終得出2個一級優選指標和5個二級優選指標(表1)。對比所篩選出的7個優選指標，可發現外部環境指標對于人群觀覽感知的影響更加明顯。

表1 優選空間指標匯總

4 結論及展望

本文基于對過往研究成果的梳理、總結、優化和創新，提出了城市空間研究的視覺評價新途徑──“動態觀覽評價”，并選取南京濱江型公共空間作為研究案例，從“空間物理特征、眼動生理反應、情緒心理變化”3個方面建立起南京濱江型公共空間中“景”與“觀”之間的互動關聯，為后續城市視覺評價研究提供了新思路，適用于中微觀尺度下的景觀空間評價。雖然該評價方法仍有待在后續研究及實踐中不斷優化提升，但本研究試圖在方法及技術2個方面有所突破。

4.1 方法層面：嘗試提出遵循人群觀景行為特征的視覺評價新途徑

在過往的視覺研究中，缺乏對于人群實際觀景體驗下視覺感知的關注。而動態觀覽評價是遵循人群觀景行為特征，反映城市空間中“人群審美訴求”與“空間形態塑造”相互作用的新興評價途徑之一。在評價研究中采用了生理監測技術、傾斜攝影技術、PLS(偏最小二乘法)分析建模等技術手段實現對于“景”“觀”的量化研究及其相互影響效應的判斷，揭示出濱江型公共空間中“景”“觀”2個維度之間的內在規律，基于動態觀覽評價構建起濱江型公共空間視覺研究模型。本研究試圖進一步完善既有視覺景觀評價體系，為后續城市空間規劃與設計提供指引，但在未來的研究中，相關指標算法與測試人員樣本仍待持續優化及擴充。

4.2 技術層面：“多技術、多源數據”相結合的視覺評價方法將提高研究精度及效率

為系統解決城市空間所面臨的“景-觀”問題，實現非量化因素的可量化研究，將數字化分析手段融入“采集-處理-建模-分析”的研究全過程，不再局限于單一技術或單一環節的簡單運用，不僅實現了對于濱江型公共空間中“景-觀”問題的量化分析，也提升了研究精度及效率，為后續城市形態量化研究及視覺評價研究的發展奠定基礎。與此同時，面對人機互動的研究趨勢，在未來研究中需要在現有的參數化平臺中，選取更具開放性且易于可視化操作的Grasshopper等工具，建立人群動態觀覽與濱江公共空間之間的聯動機制，以期當人群動態觀覽數據輸入后，濱江公共空間評價模型可迅速做出價值判斷，識別出待優化的形態要素，以進一步提高計算精度與效率。

注：文中圖片均由作者繪制。

致謝：感謝博士生導師王建國教授及團隊各位老師所給予的諸多教誨，以及對此文的指導與幫助。

注釋：

①研究場地采集范圍：考慮到城市空間中人眼的視覺感知受到其內外部環境的綜合影響，在研究過程中需對研究區域及其周邊600m范圍內的城市環境進行統一采集，以保證后續研究分析的準確性。

②情緒分析：主要依據評價問卷中情緒效價及情緒喚醒度2項指標的打分情況，判斷各空間單元中被試者的情緒傾向性。

③眼動分析：依托于眼動實驗監測到的各項眼動指標，基于對各項眼動指標顯著性及指標釋義的綜合判斷，選取典型眼動指標并將相應指數擬合至對應的路段及停駐點中，測算出人群對各空間單元的視覺關注程度、空間認知負荷及空間信息加工難度。

④波動分析：反應空間單元內部各空間視點眼動指數間的差異變化，通常情況下，空間單元內外部環境形態特征變化越大，人群眼動指數波動越強烈。