淺析大數據在風景園林中的應用研究進展

陳鑫彭建松

(1.西南林業大學園林園藝學院，云南 昆明 650224；2.西南林業大學森林城市研究院，云南 昆明 650224)

引言

隨著科學技術的發展進步，信息社會逐漸到來，人們的日常工作生活在信息空間中產生大規模數據，研究者從這些數據中發現和總結規律，并通過這些規律預測趨勢、輔助做出決策[1]。大數據分析處理技術隨著大規模數據資源共享快速發展，推動著各行業智能化發展，如推動科學發展[2]、促進數字經濟繁榮[3]以及輔助社會建設[4]。風景園林建設作為社會建設的重要部分，越來越多的學者通過大數據對風景園林相關領域進行系列研究。本研究通過文獻閱讀總結，整理分析了大數據在宏觀、中觀、微觀尺度風景園林領域的應用實踐研究現狀及不足與發展趨勢，為大數據在風景園林領域的發展提供思路。

1 大數據的內涵及特征

大數據通常是指一種規模大到在短時間內無法通過傳統數據庫進行獲取、儲存、管理、分析的數據合集，具有Volume(體量大)、Variety(模態多)、Velocity(生成快)以及Value(價值大但密度低)的特點[5]。根據數據應用的需求差異，可將大數據應用分為描述性分析應用、預測性分析應用以及指導性分析應用3個層次[6]，這3個層次層層遞進不斷深入，并且隨著技術的發展進步不斷地發揮更高的價值。

1.1 數據類型及應用

根據風景園林規劃設計領域的研究方向和研究內容，大數據的相關研究主要集中在城市空間、景區、公園等綠地的使用感知評價、可達性及環境公平、評價與評估以及規劃管理方面等[7]，這些研究領域常用的數據類型主要包括文本數據、圖像數據以及時空數據3大類，具體見表1。

表1 不同數據類型來源及研究內容

1.2 研究方法與技術

通過文獻閱讀，發現傳統的空間分析法、數學與統計分析法、綜合評價分析法在風景園林相關研究中被廣泛應用。利用GIS構建模型將數據可視化從而進行空間分析是空間分析法中最常用的，通常用于環境生態空間敏感性評價、景觀格局優化、生態安全格局構建、保護區功能分區合理構建、城市綠地空間與城市發展耦合機制研究以及結合現代互聯網信息對人群聚集程度研究。統計分析法主要是通過對獲取的大數據進行數學統計，根據統計結果分析其相互關系、發展規律以及變化趨勢，從而對事物進行認識和預測，可用于相關性分析與回歸分析中的各影響因子，并結合SPSS等工具進行相關性驗證。綜合評價方法在風景園林研究中應用甚廣，主要包括主成分分析法、DEA分析法以及模糊評價法，通過確定評價指標、評價模型以及權重系數，對景觀評價指標間的重要性進行分析，從而指導風景園林設計工程。

人工智能、文本挖掘技術在風景園林中的應用得益于計算機技術的發展[7]。人工智能是利用計算機模擬人類智力進行某些智能行為，主要包括機器人、語言識別、圖像識別、自然語言處理和專家系統等研究領域。文本挖掘是自然語言處理的一部分，是從文本信息中獲取目的所需部分的過程，主要包括信息抽取、檢索、自然語言處理以及數據挖掘，自然語言處理主要應用于情感分析、輿情監測、文本分類等方向。無論是人工智能還是自然語言挖掘，都是計算機在大數據領域的發展，引領著研究者尋找不同數據中的顯隱關系，從而指導行業實踐。

2 大數據在風景園林研究領域的應用

風景園林作為重要的人類文明載體，從古典造園到現代風景園林，受眾逐漸擴大至全社會，其發展趨勢向生態系統服務、生態和文化綜合價值取向以及全尺度發展，內容從單一的造園游憩向文化傳播、生態保護、歷史傳承拓展。在智慧城市建設和計算機應用背景下，大量的人類活動以及環境變化數據為分析風景園林研究領域相關問題提供數據支持，可從不同角度應用不同方法對風景園林領域進行分析，從而指導實踐，推動社會發展。本研究按照宏觀、中觀、微觀尺度的風景園林建設進行應用分析，具體見表2。

表2 大數據在風景園林規劃設計領域多尺度應用的特征及研究內容

2.1 宏觀尺度的風景園林研究

宏觀尺度風景園林多涉及國土規劃、保護區規劃、跨區域綜合治理、綠地系統研究等，主要應用地理信息系統大數據、遙感影像數據結合不同分析方法進行各類研究。

MSPA常用于大型網絡格局構建研究中，艾婧文等在能源低碳轉型的背景下，以風電設施建設與生態問題相關性為起點，通過MSPA法對福建省潭平島陸上風電項目所在地2000年和2020年衛星遙感影像和高程數據進行生態廊道提取與潛在生態網絡評價研究，研究量化了風電項目對生態流的變化影響，證明了風電項目在重要生態保護區域建設會影響區域內生境和生境之間的能量流通，破壞生態廊道，從而威脅生態安全穩定[9]。謝于松等以成渝城市群中四川境內的13個主要城市為研究對象，利用研究對象的Landsat衛星TM/ETM遙感影像以及土地利用類型分類圖，運用MSPA與景觀生態學理論，對研究區綠色基礎設施構成要素以及景觀組成特征進行分析，為成渝生態網絡構建及規劃提供參考，彌補了我國在多個城市間關于綠色基礎設施(GI)網絡差異性的研究[10]。

2.2 中觀尺度的風景園林研究

中觀尺度的風景園林具有完整的景觀特征和景觀結構，主要通過軌跡數據、手機信令、點評網站等相關數據對景區和城市規劃治理以及區域整體人文生態系統進行研究。

景區、公園作為重要的風景園林研究對象，相關的使用研究對建設管理具有重要意義。在智慧景區的背景下，黃蔚欣等獲取WIFI定位的游人軌跡數據，運用多種聚類方法從不同角度對軌跡數據進行聚類分析，得出游人在黃山景區的主要游覽路徑，并對比分析春節與平日的客流量差異，為智慧景區建設管理提供決策參考[11]。閻友兵等以韶山風景名勝區為案例，采用情感分析方法和內容分析方法，對來自國內3個知名旅游網站的在線評論數據進行紅色旅游游客情感特征分析研究[12]。胡昕宇等借助手機信令數據對蘇州中心城區23個城市公園的游人活力進行時空分布特征及其與影響因子的耦合分析，并從城市公園選址、公園內部景觀布局設計以及公園開發方式幾個方面為提升公園活力提出建議[13]。葉林等以大眾點評網站中關于重慶36個公園用戶評價數據為基礎，采用百度深度學習方法，提取評論中的感知要素及情感傾向，通過挖掘分析得出公園類型的差異影響游人感知要素差異，游人情感傾向與公園要素具有相關性[14]。

微博作為使用頻率較高的社交平臺，其數據對風景園林相關研究也具有重要價值。如，方夢靜以新浪微博中游客發布的有關杭州市已建成的不同種類城市公園的微博數據為數據源，通過文本情感值計算、GIS技術、詞頻分析、地理集中指數等方法對城市公園的游客特征、游客情感的結構與時空特征、游客情感影響因素及應用3個內容進行研究[15]。

2019年底，新冠疫情爆發，公共綠地重要性凸顯，后疫情時代社區尺度下的綠地建設和發展受到各方面的關注，朱媛媛等基于步行和地鐵出行方式通過空間分析法對武漢市中心城區綠地空間格局和可達性進行研究，得出社區尺度下步行和地鐵出行能夠基本滿足公園綠地的整體可達性，提出綠地向社區尺度發展能夠擴大服務范圍，有效完善防疫體系；通過對大眾點評網關于公園綠地及后疫情時期的相關評論進行詞頻分析，反映疫情后居民游憩活動的關注方向和行為偏好，提出公園建設應該重視居民需求，豐富公園尤其是社區公園的文化價值和功能，拓展城市公共空間內涵，提高城市韌性[16]。

2.3 微觀尺度的風景園林研究

在空間建設中，傳統的小空間設計更加注重經濟性和功能性，對使用人群的實際需求考慮較少，隨著社會發展，人們生活水平提高，對空間品質的關注度越來越高，人性化訴求突出，關于人與空間的研究也越發多樣化。微觀尺度主要涉及居住區、公園、學校等相對獨立的地塊的研究。

圖片數據作為重要的數據來源，在以圖片為基礎的公共空間人群使用研究方面，吳韶集等用大疆無人機對天津大學3個公共空間拍攝的5段長約20min的行人活動視頻，以python語言為基礎搭建深度學習的計算機視覺算法框架對視頻進行處理分析可視化，得出人群分布熱力圖和行為速度熱力圖，進而展現出入口間的連接強度和空間規劃合理情況，為公共空間設計改造提供現實參考[17]。鄉村景觀作為鄉村振興的載體之一，具有獨特的地域文化，能夠從歷史感、歸屬感上給游人帶來特有的精神體驗。黃碩等將網絡數據與問卷數據相結合，利用Nvivo編碼對圖片景觀元素進行質性分析，再利用AMOS 24.0對處理后的圖片和問卷進行景觀元素、景觀偏好、健康效益3方面模型構建，為提升公園景觀健康功能提供參考[18]。陳國棟等對長蕩湖道路進行建模設計再模擬四季景觀進行視角質量實驗和特征評價實驗，從而得到受關注因子，證明利用虛擬現實三維建模進行植物景觀設計具有可行性，為風景園林行業技術拓展提供方向[19]。

隨著社會發展，網絡平臺作為重要的信息獲取、分享途徑，在風景園林使用后評價研究中具有重要性，能夠促進景觀設計改造，提升景觀滿意度。孫媛媛以網絡游記、百度指數、微博數據等為數據源對關中漢唐帝陵不同旅游階段的時空行為進行研究，從而分析不同階段游客時空、情感特征，發現不同信息通道游客的不同體驗需求，構建基于游客體驗的關中漢唐帝陵旅游價值評價體系[20]。楊春梅等通過文本分析法對使用Python數據挖掘技術抓取到的旅游網站中關于哈爾濱冰雪旅游的相關游客評論進行研究分析，確定冰雪旅游游客滿意度的影響因素和優化對策[21]。

3 發展趨勢

從上述文獻分析來看，大數據在風景園林行業的應用非常廣泛多樣，但是依舊可以發現一些大數據在風景園林行業發展的局限性。準確性，網絡大數據主要以新浪微博、大眾點評、百度地圖等社交評價軟件的用戶自主描述為主要數據來源，從而進行情感研究、場地使用情況研究；仔細觀察這類大數據發現，數據主要由用戶自主分享，在簽到位置數據中不能完全表現用戶全部軌跡，主要集中在客觀的熱點區域，在簽到地點文本數據中，混雜著部分與研究內容無關或者關系不緊密的數據，如周邊商店廣告、明星效應、營銷話題等；因此，在研究過程中需要對數據進行篩選處理或者權重調整，從而優化數據質量，提高分析結論準確性。全面性，多數利用大數據進行風景園林研究的數據來自于單一平臺或者幾個平臺，數據量大，獲取方便，但是無論是軌跡數據平臺還是評論分享平臺，其數據僅代表平臺用戶反饋，有一定的人群針對性，對老人、兒童、特殊人群的反饋有所忽略。精確性，基于定位技術搜集的LBS數據由于技術限制具有一定的誤差，在大中尺度場地中的誤差可以忽略，但是在口袋公園、街旁綠地等小場地研究中就具有一定的局限性，相較之下，傳統的問卷調查、跟隨記錄等方法更具可行性；在大尺度研究中使用的高空分辨遙感數據多為開源數據，精確度在一般范圍，且對于用地類型分類上多為機器識別和人工解譯相結合，存在一定的誤差。可利用性，大數據的多樣化是顯而易見的，但數據獲取途徑依然是有限的，多數高價值大數據存在企事業服務器中，風景園林從業者不便隨意獲取使用；大數據處理分析方法多數是依附于計算機分析處理技術的發展，行業從業者作為學習使用者角色進行利用。

大數據輔助各行各業發展已經成為重要趨勢，帶來的價值使其成為風景園林研究的重要研究依據和研究數據基礎，在未來各行各業的共同努力下，將更加充分發揮作用，引領行業向著精細化高水平發展。大數據在風景園林中的研究經歷了從數據分析驗證景觀設計合理性到數據分析指導設計[22]的過程，下一步行業從業者應該警惕大數據分析帶來的數據思維，探究數據分析現象背后的原因，并轉化為理論構想從而指導實踐。此外，風景園林作為社會性實踐學科，將繼續發展其人本主義特色[23]，結合大數據和傳統研究方法，從大到精，結合多維度特性，將逐漸與城鄉規劃生態學等相關學科以及社會學、心理學、經濟學等多學科相結合，構建智慧風景園林體系，建設更加合理有特色的景觀，滿足多人群需求。