畢芳菲 藺寶鋼

1 西安建筑科技大學(xué)建筑學(xué)院 西安 710048

2 西安工程大學(xué)城市規(guī)劃與市政工程學(xué)院 西安 710055

隨著大眾旅游時(shí)代到來,城市旅游逐漸興旺,歷史文化街區(qū)為了迎合時(shí)代需求,也常伴隨文旅開發(fā)行為。1990年以來,一大批傳統(tǒng)歷史文化街區(qū)正在朝新時(shí)代“文商旅街區(qū)”轉(zhuǎn)型,它們更加注重文化融合,且旅游屬性更加明顯[1]。如此背景之下,關(guān)中“文商旅街區(qū)”的發(fā)展現(xiàn)狀如何?擬將“景觀視覺”作為研究切入點(diǎn)對歷史文化街區(qū)建設(shè)與發(fā)展情況進(jìn)行剖析。

“景觀視覺”的相關(guān)研究始于20世紀(jì)60年代,它往往從觀察者的角度對景觀進(jìn)行考察,是組織景觀要素過程,探討景觀感知、景觀評價(jià)的重要指標(biāo)[2]。目前“景觀視覺”的研究主要劃分成“景觀視覺審美”和“視覺景觀質(zhì)量”兩種研究范式[3-6]?！熬坝^視覺審美”認(rèn)為“景觀偏好受到社會和文化特征影響”[7],該范式通常將“對景觀的熟悉程度”作為影響“景觀審美”的重要因素,重視觀賞者的主觀感知層面[7]；“視覺景觀質(zhì)量”認(rèn)為“景觀視覺偏好受到早期生存選擇的影響”[8],傾向于對客觀因素的指標(biāo)評級,如“森林/水面等地貌結(jié)構(gòu)、各種文化特征(考古價(jià)值)和生物、生態(tài)結(jié)構(gòu)”等[9]。上述兩種范式雖然出發(fā)點(diǎn)有所不同,但均表明圖像對于視覺特征的感知與識別有著重要影響。

“景觀視覺吸引”原理是“視覺景觀質(zhì)量”的重要分支方向,它是劉濱誼教授及團(tuán)隊(duì)基于計(jì)算機(jī)領(lǐng)域的“視覺注意(Visual Attention)”理論提出的概念[10]。該原理認(rèn)為觀賞者的視覺會通過快速的生理感知與心理認(rèn)知被景觀環(huán)境空間中的視覺刺激物(人們視線的焦點(diǎn))吸引[11],是景觀空間質(zhì)量的重要判斷標(biāo)準(zhǔn)[12]。目前關(guān)于景觀視覺吸引的研究主要集中在濱水、城市綠道和森林公園等景觀空間[13-15],研究對象以自然景觀空間為主,將景觀視覺吸引物分為“建筑構(gòu)筑物、名勝古跡、標(biāo)志系統(tǒng)、攝影取景點(diǎn)”等14種類型[6,8,16](表1)。

近年來,圖像的語義分割作為計(jì)算機(jī)視覺領(lǐng)域中一個(gè)較為活躍的研究方向引起了廣泛的關(guān)注[17]。全 卷 積 神 經(jīng) 網(wǎng) 絡(luò)(Fully Convolutional Networks,FCN)作為像素級語義分割手段[18],能夠進(jìn)行圖像數(shù)據(jù)的識別、分類和回歸等操作[19],目前已有不少研究針對街景等空間展開評估工作,如交通條件[20]、建筑環(huán)境[21]等其他物理因素,他們?yōu)檠芯刻峁┝擞幸娴慕梃b?；诖?本文以FCN為工具,對3處關(guān)中“文商旅街區(qū)”30年(1990—2020年)的圖像信息進(jìn)行語義分割,以探索關(guān)中文商旅街區(qū)的景觀視覺變遷。

1 研究區(qū)域與研究方法

1.1 研究區(qū)域

選取西安市三學(xué)街、咸陽市三原縣東大街和渭南市韓城古城街3條街區(qū)作為研究對象。3條街區(qū)的開發(fā)以居民為主導(dǎo),政府職能多為完善基礎(chǔ)設(shè)施建設(shè)、引導(dǎo)協(xié)作,主要盈利模式為招商出租收益；橫向來看,3條街區(qū)具有開發(fā)相似性。

1.2 FCN技術(shù)的使用

1.2.1 景觀圖像的采集

通過翻閱縣志資料和Cityspace、百度等開源數(shù)據(jù)庫的搜索,找到46張街區(qū)照片作為史料參考(舊照),照片拍攝時(shí)間為1990—2010年；在2020年2月18日—4月10日,再次進(jìn)行多次拍攝,以盡可能體現(xiàn)出街道風(fēng)貌和貼近舊照為原則,共拍攝46張相同地段的街區(qū)現(xiàn)狀照片(圖1)。

圖1 新、舊照圖像采集示例

1.2.2 景觀圖像的預(yù)處理

為了提高模型數(shù)據(jù)強(qiáng)度以降低過度擬合的情況,使用平移、旋轉(zhuǎn)、縮放、翻轉(zhuǎn)等手動標(biāo)記方式對圖像進(jìn)行標(biāo)簽分類；然后對照片執(zhí)行樣本隨機(jī)化處理[22]；最后對FCN進(jìn)行上采樣(即反卷積操作,Deconvolution)。該方法主要是為了獲取圖像中景觀像素相應(yīng)位置的最大值,以便實(shí)現(xiàn)對橫向景觀圖像的像素分類[23]。

1.2.3 景觀圖像的數(shù)據(jù)清理

上采樣操作會導(dǎo)致景觀圖像整體分辨率的降低,為了進(jìn)一步柔化細(xì)節(jié)、恢復(fù)圖像,還需要對圖像進(jìn)行連續(xù)的卷積核池化操作[24]。在卷積核池化操作后,原始圖像的大小會成倍數(shù)變小,在第5次進(jìn)行卷積池操作后,圖像大小變?yōu)樵紙D像的1/32,此時(shí)繼續(xù)進(jìn)行卷積池操作后,圖像不再變小,而特征圖(feature map)數(shù)量變少,此時(shí)再次執(zhí)行反卷積操作以恢復(fù)原始圖像大小,這一步驟主要用于優(yōu)化語義分割的結(jié)果。

1.2.4 基于FCN的語義分割識別

景觀圖像數(shù)據(jù)的語義分割是對圖像中的每個(gè)像素進(jìn)行精確分割,并判斷其所屬的場景類別[24]。使用Python的第三方庫函數(shù)讀取橫向圖像,通過FCN對圖像中的景觀元素進(jìn)行特征分類,并輸出語義分割結(jié)果[25-26]。

1.3 數(shù)據(jù)對比分析方法

1.3.1 街區(qū)景觀視覺刺激物類型分析

首先,按照“自然、半自然、人工、其他”4個(gè)大類,對“景觀視覺吸引”理論所提出的景觀視覺刺激物類型展開梳理,作為研究基礎(chǔ)材料。其次,將FCN語義分割所篩選出的圖像刺激物類型與之進(jìn)行橫向比對。比對結(jié)果即“文商旅街區(qū)”景觀視覺刺激物類型。

1.3.2 街區(qū)景觀視覺刺激物類型變化分析

根據(jù)FCN語義分割結(jié)果,對“新、舊照”中各項(xiàng)景觀視覺刺激物類型占比情況進(jìn)行整理。利用SPSS軟件對“新、舊照”中各項(xiàng)景觀視覺刺激物類型占比的前、后變化采取“配對t檢驗(yàn)和Wilcoxon檢驗(yàn)”兩種檢驗(yàn)方法,以獲得準(zhǔn)確的景觀視覺刺激物類型占比變化結(jié)果。

1.3.3 街區(qū)植物景觀變遷與人群分布分析

對發(fā)生顯著性變化的景觀視覺刺激物類型進(jìn)行重點(diǎn)關(guān)注,將各時(shí)期照片進(jìn)行圖層疊加運(yùn)算,生成景觀刺激物類型面積占比轉(zhuǎn)移矩陣,獲得各時(shí)期景觀視覺刺激物類型的垂直變化。與此同時(shí),將“植物”與“人群分布”作為重要的圖示信息,根據(jù)“新、舊照”中的圖像信息語義分割結(jié)果,對其進(jìn)行平面化處理,發(fā)現(xiàn)各時(shí)期“植物”這一視覺刺激物與“人群分布”之間的內(nèi)生關(guān)系。

2 結(jié)果與分析

2.1 街區(qū)景觀視覺刺激物的類型

通過FCN語義分割圖像,篩選出“建筑/構(gòu)筑物、天空/瞬時(shí)的自然景象、植物”等共15類圖像刺激物(圖2),將其與研究基礎(chǔ)材料進(jìn)行對比發(fā)現(xiàn),“常與其他視覺刺激物類型混合出現(xiàn)(隱性視覺刺激物)、不占顯著視覺吸引地位”等視覺刺激物不作為本次研究的重點(diǎn)關(guān)注內(nèi)容,因此共梳理出12類關(guān)中“文商旅街區(qū)景觀視覺刺激物類型”(表1)。

表1 “文商旅街區(qū)”景觀視覺刺激物類型

圖2 FCN圖像數(shù)據(jù)分割結(jié)果

2.2 街區(qū)景觀視覺刺激物類型變化

對“新、舊照”中各項(xiàng)景觀視覺刺激物類型占比檢驗(yàn)結(jié)果發(fā)現(xiàn),“建筑/構(gòu)筑物、廣告與裝飾物、植物、銷售物品、人群分布、道路系統(tǒng)、基礎(chǔ)設(shè)施”7項(xiàng)景觀視覺刺激物類型呈現(xiàn)出顯著性變化(表2)。

表2 “文商旅街區(qū)”各景觀視覺刺激物類型占比檢驗(yàn)結(jié)果

2.3 30年關(guān)中“文商旅街區(qū)”景觀變遷

重點(diǎn)關(guān)注發(fā)生顯著性變化的7項(xiàng)景觀視覺刺激物類型,對各時(shí)期照片進(jìn)行圖層疊加運(yùn)算,生成景觀刺激物類型面積占比轉(zhuǎn)移矩陣(表3、表4、表5),獲得各時(shí)期景觀視覺刺激物類型的垂直變化。

表3 1990—2000年發(fā)生顯著性變化的景觀視覺刺激物類型轉(zhuǎn)移矩陣 %

表4 2000—2010年發(fā)生顯著性變化的景觀視覺刺激物類型轉(zhuǎn)移矩陣 %

表5 2010—2020年發(fā)生顯著性變化的景觀視覺刺激物類型轉(zhuǎn)移矩陣 %

“建筑/構(gòu)筑物”“道路系統(tǒng)”的視覺面積占比持續(xù)減少,“建筑/構(gòu)筑物”大多被轉(zhuǎn)化為“廣告與裝飾物、植物、銷售物品、交通車輛”,“道路系統(tǒng)”對“人群分布”轉(zhuǎn)化的面積較多,能夠明顯看到該時(shí)期內(nèi)的街區(qū)使用者數(shù)量明顯增加,且“商業(yè)化建設(shè)”對“人文景觀”存在一定程度的壓縮。

“廣告與裝飾物”“銷售物品”“人群分布”“基礎(chǔ)設(shè)施”的視覺面積占比處于持續(xù)增長的狀態(tài),這一變化與“文商旅街區(qū)”的主題訴求一致,也從側(cè)面佐證了政府對于文商旅街區(qū)開發(fā)的態(tài)度,可以認(rèn)為以歷史文化街區(qū)為基底的“文商旅街區(qū)”基礎(chǔ)建設(shè)工作是卓有成效的。從促進(jìn)地區(qū)經(jīng)濟(jì)建設(shè)的角度看,“文商旅街區(qū)”應(yīng)該是成功的。但持續(xù)上漲的“銷售物品”占比傾軋了“建筑/構(gòu)筑物”的面積占比,“人群分布”對“交通車輛”的轉(zhuǎn)化面積也較多,難免形成“商大于文”的景觀傾向。

“植物”的視覺面積出現(xiàn)從低到高的波動狀態(tài),根據(jù)2010—2020年的走勢(上升趨勢),基本可以認(rèn)定街區(qū)綠化已經(jīng)被納入街區(qū)景觀的重要建設(shè)環(huán)節(jié)。

2.4 街區(qū)植物景觀變遷與人群分布

“植物”景觀視覺刺激物類型是關(guān)中“文商旅街區(qū)”中重要的自然景觀組成部分,關(guān)注自然景觀對人文環(huán)境的影響,有助于平衡“文商旅街區(qū)”的景觀視覺吸引。在深入分析變化較大的視覺刺激物類型后,發(fā)現(xiàn)各景觀視覺刺激物類型均與“人群分布”存在不同程度的影響,即街區(qū)空間和人群行為之間存在互動、耦合關(guān)系。將“植物”與“人群分布”作為重要的圖示信息,根據(jù)“新、舊照”中的圖像信息語義分割結(jié)果,對其進(jìn)行平面化處理(圖3),從新舊照“人群分布”的對比結(jié)果發(fā)現(xiàn),三學(xué)街和韓城古城街區(qū)在30年的“文商旅街區(qū)”轉(zhuǎn)型中,人群分布表征逐漸從“無相似性”轉(zhuǎn)成具有“一定的相似性”；從新舊照中“植物”種植變化看,發(fā)現(xiàn)西安三學(xué)街和渭南市韓城古城街區(qū)植物均具有“小面積”增加的特性(表6)。

表6 1990—2020年人群分布的特征變化

圖3 根據(jù)圖像語義分割結(jié)果的人群位置平面轉(zhuǎn)化

結(jié)合前述出現(xiàn)“相似性”轉(zhuǎn)變的共性特征,可以做出以下判斷:當(dāng)街道視覺景觀開闊時(shí),人群分布呈現(xiàn)出“沿建筑的線性”特征；當(dāng)街道視覺景觀被植物等綠色植物大面積覆蓋時(shí),人群分布呈現(xiàn)出“散點(diǎn)性”的特征。因此,植物景觀的密集程度對人群分布的狀態(tài)顯著相關(guān)。

3 優(yōu)化建議

1)管控“商業(yè)”類型景觀視覺刺激物。文商旅街區(qū)目前主要針對歷史重要性一般的街區(qū)進(jìn)行商業(yè)改造,其目的是在弘揚(yáng)傳統(tǒng)文化的同時(shí)實(shí)現(xiàn)商業(yè)的創(chuàng)收,但目前文商旅街區(qū)的“商業(yè)”屬性已然較重,適當(dāng)對“商業(yè)”類型的景觀視覺刺激物加以控制,提高“文化與自然”屬性的景觀視覺刺激物占比是“文商旅”街區(qū)下一步要關(guān)注的重點(diǎn)；還可考慮增加“人文詩詞、植物”等視覺刺激物。

2)減少“交通車輛”的出現(xiàn)比例。“建筑/構(gòu)筑物、道路系統(tǒng)”的景觀視覺面積占比在30年文商旅街區(qū)發(fā)展的過程中持續(xù)縮小,該現(xiàn)象將不利于文商旅街區(qū)的人文景觀構(gòu)建,且容易形成游覽視野的閉塞感。認(rèn)為可以適當(dāng)減少“交通車輛”的出現(xiàn)比例,可嘗試通過限行、限時(shí)等手段輔助,以增加視覺的開闊度,也有助于形成良好的文商旅街區(qū)氛圍。

3)增加“植物”景觀視覺刺激物類型。增加綠色植物在街道景觀中的視覺面積占比對街區(qū)人群分布散點(diǎn)性展開有明顯驅(qū)動作用。結(jié)合文商旅街區(qū)的發(fā)展目標(biāo),該方法將有助于游覽者多角度、全方位的形成游憩體驗(yàn),但考慮到歷史文化街區(qū)基底,一般可通過花壇、盆栽等形式輔助,結(jié)合原有植物群落共同打造街區(qū)植物景觀。

4 結(jié)論與討論

研究基于全卷積神經(jīng)網(wǎng)絡(luò)技術(shù),通過對文商旅街區(qū)景觀視覺刺激物類型、街區(qū)景觀變遷、街區(qū)植物景觀變遷與人群分布等內(nèi)容的調(diào)查研究發(fā)現(xiàn):“建筑/構(gòu)筑物、廣告與裝飾物、植物、銷售物品、人群分布、道路系統(tǒng)、基礎(chǔ)設(shè)施”等7項(xiàng)景觀視覺刺激物類型呈現(xiàn)出顯著性變化,而該變化亦反映出“文商旅街區(qū)”景觀的“服務(wù)性”意識正在逐漸增強(qiáng)。其中,“建筑/構(gòu)筑物、道路系統(tǒng)”的景觀視覺面積占比呈持續(xù)減少狀態(tài),而“廣告與裝飾物、銷售物品、人群分布、基礎(chǔ)設(shè)施”等的景觀視覺面積占比則呈現(xiàn)出持續(xù)增長,“植物”的景觀視覺面積占比則呈現(xiàn)出由少到多的波動狀態(tài)。與此同時(shí),植物景觀的密集程度對人群分布特征具有顯著相關(guān)性。

本研究是“景觀視覺吸引”原理的一次延伸探索,借助圖像對比的研究思路,對關(guān)中“文商旅街區(qū)”的街區(qū)景觀變遷進(jìn)行分析總結(jié),并在此過程中發(fā)現(xiàn)植物景觀對人群分布的影響。但研究同時(shí)存在一定不足,圖片無法完全真實(shí)反映景觀環(huán)境中可能包含的其他影響因素,如聲音、溫度、光線等,這些均會對研究結(jié)果中人群分布的準(zhǔn)確性產(chǎn)生一定影響。未來研究應(yīng)從動態(tài)角度入手,如嘗試視頻記錄和眼動儀等儀器的使用等。本研究作為初期的一次調(diào)查演示,為中后期大規(guī)模的關(guān)中景觀變遷調(diào)查提供了研究信息。