陳星漢 于瀚婷 熊若璟 葉宇＊

1 研究背景

1.1 基于經(jīng)驗感知的中國古典園林空間經(jīng)典理論研究

中國古典園林空間研究具有較長的歷史，早期研究往往基于人的經(jīng)驗感知，對古典園林的空間體驗和造園特色進行分析。代表性研究有童寯在《江南園林志》中從“疏密得宜、曲折盡致、眼前有景”3種不同角度總結(jié)古典園林的空間意趣[1]；陳從周在《說園》中圍繞中國古典園林的獨特風格展開研究，從動靜體驗、曲直營造等方面對空間特征進行討論[2]。而后，中國古典園林的研究逐步走向更加系統(tǒng)和全面的空間特征分析，如劉敦楨在《蘇州古典園林》中討論了園林空間的營造手法，從“對比與襯托”“對景與借景”“深度與層次”等多方面入手，分析了園林的空間層次、變換布局和視線動線組織[3]；彭一剛在《中國古典園林分析》中系統(tǒng)分析了古典園林的空間特點，全面探討了滲透層次、曲折對比、視覺感知、路徑引導、藏露虛實等主題[4]。

這些研究取得了豐碩的理論成果，構(gòu)建了和人本感知高度契合且古典園林空間專屬的研究視角，也使后續(xù)研究者們意識到要想深入解讀園林空間的結(jié)構(gòu)和布局，建構(gòu)系統(tǒng)全面的分析維度和指征是一條有效途徑[5-6]。但由于技術受限，這些早期的理論探索往往只能局限于定性分析，尚未開展更加深入且量化的實證研究。

1.2 空間句法在園林研究中的興起與局限

空間句法（space syntax）作為一種分析空間結(jié)構(gòu)和視線關系的有效方法[7-9]，自2010年以來被應用于中國古典園林的空間研究[10]。研究者們嘗試使用這一新工具對過去難以定量測度的空間特征進行解釋，探索視覺感知之下的隱藏結(jié)構(gòu)[11]。早期的相關研究主要貢獻在于初步確定了空間句法工具的可行性，并提出了區(qū)分可視層（eye-level）和可行層（kneelevel）的研究模式[12]。此后，使用空間句法分析園林空間特征的研究開始涌現(xiàn)。絕大部分研究都遵循了類似的框架，即借助DepthmapX軟件，采用視域分析法（visibility graph analysis,VGA）對園林空間的整合度（integration）、連接度（connectivity）、深度值（step depth）等VGA內(nèi)置參量展開計算和分析。拙政園[13-15]、網(wǎng)師園[16]、留園[17]、何園[18]等名園被選為研究對象，并得到了空間拓撲層面的解讀。也有一些研究試圖在方法上予以改進，嘗試以空間句法為基礎分析古典園林空間的開合[19]或“看與被看”[20]等特點，但并未進行系統(tǒng)化的指征和方法建構(gòu)。

總體而言，當前相關研究的主要不足是分析框架缺乏系統(tǒng)性和空間指征缺乏可感知性。首先，面向古典園林的空間句法研究與經(jīng)典理論存在脫節(jié)，研究者難以準確選擇園林空間的研究維度，這導致對園林空間的空間句法解讀缺乏系統(tǒng)性。其次，如直接套用空間句法內(nèi)置參量（如整合度、連接度等）進行分析，對古典園林空間的解釋會存在缺陷，難以和人真實的空間感知及其對應的造園理法建立聯(lián)系。此外，當前研究大多局限于空間句法的簡單應用，解讀深度不足。盡管VGA的相關研究已經(jīng)較為充分，但VGA熱力圖無法對園林空間的感知體驗進行表征，也無法對非顯著區(qū)域形成有效解讀。這也是園林的量化分析尚未有效融合進設計實踐的主要原因。因此，不論是新指征的測度、解析度的提升還是賦能設計的需要，空間句法的應用都有待外部技術的優(yōu)化加持。

1.3 發(fā)展方向：經(jīng)典理論和多元量化方法相結(jié)合

由前所述，側(cè)重經(jīng)驗感知的經(jīng)典理論在量化方面存在困難，而以空間句法為代表的量化研究則在系統(tǒng)理論的建構(gòu)上存在不足。為此，本研究希望將經(jīng)典理論的研究視角與量化分析的技術方法融合，對經(jīng)典理論進行歸納，提煉兼具可感知性和可測度性的空間指征，并在此基礎上，借助空間句法、機器學習等多種技術工具，構(gòu)建高推廣度、深解析度的指征測度方法，立足園林研究領域，從人本感知出發(fā)，實現(xiàn)對過去“不可測度”的古典園林空間指征的系統(tǒng)測度，并從方法上形成對實踐支持的可能。

2 理論框架

2.1 基于經(jīng)典理論的空間指征建構(gòu)

為實現(xiàn)園林空間的測度，有必要從經(jīng)典理論和既有研究出發(fā)，提出一套具有園林空間研究特點且符合人本感知的空間指征。在建構(gòu)過程中，本研究基于古典園林的經(jīng)典理論專著[1-4]，歸納了最具代表性的古典園林空間指征：滲透性、曲折度、可視性、可達性、差異度（表1）。這些指征既能反映園林空間的感知特點，又具有測度的可行性，可作為后續(xù)研究的基礎。

這5項空間指征的概念內(nèi)涵和經(jīng)典理論相對應，反映了古典園林不同維度的空間特征：1）滲透性指空間整體的疏密和層次關系，與空間之間的分隔、穿插、打通和連接情況有關，影響了人對空間流動性的感知；2）曲折度指園林中空間之間的方向變化，直接關系到游園過程中人能體驗到的“迂回感”，反映了動線的空間節(jié)奏以及“回環(huán)曲折”的游園體驗；3）可視性代表了園林中視野的開闊性和視線“對景”情況，解釋了園林空間給人營造視覺體驗的空間機制；4）可達性表征了園林空間中動線的整體組織和到達不同空間的難易程度，關系到人在園林中行進的動態(tài)感知、空間的設計引導與體驗順序；5）差異度則用于表征古典園林中空間收放、藏露手法的轉(zhuǎn)換，和園林中“可達”和“可視”的空間錯位相關，體現(xiàn)了“忽隱忽現(xiàn)”“含蓄不盡”的空間感知。

引入這些指征，將使得量化分析的開展真正契合古典園林的空間特點，有助于經(jīng)典理論中的感知性視角在量化研究中的延續(xù)。

2.2 面向量化分析的空間指征映射框架建構(gòu)

基于經(jīng)典理論所提煉的指征需要進一步向量化分析轉(zhuǎn)化。在方法上以VGA為基礎，同時面向園林空間的感知體驗進行組合建構(gòu)。在VGA中連接度、深度值和整合度的應用最為廣泛。連接度指某元素向外可以看見的其他元素的個數(shù)，代表了空間的滲透性和連接性。深度值包括基于距離、角度等的多種類型，微觀層面上指2個元素可以互視的最小步數(shù)（或角度變化等）。假設dij是連接任意兩點i和j之間的最短距離，n為節(jié)點總數(shù)，平均深度值（mean depth）的計算式

整合度指剔除了拓撲結(jié)構(gòu)不對稱影響的基礎上的全局視線深度情況，計算式

連接度、深度值、整合度在一定程度上反映了空間特點和對應的感知情況，但這些測度參量并非面向古典園林這一特殊領域所提出的。為此，本研究延續(xù)了可行層、可視層分離的分析方式。以游園者視線高度（取1.6 m）水平面上所有可見的視域范圍作為可視層，游園者正常游園活動可以遍及的區(qū)域范圍[12]作為可行層。為實現(xiàn)VGA指標向空間指征的有效轉(zhuǎn)化，本研究采取了多模型、多指標疊合的方式，綜合了空間指征概念、空間感知經(jīng)驗與VGA指標內(nèi)涵，提出了5項空間指征和對應的人本感知角度、造園理法，以及基于VGA的測度方式的綜合映射框架（圖1），使得量化方法能更好地應用于古典園林空間領域。

圖1 以空間指征為核心的綜合映射框架A holistic mapping framework centered on spatial indicators

5項空間指征的測度方法從人本感知角度出發(fā)進行建構(gòu)，并對應了塑造相關體驗的傳統(tǒng)造園理法。滲透性對應了園林中空間穿插、阻隔的手法，過去研究中多使用連接度進行表征[21]。因此，本研究選擇將可視層、可行層連接度疊加作為滲透性數(shù)值，用于反映人對空間層次、虛實的感受。曲折度反映了游園動線布局的曲折情況，不僅關系到空間序列的先后順序，也和角度轉(zhuǎn)折相關，因此曲折度的測度主要采用基于角度權(quán)重的深度值。此外，為對空間結(jié)構(gòu)進行系統(tǒng)刻畫，還結(jié)合了整合度。綜合以上指標，曲折度的測度能反映人們對空間節(jié)奏錯落性的感知。可視性對應了對景、借景、框景等一系列視線營造手法?？蛇_性則代表了園林設計中動線的組織和引導。本研究參考既有研究[18]，將具備空間系統(tǒng)性表征能力的整合度與考慮出入口位置的深度值進行疊加，從而實現(xiàn)對可視性、可達性的測度。據(jù)此，可視性能實現(xiàn)“靜觀”的體驗表征，可達性則能刻畫“動觀”的游園體驗。差異度和動視錯位的獨特現(xiàn)象息息相關，對應了傳統(tǒng)理法中的抑景和揚景。本研究選擇了整合度這一最具通用性的VGA指標，以可視層、可行層整合度的差值作為測度值。

3 研究設計

3.1 研究框架

為推動新興量化研究與傳統(tǒng)理論的融合，本研究從經(jīng)典理論中提煉了5項空間指征，并構(gòu)建了指征和實際測度指標之間的映射關系（圖2）?；诖?，本研究結(jié)合了空間句法、地理信息技術等多種技術手段，探索空間指征的測度方法，并結(jié)合機器學習實現(xiàn)特征空間聚類的識別，拓展多層級解析空間的可能性，構(gòu)建一套可推廣的空間分析范式。本研究選擇了留園、拙政園中園作為示例，對空間指征進行測度分析。通過開展空間感知試驗，初步驗證指征測度與實際感知的契合度。

圖2 研究框架Research framework

3.2 研究對象：留園、拙政園中園

留園和拙政園均被譽為“江南四大名園”之一，是江南古典園林的代表，二者在空間形態(tài)、布局和組織上具有典型性，能較好地反映中國古典園林的空間特征和營造特點。而從可操作性上考慮，兩者的測繪資料較為齊全。拙政園中園保留了明代的格局特點，和留園整體尺度相近，在具體的空間組織上又存在一定差異，能較好地展示空間指征在可測度層面的優(yōu)勢。本研究中，留園和拙政園中園的建模參考了《蘇州古典園林》[2]中刊載的留園及拙政園中園測繪平面圖，分析模型在AutoCAD中進行繪制并采取了可行層和可視層的建模方式。

3.3 研究方法：空間指征測度的技術路線

空間指征的分析測度分為3個步驟，分別基于空間句法、地理信息分析以及機器學習算法實現(xiàn)。1）使用DepthmapX這一空間句法工具對園林空間的可視層、可行層模型開展VGA研究，以75 cm方格作為貼合人體感知的單元構(gòu)建分析網(wǎng)格，對連接度、整合度、深度值（包括基于角度權(quán)重的深度值）等VGA指標進行計算，得到包含指標數(shù)據(jù)和空間信息的csv格式文件。2）借助ArcGIS平臺對csv格式文件中的不同VGA指標數(shù)值進行歸一化處理，并參照空間指征的映射框架進行多模型多指標疊加分析，從而實現(xiàn)空間指征的初步測度。3）使用具有噪聲的基于密度的聚類（density-based spatial clustering of applications with noise, DBSCAN）算法，對ArcGIS中導出的數(shù)據(jù)表進行聚類分析，根據(jù)分析需求實現(xiàn)各層級空間組團的定位識別。

上述第三步中使用的DBSCAN算法是一種常用的無監(jiān)督學習算法[22-23]，能基于空間點的密度分布對數(shù)據(jù)進行聚類分析，把古典園林平面中滿足密度要求的連續(xù)特征區(qū)域劃分為組團。而空間中零散、低密度的點位則被認為與設計意圖和空間體驗無關，被作為噪點篩除。因此，DBSCAN算法能實現(xiàn)對園林不同指征下空間的特征提煉，反映指征聚類的數(shù)量、范圍、形狀并進行可視化。此外，古典園林空間極為復雜，相鄰空間的體驗感受都可能存在較大差異，這就需要對各指征聚類進行層級性研究，切片式解析空間。使用DBSCAN算法進行特征提煉能針對不同層級開展，并不局限于顯著區(qū)間。而在方案分析中，恰恰是非顯著空間對應了待優(yōu)化的部分。本研究篩選出各空間指征中前20%的數(shù)據(jù)，代表該指征下表現(xiàn)最突出的點位，通過DBSCAN算法的計算，在篩除噪點數(shù)據(jù)后，為剩余點標記聚類。經(jīng)過篩除點數(shù)量低于100的微型聚類，得到了5項指征的聚類特征。本研究還以留園為例，將非顯著區(qū)間分為4檔（＞20%～40%、＞40%～60%、＞60%～80%、＞80%～100%），實現(xiàn)了相應空間特征的提取。

3.4 研究驗證：空間感知試驗設計

為驗證空間指征及其測度方式的科學性，本研究開展了一個小范圍的空間感知試驗。本研究篩選了7位被試者，由研究人員引導，于工作日前往留園和拙政園中園，在研究范圍內(nèi)實地進行空間感知，并在此基礎上完成圖像問卷。問卷中共設置了5項問題，分別對應滲透性、曲折度、可視性、可達性和差異度的概念，從感知層面予以描述和解釋，并要求被試者在地圖中標記15～20個符合這些感知特征的點位。此后，研究人員借助ArcGIS軟件將收集到的空間點位標注在地圖中，并進行了基于核密度分析的熱力圖繪制。得到的熱力分布圖在一定程度上反映了被試者主觀層面的空間感知，通過與空間指征的疊加分析和聚類分析進行比對，初步驗證空間指征測度結(jié)果和真實空間感知的契合度。

4 空間指征測度示例：留園、拙政園中園

4.1 空間指征測度與量化分析

4.1.1 滲透性

本研究分別測得了留園、拙政園中園滲透性分布情況以及典型聚類特征（圖3）。

圖3 滲透性分析Permeability analysis

留園的高滲透性區(qū)域呈散點分布，在聚類分析中得以被清晰識別。這些聚類包括涵碧山房、舒嘯亭、遠翠閣、五峰仙館和林泉耆碩之館等區(qū)域，其空間開放度和連通度最高。與之相對，在這些聚類之間的路徑和區(qū)域?qū)臻g的阻隔和遮擋則更多。

拙政園中園的高滲透性區(qū)域分布特征與留園類似，均圍繞主要建筑的開敞空間分布，分為兩部分：西側(cè)的聚類數(shù)量多而面積小，包括得真亭、玉蘭堂、見山樓等處；東側(cè)的聚類面積大而完整，以遠香堂、玲瓏館等為核心。這代表了2種不同的空間體驗，前者因聚類零散而富于變化，后者則更為疏朗開闊，空間流動性強。

4.1.2 曲折度

曲折度的測度反映了空間“回環(huán)錯落”的程度（圖4）。從整體分布來看，留園和拙政園中園內(nèi)曲折度高的區(qū)域均勻分布在四周。留園曲折度最高的區(qū)域為西園，包括活潑潑地等處，次高區(qū)為鶴所、佳晴喜雨快雪之亭以及林泉耆碩之館的南院。拙政園中園則以玉蘭堂、小滄浪、雪香云蔚亭等形成顯著聚類?？梢园l(fā)現(xiàn)，2個園林中的主要空間場景（留園水面周邊、五峰仙館以及拙政園的遠香堂）的曲折度普遍較低，但相鄰附屬空間的曲折度則相對顯著。

4.1.3 可視性

在可視性的測度中發(fā)現(xiàn)，可視性高的空間往往以視線通廊的形式出現(xiàn)，其起止區(qū)域和“看與被看”的視線感知相關（圖5）。留園的聚類分析顯示，園林空間從西南向東北構(gòu)成了一條較為連續(xù)的高可視性通道，其中活潑潑地、涵碧山房、汲古得綆處、還我讀書處、冠云峰等空間形成了聚焦點。而在拙政園中，視線可達性則由南向北逐漸遞增，北側(cè)的“景”作為南側(cè)所“對”的對象出現(xiàn)。聚類分析則清晰顯示了雪香云蔚亭、北山亭周邊是整個園子的“對景”核心。

圖5 可視性分析Visibility analysis

4.1.4 可達性

可達性的測度顯示了留園和拙政園中園中空間的組織特點和到達的難易度（圖6）。留園可達性最高的空間位于中部和東部，以五峰仙館為中心向南北延伸。聚類分析顯示高可達性的空間連續(xù)，且構(gòu)成了園林的主干。而拙政園中園可達性最高的區(qū)域集中在中部，以遠香堂為核心形成單一聚類。由此，留園和拙政園中園的空間組織結(jié)構(gòu)得到識別，前者呈線性向兩側(cè)發(fā)散，后者呈點狀向四周發(fā)散?？梢姡M管園林的空間營造手法多變而復雜，但在結(jié)構(gòu)組織上卻簡潔而清晰。

4.1.5 差異度

本研究對留園和拙政園中園的差異度進行了測度和分析（圖7）。在留園中，高差異度的空間主要分布在建筑與小尺度的院落區(qū)域，從入口空間一直向東北的林泉耆碩之館延伸，形成2個主要聚類。在這些空間中，依托于廊、窗和各類開口，形成了極為豐富的景物變化和藏露轉(zhuǎn)換，具有很強的空間趣味性。而對于拙政園中園，差異度聚類基本呈現(xiàn)散點分布，并主要位于南部，例如遠香堂、玉蘭堂、玲瓏館等處，見山樓北側(cè)也有少量分布?？梢园l(fā)現(xiàn)，不論在留園還是拙政園中園，高差異度的空間往往都存在著建筑墻體、廊道等緊湊而靈活的空間圍合體，其中的鏤空和開口是差異度形成的重要原因。

圖7 差異度分析Differentiation analysis

4.1.6 基于DBSCAN算法的各顯著度層級空間特征識別

除了上述對顯著空間的分析，本研究還以留園為示范對非顯著的各層級空間聚類進行特征提?。▓D8），實現(xiàn)了對園林空間的切片式解析。指征＞20%～40%區(qū)段代表了僅次于顯著空間的組團；指征＞40%～60%區(qū)段所對應的指征既不顯著表達，也不顯著抑制，缺乏傾向性；指征＞60%～100%區(qū)段特別是指征＞80%～100%區(qū)段的聚類對應了該指征抑制不表達的情況。全層級的特征提取既可以用于表示各指征在不同顯著度區(qū)段的空間分布情況，用于判斷指征體驗的空間連續(xù)性，也可以橫向比較同一空間在不同指征下所處的顯著度檔次，以空間組團為基本單位研判各維度的感知情況。在應用中應當針對不同的研究需求開展不同層級的聚類分析。

圖8 基于DBSCAN算法的各顯著度層級空間特征提取：以留園為例Extraction of spatial features at various saliency levels based on DBSCAN algorithm: a case study of Liu Garden

4.2 空間特征值測度

在ArcGIS疊加分析的基礎上，通過對數(shù)據(jù)進行歸一化處理，得到了留園和拙政園中園空間指征的平均值（表2），并繪制了特征畫像（圖9）。結(jié)果表明，留園、拙政園中園的滲透性、曲折度和差異度基本相同。二者的差異主要體現(xiàn)在可視性和可達性層面。留園的可視性（0.56）遠低于拙政園（0.73），但可達性（0.59）卻高于拙政園（0.55），這說明拙政園中園視野的通達性比留園更強，而后者在路徑營造方面更為緊湊。這一結(jié)論和人們對拙政園中園和留園空間的實際整體感知情況一致。

圖9 結(jié)果對比：空間感知熱力圖與指征分析圖Results comparison: spatial perception heatmap & indicator analysis chart

表2 空間指征測度結(jié)果Tab.2 Measurement results of spatial indicators

4.3 空間感知試驗與研究比對

對感知試驗中被試者標注點位進行核密度分析，繪制留園和拙政園中園的空間感知熱力圖，其中顏色較暖的區(qū)域代表了被試者們認為特征性較強的空間?；诖?，本研究對采用空間句法、機器學習等測度的結(jié)論和實際空間感知情況進行了比對，分析二者的契合度（圖9）。

感知試驗表明，留園中高滲透性空間呈散點分布，如涵碧山房、五峰仙館等處，與量化分析基本對應。對被試者而言，拙政園中園的高滲透性區(qū)域西部分布零散，東側(cè)則較為完整，從遠香堂、玲瓏館至北山亭均有分布，和分析結(jié)論完全吻合。

在曲折度的比對中，留園的整體分布情況與分析一致，但在感知層面，盡管西部的曲折度較高，卻不如東側(cè)石林小屋一帶顯著。拙政園感知熱力圖中的高曲折度區(qū)域和量化測度的匹配度更好，見山樓、香洲、雪香云蔚亭等空間的顯著性被成功預測。

對于可視性，留園結(jié)果的契合度要優(yōu)于拙政園中園。留園的試驗表明，從中部水面至東北冠云峰一帶的可視性均良好，和測度結(jié)果一致。而由于對開闊水面等不可達空間的認知偏差，拙政園測度與實際感知情況的一致性不高。

可達性方面的測度與分析結(jié)果匹配度較好，留園和拙政園中園可達性最高的空間，如留園中部和拙政園遠香堂一帶，都和測度結(jié)果一致。此外，不同區(qū)間的可達性分布也能被良好預測。

在差異度上，拙政園的一致性更高，見山樓西側(cè)、玉蘭堂、遠香堂等點位的高差異度都和實際情況吻合。而留園中雖然入口序列的高差異度未被記錄，但其余空間的差異度分布情況都得到了較好反映。

上述試驗分析表明，此前的量化測度結(jié)果和被試者的主觀感知具有較高的一致性，初步證明了空間指征及分析框架的科學性和合理性。此外，在比對中也發(fā)現(xiàn)了一些偏差。例如由于人們的游園會受到空間意象特征的影響[24-25]，盡管留園西部、拙政園中園北側(cè)水面分別具有高滲透性和可視性，可能因為在設計營造上缺乏特色，被試者并不會留意和標注這些區(qū)域。

5 討論與結(jié)論

5.1 面向古典園林的多維度空間感知指征建構(gòu)

本研究對中國古典園林經(jīng)典理論進行了綜合梳理和歸納，提出了一套系統(tǒng)的空間指征，包括滲透性、曲折度、可視性、可達性和差異度。比起過去分析中使用的指標，這5項空間指征能更加全面地刻畫古典園林的空間特色，能夠?qū)诺鋱@林空間研究的主要維度，從古典園林獨有的研究視角切入，反映其空間意境和營造特點。此外，這些指征延續(xù)了經(jīng)典理論對經(jīng)驗感知的關注，能更好地反映人在游園過程中的主觀體驗，且具有可測度性，能在后續(xù)研究中被精細化地定量評估。

5.2 可操作、易推廣的園林空間測度框架

在空間指征建構(gòu)的基礎上，本研究通過多種量化技術方法相結(jié)合，構(gòu)建了一套可操作、易推廣的測度框架。應用此框架能開展對復雜多變的中國古典園林空間的有效測度，實現(xiàn)對空間層次、空間組織、視覺感知、動線體驗、空間趣味等多方面的深入分析，以及“虛實相生”“回環(huán)曲折”“步移景異”等空間體驗和傳統(tǒng)園林營造理法的量化解讀。同時，利用本方法可以快速實現(xiàn)對中國現(xiàn)存典型古典園林案例的大規(guī)模、精細化測度，從量化層面加深人們對古典園林空間藝術的系統(tǒng)認識，有助于中國古典園林的空間研究朝向科學化和精細化方向發(fā)展。

此外，本研究還能賦能設計實踐。由于本研究所關注的是內(nèi)在的空間特征而非外在的風格表達，因此對于當代的景觀設計項目，通過研究經(jīng)典園林不同指征的聚類特征，能輔助設計人員有效把握傳統(tǒng)園林的空間營造思路。同時，應用本方法能夠快速實現(xiàn)對既有設計方案空間布局、組織結(jié)構(gòu)、感知體驗等方面的量化評估。尤其是對于設計過程中重點關注的待優(yōu)化空間，本研究采用的分層級聚類方法能對此進行識別，有利于設計過程中方案的迭代優(yōu)化，增強方案在空間感知層面的體驗感和趣味性。

5.3 多元量化工具的綜合應用

在技術創(chuàng)新方面，本研究綜合運用了空間句法、地理信息技術、機器學習等多種量化方法，作為古典園林感知性空間指征的測度嘗試，超越了對空間句法分析模式的簡單套用。本研究通過空間句法和ArcGIS的疊加分析實現(xiàn)了人本感知的量化表征。同時結(jié)合DBSCAN算法的聚類分析實現(xiàn)了對各層級空間特征的識別，為深入解讀園林空間指征的層級化設計以及實踐優(yōu)化提供了可能。總而言之，在工具層面，本研究豐富并拓展了園林空間量化研究的技術庫和方法庫，并對其有效性加以驗證。

5.4 研究局限與未來展望

本研究在經(jīng)典理論的基礎上總結(jié)了一套較為全面的空間指征，并探索了基于空間句法、機器學習技術的指征測度方法。但與此同時，本研究仍存在一定局限。一方面，空間指征的建構(gòu)主要基于對經(jīng)典專著的歸納梳理，納入的理論材料有限，這使得建構(gòu)指征的全面性可能存在欠缺。而對于空間指征測度所采用的指標映射框架，也存在優(yōu)化空間。不論是VGA指標的選擇，還是疊加的組合與權(quán)重，都需要進行更加深入的研究和比選。另一方面，由于參與研究的志愿者數(shù)量有限，在驗證環(huán)節(jié)的結(jié)果可能存在一定誤差，空間標注也容易受到試驗因素外的其他條件的影響。在未來，可以考慮進行更大規(guī)模的驗證試驗，從而排除不確定因素的干擾，并通過試驗結(jié)果不斷修正和優(yōu)化空間指征的映射框架，提升空間指征測度結(jié)果和人本感知的匹配度。