基于贝叶斯网络的景观设计途径的推送检验模式*

武 静， 张 鑫

(1. 山西大学 商务学院,山西 太原 030006 ) (2.同济大学 电子与信息工程学院,上海 201804)



基于贝叶斯网络的景观设计途径的推送检验模式*

武 静1*， 张 鑫2

(1. 山西大学 商务学院,山西 太原 030006 ) (2.同济大学 电子与信息工程学院,上海 201804)

智能景观设计要求选择较优品质的路径.该文最大程度地包容景观设计中的游客情绪需求特征，设计Qos评价的谓词逻辑规范，将景观业务的原子服务与贝叶斯景观网络演化过程结合，研究相关游客的美感情绪观赏与景观设计所推送的路径的优选检验方法，以动态逻辑的贝叶斯概率分布，验证景观设计中路径推送方案的绩优方案.结果显示，检验算法能够有效地兼容各种客户情绪的影响，避免景观设计路径与游客意向的脱离，达到了智能景观设计的自然美与人们情绪美的和谐统一.

智能景观；景观设计；路径推送；游客意愿；质量检验；原子服务；贝叶斯；谓词

景观网络作为美观推送的重要组成部分，已经成为景观智能设计一体化的先导驱动力和加速发展润滑剂，是衡量区域性现代化景观服务水平与综合实力的重要标志.

1 相关研究梳理

互联网的兴起，使得景观观赏信息的可获性与易得性大大增强，用户可以感知的美学层次越来越多.游览路径的客户贴合度越好，越有利于企业扩大规模和统筹景观产品规划[1].从长期实际运营结果看，并不是单条游览路径的游览效益越大越好，而是全局最优才好[2].景观设计获取并保持长期竞争优势，不仅要理解景观资源自身的经营优势，也要充分理解游览客户的趋向自动维护程度[3].如何在数量庞大而趋向复杂的游客大众中，及时地创建出既满足游客请求又保持住景观设计的效能合理性，是景观设计考虑的一个关键性技术环节[4].在现有的景观观赏途径的推送设计研究中，观赏情趣一致性检测代价过大，成为了突出的设计难题，困扰着景观布局技术的发展[5].许多在传统的景观观赏数据聚类中已经获得成功经验的检验算法，不适用于大数据，必须做出调整和创新，以适应趋势估计的途径推送形态[6].收益优先的经济思维，导致景观设计数据分布畸形[7].从实用的角度来看，设计者面对的数据对象与观赏者的自由性选择，能够相互促进，创建景观服务网络[8-9].在当前观赏信息变化的时代，游客抱怨的现象是屡见不鲜的，究其原因，并非景观资源不够丰富，而是景观设计的路径推送导引质量与游客的期望相去甚远，不能满足游客的动态需求[10-11].因此，规范服务市场秩序、提高景观途径推送服务质量，对加快景观设计现代化有着重要的意义.

2 景观设计的并行模型

大数据景观设计网络利用了“并行设计”的优势，能产生景观途径的推送服务系统.利用大数据技术，将景观规划、推送途径、效能检测合成一个不可分割的整体.大数据对景观理念、观赏策略以及客户消费行为模式均需进行改造，要考虑游览者的异质性和信息价值的稀疏性，使景观途径设计依托大数据技术开展多方位服务，以适应路径推送下的游览引导服务，如图1所示.

建立MapReduce架构的大数据景观布局模型，可以扩展观赏业务质量，优势是：(1)适用于景观数据量巨大、观赏格式复杂、单个服务信息价值稀疏、非关系型网络拓扑结构、游客快速检索要求苛刻等情况.(2)大数据网络能镜像出非结构化的景观布局关系，逐步描述“人、境、情”三元融合的设计关系.(3)景观设计检验过程是步步物化、逐步优化描述的方法，实现网络线程间的高强度频繁通信，景观游览服务的效用测评与网络节点的服务品质直接关系到推送质量.(4)现代景观服务架构有显著的网络设计外部性特征，具备快速的弹性处理能力，能够瞬间处理突发的浏览访问量.

2.1 评测逻辑

在大数据景观设计中引入原子服务，可以使景观设计的服务质量评价产生多维度的精确颗粒性.景观原子服务的描述格式为：Qos(c)←{c1,c2,…,ck}，即通过观赏服务(c)，将k个维度的景观设计节点，描述为原子性服务质量.景观设计的路径推送服务基于OWL-s逻辑规范，能管理推送多路并发的景观推送观赏行为，并能精准地描述出每一个景观节点、每条路径边上的业务参与者的活动质量.鉴于景观设计的观赏服务业务的特征，信息服务的Qos观测重点考虑以下三个方面:可追溯性，信誉性，满足性[12].从设计者、游览者、参与者和商家共同的业务需求考虑，本文确定景观设计信息服务的原子性Qos属性有：满足度(x1:time)、溢出度(x2:cost)、信任度(x3:trust-degree)、追溯度(x4:reliability)、可用度(x5:available-path)和效率(x6:efficiency)等，该多元数据枚举的胃词逻辑，即

→ck(x1,x2,x3,x4,x5,x6,…).

其中，ck表示原子服务Qos唯一标识号.

目前，景观资源的同质性不断增强，景观设计的技术焦点已从景点、资金和设备等具体物理元素环节移到整体游览品质的协控和设计者协作上来.依托Qos分析观赏质量特征，可以把游览大众参与、与游客满意度等主观因素结合到景观设计的路径推送过程中，达到景观设计的技术创新.

2.2 游览者满足度描述

从游览需求的角度看，必然存在一整套景观的原子服务组合{ck},能够覆盖客户游览的意愿需求.景观设计的核心技术就是将客户需求分解，形成前后遍历的、有向的、以原子服务为基本节点的贝叶斯网络图(G)，用ci表示原子服务，即

第k位客户需求Sk可以转换为列表结构或散列结构，但实际转换中存在两方面的难题：(1)如何将该OWL-s模式的Petri网络分解为较优品质的路径列表，并排除资源遍历死锁、活跃过度和文化禁忌等非逻辑情况.(2)伴随着原子服务的路径推荐过程，在层次不齐的Qos质量属性分布下，如何进行观赏品质的综合测算.

路径冗余是景观资源服务不可避免的推送现象.例如，针对目标游客，景观网络可提供的系列服务为：{u1,u2,…,un},即包含n个服务实体的队列.每个服务实体ui均由若干原子服务序列构成：

每一种满足客户需求的服务序列{ui},均可视为景观网络推送出的一条可用路径.第j条候选路径zj实现了对sk需求的业务覆盖，即：

业务覆盖是一种并发冗余满足市场需求的设计策略，即通过多个服务实体，共同组织协作，来完成用户的景观游览需求.满足游客愿望的并发调度原子服务序列，有利于快速实现景观设计的路径择优过程，减少冗余服务.

2.3 一致性信任策略

景观设计基于大数据网络，需实现三种一致性共存的策略.基于MapReduce网络架构的景观路径推送服务，包括“强一致性”“弱一致性”和“最终一致性”等几种.由于观赏市场环境的变化，景观观赏服务商出于成本与增值效益的目的，往往不会单纯地围绕游览用户的意愿来提供原子服务的景观路径.与客户意愿的一致性欠缺，必然产生虚假途径、混乱观赏和信息泛滥等问题.景观观赏网络要求对客户需求保持一致性的美感要求，不能牺牲推送网络的实时服务的一致性.可以建立“Chord索引”方案，开辟推送服务的实时调度作用.对有向图景观网络G(V,E)而言，存在路径推送z，Vz表示涉及z的原子服务的节点，Ez表示连接原子节点Vz的所有有向边，定义该推送路径z的一致度检测为：

其中，x表示相关的Qos谓词逻辑元素，|Ez(x)|表示就x枚举类型而言，意愿达标元素的个数.

2.4 溢出度策略

溢出率可以反映景观网络节点对外部环境的吸引程度，溢出率越大，则来自节点外的连接边属性就越多.景观的个性化特征和排他性是路径推送服务发生溢出的根本原因.可将个性化作为独立要素引入索引，建立专用的知识溢出的增长函数.溢出函数的信息量越高，则其设计对景观网络溢出的知识量就可能越多.对景观网络G(V,E)而言，该节点的溢出率表示为：

其中z表示推送路径，|Ez|表示穿越z的总边数, |Ev|表示穿越v路径，并且服务达标的总边数.

2.5 追朔度策略

“途径追溯”是在景观设计描述下的观赏服务管理与监督的核心环节.为保障景观大数据观赏服务，聚焦景观数据的实效性和一致性，追朔游客需求、追朔景观浏览节点、追朔途径推送成为主要业务内容.按照景观数据网络资源分布模型，景观设计先对“景观单元”进行标准化归类，完成途径描述、监督追朔和先验性路径定位.(1)追溯景观源.设计者或游览消费者能对所设计的景观对象，通过观赏服务网络，方便地查询到该景观商品的品级、来源、经历和技术构成等.(2)追溯游览者.借助MapReduce架构下的Hash功能映射函数，对景观产品的游览者、周转途径、游览程度和热度区域，进行快捷性精确掌控.建立观赏黏性，以利于锁定大规模游客，规范景观设计的技术服务门槛，形成游客对游览路径的良性依赖.对有向图G(V,E)而言，Tz表示涉及途径z的原子服务的源头可追朔数量，Fz表示指向原子路径Tz的所有有向边数量，定义该路径z的可追索检测为：

其中x表示相关的Qos谓词逻辑元素；|Tz(x)|表示就x枚举类而言，可追朔元素的个数；|Fz(x)|表示就x枚举类型而言，整个路径相关边的有效属性个数.

2.6 延迟兼容性策略

在景观设计的路径推送活动中，一个推送服务的输出，可以以某种形式落后于它的输入，也允许有一定先验存量，来积蓄设计与需求之间的差异.在网络景观组织中，不同的设计实体的推送服务必然存在着时间延迟.相对熵可以衡量推送服务分布的差异情况，景观组织中的相对延迟为：

其中，x表示相关的Qos谓词逻辑元素.对任意节点st属于景观网络G，其延迟可容度表示为：

3 观赏评价与择优设计

景观原子服务目标是帮助游客寻求“探奇或能力”过程，支持多观赏路径的业务覆盖.

3.1 网络推送测算法

大数据景观设计的路径推送，可以看成是贝叶斯随机过程的动态图，可以定义为{x1,x2,…，xn}，其中xi是先验网络推送概率，在初始状态的景观网络上，假设xi表示第i个景观节点的属性取值，那么可定义路径推送概率为p(xi+1/xi).景观路径设计的推送效果的动态概率过程是马氏的，即

p(xt+1/x1,x2,…,xt)=p(xt+1/xt).

对于一个网络路径S，在G上的联合概率为：

预置景观路径推送序列Z={z1,z2,…,zk}; 而相应的景观原子服务的先验性属性空间表示为X= {x1,x2,…,xm}; 游览者意愿序列S={s1,s2,…,sn}，可以建立“服务属性-意愿支持-路径推送”的监测模型.通过并发演化，获得最受游客欢迎的、原子服务属性匹配性能良好的游览途径.观察(S,X)数据的联合概率，可发现与景观推送途径Z的内在关系.原子服务的枚举空间X和游客情绪意愿S之间的联合概率为:

假定Z与S之间是属性相互独立的，而枚举X与景观推送序列Z的分布也是独立的,有：

Qos原子服务逻辑谓词X相对于给定的景观设计对象(Z,S)的条件分布为:

3.2 绩优检验

在MapReduce架构下，两个数据集(游客意愿序列S和景观设计的路径推送序列Z)的条件概率分布p(z|x)与p(x|s),可以通过EM过程，实现检验达标的过程.基于验证集的似然函数决定该检验迭代的终止条件.设计对数似然函数为：

其中Ψ(si,zj)表示游客意愿序列si中涉嫌路径推送序列zj的次数.

改进该EM算法，设计两个检验步骤：

(1) 给定观察对象(si,zj)时，逻辑谓词xk的条件概率分布：

(2) 新原子服务逻辑谓词期望值p(x|s,z)可更替p(z|x)和p(x|s):

使用此迭代式数据训练，不断的更新参数p(z|x)和p(x|s)，使似然函数L达到最大，最终获得可靠的参数p(z|x)和p(x|s).最后计算出p(s,z):

按P(si,zj)概率值输出的降序列表，可抽取出最大后验概率，从而获取极优的路径推送判断，成为指导景观设计方案的归属依据.

4 实践结果分析

表1 景观网络数据概况Tab.1 Survey of landscape network data

序号原子属性名称有效样本项资源节点数有效边数1x157544372982x261293202103x359732291874x449831981655x567924512236x65635267187

为了测试景观元件与观赏效用之间的关联性，本文采集Bim系统真实数据，并对真实设计数据进行聚类，抽取出典型游客意愿数据，布局成观赏设计网络.实训数据集记录了一个智能景观设计网络中的游客意愿数据与景观路径数据情况，包含234个数据表，共有2.6 G条记录.实验中分离出该6类原子服务，如表1所示.

在景观设计的路径推送、游客意愿和原子服务属性所构成的景观观赏网络中，通过检验，获得景观的最优美感效能特征和景观设计的路径推送趋势，形成景观设计的路径绩优方案.实验中最典型的6类原子服务枚举{x1,x2,x3,x4,x5,x6},随着候选观赏路径资源的增加，原子服务绩优效果得到明显增强.试验中候选路径由50条逐步扩大到600条，景观原子服务绩优效果的变化趋向如图2所示.

不同类型的原子服务属性的变化幅度有所不同，对“x1,x2,x4”枚举类型而言，随着候选景观路径的增多，其绩优效能也同步明显增加，而“x3,x5,x6”枚举类型，随着候选景观路径的增多，其绩优效能没有明显的变化规律.实验结果说明：(1)在动态景观设计的路径推送检验中，“x1,x2,x4”枚举类型的景观服务属性，随着候选路径的增加，能达到控制提升景观观赏效用的目标.(2)通过原子服务的谓词逻辑演算，能给目标客户设计出最满意的观赏线路.(3)通过候选路径的增加，可以弥补客户支持度、美感溢出度和可追朔度的不足，而对“信任度、可用度和设计效率”等属性值而言，增加候选路径方法，对效用改良作用十分有限.

将景观路径预置推送序列Z与游客意愿数、原子服务实体数进行对比分析，如图3所示.结果说明：(1)通过后验性检测，能获得路径推送较优方案，但数据冗余不可避免.(2)通过景观设计的路径推送与游客意愿的后验性逻辑，将景观原子服务属性，可实现景观设计路径的绩优过程.

5 总 结

基于贝叶斯网络的效能测算方法能最大程度地包容景观设计中的游客情绪意愿特征，使景观设计获取美感情绪观赏所需要推送的优化途径，避免设计技术与游客需求的脱离，能达到智能景观自然美与人们情绪美的和谐统一.

[1] 杨玲,莫冠冲.基于互动理论的城市绿色步行空间景观设计探析[J].生态经济,2016,32 (1): 224-227.

[2] 郭青俊,罗倩,林祥霖.“非临时性”景观设计方法探讨[J]. 林产工业,2016,43(1):57-60.

[3] 夏琳琳,潘旭影,王丹,等. 基于类高斯隶属函数的模糊万能逼近器性能分析[J].沈阳工业大学学报,2014, 36(3):316-321.

[4] 康鹏,陈卫平,王美娥.基于生态系统服务的生态风险评价研究进展[J].生态学报，2016,36(5):1-12.

[5] 樊舒迪,胡月明,刘振华.一种新的面向对象城市建筑物信息提取方法研究[J].华南师范大学学报(自然科学版),2016,47(6):91-97.

[6] 樊风雷,刘润萍,张佃国.一种改进的城市建筑用地信息提取方法及在广州地区的应用[J].华南师范大学学报(自然科学版),2014,46(4):98-102.

[7] 李小林,张力娜.基于直觉模糊理论的混合多属性Web服务选择[J].沈阳工业大学学报, 2014 , 36(6): 676-680.

[8] 王乌兰.小城镇街道体验式景观设计浅析[J]. 鸡西大学学报,2016(2):39-41.

[9] 张才伟.谈城市广场环境景观设计[J].山西建筑,2016,42(1):208-209.

[10] 于洪涛.微生态景观设计体系的实践探索与构想[J].天津大学学报,2016,18(2):140-144.

[11] 张福勇,赵铁柱.采用路径IRP的Windows恶意进程检测方法[J].沈阳工业大学学报,2015, 37(4)：434 -439.

[12] 唐子茜,曹勇.网络社会心态的特征及调适对策[J].北京交通大学学报，2015, 14(1):132-136.

责任编辑：龙顺潮

Push Inspection Mode of Landscape Design Based on Bayesian Network

WUJin1 *，ZHANGXin2

(1.Business School, Shanxi University, Taiyuan 030006;2.School of Electronics and Information Engineering, Tongji University, Shanghai 201804 China)

Intelligent landscape design requires to choose the path of better quality. This paper includes furthest the characteristics of the tourists’ emotional needs in landscape design, and designs predicate logic specification based on Qos evaluation. It combines the atomic service of landscape business with the evolution process of Bayesian landscape network, researches preferred inspection method about aesthetic feeling of the related tourists and the path push of the landscape design, then verifies Blue-chip scheme of path push in landscape design by dynamic and logic Bayesian probability distribution. Results show that the test algorithm can be compatible with all kinds of customer sentiment influence effectively, and avoid the landscape design path divorced from the tourists’ intention, achieve harmony and unity about the natural beauty of intelligent landscape design and the people’s emotional beauty.

intelligent landscape; landscape design; path push; tourist willingness; quality testing; atomic service; Bayesian; predicate

2016-02-21

山西省自然科学基金项目(2014011018-3)

武静(1983-)，女，山西 太原人，讲师. E-mail:sxwzfb@163.com

TP391

A

1000-5900(2016)03-0099-06