基于AHP的徽州传统村落街巷景观视觉吸引评价

冀凤全, 潘 明

(安徽建筑大学建筑与规划学院，安徽 合肥 230022)

徽州传统村落承载着独特而深厚的历史文化，其中街巷空间对保护传统村落风貌、传承传统文化发挥着重要作用[1]。对街巷空间进行景观质量评价是保护和发展传统村落的重要手段，这种评价是对观察者与风景之间感知关系的探究，而在视觉感知在其中占主导地位[2]。

视觉质量评价对识别、监视和评估街巷景观的变化及其不同功能的影响具有重要意义[3]。视觉景观是门跨学科的研究，国外视觉景观的研究起步较国内要早，国外从其环境危机背景下提出的美国《荒野法案》、英国《乡村法》等多种景观分类系统和方法起，经历视觉景观基本理论及四大学派(专家、心理物理学、认知、经验学派)的建立[4]，至今对城市及近郊区域的视觉景观探索，以及可视化技术的应用为国内提供了大量宝贵经验[5-7]。国内学者也通过诸多的实例分析及量化分析对视觉景观进行了研究，如在景观空间序列、视觉特征、吸引机制等方面研究中，揭示了视觉元素与人视觉感知之间的内在联系及规律，奠定了视觉评价的理论基础[8-9]；采用多种研究方法结合专家评估及公众评估对视觉质量评价方法进行完善[10]；利用虚拟现实技术等提高公众在视觉景观评价中的参与度，以及对视觉空间几何量化等[11]。

现阶段的徽州传统村落保护与发展涉及历史演变、社会人文、旅游经济等诸多方面[12-15]，但对视觉景观方面研究涉猎较少，本文利用视觉吸引模型对选取的典型传统村落进行视觉评估及等级排序，解析评价结果提出保护与建设的重点。

1 视觉景观吸引模型及其适用性研究

1.1 视觉景观研究方法

视觉景观的研究通常是以定性手段进行评价研究，这种评价研究存在随意性的特点，其评价的质量由评价者的经验决定，如何对感性问题进行定量化研究是本研究的重点。通过对视觉吸引机制的研究及相关定量研究，确定视觉景观有7类主要吸引要素 (空间尺度和距离、实体、色彩、瞬逝自然景象、植物、质地、水体)，并将其作为各类景观空间视觉吸引评价因子，建立评价模型，计算各项权重，以期作为视觉景观评价的理论依据[16-18]。该研究对本文具有很大的借鉴意义。

1.2 对徽州传统村落街巷景观适用性研究

通过调查分析，根据空间旷奥度[19]不同将徽州传统村落街巷景观类型分为开敞型、半开敞型以及封闭型视觉景观空间，划分准则及内容如表1所示。针对传统村落街巷景观特点对视觉吸引模型进行修改，以历史价值、功能价值及美学价值作为准则层，判别7类视觉吸引要素在传统村落具有合理性与相应的识别内容。

表1 街巷视觉景观类型划分

2 视觉吸引评价模型及其构建

2.1 评价样本选择

徽州传统村落景观属于皖南赣北古徽州聚落景观亚区，其内部聚落景观在地域性、系统性、发展性、稳定性、一致性以及协调性方面有较高的匹配度[20]。本研究选择宏村、西递、呈坎、唐模、屏山村5个村落作为研究对象，这5个村落均属于国家历史文化名村保护名录，且具有规模大、保存完整、典型性性强的特点，其中宏村、西递旅游开发较早，呈坎、唐模旅游开发较晚，屏山村开发相对较弱，主要作为学生写生地发展。这5个村落在一定程度上代表徽州传统村落街巷景观特征。

2.2 研究方法

层次分析法，诞生与20世纪70年代，由匹兹堡大学教授Thomas L.Saaty创造并应用来解决定性研究中的量化分析，对主观判断进行客观描述以减少对复杂问题的错误判断。通过构建多层次评价模型，根据其因素间的相互影响程度及隶属关系进行赋值，构建判断矩阵，利用Matlab对矩阵进行一致性检验修正判断矩阵，通过定性指标的模糊量化方法算出各要素的单排序和总排序。

2.3 视觉吸引评价体系构建

将决策问题及主要评价因子划分为总目标层、准则层及方案层，根据不同街巷景观类型构建评价模型，如表2所示。

表2 各类型景观视觉吸引评价体系

在利用照片引导问卷调查研究中，由于拍摄角度、方位、可识别度等因素影响，应对调研拍摄照片按照街巷景观空间类型进行分类，从各类集合中随机抽选的照片，照片数量根据实验需求而定。

从382张照片中选取30张照片作为测试照片，各组测试用照片10张，首先由专家对一组测试图片的进行评价，要求对7类视觉吸引元素在每张图片场景中的重要程度分别进行1～10之间的赋值，使专家对这7类视觉吸引元素在该类型景观空间的重要程度有一个初步认识。

然后对各要素在该街巷景观类型中相互作用程度进行各层的一一对比，根据对比重要程度在1～9及其倒数进行赋值，其各标度及含义见表3，构建比较判断矩阵。完成一组数据之后，重复之前步骤，完成对其他类型街巷景观的判断矩阵数据的调查，最终使用MATLAB进行一致性检验，调整判断矩阵的以计算各个评价体系的单层排序及总排序。

表3 各表度含义细则

3 评价结果及分析

3.1 一致性检验及指标排序

1) 判断矩阵一致性检验计算方法

参照许树伯[21]的一致性检验方法进行运算，将判断矩阵各行元素相乘并将乘积分别开n次方(n为判断矩阵阶数)，然后将得到的向量归一化处理得到特征向量ω，并带入公式(1)中进行运算，得到最大特征根λmax。

(1)

按照公式(2)计算一致性指标CI

(2)

其中CR为一致性比率，RI为平均随机一致性指标，查表得3、7阶矩阵对应的RI值分别为0.58、1.32；若CR=CI/RI≤0.1，则说明判断矩阵具有容许范围内的一致性。否则不通过，需要对判断矩阵进行调整，重新进行一致性检验。

2) 单层指标排序及权向量

使用MATLAB分别计算矩阵A1、A2、A3的最大特征值λmax及特征向量ω，进行一致性检验得出一致性指标CR，其结果如表4所示。该表中CR均小于0.1，即将特征向量归一化计算可得到了单层排序及其权向量。

表4 单层权向量计算结果

3) 指标总排序计算结果

元素的单层排序权重和该元素对应的上一层元素的单层排序的乘积即是该元素的总排序权重。其计算公式为：W=(B1，B2，B3)×W1，W为总排序权向量，B为方案层单层权向量，W1为准则层单层权向量，求得个评价模型总排序的权重如表5所示。

表5 总排序权向量计算结果

经比较可知，开敞型街巷景观空间中，P3指标权重为0.247 2，P7指标权重为0.170 3，P2指标权重为0.145 3，P5指标权重为0.130 3，P1指标权重为0.113 8，P6指标权重为0.112 8，P4指标权重为0.080 3，即瞬逝自然景象>质地>实体>色彩>尺度与距离>水体>植物；半开敞型街巷景观空间中，P2指标权重为0.347 9，P7指标权重为0.168 6，P4指标权重为0.139 3，P1指标权重为0.116 6，P6指标权重为0.100 9，P5指标权重为0.078 0，P3指标权重为0.048 9，即实体>质地>植物>尺度与距离>水体>色彩>瞬逝自然景象；封闭型街巷景观空间中，P1指标权重为0.274 7，P2指标权重为0.271 3，P7指标权重为0.175 1，P5指标权重为 0.108 2，P4指标权重为0.058 0，P6指标权重为0.082 5，P3指标权重为0.030 2，即尺度与距离>实体>质地>色彩>植物>水体>瞬逝自然景象。

3.2 视觉吸引元素排序结果分析

1) 开敞型街巷视觉吸引指标排序分析

图1 街巷空间视觉吸引指数直方图

由图1可知，在开敞型街巷空间中影响视觉质量最明显的是瞬逝自然景象，其原因是开敞型街巷视觉景观更加偏向对自然景观的展示，尤其是满山遍野的油菜花对视觉影响极大；另一个影响较为重要的是质地，硬质铺装与软质农田自然景观的冲击，在视觉吸引上产生了较强的视觉冲击，更能引起人眼对环境空间中质地因素的观察；虽然瞬逝自然景观由植物产生，但其植物视觉质量的排名依然很低，是由于在此空间中植物种类单一，形态特点不突出。

2)开敞型街巷视觉吸引指标排序分析

由图1可知，在半开敞型街巷空间中实体对其视觉质量影响尤为显著，在此空间中由于观察者与被观察对象的距离较近，且徽州传统村落的古建筑闻名于世，根据范榕对视觉吸引机制的相关研究，观察者对实体的观察是“由内而外”的“目标追踪”，即人眼首先会注意古建筑的形态特征及体量关系，然会解除原有视觉吸引，转而注意与实体的相邻元素或细节部分，即质地、植物、色彩等视觉吸引元素；此时，瞬逝自然景象在人工环境中就显得相对没有那么重要。

3)封闭型街巷视觉吸引指标排序分析

由图1可知，由于视野在封闭型街巷空间中受到严重阻碍，人眼更多的将注意力集中于自身周围，对于尺度感压迫感变得相对比较敏锐，能对实体、质地、色彩做出更加细致的观察，因此，这几项元素在封闭型街巷空间中对视觉影响较大。而植物、水体由于所占元素比例的下降，导致对视觉吸引的影响指数下降。

3.3 街巷视觉景观评价结果

对5个实验村庄的不同街巷空间类型对应的照片进行1～5的打分，对打分结果根据视觉景观评价体系进行计算，得到排序结果如表6所示。

表6 街巷景观视觉评价得分及排序

计算各类型街巷视觉空间综合评价，根据评价等级，优秀(4.5)、良好(3.5)、一般(2.5)、较差(1.5)、差(0.5)可知：开敞型街巷空间中，唐模、西递、宏村视觉景观质量良好，呈坎、屏山视觉景观质量一般；半开敞型街巷空间中，西递、唐模视觉景观质量良好，宏村、屏山视觉景观质量一般，呈坎视觉景观质量较差；封闭型街巷空间中，宏村、呈坎视觉景观质量良好，西递、屏山、唐模视觉景观质量一般。

4 结论

AHP视觉评价模型具有其操作简单，可实用性强的特点，通过结合各村各空间类型视觉景观质量等级评价，划定出各个村庄街巷景观保护与发展的重点与不足，可以有效避免对其街巷风貌造成不可逆的破坏。但层次分析法建立评价模型本身的局限性，在构造判断矩阵时存在人为因素以及偶然因素的影响，其原因主要来源于评价者的主观性及认知差异性，针对此问题可以通过提高公众参与度提高评价模型准确度，或采用模糊AHP法进一步优化视觉评价模型。