数据融合视角下的遗产保护与发展：一个理论框架

李 洋，吴纳维，褚 峤，李 颖

（北京清华同衡规划设计研究院，北京 100085）

引言

当代国际与国内历史文化遗产保护与发展的理念演变，带来了融合多源数据进行分析的需求。20 世纪初以来的发展进程中，文化遗产的价值重要性日益凸显，遗产与人的关系的思考不断加深，历史文化遗产保护理念经历了一系列变化阶段，包括：从《雅典宪章》（1933）和《威尼斯宪章》（1964）确立了历史纪念物保护方法、形成了历史环境保护观念、奠定了文化遗产保护基础原则，到《建筑遗产欧洲公约》和《阿姆斯特丹宣言》确立的整体性方法，再到《内罗毕建议》和《华盛顿宪章》明确将文化遗产保护纳入区域与城市规划的整体性方法。《西安宣言》（2005）则提出保护和管理动态的遗产环境，将自然和人工的、有形和无形的、传统和当代的要素涵盖到文化遗产保护领域，使完整性的概念进一步深化[1]，强化了对当代建设行为和功能变化的引导。

以上变化亦体现在中国文化遗产保护与发展进程中。1985年中国加入世界遗产公约后，文化遗产的概念与相关理念逐渐进入公众视野。2005年国务院公布每年6月第二个星期六为中国文化遗产日后，中国进入全民关注和参与遗产事业的时期。近几年来，让文物“活起来”和“用起来”，实现文化遗产的有效保护和合理利用，已经成为新时代文化遗产事业的强烈呼声，标志着文化遗产进入一个新的深入发展时期[2]。

随着对遗产与人/社会价值理解的深化与需求的变化，遗产保护与发展所关注的目标与主体对象发生了变化与延伸。对遗产保护发展理念演变进行归纳，可以发现目标与关注对象的变化体现于4个维度[3]。

（1）空间维度：从遗产本体保护延伸到遗产所在地周边环境空间的保护。

（2）时间维度：从关注遗产点的时代断代到关注遗产点在整个历史进程中的地位、作用及影响；从静态的保护延伸到动态的监测管理。

（3）研究对象维度：从关注物质遗存到关注物质遗存与社会和人的关系，从遗产本体保护延伸到遗产与人/社会的互动关系的保护与发展。

（4）参与主体维度：由单一主体到多元主体；从关注利益相关者的权益到关注全民参与保护, 保护惠及民生的实践。

这样变革中的对象及信息的扩展，带来了融合多源数据进行分析与研究的新需求。

数字化可被理解为将复杂信息转换成数字（数据）并进行处理运用，实现应用目标的过程。一方面，数据及相关技术为遗产保护发展带来新契机。首先，以互联传播与获取提供多源途径，极大地扩大了遗产保护与发展中涉及的相关对象信息数据的规模与类型。此外，迅速发展的数据分析技术，进一步为融合多源数据进行分析与知识提取以及动态与精细化的遗产保护发展提供支持。

另一方面，大数据与技术的多样性也为其在遗产保护与发展中的应用带来更高的挑战与诉求，它们包括：第一，数据种类繁多，规模巨大，必须进行合理、系统化的分类才能有效地使用；第二，数据分析方法与技术日益多元，实现功能不同，需要建立与不同数据类别与功能目标间的对应关系；第三，数据的使用与分析过程需要以遗产保护与发展理念的核心需求为导向。因此，只有将数据类别、分析技术与目标进行对应，建立整体与系统性框架，才能够准确有效地引导数据融合分析过程，实现遗产保护与发展目标。

现有研究对时空大数据背景下的遗产保护与发展有所涉及：在数据分类方面，一些学者及机构从历史文化遗产数据库构建的角度出发对历史文化遗产数据分类方法进行了探讨[4-6]，并对数据类别进行了梳理；在分析方法方面，大数据挖掘技术为历史文化遗产保护与发展分析提供了有力的支持，一些现存研究综合地探讨了数据分析及挖掘技术[7-8]；在应用方面，现有研究针对部分应用场景或分析技术进行了介绍，包括历史街区/村落相关空间品质评估[9]、文化遗产认知与感知[10-11]、空间行为分析、遗产数字化保护[12]等方面。

然而，虽然现有研究涉及数据融合的诸多方面，但是针对当前遗产保护发展目标需求、能够引导从数据类别到分析应用目标的整体性理论框架尚未建立。尤其是针对以构建人与遗产良性互动关系为目标、对数据方法与应用目标进行系统性梳理的理论框架仍然缺乏。本文针对以上背景与问题，提出数据融合的理论框架。

1 数据融合的特征、内涵与目标

1.1 数据融合的特征

本研究所指数据融合的特征体现在时间、空间与主体对象维度纳入多源数据，实现在广泛的时间与空间维度上对遗产本体数据以及社会/人的感知与行为数据进行综合分析，促进遗产与人/社会良性互动关系的形成。具体而言，数据融合的外部特征包括：遗产地与广泛外围空间的数据融合分析；结合时间维度的动态数据分析；遗产本体数据与人/社会感知与行为数据融合分析。

1.2 数据融合的内涵——遗产与人/社会的良性互动

数据融合的需求在外部体现于研究内容变化所导致的数据多元化，实质原因则在于遗产与人互动机制所涉及信息的多元性需求。因此，对遗产与人互动机制的理解是数据融合框架建立的关键。

遗产能够为人类社会发展带来包括存在价值、历史价值与科学（工艺技术）价值、符号象征价值（审美、群体身份等）、文化、教育、经济价值及其他衍生价值在内的诸多价值[2]，人通过感知与使用行为来获取。良性的互动关系（通过更精准的认知和更有效地干预）将遗产保护与干预与人/社会的价值获取相结合，相互促进，形成循环互动。一方面，人通过感知、使用等行为，从遗产客体中获取其价值，以实现遗产对人/社会发展的促进作用（如知识积累、科学认知与技术进步、群体身份构建、审美提升、促进文化与教育水平及经济发展等）。另一方面，人/社会通过有意识地干预行为（建设、修缮、保护、研究、运营、发展、对感知过程的干预等），赋予遗产新的功能与价值，或者使其价值更好地被感知与利用（图1）。在这样的互动关系中，历史文化遗产的功能、信息与价值随着历史进程和文化背景的变化而变化与扩展，逐渐形成良性循环以及“文化自觉”，不断推进社会进步。感知、使用与干预行为过程构成了遗产客体与人/社会主体的互动关系。

图1 人/社会与遗产良性互动关系

1.3 数据融合的核心目标

由于感知、使用与干预行为过程构成了遗产客体与人/社会主体的互动关系，数据融合的目标既是对以上行为的认知促进与干预引导，包括：（1）促进对人对遗产感知与使用行为规律的认知。通过人与社会对遗产的感知与遗产本体以及时间，空间要素间的相关关系规律的挖掘，即人/社会主体，遗产，时间与空间要素的特征及其关联性分析，实现对人（对遗产客体的）使用与感知行为更精准的认知。（2）引导相关干预行为。基于对人/社会主体、遗产、时间与空间要素的特征及其关联性规律的更深入的挖掘与精确的认知，提供针对不同主体、空间及时间维度的策略支持，引导感知、使用和干预行为。

数据融合以上述两点为核心目标，最终实现促进遗产与人/社会的良性互动关系。

2 数据融合框架

2.1 框架构成

本文提出以数据要素、融合分析方法、分析实现功能目标为主体内容的数据融合框架。

框架针对当前遗产保护与发展理念与变化、数据多元化及分析技术多样化背景，提出数据要素分类模式及融合分析方法，梳理分析方法技术所得分析结果，及其与数据及遗产保护发展目标的对应关系，为遗产保护发展研究提供理论与技术支撑。具体而言，数据融合理论框架需要明确3个关键问题，包括：（1）各数据要素具体的分类及来源——何种数据，如何获取。（2）数据的分析与处理方法——如何分析。（3）分析实现的功能——分析结果如何促进遗产与人/社会的良性互动关系。这3个部分构成了本文所提出数据融合框架的核心内容（图2）。

2.2 数据要素及分类

数据融合框架首先需要为庞大复杂的数据提出系统化的分类方案，使其能够合理地支持遗产与人/社会互动机制中涉及的各类数据要素及相关分析。之前一些学者的研究[14-15]为分类提供了思路，而国际文献工作委员会（CIDOC）基于本体论所提出的概念参考模型为本框架的数据分类模式提供了重要参考。CRM是CIDOC经过十多年努力而制定的面向文化遗产领域的通用本体模型，并被国际标准化组织（ISO）认定为国际标准。该框架的核心概念包含行为主体、事物、时间、空间以及行为（临时性主体），并且合理地联系起来（图3）。基于CRM模型的核心概念，本文提出包含遗产、人/社会（行为主体）、人/社会主体对遗产互动行为数据、时间以及空间数据在内的数据要素分类体系（图4）。该分类体系中，互动行为（包括感知、使用与干预行为）要素是人/社会行为主体在某一时间和空间中、依据或影响历史文化遗产而发生的行为，其本质上是一种主体基于遗产的时空行为。因此，行为主体、遗产本体及时间与空间构成了对互动行为产生影响的主要因素类别，为引导数据分析奠定了基础。

图2 数据融合框架

图3 国际文献工作委员会基于本体概念参考模型核心概念

图4 数据融合框架的核心数据要素类别及其关系

（1）遗产相关数据

遗产相关数据包括文化遗产本体数据以及其历史衍生数据。前者包含遗产的位置、物质形态（二维/三维）、尺度、材质/颜色、工艺、作用/功能、主要内容、基本特征等。而历史衍生数据则进一步包括文化遗产的历史成因、社会背景、政策法律环境、思想观念、文化认知、审美艺术等。

（2）人/社会主体数据

人群主体属性数据是对历史文化遗产进行感知、使用与干预的人群主体属性数据、包括年龄、性别、经济状况、社会特征、文化特征、政治特征等数据。

（3）人/社会主体对遗产互动行为数据

由被动的感知，使用以及主动的干预三大类行为组成。其中，人对历史文化遗产的感知（相关文化、知识、价值等）难以直接获得，但能够通过媒介记录数据反映，如记录档案、评论舆情、文学作品、口述信息等；使用行为数据即人/社会主体对历史文化遗产的使用/利用行为，尤其是在具有空间属性的历史文化遗产中的行为，包括到访、观看、游览、休憩、购物、集会、仪式等行为数据；干预行为数据即人/社会主体对历史文化遗产的干预对其进行改变的行为，包括创造/建造、修缮、保护、普查/申报、研究、运营/管理、发展、传播、破坏/拆除、重塑等数据；感知、使用与干预行为自身除了行为主体与参照/影响物之外还包含时间（发生的时间段）与空间属性（发生的地点）要素，因此对人/社会主体对历史文化遗产的感知、使用与干预行为的分析无法脱离时间与空间维度信息。

（4）行为时间数据

即人/社会主体对历史文化遗产感知、使用、干预行为发生的时间。时间是对行为产生影响的重要因素，例如古代与现代对同一文化遗产的价值认知可能存在巨大差异，同一历史街区游览行为随季节产生变化等。

（5）行为空间数据

即人/社会主体对历史文化遗产感知、使用、干预行为发生的空间。与时间一样，空间也是行为的重要影响因素。诸多人与遗产互动行为所涉及的空间已经远远超出了遗产所在地的范围， 因此对此类互动行为的认知与干预也需要从相应的空间维度开展，考虑更广泛空间对遗产与人互动关系的影响。

表1梳理了数据融合框架下各类数据具体分类情况。

2.3 数据分析方法

数据分析过程对于上述数据类别中的数据进行分析研究，提取具有价值的知识如概念、规则、规律、模式等，也就是以促进对遗产与人/社会互动关系的认知与干预引导为目标的数据挖掘。当代数据挖掘领域经过二十余年的发展，已经逐渐形成比较成熟的理论基础与技术体系，重要技术包括关联规则挖掘、分类、预测与聚类等，涉及到人工智能、机器学习、模式识别、归纳推理、统计学等多种跨学科技术[7]，为数据融合框架提供支持。本研究依据数据融合框架“认知促进”与“干预引导”这两个核心目标，进一步将主要方法分为认知促进与干预引导两大类：

认知促进类方法基于已发生的情况对遗产保护与发展各类数据主体以及其关系的特征、规律与模式的描述与解释，以及识别不同对象之间的频繁模式、关联、相关性或因果结构，重要方法包括分类分析、聚类分析、关联分析及回归分析。

（1）分类分析：通过比较事物之间的相似性，把具有某些共同点或相似特征的事物归属于一个不确定集合的逻辑方法。用于解释功能的分类方法用于区分不同类别中的个体，实现特征提取与模拟，将数据集映射到某一个给定的类别中。它是模式识别的核心研究内容。

表1 数据融合框架下数据分类

（2）聚类分析：基于分析对象特征的相似度把具有相似性的对象划分到同一组中，使组间差别尽量大，而组内差别尽量小。聚类的重要功能是辅助对融合分析中各主体要素对象以及感知、使用、干预行为特征模式进行分类，辅助对其模式类别的认知。

（3）关联分析：关联分析方法可以发现隐藏在数据集中有意义的联系。查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构，这种联系可以用关联规则来表示。其中，相关分析就是对总体中确实具有联系的标志进行分析，对研究人/社会与遗产互动行为及其影响因素具有重要作用。

（4）回归分析：通过对大量统计数据进行数学处理，侧重于研究随机变量间的依赖关系，确定因变量与某些自变量的相关关系，建立一个相关性较好的回归方程来量化描述对象规律特征。

干预引导类方法基于对实遗产保护与发展各类数据主体以及其关联性的规律认知建立模型，对人/社会与遗产的相关互动行为进行模拟，以实现预测或者基于模型预测未来发展识别不匹配预期的项目、事件或观测值，辅助监测，引导相关主体的干预行为。重要方法包括模拟预测与异常检测。

（1）模拟预测：根据已掌握的历史统计数据，运用一定的数学方法进行建模，借以揭示有关变量之间的规律性联系，预测和推测未来发展变化情况。基于遗产与人/社会互动过程各要素之间关联性认知建立预测模型，对不同情境下人/社会与历史文化遗产的行为进行模拟与预测。模拟是综合方法，其重要功能是辅助提前做出应对，更精准地引导不同场景下社会/人主体对历史文化遗产的感知、使用与干预行为。预测建模方法主要包括分类与回归两大类别。分类预测是基于对象的特征构建分类模型来预测时空对象所属类别或对象所处状态。回归预测是将回归方程加以外推，以便用一部分已知变量去预测另一部分变量，用于预测未来的因变量变化的方法。

（2）异常检测：异常检测是对不匹配预期模式或数据集中其他项目的项目、事件或观测值的识别。异常模式可以为诸多现实问题提供良好的决策支持。通过将监测值与预测值或正常值进行对比，发现互动行为各要素主体或者感知使用干预行为的异常情况，以实现实时监控、决策辅助与干预引导。

表2梳理了数据融合框架下数据分析方法分类框架及常用技术。

以上方法中，分类与聚类方法常用于模式与特征的识别，如识别遗产本体、使用者群体或其行为的特征与模式。关联性与回归分析更有助于因素间因果关系的发现，在数据融合框架中，尤其能够应用于对人与遗产互动行为的影响因素的研究，发现能够促进良性互动行为的关键要素作为干预的抓手。模拟预测与异常检测则为对人与遗产互动机制的干预提供辅助，对可能出现的情况提前做好准备，并且能够帮助建立相关的评估体系，对相关行为情况进行实时监测。在遗产与人互动关系的相关研究与实践中通常会涉及多种方法组合。

2.4 数据融合框架的研究应用示例

数据融合框架为实现遗产与人/社会良性互动的目标提供了整体性的框架。该框架能够引导研究者依据目标选取相应的数据要素及分析方法。整体步骤为：依据分析目标，在各要素类别中选取具体类别数据，通过分析方法（或者多类方法组合）进行分析，得到分析结果，实现促进认知或/与引导干预的目标。以下用两个例子简要展示数据融合框架在分析中的应用。

表2 数据融合框架下主要数据分析方法

示例1

考察2018年使用者对全国历史文化名街的感知情况，以对某历史文化名街的旅游网站评论数量来表征其关注度。将评论数据基于历史街区名称与季节进行分类，并基于各季节关注度情况进行聚类，分析得到历史文化街区受欢迎的季节特征以及不同季节更受欢迎的街区。同时发现部分历史文化名街的受欢迎程度呈现明显季节性高峰与低谷，感知随季节变化显著。将评论数据基于评论者性别及年龄进行分类，分析得到女性及青年对历史文化名街关注度较高（图5）。

示例2

考察某历史建筑空间内游览人群的数量。应用历史数据（2018年11月1日前）使用模拟方法对游览人群数量进行模拟，确定建筑空间内正常人数区间，其后进一步结合即时数据（2018年11月1日后）进行异常检测。分析结果实现对游客数量明显超标时刻的识别，辅助及时采取人流管控干预措施，维护游览秩序（图6）。

3 结语

本文针对当前遗产保护与发展理念变化、数据多元化及分析技术多样化背景，提出以数据要素、分析方法、分析实现功能与目标为主体内容的数据融合框架。框架明确了数据要素分类模式及对应的融合分析方法，并梳理分析结果应用及其与数据及遗产保护发展目标的对应关系，为遗产保护发展研究提供理论与技术支撑。该框架有以下特点。

图5 示例1数据融合框架示意图（上）及不同季节主导历史文化名街聚类结果（下）

图6 示例2数据融合框架示意图（上）及某历史建筑空间人群异常监测结果（下）

首先，数据融合框架是对以当代遗产保护与发展理念下“促进遗产与人/社会良性互动关系”核心目标的回应。由于遗产与人/社会良性互动关系由人/社会对遗产的被动感知、使用以及主动干预行为组成，数据融合分析即是对上述行为的“认知促进”与“干预引导”：“认知促进”即通过数据融合分析辅助发现传统信息环境下难以发现的规律与问题；干预引导即对遗产保护与发展相关行为进行引导。通过数据融合分析引领决策方式转变，为遗产的价值感知、使用以及保护、修缮、运营 、规划建设与管理工作等干预行为的改善提供更为科学的依据及决策辅助。

其次，数据融合框架针对当代遗产保护与发展保护需求、多源数据及多样化技术背景，提出了以数据要素、融合分析方法，分析实现功能目标为主体内容的整体性框架。该理论框架将当代背景下遗产保护与发展涉及的数据，分析方法，分析结果以及其对应的功能目标进行系统化的梳理，为引导当代遗产保护与发展研究和实践提供整体与系统性的理论支撑。

最后，数据融合框架能够辅助对传统的历史文化遗产保护与发展方法的补充与优化。理论研究框架体系之外，本框架也为历史文化遗产保护与发展中相关数据的利用及其与干预行为的对应提供了操作依据。在此基础上，可以探索与数据支持更加紧密的遗产保护规划方法，开发有针对性的技术应用，对传统历史文化名街保护规划的方法体系进行补充与优化。

数据融合框架未来任务有两个。第一，数据融合框架一个需要不断完善的开放性框架。本文初步提出的框架方案在数据分类与分析技术体系仍需进深化、细化与延展。同时需要说明的是，数据融合框架的主要特征在于融合，因此初步框架侧重于对不同数据类别，融合多类数据的分析方法及应用的梳理，框架对各类数据的收集环节及内部的分析并未详细展开，但其重要性不可忽视且同样存在极大的发展研究空间。第二，多源数据的获取是数据融合的基础，也是数据融合框架需要解决的问题。在当前环境下，数据供给尚未形成高效与精细的机制。因此，为实现数据融合框架目标，未来需要建立高效的数据供给与管理机制以及精细化的数据资源管控平台，为数据融合提供更有力的支撑。