浅析大数据在风景园林中的应用研究进展

陈鑫彭建松

(1.西南林业大学园林园艺学院，云南 昆明 650224；2.西南林业大学森林城市研究院，云南 昆明 650224)

引言

随着科学技术的发展进步，信息社会逐渐到来，人们的日常工作生活在信息空间中产生大规模数据，研究者从这些数据中发现和总结规律，并通过这些规律预测趋势、辅助做出决策[1]。大数据分析处理技术随着大规模数据资源共享快速发展，推动着各行业智能化发展，如推动科学发展[2]、促进数字经济繁荣[3]以及辅助社会建设[4]。风景园林建设作为社会建设的重要部分，越来越多的学者通过大数据对风景园林相关领域进行系列研究。本研究通过文献阅读总结，整理分析了大数据在宏观、中观、微观尺度风景园林领域的应用实践研究现状及不足与发展趋势，为大数据在风景园林领域的发展提供思路。

1 大数据的内涵及特征

大数据通常是指一种规模大到在短时间内无法通过传统数据库进行获取、储存、管理、分析的数据合集，具有Volume(体量大)、Variety(模态多)、Velocity(生成快)以及Value(价值大但密度低)的特点[5]。根据数据应用的需求差异，可将大数据应用分为描述性分析应用、预测性分析应用以及指导性分析应用3个层次[6]，这3个层次层层递进不断深入，并且随着技术的发展进步不断地发挥更高的价值。

1.1 数据类型及应用

根据风景园林规划设计领域的研究方向和研究内容，大数据的相关研究主要集中在城市空间、景区、公园等绿地的使用感知评价、可达性及环境公平、评价与评估以及规划管理方面等[7]，这些研究领域常用的数据类型主要包括文本数据、图像数据以及时空数据3大类，具体见表1。

表1 不同数据类型来源及研究内容

1.2 研究方法与技术

通过文献阅读，发现传统的空间分析法、数学与统计分析法、综合评价分析法在风景园林相关研究中被广泛应用。利用GIS构建模型将数据可视化从而进行空间分析是空间分析法中最常用的，通常用于环境生态空间敏感性评价、景观格局优化、生态安全格局构建、保护区功能分区合理构建、城市绿地空间与城市发展耦合机制研究以及结合现代互联网信息对人群聚集程度研究。统计分析法主要是通过对获取的大数据进行数学统计，根据统计结果分析其相互关系、发展规律以及变化趋势，从而对事物进行认识和预测，可用于相关性分析与回归分析中的各影响因子，并结合SPSS等工具进行相关性验证。综合评价方法在风景园林研究中应用甚广，主要包括主成分分析法、DEA分析法以及模糊评价法，通过确定评价指标、评价模型以及权重系数，对景观评价指标间的重要性进行分析，从而指导风景园林设计工程。

人工智能、文本挖掘技术在风景园林中的应用得益于计算机技术的发展[7]。人工智能是利用计算机模拟人类智力进行某些智能行为，主要包括机器人、语言识别、图像识别、自然语言处理和专家系统等研究领域。文本挖掘是自然语言处理的一部分，是从文本信息中获取目的所需部分的过程，主要包括信息抽取、检索、自然语言处理以及数据挖掘，自然语言处理主要应用于情感分析、舆情监测、文本分类等方向。无论是人工智能还是自然语言挖掘，都是计算机在大数据领域的发展，引领着研究者寻找不同数据中的显隐关系，从而指导行业实践。

2 大数据在风景园林研究领域的应用

风景园林作为重要的人类文明载体，从古典造园到现代风景园林，受众逐渐扩大至全社会，其发展趋势向生态系统服务、生态和文化综合价值取向以及全尺度发展，内容从单一的造园游憩向文化传播、生态保护、历史传承拓展。在智慧城市建设和计算机应用背景下，大量的人类活动以及环境变化数据为分析风景园林研究领域相关问题提供数据支持，可从不同角度应用不同方法对风景园林领域进行分析，从而指导实践，推动社会发展。本研究按照宏观、中观、微观尺度的风景园林建设进行应用分析，具体见表2。

表2 大数据在风景园林规划设计领域多尺度应用的特征及研究内容

2.1 宏观尺度的风景园林研究

宏观尺度风景园林多涉及国土规划、保护区规划、跨区域综合治理、绿地系统研究等，主要应用地理信息系统大数据、遥感影像数据结合不同分析方法进行各类研究。

MSPA常用于大型网络格局构建研究中，艾婧文等在能源低碳转型的背景下，以风电设施建设与生态问题相关性为起点，通过MSPA法对福建省潭平岛陆上风电项目所在地2000年和2020年卫星遥感影像和高程数据进行生态廊道提取与潜在生态网络评价研究，研究量化了风电项目对生态流的变化影响，证明了风电项目在重要生态保护区域建设会影响区域内生境和生境之间的能量流通，破坏生态廊道，从而威胁生态安全稳定[9]。谢于松等以成渝城市群中四川境内的13个主要城市为研究对象，利用研究对象的Landsat卫星TM/ETM遥感影像以及土地利用类型分类图，运用MSPA与景观生态学理论，对研究区绿色基础设施构成要素以及景观组成特征进行分析，为成渝生态网络构建及规划提供参考，弥补了我国在多个城市间关于绿色基础设施(GI)网络差异性的研究[10]。

2.2 中观尺度的风景园林研究

中观尺度的风景园林具有完整的景观特征和景观结构，主要通过轨迹数据、手机信令、点评网站等相关数据对景区和城市规划治理以及区域整体人文生态系统进行研究。

景区、公园作为重要的风景园林研究对象，相关的使用研究对建设管理具有重要意义。在智慧景区的背景下，黄蔚欣等获取WIFI定位的游人轨迹数据，运用多种聚类方法从不同角度对轨迹数据进行聚类分析，得出游人在黄山景区的主要游览路径，并对比分析春节与平日的客流量差异，为智慧景区建设管理提供决策参考[11]。阎友兵等以韶山风景名胜区为案例，采用情感分析方法和内容分析方法，对来自国内3个知名旅游网站的在线评论数据进行红色旅游游客情感特征分析研究[12]。胡昕宇等借助手机信令数据对苏州中心城区23个城市公园的游人活力进行时空分布特征及其与影响因子的耦合分析，并从城市公园选址、公园内部景观布局设计以及公园开发方式几个方面为提升公园活力提出建议[13]。叶林等以大众点评网站中关于重庆36个公园用户评价数据为基础，采用百度深度学习方法，提取评论中的感知要素及情感倾向，通过挖掘分析得出公园类型的差异影响游人感知要素差异，游人情感倾向与公园要素具有相关性[14]。

微博作为使用频率较高的社交平台，其数据对风景园林相关研究也具有重要价值。如，方梦静以新浪微博中游客发布的有关杭州市已建成的不同种类城市公园的微博数据为数据源，通过文本情感值计算、GIS技术、词频分析、地理集中指数等方法对城市公园的游客特征、游客情感的结构与时空特征、游客情感影响因素及应用3个内容进行研究[15]。

2019年底，新冠疫情爆发，公共绿地重要性凸显，后疫情时代社区尺度下的绿地建设和发展受到各方面的关注，朱媛媛等基于步行和地铁出行方式通过空间分析法对武汉市中心城区绿地空间格局和可达性进行研究，得出社区尺度下步行和地铁出行能够基本满足公园绿地的整体可达性，提出绿地向社区尺度发展能够扩大服务范围，有效完善防疫体系；通过对大众点评网关于公园绿地及后疫情时期的相关评论进行词频分析，反映疫情后居民游憩活动的关注方向和行为偏好，提出公园建设应该重视居民需求，丰富公园尤其是社区公园的文化价值和功能，拓展城市公共空间内涵，提高城市韧性[16]。

2.3 微观尺度的风景园林研究

在空间建设中，传统的小空间设计更加注重经济性和功能性，对使用人群的实际需求考虑较少，随着社会发展，人们生活水平提高，对空间品质的关注度越来越高，人性化诉求突出，关于人与空间的研究也越发多样化。微观尺度主要涉及居住区、公园、学校等相对独立的地块的研究。

图片数据作为重要的数据来源，在以图片为基础的公共空间人群使用研究方面，吴韶集等用大疆无人机对天津大学3个公共空间拍摄的5段长约20min的行人活动视频，以python语言为基础搭建深度学习的计算机视觉算法框架对视频进行处理分析可视化，得出人群分布热力图和行为速度热力图，进而展现出入口间的连接强度和空间规划合理情况，为公共空间设计改造提供现实参考[17]。乡村景观作为乡村振兴的载体之一，具有独特的地域文化，能够从历史感、归属感上给游人带来特有的精神体验。黄硕等将网络数据与问卷数据相结合，利用Nvivo编码对图片景观元素进行质性分析，再利用AMOS 24.0对处理后的图片和问卷进行景观元素、景观偏好、健康效益3方面模型构建，为提升公园景观健康功能提供参考[18]。陈国栋等对长荡湖道路进行建模设计再模拟四季景观进行视角质量实验和特征评价实验，从而得到受关注因子，证明利用虚拟现实三维建模进行植物景观设计具有可行性，为风景园林行业技术拓展提供方向[19]。

随着社会发展，网络平台作为重要的信息获取、分享途径，在风景园林使用后评价研究中具有重要性，能够促进景观设计改造，提升景观满意度。孙媛媛以网络游记、百度指数、微博数据等为数据源对关中汉唐帝陵不同旅游阶段的时空行为进行研究，从而分析不同阶段游客时空、情感特征，发现不同信息通道游客的不同体验需求，构建基于游客体验的关中汉唐帝陵旅游价值评价体系[20]。杨春梅等通过文本分析法对使用Python数据挖掘技术抓取到的旅游网站中关于哈尔滨冰雪旅游的相关游客评论进行研究分析，确定冰雪旅游游客满意度的影响因素和优化对策[21]。

3 发展趋势

从上述文献分析来看，大数据在风景园林行业的应用非常广泛多样，但是依旧可以发现一些大数据在风景园林行业发展的局限性。准确性，网络大数据主要以新浪微博、大众点评、百度地图等社交评价软件的用户自主描述为主要数据来源，从而进行情感研究、场地使用情况研究；仔细观察这类大数据发现，数据主要由用户自主分享，在签到位置数据中不能完全表现用户全部轨迹，主要集中在客观的热点区域，在签到地点文本数据中，混杂着部分与研究内容无关或者关系不紧密的数据，如周边商店广告、明星效应、营销话题等；因此，在研究过程中需要对数据进行筛选处理或者权重调整，从而优化数据质量，提高分析结论准确性。全面性，多数利用大数据进行风景园林研究的数据来自于单一平台或者几个平台，数据量大，获取方便，但是无论是轨迹数据平台还是评论分享平台，其数据仅代表平台用户反馈，有一定的人群针对性，对老人、儿童、特殊人群的反馈有所忽略。精确性，基于定位技术搜集的LBS数据由于技术限制具有一定的误差，在大中尺度场地中的误差可以忽略，但是在口袋公园、街旁绿地等小场地研究中就具有一定的局限性，相较之下，传统的问卷调查、跟随记录等方法更具可行性；在大尺度研究中使用的高空分辨遥感数据多为开源数据，精确度在一般范围，且对于用地类型分类上多为机器识别和人工解译相结合，存在一定的误差。可利用性，大数据的多样化是显而易见的，但数据获取途径依然是有限的，多数高价值大数据存在企事业服务器中，风景园林从业者不便随意获取使用；大数据处理分析方法多数是依附于计算机分析处理技术的发展，行业从业者作为学习使用者角色进行利用。

大数据辅助各行各业发展已经成为重要趋势，带来的价值使其成为风景园林研究的重要研究依据和研究数据基础，在未来各行各业的共同努力下，将更加充分发挥作用，引领行业向着精细化高水平发展。大数据在风景园林中的研究经历了从数据分析验证景观设计合理性到数据分析指导设计[22]的过程，下一步行业从业者应该警惕大数据分析带来的数据思维，探究数据分析现象背后的原因，并转化为理论构想从而指导实践。此外，风景园林作为社会性实践学科，将继续发展其人本主义特色[23]，结合大数据和传统研究方法，从大到精，结合多维度特性，将逐渐与城乡规划生态学等相关学科以及社会学、心理学、经济学等多学科相结合，构建智慧风景园林体系，建设更加合理有特色的景观，满足多人群需求。