基于深度學(xué)習(xí)的上海城市街景與景觀美學(xué)公眾認知研究

邱燁珊

車生泉

謝長坤

潘浩之*

城市景觀具有自然、人文和時代特征，為城市居民提供生活物資空間，更承擔(dān)著凝聚和認同集體記憶的公共載體功能，塑造同一時代公民對城市基本形象的感受，是城市文化與品質(zhì)的重要傳播媒介[1]。城市本土景觀可成為城市對外的品牌窗口，與城市居民產(chǎn)生情感共鳴，促進城市景觀可持續(xù)的協(xié)調(diào)發(fā)展[2]。然而在中國快速城市化發(fā)展的過程中，城市發(fā)展建設(shè)出現(xiàn)意象構(gòu)成趨同[3]、場所感缺乏等問題；風(fēng)貌營建偏重城市發(fā)展規(guī)模而忽視城市的核心文化、精神與美學(xué)價值，忽視公眾審美偏好與當(dāng)?shù)匚幕Z境[4]。隨著中國城鎮(zhèn)化轉(zhuǎn)型與城市更新的需求，服務(wù)城市大眾美學(xué)認知與文化精神的城市風(fēng)貌與景觀塑造成為當(dāng)前亟須解決的重大問題，是滿足人民向往美好生活的新時代需要。本研究可為上海乃至全國城市更新中的城市風(fēng)貌和景觀美學(xué)提升提供理論支撐和方法。

景觀美學(xué)偏好既涉及自然環(huán)境的生物物理特征，又涉及人類的主觀感知。目前提出的景觀偏好理論和概念框架涉及古典美學(xué)[5]、生態(tài)學(xué)[6]、生物進化論[7]和環(huán)境心理學(xué)[8]；Tveit等[9]綜合前人研究基礎(chǔ)及理論框架提出景觀美學(xué)評價的9個概念：管理度、連貫度、視覺干擾度、歷史人文性、視覺尺度、想象度、復(fù)雜度、自然度、季相變化性，而后在此基礎(chǔ)上逐漸發(fā)展形成景觀美學(xué)評價方法體系。景觀美學(xué)評價包括以專家意識、體驗者偏好或體驗、空間因素為主要考量的幾大類別[10]，其中主流公眾感知景觀美學(xué)評價以體驗者偏好或參與為主要考量，使用問卷調(diào)查、現(xiàn)場訪談、景觀可視化等形式收集公眾評價[11-12]。但當(dāng)研究對象規(guī)模大、分布廣且分散時，采用現(xiàn)場調(diào)研、數(shù)據(jù)采集等方法實施成本較高且耗時，難以實現(xiàn)大尺度、大范圍的快速普及評估，規(guī)劃設(shè)計人員難以了解設(shè)計區(qū)域的特色與本土大眾潛在需求，使得景觀風(fēng)貌營建指導(dǎo)決策存在盲區(qū)。

近年來，基于公眾感知的景觀美學(xué)評估研究不斷增加，國內(nèi)外前沿研究引入貝葉斯聯(lián)合分析法[13]、參與性城市生態(tài)美學(xué)地圖[14]、景觀偏好度[15]等方法。邵鈺涵等[16]使用體驗性景觀標(biāo)注法收集公眾意愿；徐磊青等[17]結(jié)合百度街景圖片進行上海市公共街景空間安全感知研究；Kerebel等[18]基于貝葉斯網(wǎng)絡(luò)構(gòu)建景觀美學(xué)概念層級模型，所使用的貝葉斯概率模型適用于處理美學(xué)感知中復(fù)雜的元素、聯(lián)系和因果關(guān)系帶來的不確定性，可以根據(jù)本土景觀特征重新構(gòu)建美學(xué)理論模型，但缺陷是仍需人工獲取相關(guān)景觀要素，評估規(guī)模有限。

相比之下，人工智能景觀要素快速識別能力則具應(yīng)用優(yōu)勢。人工智能利用計算機強大的性能與運算、處理數(shù)據(jù)的能力，可基于專家分析、公眾反饋與場景信息數(shù)據(jù)展開大規(guī)模的城市研究[19-20]。其中，深度學(xué)習(xí)主要用于處理與計算機視覺相關(guān)的任務(wù)，如對象檢測和語義分割，可從收集的音頻和圖像數(shù)據(jù)集中收集信息，對大規(guī)模采集的數(shù)據(jù)進行特征識別。此類研究包括葉宇等[21]基于街景數(shù)據(jù)和機器學(xué)習(xí)對街道綠化品質(zhì)進行測量；張郴等[22]基于機器學(xué)習(xí)對南京的城市個性及其文化景觀表征進行分析。目前人工智能研究城市風(fēng)貌的方法集中在對客觀圖片要素的提取與公眾感知模擬方面，缺少與景觀美學(xué)理論的結(jié)合，使用深度學(xué)習(xí)方法結(jié)合貝葉斯美學(xué)模型為景觀美學(xué)快速評估提供了可能。

為探明公眾的城市景觀美學(xué)認知概念機理、提出針對性的本土風(fēng)貌提升策略，開發(fā)一套可快速、大規(guī)模開展應(yīng)用的公眾審美普查方法，本文結(jié)合人工智能對城市景觀風(fēng)貌豐富的視覺要素提取與收集能力及景觀美學(xué)評價框架的理論優(yōu)勢，構(gòu)建可廣泛推廣、應(yīng)用的城市風(fēng)貌景觀美學(xué)評價方法，促進城市風(fēng)貌設(shè)計中新技術(shù)應(yīng)用與景觀美學(xué)理論的有效融合。

1 基于美學(xué)假設(shè)與人工智能加強的設(shè)計優(yōu)化方法

1.1 研究思路和框架

研究基于美學(xué)假設(shè)與人工智能提出設(shè)計優(yōu)化方法。1)提出公眾城市景觀美學(xué)認知層級概念假設(shè)模型：基于前期文獻研究的理論基礎(chǔ)和經(jīng)驗積累，在現(xiàn)有景觀美學(xué)指標(biāo)研究中，以直觀、易評判為考量，提取與大眾景觀審美相關(guān)的關(guān)鍵美學(xué)要素與感知指標(biāo)進行構(gòu)建。2)采用問卷調(diào)查獲取公眾審美感知高級指標(biāo)具體得分。3)使用人工智能卷積神經(jīng)網(wǎng)絡(luò)圖片分割技術(shù)進行景觀要素提取，并測定各要素面積。4)處理問卷數(shù)據(jù)，用貝葉斯統(tǒng)計軟件建立感知指標(biāo)與各層級要素之間的關(guān)系模型，并進行假設(shè)檢驗，數(shù)據(jù)分析及檢驗過程通過R實現(xiàn)。在對少數(shù)典型案例調(diào)查基礎(chǔ)上，深度學(xué)習(xí)與人工模型可借助街景圖片、遙感信息等數(shù)據(jù)將景觀美學(xué)評價推廣到更大范圍的景觀設(shè)計支持中。

1.2 公眾美學(xué)感知概念假設(shè)

根據(jù)景觀美學(xué)文獻現(xiàn)有的美學(xué)感知概念框架，結(jié)合對上海本土景觀設(shè)計調(diào)研的重點關(guān)注問題，本文提出了公眾美學(xué)感知概念假設(shè)框架(圖1)。指標(biāo)選取基于Tevit等[9]提出的視覺概念，結(jié)合道路景觀的特點和線下訪談中公眾的意見與提及的關(guān)鍵詞進行總結(jié)篩選，同專家討論后確定美學(xué)假設(shè)框架中需要增減修改的指標(biāo)?？蚣芊譃榫坝^要素、高級概念和目標(biāo)概念3個層級。其中，景觀要素由人工智能進行元素提取確定；目標(biāo)概念層級選取喜愛度指標(biāo)；高級概念層級選取美景度、自然度、復(fù)雜度、對比度、想象度、審美干擾度6個指標(biāo)(表1)。7個概念分別從景觀體驗、景觀偏好的不同角度進行闡述，共同表征視覺景觀，且相互關(guān)聯(lián)。各指標(biāo)定義如圖1所示。

表1 概念指標(biāo)定義

圖1 公眾景觀美學(xué)認知概念層級假設(shè)

1.3 研究樣地選取

為預(yù)測公眾對日常接觸頻率較高的城市公共景觀風(fēng)貌的感知，選擇上海廣中路及平型關(guān)路2條城市道路景觀作為研究對象。廣中路全長3.2km，平型關(guān)路全長4.6km，2條道路縱橫相交，是上海重要的交通通廊。周邊分布有商業(yè)住宅區(qū)、高校行政區(qū)，以及廣中綠地、大寧郁金香公園等綠地空間，人流量大，是公眾日?；顒拥闹饕獔鏊彩禽^典型的多元城市景觀聚集區(qū)，可較好代表上海的城市街景風(fēng)貌。

1.4 公眾街景偏好評估

進行樣地照片拍攝。沿廣中路、平型關(guān)路人行道選點，任意2點平均間距100m。每個樣點以平行、垂直人行道方向各拍攝正面、側(cè)面照片2張，總體拍攝數(shù)量334張，剔除質(zhì)量不高的照片后，篩選具代表性的20張用于問卷調(diào)查。所有照片均在相同的晴朗天氣下(10：00—16：00)用焦距35mm的Osmo運動相機進行拍攝，并加設(shè)云臺及支架確保水平穩(wěn)定性。恒定拍攝高度1.60m，用GPS和磁羅盤記錄各拍攝視點的地理坐標(biāo)和方向。

進行現(xiàn)場美學(xué)感知問卷調(diào)查，連續(xù)3d分時段(8：00—12：00、13：00—17：00)進行定點人群觀察，每時段平均人流量約為122人/h。依據(jù)前期觀察結(jié)果及經(jīng)驗確定的樣本規(guī)模[23]，基于方便招募抽樣原則，于觀察點現(xiàn)場選取41位當(dāng)?shù)鼐用褡鳛槭茉L者發(fā)放問卷并進行半結(jié)構(gòu)性美學(xué)訪談，剔除表達不明、談話質(zhì)量不高的11人，最終樣本為30人。為防止主觀偏差，所選取的受訪群體職業(yè)涵蓋高校教師、學(xué)生、行政人員、上班族及周邊商戶，其性別比例、年齡層次分布數(shù)據(jù)與現(xiàn)場觀察統(tǒng)計人群比例近似。訪談以受訪者對道路的總體景觀美學(xué)印象和感知滿意度調(diào)查為主，使用感知還原度量表圍繞概念指標(biāo)進行五分制評級。將線下訪談得到的評分進行平均以形成指數(shù)得分，作為線上調(diào)查的對照?？傮w而言，線下與線上調(diào)研的景觀美感度評價可互相印證(相關(guān)性0.652)。

線上調(diào)查人員根據(jù)現(xiàn)場觀察和線下訪談的公眾社會群體構(gòu)成，招募比例相仿的公眾，通過照片媒介對城市景觀風(fēng)貌進行評價，并按社群比例對結(jié)果進行加權(quán)?？傆嬙诰€發(fā)送189份問卷，回收157份有效問卷。問卷圖片尺寸均寬1 836像素、高948像素、分辨率96像素/英寸，按五行四列隨機排列(圖2)，受試者從20張圖片中選擇主觀意見下與題干美學(xué)感知標(biāo)準(zhǔn)(美景度、喜愛度、自然度、想象度、對比度、復(fù)雜度、審美干擾度)最相符的5張圖片以評估審美偏好。受試對于場景要素的關(guān)注不受任何語言、文字等引導(dǎo)干擾。問卷平均完成時間297s。各圖片在對應(yīng)感知指標(biāo)下被選中的概率(被選中的次數(shù)除以總?cè)藬?shù))記為該圖片各項指標(biāo)得分。

圖2 現(xiàn)場照片

1.5 基于人工智能的公眾美學(xué)感知概念模型構(gòu)建

使用人工智能卷積神經(jīng)網(wǎng)絡(luò)(CNN)進行街景要素識別。CNN主要用于視覺對象檢測及語義分割等任務(wù)，可準(zhǔn)確識別圖像特征。其中視覺數(shù)據(jù)分析模型收集檢測圖像中存在要素的詳細信息，對象檢測模型將景觀要素的邊界框(如天空、樹、汽車、人、道路等)輸出返回。

將Tensorflow和Keras模型框架用于視覺圖像數(shù)據(jù)集分類，使用包含150個與室內(nèi)外日常場景的ADE20K開放圖像數(shù)據(jù)集進行訓(xùn)練。每張圖片的每一類景觀要素特征都由數(shù)據(jù)集中的顏色進行標(biāo)注，并附有詳細的面積占比計算。圖3總結(jié)了圖像分割的工作流程。

圖3 通過卷積神經(jīng)網(wǎng)絡(luò)(CNN)進行街景圖像分割

在圖像識別基礎(chǔ)上，進一步計算圖片內(nèi)各景觀元素面積占比與公眾美學(xué)感知指標(biāo)評分的相關(guān)性，使用貝葉斯網(wǎng)絡(luò)將相關(guān)性轉(zhuǎn)化為景觀美學(xué)概念框架；對研究景觀美學(xué)概念假設(shè)進行核驗，并對結(jié)果進行解讀。

2 分析與結(jié)果

2.1 公眾風(fēng)貌偏好結(jié)果

公眾對于樣地的景觀美學(xué)感知情況如圖4所示，不同場景間得分差異較大，感知喜愛度平均得分為0.27。植被的分布情況對于自然度、美景度的影響較為顯著，如H5L2的植被面積總占比為65.6%，以喜愛度0.45為最高，同時其自然度得分0.58領(lǐng)先。獲取較高喜愛度得分的有H3L2和H4L3，H3L2的美景度與想象度都最高；色彩對比特征鮮明的H4L3含27.4%紅色葉面積比，對比度得分最高。

圖4 樣地圖片感知指標(biāo)分值比較圖

H5L4、H4L4喜愛度最低，H5L4整體空間特征較雜亂，識別出的景觀要素達13種，包括非機動車、電線桿、廣告牌、柵欄，以及面積占比57.6%的城市建筑，其復(fù)雜度得分0.34，審美干擾度0.45，美景度得分最低(0.15)。而H4L4植物面積僅4.6%，自然度得分以0.07為最低，同時也影響喜愛度得分。

2.2 感知指標(biāo)與公眾偏好關(guān)系

從審美感知指標(biāo)間的皮爾遜相關(guān)性系數(shù)分布(圖5)可見，正相關(guān)關(guān)系集中分布在喜愛度、美景度、自然度、想象度幾個指標(biāo)間，負相關(guān)關(guān)系集中分布在審美干擾度、復(fù)雜度與另幾個指標(biāo)間。其中，“喜愛度-美景度”正相關(guān)(0.92)，“喜愛度-審美干擾度”負相關(guān)(0.52)，“喜愛度-美景度”正相關(guān)(0.89)，“喜愛度-想象度”正相關(guān)(0.68)?！跋胂蠖?對比度”“想象度-美景度”高度正相關(guān)，而一些指標(biāo)諸如“對比度-審美干擾度”“復(fù)雜度-美景度”則相對獨立。對應(yīng)的指標(biāo)關(guān)系可體現(xiàn)在公眾場景偏好中：H2L4與H5L2雖要素構(gòu)成與面積占比相似，但H5L2空間組織更具曲徑通幽意境感，植物色彩更豐富，美景度、對比度、想象度得分更高。

圖5 感知指標(biāo)間相關(guān)性系數(shù)分布

此外，復(fù)雜度指標(biāo)較特別，與自然度存在正相關(guān)關(guān)系，與喜愛度、想象度均存在0.18的負相關(guān)關(guān)系，同時還與審美干擾度具較強的正相關(guān)性(0.45)。對應(yīng)的如H2L1與H2L2兩場景要素構(gòu)成與空間布局相似，但H2L1的植被以針茅狀觀賞草為主，H2L2為鮮艷、整齊的闊葉植物花境，H2L2復(fù)雜度與審美干擾度更低，而自然度、喜愛度更高。

2.3 基于深度學(xué)習(xí)的公眾景觀美學(xué)認知概念模型

深度學(xué)習(xí)算法識別并輸出的所有樣地景觀元素匯總19類，包括墻體、建筑物、天空、樹、道路等?？傮w識別效果較好，像素智能精度達79.70%，邊界清晰，準(zhǔn)確度高，可較好地捕捉街道場景空間的特征元素與比例，構(gòu)建景觀要素層級。

貝葉斯統(tǒng)計法根據(jù)皮爾遜相關(guān)性集群及條件概率進一步優(yōu)化模型，將無顯著相關(guān)性的要素如“人行道”等移出模型，最終的模型包含指標(biāo)10項，其結(jié)構(gòu)關(guān)系如圖6所示。模型中自然度、想象度、對比度均同喜愛度正相關(guān)(關(guān)系強度1)，“審美干擾度-喜愛度”負相關(guān)(關(guān)系強度1)，同土地正相關(guān)(關(guān)系強度0.8)。6項高級概念中，自然度與其他指標(biāo)的相互關(guān)聯(lián)最多，其次為喜愛度、對比度。

圖6 公眾景觀美學(xué)認知概念層級

在4個景觀要素中，土地與高級概念的關(guān)聯(lián)最多，同對比度、喜愛度正相關(guān)(關(guān)系強度0.8)，與復(fù)雜度負相關(guān)(關(guān)系強度0.95)。此外，“墻體-自然度”負相關(guān)(關(guān)系強度0.95)，“自然度-樹木”和“自然度-喜愛度”高度正相關(guān)。

2.4 結(jié)果討論

由結(jié)果可知，喜愛度與美景度、自然度高度相關(guān)，與Bonthoux[24]的研究相符；對比度-美景度的相關(guān)性印證使用色彩對比明顯的植物可能獲得公眾的好評[25]；此外，復(fù)雜度過高可導(dǎo)致景觀混亂，降低視覺質(zhì)量[26]。設(shè)計中應(yīng)滿足本土公眾需求，在城市街道中為自然植被留出更多的空間，重視植物景觀設(shè)計與色彩搭配。

美學(xué)感知指標(biāo)間相關(guān)性關(guān)系顯著，說明景觀美學(xué)的詮釋是整體、系統(tǒng)的過程，場景整體空間組織及其質(zhì)量由各感知指標(biāo)共同關(guān)聯(lián)作用而影響公眾景觀偏好，這與前人研究一致[27-28]，其中復(fù)雜度同自然度、審美干擾度及喜愛度感知指標(biāo)關(guān)聯(lián)較密切。復(fù)雜度不僅與元素的類型與數(shù)量相關(guān)，還受視覺信息在不同尺度上的空間結(jié)構(gòu)與有序程度影響：場景中自然植物的分形復(fù)雜度可影響審美判斷，符合Kuper[29]提出的植物信息熵理論：植物復(fù)雜度達到一定閾值后，公眾偏好水平難以繼續(xù)提高。此外，復(fù)雜度與空間可進入程度的觀感相關(guān)，如照片H2L1、H5L3中植物喬灌草層次更茂密，給人難以進入、路徑受阻之感，其喜好度也較低，這符合Appleton[7]的前景-避難論和信息處理論。街景美感與其使用功能也有關(guān)，若因植物侵占道路空間或缺乏鋪裝降低行人的步行體驗，一定程度上會造成審美負影響。街景設(shè)計中需注重空間要素的整體布局及質(zhì)量，進行精細化管理，如電動車停放整齊、廣告牌簡潔美觀，避免復(fù)雜因素帶來的審美干擾。

景觀要素層級中建筑、墻與喜愛度的負相關(guān)關(guān)系及樹木同喜愛度的正相關(guān)關(guān)系符合自然和建筑場景的注意力恢復(fù)理論[30-31]，啟示設(shè)計時應(yīng)弱化功能性、設(shè)計美感較弱的建筑視覺比重，避免建設(shè)與本土公眾審美不符的“拿來主義”建筑；盡量減少生硬、易阻擋視線的圍墻的使用，或使用爬藤植物等美化墻體；土地同復(fù)雜度、喜愛度的相關(guān)性同土地覆蓋導(dǎo)致的景觀異質(zhì)性影響審美偏好相關(guān)[32]。

3 結(jié)語

研究通過街景實例，提出基于深度學(xué)習(xí)的公眾景觀美學(xué)認知研究方法，構(gòu)建公眾審美認知模型。發(fā)現(xiàn)上海本土公眾對于樣地不同場景的感知偏好差異較大，本土公眾街景美學(xué)感知模型中關(guān)鍵景觀要素為土地、建筑、樹、墻；景觀要素與公眾審美指標(biāo)關(guān)系在研究樣地的數(shù)據(jù)特征中反映出較強的相關(guān)關(guān)系：指標(biāo)層中自然度、想象度、對比度均同喜愛度呈高度正相關(guān)，審美干擾度-喜愛度呈高度負相關(guān)。通過對公眾景觀偏好的統(tǒng)計分析結(jié)合照片要素提取，可以更好地支持城市景觀規(guī)劃、設(shè)計中的要素選取及整體搭配策略。

研究使用現(xiàn)場調(diào)研、深度學(xué)習(xí)與貝葉斯網(wǎng)絡(luò)集成方法，發(fā)揮不同方法在景觀美學(xué)研究中的優(yōu)勢。深度學(xué)習(xí)結(jié)合景觀美學(xué)層級模型構(gòu)建法可作為傳統(tǒng)研究方法的有效補充，擴充有限的美學(xué)調(diào)查樣本，進行快速、大規(guī)模的公眾偏好普查，在理論及方法層面上指導(dǎo)城市景觀風(fēng)貌規(guī)劃設(shè)計，提供決策與設(shè)計優(yōu)化支持。貝葉斯網(wǎng)絡(luò)與景觀美學(xué)概念框架集成可分析美學(xué)認知概念機理與認知共性、差異性，在獨立概念層級上進行加權(quán)向量評估，并將具象的景觀物理要素關(guān)聯(lián)美學(xué)抽象概念來構(gòu)建框架模型，為公眾景觀偏好研究提供基礎(chǔ)。

研究聚焦城市街景偏好感知，暫未考慮其他城市景觀如公園、弄堂、廣場等類型可能存在的審美差異。此外，美學(xué)感知還可能因季相變化、景觀尺度差異而變化，未來研究考慮借助人工智能進一步擴展研究樣本，覆蓋多樣、多時相、多尺度城市空間，進行景觀風(fēng)貌普查。

注：文中圖片均由邱燁珊繪制或拍攝。