基于層次分析法和人工智能技術的鄉(xiāng)村景觀設計效果評估

曾麗娟

摘? 要： 為研究鄉(xiāng)村景觀資源并分析景觀問題，提出基于層次分析法和人工智能技術的鄉(xiāng)村景觀設計效果評估方法。以門頭溝為例，通過層次分析法構建鄉(xiāng)村景觀設計效果評估指標體系并確定指標權重，采用基于人工智能技術的BP神經(jīng)網(wǎng)絡構建鄉(xiāng)村景觀設計效果評估模型，從目標層、項目層及指標層三方面指標評估鄉(xiāng)村景觀設計效果。結果表明：該方法可有效評估研究區(qū)鄉(xiāng)村景觀設計效果，其中指標層評估值在0.4～0.64之間，綜合評估為優(yōu)，目標層的綜合評估分值是0.60，設計效果為優(yōu)，項目層的承載力與吸引力綜合評估均較優(yōu)，說明研究區(qū)在開展鄉(xiāng)村旅游方面潛力與條件充足;該方法誤差變化趨勢較為平穩(wěn)，整體相對誤差低，說明該方法具有較高的準確性與理想性，可為鄉(xiāng)村景觀資源問題的分析及設計效果評估奠定基礎。

關鍵詞： 鄉(xiāng)村景觀設計評估; 層次分析法; 人工智能技術; 景觀設計評估模型; 評估指標體系構建; 評估方法對比

中圖分類號： TN99?34; S372? ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）11?0128?04

Rural landscape design effect evaluation based on AHP and AI

ZENG Lijuan

（Guangdong Polytechnic Normal University， Guangzhou 510665， China）

Abstract： In order to study rural landscape resources and analyze related problems， an evaluation method of rural landscape design effect based on AHP （analytic hierarchy process） and AI （artificial intelligence） is proposed. Mentougou is taken as an example for this research. On the basis of AHP， the evaluation index system of rural landscape design effect is established and the index weight is determined， the evaluation model of rural landscape design effect is established by AI?based BP neural network， and the rural landscape design effect is evaluated from indexes of target layer， project layer and index layer. The results show that this method can effectively evaluate the rural landscape design effect of the research area. The evaluation value of index layer is within 0.4～0.64， and its comprehensive evaluation is excellent; the comprehensive evaluation score of the target layer is 0.60， and its design effect is excellent; the comprehensive evaluation of both the carrying capacity and attraction of the project layer is good. The above shows that the research area has sufficient potential and conditions for developing rural tourism. The error change trend of the method is relatively stable and the overall relative error ratio is low， which indicates that the method is of high accuracy and ideality， and can lay a foundation for analysis of rural landscape resource problems and evaluation of design effect.

Keywords： rural landscape design evaluation; AHP; AI; landscape design evaluation model; evaluation index system construction; evaluation method contrast

0? 引? 言

隨著近些年人們生活水平的提高，人們對旅游的需求也隨之增長[1?2]，而鄉(xiāng)村旅游也成為當下旅游者們所選取的重要旅游場所，因此，鄉(xiāng)村景觀資源的開發(fā)也逐漸趨于商業(yè)化。但是，因開發(fā)的不合理所帶來的鄉(xiāng)村景觀自然度與特殊文化的丟失，造成鄉(xiāng)村景觀無法向高層次發(fā)展[3]。為保護鄉(xiāng)村景觀的特殊文化與環(huán)境的優(yōu)化性，令鄉(xiāng)村景觀的格局更具多功能性，在對鄉(xiāng)村旅游景觀資源開發(fā)時需采用科學的鄉(xiāng)村景觀評估方法[4?5]，可有效規(guī)劃鄉(xiāng)村景觀各資源，以免不合理的過度開發(fā)鄉(xiāng)村旅游景觀，所以對鄉(xiāng)村景觀設計效果進行綜合評估意義重大。

由美國學者馬斯·薩提最先提出的層次分析法（AHP），通過對定性問題采取定量分析，屬于一種多準則決策方式，是極具代表意義的問題分析方法[6?8]。它可拆分掉一個繁瑣的問題，使其具備多個方面，將這些方面分別當作此問題的各個層次[9]，再模糊量化各個層次的定性指標，匯總排列所調查的結果后，研究評估的定量依據(jù)即可產生[10?11]。BP神經(jīng)網(wǎng)絡作為一類人工智能技術，是可通過模仿人類的大腦實現(xiàn)學習的算法[12?13]，在安全評估及風險預估等方面應用時可處理多個指標的變權動態(tài)求解等問題，故而本文對鄉(xiāng)村景觀的設計效果評估時，采用BP神經(jīng)網(wǎng)絡算法構建鄉(xiāng)村景觀設計效果評估模型的方式實現(xiàn)。

1? 評估方法

1.1? 研究區(qū)概況及數(shù)據(jù)來源

門頭溝地處北京西部，轄區(qū)總面積1 448.9 km2，山地面積占98.5%。現(xiàn)有9個鎮(zhèn)、4個街道辦事處，2008年末常住人口27.5萬人，其中，居民面積、林地面積、河流面積分別為0.092 8 km2，11.675 8 km2及0.433 8 km2。當?shù)鼐幼〈迕裰饕ㄟ^管護林、出外務工及經(jīng)濟林作為經(jīng)濟來源，門頭溝區(qū)空氣怡人、水質清澈，且被眾山圍繞，近些年逐漸通過自有景觀特點成為民俗旅游的代表民俗鄉(xiāng)村。依據(jù)2015年5—9月的實際考察獲取所研究地區(qū)的自然數(shù)據(jù)，依據(jù)2015年的北京統(tǒng)計年鑒獲得該地區(qū)社會經(jīng)濟情況。

1.2? 基于層次分析法的鄉(xiāng)村景觀評估指標體系

1.2.1? 鄉(xiāng)村景觀設計效果評估指標體系構建

評估區(qū)域的景觀主要有以下特色：繁瑣的山地形態(tài)、眾多綠色植物覆蓋、林木種類繁多、水源水質好、鄉(xiāng)村景觀中獨具特色及景觀會依據(jù)季節(jié)產生變化。依據(jù)評估區(qū)域景觀的特色采用層次分析法選擇評估指標。首先，確定基本層次框架為目標層、項目層及指標層，其中，項目層劃分為吸引力、生命力及承載力三項指標。吸引力由森林景觀多樣性、景觀季節(jié)特色性、歷史遺跡知名度等構成;生命力由農產值年增長率、人均年純收入增長率及大氣質量構成;承載力由歷史遺跡完整度、人口密度、游客滿意度及居民滿意度構成。構建鄉(xiāng)村景觀評估指標體系時，先依據(jù)前一層次所定義的內容大致劃分類別，再經(jīng)由收集與調研資料，細致劃分各層次各方面的具體內容，最后結合所研究區(qū)域的鄉(xiāng)村景觀特色與選擇指標的基本準則選取評估指標，見表1。

1.2.2? 確定指標權重

指標權重的確定通過層次分析法實現(xiàn)，利用各相關專家所構建的首要性矩陣并核實其統(tǒng)一性后，對應的指標權重是由此獲取的特征最高值的特征向量權重，通過計算每個專家所設定權重的均值即為最后的權重。

1.3? 基于人工智能技術的鄉(xiāng)村景觀設計效果評估模型

1.3.1? 構建BP神經(jīng)網(wǎng)絡

以學習規(guī)則為核心的BP神經(jīng)網(wǎng)絡屬于一種人工智能技術的機器學習算法[14]。組成其學習過程的為正向傳播和反向傳播兩部分。評估鄉(xiāng)村景觀設計效果時，采用三層BP神經(jīng)網(wǎng)絡模型實現(xiàn)[15]，包括單輸入層、單輸出層與單隱含層。神經(jīng)網(wǎng)絡的輸入由上文構建的鄉(xiāng)村景觀評估體系內的14個指標層構成，神經(jīng)網(wǎng)絡的輸出為鄉(xiāng)村景觀的評估值，通過輸入、輸出向量的維數(shù)確定輸入神經(jīng)元與輸出神經(jīng)元的個數(shù)分別為14個與1個。

參變量可設為：從輸入層（隱含層）到輸出層（隱含層）的權值設為[vlk]，每個節(jié)點連接的權值設為[vku];輸出層（隱含層）的每個節(jié)點閾值依次設為[βl]，[βk];輸入層的單元狀態(tài)與輸出層（隱含層）的單元迭加信號依次設為[Lau]，[mal]（[mak]）;已確定的某組評估指標設為[a]。

BP神經(jīng)網(wǎng)絡訓練和工作過程主要由以下幾部分組成：

1） 樣本的輸入。歸一化到[0，1]區(qū)間內的網(wǎng)絡訓練樣本數(shù)據(jù)，同已確定的期望輸出一并輸入到經(jīng)過初始化的網(wǎng)絡中。

2） 正向傳播。[Mak]，[Pal]為隱含層和輸出層每個節(jié)點的輸出情況，則有：

[Mak=bmak=buvkuLau-βk]? ? ?（1）

[Pal=bmal=bkvlkLak-βl] （2）

式中：[b]表示激活函數(shù)，[by=11+c-dy]，[d]表示常數(shù)。

3） 網(wǎng)絡的現(xiàn)實和理想兩種輸出之間的誤差為：

[CV=12l?aAal-Pal2]? ? （3）

式中：所有權構成的向量與理想輸出分別用[V]，[Aal]表示。

4） 反向傳播。修正權值和閾值的表達式為：

[vlke+1=vlke+1-σΔvlke+σΔvlke-1vkue+1=vkue+1-σΔvkue+σΔvkue-1] （4）

[βle+1=βle+λPal1-PalAal-Palβke+1=βke+λMak1-MaklvlkAak-Pak] （5）

式中：[e]，[λ]分別表示訓練次數(shù)與學習效率;[σ]表示動量因子，且[0≤σ<1];[Δvlk=-λ?C?vlk];[Δvku=-λ?C?vku]。

5） 鄉(xiāng)村景觀設計效果評估。符合需求的權值與閾值通過以上迭代算法學習訓練后，可得到向BP神經(jīng)網(wǎng)絡模型內輸入等待評估的鄉(xiāng)村景觀設計效果的評分數(shù)據(jù)，所對應的輸出值便是匯聚各專家經(jīng)驗和知識的評估結果。

1.3.2? BP神經(jīng)網(wǎng)絡訓練與仿真

1） 樣本數(shù)據(jù)的獲取。根據(jù)鄉(xiāng)村景觀設計效果的評估指標體系與鄉(xiāng)村景觀的評估準則，特邀業(yè)界內各專家學者所組成的評委組共同參加調研工作，并對鄉(xiāng)村景觀設計效果的吸引力、生命力及承載力三方面所包含的14個指標層實行評估打分，各專家均熟悉鄉(xiāng)村景觀的設計并擁有足夠的景觀評估知識和經(jīng)驗，對所評估區(qū)域的文化特征較為了解，其中，邀請的景觀學專家、生態(tài)學專家及交通工程專家各5位，每個領域內的5位專家所打分的平均值即為每個指標層的最后評分。評估等級時需結合現(xiàn)實狀況，因為每個指標層之間存在一部分模糊特性，故設1與0為評估的最高與最低分，評估的標準見表2。BP神經(jīng)網(wǎng)絡模型的樣本數(shù)據(jù)即為所獲得的綜合評分數(shù)據(jù)，也就是評估的標準值。

2） 學習與訓練BP神經(jīng)網(wǎng)絡。以數(shù)組樣本數(shù)據(jù)為訓練樣本，通過Matlab實現(xiàn)對BP神經(jīng)網(wǎng)絡的訓練。訓練函數(shù)與隱含層函數(shù)分別設為trainlm，tansig，輸出值為[0，1]之間的logsin輸出層函數(shù)，以1 000與0.000 1分別作為最高訓練次數(shù)與訓練的目標。為降低網(wǎng)絡的系統(tǒng)誤差與迭代次數(shù)，重復多次地對網(wǎng)絡以不同的隱含層層數(shù)與學習率實行訓練，直到網(wǎng)絡穩(wěn)定且網(wǎng)絡參數(shù)與結構可被確準，最后確準14[×]10[×]1為鄉(xiāng)村景觀設計效果評估模型的三層BP神經(jīng)網(wǎng)絡結構。

3） BP神經(jīng)網(wǎng)絡的檢測與仿真。采用作為網(wǎng)絡檢測樣本的余下樣本數(shù)據(jù)檢測評估模型的可靠性與合理性。比對分析后可了解到，評估模型經(jīng)過訓練其期望輸出和仿真輸出的相對誤差都低于4%，見表3，誤差范圍合理，仿真評估結果同原數(shù)據(jù)的結果相同，可用于綜合評估鄉(xiāng)村景觀的設計效果。

2? 實際應用

以門頭溝鄉(xiāng)村景觀為例，評估其設計效果的指標層、目標層及項目層各項指標的綜合評估值，并與其他方法對比驗證本文方法的準確可行性。

2.1? 門頭溝鄉(xiāng)村景觀指標層評估

為了對門頭溝鄉(xiāng)村景觀的設計效果實行評估，特邀相關方面的專家共同評估鄉(xiāng)村景觀的設計效果，經(jīng)過詳細的分析和探討研究區(qū)的大概狀況與工程項目狀況后，依據(jù)前文所構建的鄉(xiāng)村景觀設計效果評估指標體系與評估模型，為研究區(qū)的鄉(xiāng)村景觀設計效果評估打分，向經(jīng)過訓練的評估模型內代入評分數(shù)據(jù)，最后網(wǎng)絡評估結果通過Matlab運算輸出，如表4所示。

通過表4可以看出，研究區(qū)指標層中評分結果最低的為農產值年增長率和歷史遺跡完整度，說明該地區(qū)應重視這兩方面指標的優(yōu)化;所得綜合網(wǎng)絡仿真評估值在0.4～0.64之間，說明研究區(qū)鄉(xiāng)村景觀指標層綜合評估為優(yōu)。由此驗證本文方法可準確評估研究區(qū)鄉(xiāng)村景觀設計效果的指標層各指標評分，說明本文方法評估有效。

2.2? 門頭溝鄉(xiāng)村景觀綜合評估

依據(jù)2.1節(jié)中研究區(qū)指標層各指標評分結果，采用本文方法計算得出研究區(qū)鄉(xiāng)村景觀設計效果的綜合評估結果，如表5所示。

通過表5可以看出，研究區(qū)的綜合評估分值是0.60，說明研究區(qū)的鄉(xiāng)村景觀設計效果優(yōu)，且三個項目層的綜合評估值分別為0.65，0.48，0.67，說明研究區(qū)的承載力指標最優(yōu)，生命力指標相對最為薄弱，由此可知，此研究區(qū)的環(huán)境狀態(tài)較好，而經(jīng)濟發(fā)展水平和社會綜合條件仍需改善，且該評估結果同鄉(xiāng)村的現(xiàn)實調查狀況幾乎一致，說明本文評估方法具有準確可行性。

2.3? 評估方法對比

為進一步驗證本文評估方法的可靠性與合理性，現(xiàn)將本文評估方法與模糊綜合評估法、美景度評判法（SBE）分別進行對比。以14個指標層中[F1～F7]，[F8～F14]作為樣本數(shù)據(jù)，分別對比其他兩種評估方法的相對誤差值，具體對比結果如圖1所示。

通過圖1a）可以看出，模糊綜合評估法的相對誤差值出現(xiàn)三個高峰，評估結果不夠可靠、準確，而本文評估方法的相對誤差變化趨勢較為平穩(wěn)，且整體的相對誤差均低于模糊綜合評估法;通過圖1b）可分析出，美景度評判法僅出現(xiàn)一次最低相對誤差值，其余6次相對誤差值均較高，評估效果極為不理想，本文評估方法的相對誤差值始終保持在4%的合理誤差范圍內，說明本文評估方法的準確可靠性及理想性更高。

3? 結? 語

采用本文提出的基于層次分析法和人工智能技術的鄉(xiāng)村景觀設計效果評估方法，對門頭溝鄉(xiāng)村景觀設計效果的評估發(fā)現(xiàn)，此鄉(xiāng)村具有豐富的森林景觀資源，歷史遺跡完整度較好，鄉(xiāng)村景觀的整體結構設計效果較為理想，承載力及吸引力較優(yōu)，具備開發(fā)鄉(xiāng)村旅游的充分條件。但鄉(xiāng)村景觀中的生命力仍有不足之處，需針對此因素展開充分的調研評估，克服不利于此因素發(fā)展的條件，合理利用此鄉(xiāng)村的優(yōu)勢條件，以期更為科學合理地規(guī)劃此鄉(xiāng)村旅游景觀的設計效果，實現(xiàn)鄉(xiāng)村景觀獨有的特色，為此鄉(xiāng)村帶來更大的旅游發(fā)展效益。

參考文獻

[1] 康秀琴，李海防.基于層次分析法的桂林市“兩江四湖”景區(qū)植物景觀評價[J].中南林業(yè)科技大學學報，2016，36（3）：129?133.

[2] 徐新洲，薛建輝.蠡湖湖濱濕地景觀生態(tài)格局分析及適宜性評價研究[J].西北林學院學報，2019，34（3）：219?224.

[3] 孫姝亭，陳美諭，李蘋，等.北京市居民小區(qū)景觀林林內景觀質量評價研究[J].西北林學院學報，2016，31（5）：297?305.

[4] 肖偉峰，張婷婷.基于視覺分析的百色市麒麟山公園景觀要素評價與布局優(yōu)化[J].規(guī)劃師，2016，32（4）：78?84.

[5] 劉佳麗，杜榮祥.西雙版納景觀格局時空變化及其生態(tài)效應研究[J].環(huán)境科學與管理，2016，41（9）：167?171.

[6] 趙敏，牛曉軍，薛小杰.基于層次分析法的特色地域文化酒店建筑設計方案的比較研究[J].四川建筑科學研究，2017，43（6）：110?113.

[7] 聶軍委，韓立軍，孟慶彬，等.層次分析法在巷道支護優(yōu)化設計中的應用研究[J].煤炭技術，2016，35（4）：73?75.

[8] 孫傳龍，張卓棟，邱倩倩，等.基于層次分析法的錫林郭勒草地景觀系統(tǒng)風蝕危險性分析[J].干旱區(qū)地理，2016，39（5）：1036?1042.

[9] 解銘.基于層次分析法的多屬性灰決策方法及應用[J].數(shù)學的實踐與認識，2018，48（20）：107?113.

[10] 秦國華，吳志斌，葉海潮，等.基于層次分析法與定位確定性的工件定位方案規(guī)劃算法[J].機械工程學報，2016，52（1）：193?203.

[11] 汪鶴，相蓉，張道農，等.基于層次分析法的時間同步裝置多源判決模型[J].電力科學與技術學報，2016，31（3）：8?13.

[12] 海清，李維民.基于人工智能技術的認知光網(wǎng)絡結構研究[J].光通信技術，2016，40（5）：15?18.

[13] 徐彬彬.基于人工智能技術的建筑工程造價估算研究[J].湖南城市學院學報（自然科學版），2016，25（4）：24?25.

[14] 陳娟.基于人工智能Agent技術發(fā)展現(xiàn)狀分析[J].電腦知識與技術，2016，12（3）：195?196.

[15] 朱志鵬，黎俊儀，傅偉聰，等.云南洱海次生水面枯木景觀評價[J].江蘇農業(yè)科學，2016，44（3）：236?239.