基于圖像語義分割的關中“文商旅街區”30年景觀視覺變遷*

畢芳菲 藺寶鋼

1 西安建筑科技大學建筑學院 西安 710048

2 西安工程大學城市規劃與市政工程學院 西安 710055

隨著大眾旅游時代到來,城市旅游逐漸興旺,歷史文化街區為了迎合時代需求,也常伴隨文旅開發行為。1990年以來,一大批傳統歷史文化街區正在朝新時代“文商旅街區”轉型,它們更加注重文化融合,且旅游屬性更加明顯[1]。如此背景之下,關中“文商旅街區”的發展現狀如何?擬將“景觀視覺”作為研究切入點對歷史文化街區建設與發展情況進行剖析。

“景觀視覺”的相關研究始于20世紀60年代,它往往從觀察者的角度對景觀進行考察,是組織景觀要素過程,探討景觀感知、景觀評價的重要指標[2]。目前“景觀視覺”的研究主要劃分成“景觀視覺審美”和“視覺景觀質量”兩種研究范式[3-6]。“景觀視覺審美”認為“景觀偏好受到社會和文化特征影響”[7],該范式通常將“對景觀的熟悉程度”作為影響“景觀審美”的重要因素,重視觀賞者的主觀感知層面[7]；“視覺景觀質量”認為“景觀視覺偏好受到早期生存選擇的影響”[8],傾向于對客觀因素的指標評級,如“森林/水面等地貌結構、各種文化特征(考古價值)和生物、生態結構”等[9]。上述兩種范式雖然出發點有所不同,但均表明圖像對于視覺特征的感知與識別有著重要影響。

“景觀視覺吸引”原理是“視覺景觀質量”的重要分支方向,它是劉濱誼教授及團隊基于計算機領域的“視覺注意(Visual Attention)”理論提出的概念[10]。該原理認為觀賞者的視覺會通過快速的生理感知與心理認知被景觀環境空間中的視覺刺激物(人們視線的焦點)吸引[11],是景觀空間質量的重要判斷標準[12]。目前關于景觀視覺吸引的研究主要集中在濱水、城市綠道和森林公園等景觀空間[13-15],研究對象以自然景觀空間為主,將景觀視覺吸引物分為“建筑構筑物、名勝古跡、標志系統、攝影取景點”等14種類型[6,8,16](表1)。

近年來,圖像的語義分割作為計算機視覺領域中一個較為活躍的研究方向引起了廣泛的關注[17]。全 卷 積 神 經 網 絡(Fully Convolutional Networks,FCN)作為像素級語義分割手段[18],能夠進行圖像數據的識別、分類和回歸等操作[19],目前已有不少研究針對街景等空間展開評估工作,如交通條件[20]、建筑環境[21]等其他物理因素,他們為研究提供了有益的借鑒。基于此,本文以FCN為工具,對3處關中“文商旅街區”30年(1990—2020年)的圖像信息進行語義分割,以探索關中文商旅街區的景觀視覺變遷。

1 研究區域與研究方法

1.1 研究區域

選取西安市三學街、咸陽市三原縣東大街和渭南市韓城古城街3條街區作為研究對象。3條街區的開發以居民為主導,政府職能多為完善基礎設施建設、引導協作,主要盈利模式為招商出租收益；橫向來看,3條街區具有開發相似性。

1.2 FCN技術的使用

1.2.1 景觀圖像的采集

通過翻閱縣志資料和Cityspace、百度等開源數據庫的搜索,找到46張街區照片作為史料參考(舊照),照片拍攝時間為1990—2010年；在2020年2月18日—4月10日,再次進行多次拍攝,以盡可能體現出街道風貌和貼近舊照為原則,共拍攝46張相同地段的街區現狀照片(圖1)。

圖1 新、舊照圖像采集示例

1.2.2 景觀圖像的預處理

為了提高模型數據強度以降低過度擬合的情況,使用平移、旋轉、縮放、翻轉等手動標記方式對圖像進行標簽分類；然后對照片執行樣本隨機化處理[22]；最后對FCN進行上采樣(即反卷積操作,Deconvolution)。該方法主要是為了獲取圖像中景觀像素相應位置的最大值,以便實現對橫向景觀圖像的像素分類[23]。

1.2.3 景觀圖像的數據清理

上采樣操作會導致景觀圖像整體分辨率的降低,為了進一步柔化細節、恢復圖像,還需要對圖像進行連續的卷積核池化操作[24]。在卷積核池化操作后,原始圖像的大小會成倍數變小,在第5次進行卷積池操作后,圖像大小變為原始圖像的1/32,此時繼續進行卷積池操作后,圖像不再變小,而特征圖(feature map)數量變少,此時再次執行反卷積操作以恢復原始圖像大小,這一步驟主要用于優化語義分割的結果。

1.2.4 基于FCN的語義分割識別

景觀圖像數據的語義分割是對圖像中的每個像素進行精確分割,并判斷其所屬的場景類別[24]。使用Python的第三方庫函數讀取橫向圖像,通過FCN對圖像中的景觀元素進行特征分類,并輸出語義分割結果[25-26]。

1.3 數據對比分析方法

1.3.1 街區景觀視覺刺激物類型分析

首先,按照“自然、半自然、人工、其他”4個大類,對“景觀視覺吸引”理論所提出的景觀視覺刺激物類型展開梳理,作為研究基礎材料。其次,將FCN語義分割所篩選出的圖像刺激物類型與之進行橫向比對。比對結果即“文商旅街區”景觀視覺刺激物類型。

1.3.2 街區景觀視覺刺激物類型變化分析

根據FCN語義分割結果,對“新、舊照”中各項景觀視覺刺激物類型占比情況進行整理。利用SPSS軟件對“新、舊照”中各項景觀視覺刺激物類型占比的前、后變化采取“配對t檢驗和Wilcoxon檢驗”兩種檢驗方法,以獲得準確的景觀視覺刺激物類型占比變化結果。

1.3.3 街區植物景觀變遷與人群分布分析

對發生顯著性變化的景觀視覺刺激物類型進行重點關注,將各時期照片進行圖層疊加運算,生成景觀刺激物類型面積占比轉移矩陣,獲得各時期景觀視覺刺激物類型的垂直變化。與此同時,將“植物”與“人群分布”作為重要的圖示信息,根據“新、舊照”中的圖像信息語義分割結果,對其進行平面化處理,發現各時期“植物”這一視覺刺激物與“人群分布”之間的內生關系。

2 結果與分析

2.1 街區景觀視覺刺激物的類型

通過FCN語義分割圖像,篩選出“建筑/構筑物、天空/瞬時的自然景象、植物”等共15類圖像刺激物(圖2),將其與研究基礎材料進行對比發現,“常與其他視覺刺激物類型混合出現(隱性視覺刺激物)、不占顯著視覺吸引地位”等視覺刺激物不作為本次研究的重點關注內容,因此共梳理出12類關中“文商旅街區景觀視覺刺激物類型”(表1)。

表1 “文商旅街區”景觀視覺刺激物類型

圖2 FCN圖像數據分割結果

2.2 街區景觀視覺刺激物類型變化

對“新、舊照”中各項景觀視覺刺激物類型占比檢驗結果發現,“建筑/構筑物、廣告與裝飾物、植物、銷售物品、人群分布、道路系統、基礎設施”7項景觀視覺刺激物類型呈現出顯著性變化(表2)。

表2 “文商旅街區”各景觀視覺刺激物類型占比檢驗結果

2.3 30年關中“文商旅街區”景觀變遷

重點關注發生顯著性變化的7項景觀視覺刺激物類型,對各時期照片進行圖層疊加運算,生成景觀刺激物類型面積占比轉移矩陣(表3、表4、表5),獲得各時期景觀視覺刺激物類型的垂直變化。

表3 1990—2000年發生顯著性變化的景觀視覺刺激物類型轉移矩陣 %

表4 2000—2010年發生顯著性變化的景觀視覺刺激物類型轉移矩陣 %

表5 2010—2020年發生顯著性變化的景觀視覺刺激物類型轉移矩陣 %

“建筑/構筑物”“道路系統”的視覺面積占比持續減少,“建筑/構筑物”大多被轉化為“廣告與裝飾物、植物、銷售物品、交通車輛”,“道路系統”對“人群分布”轉化的面積較多,能夠明顯看到該時期內的街區使用者數量明顯增加,且“商業化建設”對“人文景觀”存在一定程度的壓縮。

“廣告與裝飾物”“銷售物品”“人群分布”“基礎設施”的視覺面積占比處于持續增長的狀態,這一變化與“文商旅街區”的主題訴求一致,也從側面佐證了政府對于文商旅街區開發的態度,可以認為以歷史文化街區為基底的“文商旅街區”基礎建設工作是卓有成效的。從促進地區經濟建設的角度看,“文商旅街區”應該是成功的。但持續上漲的“銷售物品”占比傾軋了“建筑/構筑物”的面積占比,“人群分布”對“交通車輛”的轉化面積也較多,難免形成“商大于文”的景觀傾向。

“植物”的視覺面積出現從低到高的波動狀態,根據2010—2020年的走勢(上升趨勢),基本可以認定街區綠化已經被納入街區景觀的重要建設環節。

2.4 街區植物景觀變遷與人群分布

“植物”景觀視覺刺激物類型是關中“文商旅街區”中重要的自然景觀組成部分,關注自然景觀對人文環境的影響,有助于平衡“文商旅街區”的景觀視覺吸引。在深入分析變化較大的視覺刺激物類型后,發現各景觀視覺刺激物類型均與“人群分布”存在不同程度的影響,即街區空間和人群行為之間存在互動、耦合關系。將“植物”與“人群分布”作為重要的圖示信息,根據“新、舊照”中的圖像信息語義分割結果,對其進行平面化處理(圖3),從新舊照“人群分布”的對比結果發現,三學街和韓城古城街區在30年的“文商旅街區”轉型中,人群分布表征逐漸從“無相似性”轉成具有“一定的相似性”；從新舊照中“植物”種植變化看,發現西安三學街和渭南市韓城古城街區植物均具有“小面積”增加的特性(表6)。

表6 1990—2020年人群分布的特征變化

圖3 根據圖像語義分割結果的人群位置平面轉化

結合前述出現“相似性”轉變的共性特征,可以做出以下判斷:當街道視覺景觀開闊時,人群分布呈現出“沿建筑的線性”特征；當街道視覺景觀被植物等綠色植物大面積覆蓋時,人群分布呈現出“散點性”的特征。因此,植物景觀的密集程度對人群分布的狀態顯著相關。

3 優化建議

1)管控“商業”類型景觀視覺刺激物。文商旅街區目前主要針對歷史重要性一般的街區進行商業改造,其目的是在弘揚傳統文化的同時實現商業的創收,但目前文商旅街區的“商業”屬性已然較重,適當對“商業”類型的景觀視覺刺激物加以控制,提高“文化與自然”屬性的景觀視覺刺激物占比是“文商旅”街區下一步要關注的重點；還可考慮增加“人文詩詞、植物”等視覺刺激物。

2)減少“交通車輛”的出現比例。“建筑/構筑物、道路系統”的景觀視覺面積占比在30年文商旅街區發展的過程中持續縮小,該現象將不利于文商旅街區的人文景觀構建,且容易形成游覽視野的閉塞感。認為可以適當減少“交通車輛”的出現比例,可嘗試通過限行、限時等手段輔助,以增加視覺的開闊度,也有助于形成良好的文商旅街區氛圍。

3)增加“植物”景觀視覺刺激物類型。增加綠色植物在街道景觀中的視覺面積占比對街區人群分布散點性展開有明顯驅動作用。結合文商旅街區的發展目標,該方法將有助于游覽者多角度、全方位的形成游憩體驗,但考慮到歷史文化街區基底,一般可通過花壇、盆栽等形式輔助,結合原有植物群落共同打造街區植物景觀。

4 結論與討論

研究基于全卷積神經網絡技術,通過對文商旅街區景觀視覺刺激物類型、街區景觀變遷、街區植物景觀變遷與人群分布等內容的調查研究發現:“建筑/構筑物、廣告與裝飾物、植物、銷售物品、人群分布、道路系統、基礎設施”等7項景觀視覺刺激物類型呈現出顯著性變化,而該變化亦反映出“文商旅街區”景觀的“服務性”意識正在逐漸增強。其中,“建筑/構筑物、道路系統”的景觀視覺面積占比呈持續減少狀態,而“廣告與裝飾物、銷售物品、人群分布、基礎設施”等的景觀視覺面積占比則呈現出持續增長,“植物”的景觀視覺面積占比則呈現出由少到多的波動狀態。與此同時,植物景觀的密集程度對人群分布特征具有顯著相關性。

本研究是“景觀視覺吸引”原理的一次延伸探索,借助圖像對比的研究思路,對關中“文商旅街區”的街區景觀變遷進行分析總結,并在此過程中發現植物景觀對人群分布的影響。但研究同時存在一定不足,圖片無法完全真實反映景觀環境中可能包含的其他影響因素,如聲音、溫度、光線等,這些均會對研究結果中人群分布的準確性產生一定影響。未來研究應從動態角度入手,如嘗試視頻記錄和眼動儀等儀器的使用等。本研究作為初期的一次調查演示,為中后期大規模的關中景觀變遷調查提供了研究信息。