城市绿地景观设计方案推荐与三维模拟

彭先敏， 唐丽玉， 于大宇

(福州大学空间数据挖掘与信息共享教育部重点实验室, 福州大学地理空间信息技术国家地方联合工程研究中心, 福建 福州 350108)

0 引言

绿地系统具有生态、 文化、 社会和审美等多重功能[1]. 通过“适地适树， 适树适地[2]”， 科学选择不同树种， 合理进行配置， 形成适宜的生物群落结构和季相变化， 最大化发挥绿地景观的生态效益， 对城市可持续发展有着至关重要的作用. 园林景观规划中， 专家经验知识已发挥了重要作用， 随着数据和知识的价值不断受到重视和应用， 利用知识工程的工具和系统， 可以提高规划的自动化程度[3].

由于城市绿地规划的特殊性， 在树种选择方面， 主要考虑植物区系、 种植区立地条件、 树木外观、 生态服务功能、 植物多样性、 绿化管理等方面[4-5]. Voget等[5]建立了温带气候区城市绿化树种选择库CiTree， 选择绿地规划树木时， 可根据立地条件从数据库搜索， 结合园林规划目标， 利用地理知识， 建立规则， 形成规划方案. 地理知识集合通过地理对象、 关系、 结构、 本体论、 地名录、 规则和数学模型描述， 然后建立知识推理机， 可应用于城市规划[6-7].

城市绿地设计具有复杂度高、 实践性强等特点， 规律性知识不能完全表达规划方案， 需要结合经验知识， 而交互式三维可视化工具能够结合两种知识来辅助表达设计方案. 为实现绿地空间与其相关生态系统服务指标的三维可视化， Neuenschwander等[8]将绿地空间类型和模式设计图集成到ESRI CiytEngine的建模和可视化过程中. Santosa等[9]开发了交互式三维可视化系统， 通过视觉评价， 为辅助决策者提高街道景观的质量. 景观设计需要好的用户交互和沉浸感体验， Hou等[10]利用增强现实技术实现与用户的交互； 周向戈[11]采用虚拟现实技术表达三维园林景观效果. Lovett等[12]对景观可视化呈现信息的能力进行评估， 认为三维可视化技术应用要根据不同目的和受众特点选择不同的方式.

基于知识的规划系统， 通过整合以往城市绿地设计经验和知识， 建立推理引擎， 提出新的设计模型， 并选择适宜的树种， 增加城市植物的多样性与可持续性利用. 本研究以OSG[13-15]三维渲染引擎为基础搭建原型系统， 建立绿地景观规划的规则表达， 实现规划方案的推荐和三维交互式展示.

1 城市绿地景观设计知识库

1.1 知识的提取

1.1.1城市绿化植物适应性条件

科学性是城市绿地景观规划设计必须遵循的基本原则. 按照研究区域所处的气候带、 植被带和立地环境条件， 再根据规划目标和植物景观的“四性”进行设计. 而植物长期处于特定环境， 受该环境的影响， 通过相互作用， 形成固有的适应属性. 如生长在水中的植物水芋、 睡莲， 耐干旱的如皂荚、 合欢. 在不同地域、 坡向、 群落位置结构等光照情况不同， 也造就了不同植物对光照需求不同. 如杨、 柳等阳性植物在植物群落常为上层就需要全日照. 城市道路由于车辆长期碾压， 土壤密实度较高、 透气性差， 加上空气中充斥二氧化硫、 粉尘等有害物质， 导致行道树的选择就要考虑其生态习性能否适应城市较为恶劣的生长环境.

不同的地域决定植物生长的气候环境， 形成各具特色的植被带景观和适宜当地生长的树种. 城市绿地树种在选择方面， 更多考虑的是植物固有的生态习性， 如对光照、 水分的需求， 能否吸收空气中有害气体等. 如If “福州， 行道树、 吸收尾气” Then “夹竹桃、 樟树等”.

1.1.2观赏性与功能

植物种类丰富多彩， 其观赏特性也大不相同. 如冠型整齐或怪异、 树姿雄伟或秀丽、 枝叶鲜艳或多彩、 花繁叶茂、 香气四溢、 果实诱人等都是植物的观赏特性. 如行道树的选择就需要树冠整齐、 姿态优美、 可为行人及车辆庇荫的树种.

城市绿地的功能各不相同， 树种选择上也存在差异. 如道路绿地应满足道路交通安全的需求， 再兼顾景观和生态防护等功能. 以致选择树种通常是树干通直的落叶阔叶大乔木， 夏天可为行人遮阴， 冬天亦不遮挡阳光.

因此， 规划树种选择需从形态特征和生态功能如净化空气、 调温调湿， 社会功能如美化环境、 引导车流等方面考虑.

1.1.3植物空间配置

按照《城市绿地分类标准》[16]， 以典型绿地， 道路和居住绿地为例. 再按照绿地植物种植方式在计算机中表达的形式是面状或沿线种植和绿地的主要功能， 将种植用途分为风景树和行道树.

利用地理知识， 可以确定已知地理特征的位置信息， 如确定路径方向、 两处距离、 目标位置和几何形状[17]. 城市道路根据其宽度和功能可划分为主、 次和支干道. ① 主干道： 连接各功能区， 宽度可达40 m. 机动车道和非机动车道分开， 道路每侧一般会有两个种植带， 即“三板四带式”； ② 次干道： 不同区域内部骨干道路， 如居民区， 宽度可达20～30 m. 道路中心设置宽度2 m以上绿化带作为分车带， 严格区分上、 下行车辆， 即“两板三带式”； ③ 支干道： 一般宽度为10～20 m， 路面不划分车道. 绿化方式是人行道和车道之间各植一排树， 可单一树种也可乔灌间植， 即“一板两带式”. 设计样式如图1所示， 其中：d1表示距离道路中心线距离；d2表示株距. 如If “支干道” Then “种植方式为 ‘一板两带式’，d1=5.5 m，d2=3 m”.

图1 行道树空间配置示意Fig.1 Spatial configuration of street trees

居住绿地园林植物造景， 其主要种植点配置方式有孤植、 丛植、 群植. 孤植的树木要求姿态优美、 色彩鲜明、 体型较大. 丛植即几株同种或异种花木不等距离地种植在一起形成树丛效果. 群植即同种或多种花木的群体组合， 以表现群体美为主. 图2是孤植、 丛植、 群植示意图， 其中红色曲线为种植块区域，m是行距，n是株距. 如If “福州、 风景林、 观花” Then “黄花鸡蛋花和红叶石楠、 丛植”.

图2 风景林空间配置示意Fig.2 Spatial configuration of scenic forest

1.2 知识库构建

通过阅读大量文献资料和参考《植物景观规划设计》[2]、 《园林绿化树种选择技术引导》[18]等综合植物群落景观分布特色、 植物立地条件、 植物观赏性与功能、 空间配置等多个方面构建城市绿地景观规划的知识库， 其中通用树种描述因子如表1所示.

表1 城市绿地树种描述因子

续表1

根据表1的树种描述因子， 设计城市绿地景观树种推理知识库， 其关系结构如下：

知识库(适用地区， 用途， 观赏特性， 生态习性， …， 基调树种， 小乔， 灌木， 地被， 营造模式， 种植点配置形式， 株行距， …).

树种选择和空间配置时考虑到， 同一树种可能会满足多种条件， 即选择条件存在多值. 假设适用地区条件a1， 观赏特性a2， 生态习性a3， …， 那么规则就有a1×a2×a3×…×an条. 为了有效减少同一树种选择的规则条数， 将每条规则中每个条件的多个值用“， ”分隔开， 使得获得该树种的规则数由a1×a2×a3×…×an条变成只有一条. 这样的存储方式不仅减少规则条数， 而且符合树种选择专家的知识构成， 同时让知识库的更新也较为便捷， 更加快后续的推理工作.

2 基于知识推理的城市绿地景观方案生成

2.1 知识推理

城市绿地景观规划根据研究区立地条件、 艺术效果和特定的实用性功能等要求， 由产生式规则来表达规划方案， 并基于规则推理得到研究区域不同的设计方案. 在规则推理中， 规则是以产生式的形式编码.

表2 规划设计目标集

其基本形式是“IfPThenQ”，P是产生式的前提条件， 它给出了先决条件是由实际情况的逻辑组合构成；Q是得出的一组结论或者操作， 即当满足前提条件P时， 应该推出的结论或者要执行的操作. 研究采用基于规则的正向推理方法， 规划设计目标集是条件， 树种选择和空间配置方式作为结果. 基于VS2010开发环境， 研发规则推理机， 通过交互式界面输入条件， 利用规则推理机获得设计方案. 通过结合《福建省城市绿地建设导则》[19]和地域特点确定针对福建省特定区域的规划目标. 再结合绿地规划的树种通用描述因子进行目标集设定， 列于表2.

2.2 方案推荐

推理机核心即规则的存储与遍历， 为了减少不必要的系统开销， 以数据结构中深度优先遍历算法中的先根次序遍历为基础， 采用带双标记的先根次序表示法来存储规则. 将规则结点排成先根序列， 存放于静态链表中， 用Itag来标记结点是否有子女， rtag来标记是否有右兄弟. 其中0表示结点有子女/有右兄弟， 1表示结点无子女/无右兄弟. 通过各个结点的Itag、 rtag值可以快速从左到右求出它们长子和右兄弟结点的位置. 当Itag=0且rtag=1时表明当前结点有子女无右兄弟， 根据先根次序遍历原则， 其长子一定紧跟它后面的下一位置. 当Itag = 1且rtag = 1时， 表明当前结点既无子女也无右兄弟， 这个结点必然是某棵子树在先根次序里面的最后结点. 该子树的根节点若有右兄弟， 必定在此结点的下一位置.

基于此， 以规划方案为中心， 开展植物适应性条件-观赏性与功能-空间配置、 植物适应性条件-观赏性与功能、 植物适应性条件等方面推理， 以达到规划设计目标， 推理流程如图3所示.

图3 基于规则推理示意图Fig.3 Rule-based reasoning schematic

3 设计方案三维模拟及交互调整

传统景观规划设计主要以二维、 静态方式表达设计成果， 难以诠释设计者价值取向和审美观念， 而且公众参与度不高， 更是存在方案更新不便、 “一改动全身”的问题. 研究采用产生式来表达规划方案， 结合交互式种植设计等， 其形式灵活便捷、 方便修改， 并通过三维展示给从业人员提供强有力的辅助设计工具， 也能让用户更直观地感受规划效果.

3.1 城市绿地景观三维模拟

基于OSG三维渲染引擎， 结合产生式表达规划方案以及交互式空间配置技术， 研发设计方案的推荐和三维模拟的原型系统. 主要有三大模块： ① 场景数据组织与管理模块， 即调用ArcEngine组件对地形、 地形纹理、 树种三维模型库等进行二维组织与管理； ② 三维场景模块主要由真实地形、 树模型及建筑物等构成； ③ 基于规则推理， 实现城市绿地景观规划方案的推荐， 结合推荐方案和交互式调整来最终进行绿地景观的三维展示， 如图4所示.

图4 系统实现流程Fig.4 System implementation process

3.2 方案三维模拟

图5为行道树种植方案推荐过程. 具体步骤如下： ① 进入植物配置规则库， 获取相应规则； ② 从第一条规则开始， 逐条匹配“适用地区”选项， 记录能够匹配的规则编号； ③ 从上面保存能够匹配第一个条件的规则中逐条匹配下一个条件， 再次保存能够完全匹配两个条件的规则编号； ④ 重复步骤③直到所有条件匹配完成， 输出能够完全匹配所有条件的配置或中途匹配失败， 退出.

3.2.1行道树模拟

城市道路植物景观一般是沿道路线来设计， 即按照道路线的线状矢量图层进行种植设计. 设计流程如下： ① 通过在ArcEngine组织管理的多个图层中， 选择道路的线状矢量图层， 选取要进行模拟种植的道路线； ② 根据推理方案得到空间配置规则和树种进行模拟； ③ 通过TreeEngine[20]加载参数化建立的三维树模型. 树模型具有多细节层次(levels of detail, LOD)结构， 可以在三维场景中根据远近不同的视点实现真实感场景的自适应可视化等， 且有效削减程序开销； ④ 根据株距和离道路中心线距离确定种植点， 渲染树实例到每个种植点. 图6以支干道为例， 采用锦叶榄仁与红花继木球间植方式在道路两侧种植， 用以模拟行道树种植.

图5 行道树种植方案推理界面Fig.5 Reasoning interface of street trees planting scheme

图6 行道树三维模拟Fig.6 3D simulation of street trees

3.2.2风景林模拟

城市居住绿地设计主要有规则式和自然式， 自然式可选择规则种植并结合交互式调整实现. 其中规则种植流程如下： ① 选择进行种植设计的shapefile图层， 选中种植块； ② 获取种植块的外接矩形， 由设定的株、 行距对外接矩形进行网格剖分， 并判断网格点是否位于种植块内部； ③ 根据网格点的平面坐标获取对应高程， 并判断每个点需种植的树种， 最后在三维场景进行渲染. 图7以小叶榕孤植、 黄花鸡蛋花和红花继木丛植、 美丽异木棉与羊蹄甲群植分别进行三维模拟.

图7 城市居住绿地三维模拟Fig.7 3D simulation of urban residential green space

3.3 交互式调整

图8 群植交互式展示Fig.8 Group planting interactive display

园林景观设计通过规律性知识进行产生式表达来控制方案， 但植物配置更多体现的是随意性与灵活性等方面. 如图7的群植植物空间配置不均匀， 根据经验知识， 通过交互式操作， 在停车场附近选点种植树木， 移动树木. 而旋转植物、 缩放比例使其呈现不同角度和比例， 让整个植物空间配置更具合理性. 交互式操作在三维场景中， 主要是对树模型节点进行矩阵的乘法操作， 实现模型的移动、 旋转、 缩放. 图8展示交互式操作群植的植物空间配置.

4 结语

研究针对目前园林景观规划中缺少利用规律性知识进行形式化表达、 交互式设计和规划方案三维展示等问题， 初步提出利用产生式表达种植方案， 并根据研究区域特定条件， 利用规则推理的方式得到规划方案； 基于OSG三维渲染引擎和真实地形数据构建基础三维场景， 并以园林植物的选择和空间配置方式为例， 通过交互式种植实现城市绿地景观的三维展示， 从而验证整体研究的有效性. 通过三维场景、 交互式工具等方式展示规划设计效果， 供决策者、 设计者以及公众从任意角度、 通过实时互动真实地看到设计的效果， 身临其境地掌握周围环境， 并理解和体验设计师的意图. 但鉴于城市绿地系统的多样性、 复杂性以及景观规划实践性强的特点， 提出的整体方案还需要在园林景观规划行业的实践中进行调整和优化.