基于视觉信息的高速铁路声屏障景观量化分析探讨

刘江伟，吴小萍

(1.中国铁路设计集团有限公司，天津 300308；2.中南大学 土木工程学院，湖南 长沙 410075；3.伦敦大学学院 交通研究中心，英国 伦敦 WC1E6BT)

在高速铁路造成的污染中，噪声污染最为明显，其直接或间接地影响铁路沿线人民群众正常的生活和生产，成为不可忽视的环境问题[1]。目前，高速铁路声屏障是解决噪声污染的重要途径。在声传播途径上建造各种形状的声屏障，是改善铁路沿线和站场周边噪声敏感区声环境质量的有效措施，也是迄今为止解决交通噪声问题使用最多、最有效的途径[2]。

声屏障作为高速铁路的重要组成部分，在隔声降噪的同时，也成为铁路沿线的一道风景。但铁路两侧同时修建声屏障时，司机和旅客会有不同程度的压抑、紧张、疲劳等不适感觉，司乘人员感觉犹如在长长的廊道中行进，形成廊道效应。因此，通过景观美学设计优化声屏障的景观效果，减少声屏障对旅客视觉造成影响，提升旅客视觉美感，成为重要的研究目标和方向。文献[3]通过声屏障景观设计为旅客带来视觉上的审美愉悦以降低声屏障的视觉冲击，并提出铁路声屏障景观设计方法。文献[4]从声屏障的屏顶、屏面、屏体、端头、空间位置、质地和光照等要素入手，对声屏障景观构造方法进行探讨。文献[5]认为声屏障的景观效果主要取决于声屏障的外观形状、观看者视觉效果及其与周围建筑、环境的协调性，并通过成灌城际铁路声屏障设计进行铁路声屏障景观设计探讨。文献[6]从景观设计原则、外观设计、材料选择、色彩选择、与周围景观的协调与过渡五个方面提出铁路声屏障景观设计方法。文献[7]从景观需求的角度对声屏障的空间特性进行深入研究，从序列与节奏、空间围合度、视觉取向力、环境兼容性和地域文化性等方面提出声屏障景观补偿设计方法。文献[8]认为声屏障通常会对沿线环境以及道路上的行人产生强大的视觉冲击，并从行人视觉感知的角度，阐述声屏障景观设计的一般原则和基本方法。文献[9]基于丹麦、荷兰、法国等多国声屏障实例，研究不同环境背景下声屏障材料选择与颜色配置，认为声屏障景观设计应采用植被烘托隔音屏障形状和线形变化的方法。文献[10]认为在高等级公路上应使用粗糙的纹理和简单、鲜艳的图案以提高辨识度；而在低等级公路及人行道上，应使用相对细密、丰富的纹理，便于辨别和感知。文献[11]认为声屏障景观设计应与空间环境协调，不同类型的声屏障其空间形式也不同，具有不同的环境适用性。文献[12]通过向受噪声干扰的民众展示不同类型和外观的声屏障，以公众参与和评议的形式确定声屏障的类型和外观，使声屏障的景观形式多样化。文献[13]指出连续不断且缺乏变化的声屏障容易造成驾驶人员视觉疲劳,声屏障景观设计的目标就是最大限度地减少由声屏障的设置引起的压抑感和廊道效应。文献[14]认为由于声屏障由不同材料构成，其质地和纹理也不相同，提出声屏障纹理和图案的设计，主要依据交通工具的行驶速度，行驶越快，图案和纹理的设计应该越醒目。文献[15]采用计算机可视化场景分析方法，分析不同高度和类型的声屏障对旅客视觉质量的影响，并对旅客的视觉质量进行数据调查，认为声屏障的视觉影响与旅客到声屏障的距离有关。以上研究注重定性分析铁路声屏障景观特性与改善声屏障景观方法，聚焦在公路声屏障。

如何运用量化方法科学分析高速铁路声屏障景观特性并进行评价是本文的重点。本文从视觉信息角度定量分析铁路声屏障景观特性，建立声屏障景观量化评价模型，目的是改善和提升铁路声屏障景观设计，为高速铁路声屏障工程应用提供借鉴和指导。

1 高速铁路声屏障景观特性

高速铁路声屏障景观是一个与观察者密切联系的复杂系统，在高速列车上，旅客与声屏障景观是一种刺激-反应的关系，旅客根据观察到的视觉信息，对周围的环境和景观质量做出评判。根据高速列车乘客观察到的视觉信息，可以将声屏障景观特性分为空间特性和视觉特性。

1.1 高速铁路声屏障景观空间特性

高速铁路声屏障景观空间特性是指旅客在高速运行的列车上所能观察到的视野空间。文献[16]采用视域、形状和天空作为概括景观视觉质量的量化指标，研究不同道路路网结构对街道景观质量的影响。文献[17]采用视角、视高、视距和视阈等视觉要素指标量化分析城市街道景观。文献[18]认为天空开阔指数可以有效反映视觉空间的开阔程度。高速铁路沿线声屏障会对列车上的旅客产生视觉干扰，影响到旅客视觉空间的开阔程度。同时，由于不同区段的高速铁路声屏障与线路的距离不同、线路数目的不同、线路两侧声屏障间距的不同，声屏障对铁路乘客所产生的视觉空间影响不尽相同。综合以上研究，结合高速铁路声屏障对铁路乘客视觉空间的影响，本文将近距比、远距比、宽高比、天空开阔指数作为衡量高速铁路声屏障空间视野开阔程度的景观量化要素指标。

高速铁路声屏障距线路外轨道的最近距离与声屏障高度的比值称为近距比α，声屏障距线路内轨道的最远距离与声屏障高度的比值称为远距比β，线路两侧声屏障横向间距与声屏障高度的比值称为宽高比γ。近距比α可以有效地衡量旅客观测窗外景观视角的开阔程度，当旅客离声屏障最近时，声屏障高度越小，近距比越大，旅客越容易观测到声屏障外的景观。当列车上的旅客离声屏障最远时，远距比β能对旅客观测周围环境的视野进行量化。声屏障的横向间距越小，高度越大，对旅客产生的心理压抑程度越大；若线路两侧声屏障的横向间距增大，则可以增加旅客观察周围环境的视野开阔度，有效降低声屏障设置使旅客产生的不适和压抑感，但线路两侧声屏障的横向间距一般受到铁路线路建筑限界的限制，而声屏障的高度也会对旅客的视野空间产生较大的影响。因此，本文采用宽高比γ衡量高速铁路声屏障景观开阔度。

天空开阔指数是在观察点上看到的所有天空在视域锥面中所占的比例，一般用立体角λ表示。人眼视野是一个以眼睛为顶点的不规则空间棱锥体，所有进入视野的视觉元素都可以在人眼内形成一个相应的视角[19]。在进行空间开阔程度研究时，视野中的遮挡物在视网膜上产生一个相应的投影面积，这个面积的大小，表征了物体对视线的遮挡程度。将数字图像作为评价媒介时，在忽略相机边缘畸变的情况下，可近似用天空面积与全图像面积之比反映天空的开阔程度[18]。

1.2 高速铁路声屏障景观视觉特性

当旅客在高速运行的列车上观察窗外的环境时，呈现的视觉是连续不断的声屏障的图像。近年以来，在图像处理中已经用于基视觉的信息熵-视觉熵来描述人眼对视觉信息的主观度量，既符合人类的视觉特征，又易于进行量化分析[20]。因此，可以用视觉熵μ对旅客所能观察到的视觉信息进行度量，来表征视觉对象的复杂程度，视觉熵的值越高，表明旅客所能观察到的视觉信息越丰富，景观效果越明显。同时，声屏障的色彩是旅客最容易感知的信息内容，不同颜色会对旅客的视觉和心理产生不同影响[21]，在视觉信息量化及视觉注意机制的研究中，通常将色彩丰富指数ξ作为衡量研究对象颜色丰富度的指标[18]。因此，本文将视觉熵μ、色彩丰富指数ξ作为声屏障视觉景观的指标要素。

在数字摄影和图像处理技术应用相对成熟的基础上，借助 MATLAB2014 软件，采用图像处理方法对各被评价图像的视觉熵μ进行计算，主要包括以下过程:读入图像并对其进行灰度化；对图像进行增强，提高灰度比；设定生长阈值，并进行区域划分；计算每个区域的面积；计算视觉熵μ。色彩丰富指数ξ是视觉熵μ中加入色彩因子后的改进指标，借用视觉熵的计算思路，可在熵计算公式中的概率Pi前乘以一个能代表所在区域颜色的量值，以灰色、绿色、蓝色模式的图像文件为例，需要提取区域内代表性的点在3个颜色坐标系内的色彩值，并取3个色彩值的算术平均值，再将该平均值加入熵的计算公式以体现色彩具有的特征[22]。

1.3 高速铁路声屏障景观量化值

基于对高速铁路声屏障景观特性的分析，综合考虑对声屏障景观效果产生影响的不同景观要素，本文采用已经建成的高速铁路两侧具有代表性的声屏障图像(图1)进行实例分析。

将图形作为景观量化媒介，经过MATLAB程序数据计算，得到不同声屏障景观指标量化值，如表1所示。

(a)直立百叶孔型

(b)顶部折角透明型

(c)彩钢板圆弧型

(d)直立穿孔型

(e)直立型镀锌

(f)直立型铝板

(g)复合微孔直立型

(h)金属微孔顶部弧型

(i)全封闭型

(j)组合透明型图1 部分声屏障例图

表1 高速铁路不同声屏障的景观指标量化值

图号空间特性视觉特性近距比α远距比β宽高比γ空间开阔指数λ视觉熵μ色彩丰富指数ξ图1(a)0.724.436.150.2457 83418 956图1(b)0.608.628.820.3278 15223 892图1(c)0.802.753.550.3625 6826 859图1(d)1.253.684.930.4812 6944 673图1(e)1.406.567.960.1316 9855 698图1(f)1.337.028.350.4022 9867 562图1(g)1.007.848.840.3028 5629 755图1(h)0.506.376.870.3835 87212 756图1(i)0.401.371.770.0815 8746 896图1(j)0.755.145.890.6268 45822 702

2 高速铁路声屏障景观量化评价模型

2.1 权重的确定

层次分析法能有效计算不同因素的权重，具有实用性、系统性和灵活性。因此，本文采用层次分析法确定不同的权重因素。建立判断矩阵后，分别求解判断矩阵的最大特征根和相应的特征向量，然后计算和确定权重。通常采用1～9及其倒数法建立判断矩阵U=(Pij)n×n，计算判断矩阵U的最大特征根P和对应的特征向量Y，特征向量Y中的元素表明所属因素的重要性程度[23]。以声屏障的景观效果为目标，以景观要素向量J=[αβγλμξ]中各元素为指标，通过专家问卷调查评分法，并根据各景观要素指标评分均值，建立相应的判断矩阵

(1)

运用MATLAB计算该判断矩阵的特征根，经过比较和分析，该判断矩阵的最大特征根P=6.60，最大特征根对应的特征向量为Y=[0.66 0.11 0.21 0.16 0.34 0.61]。

随后对该判断矩阵U进行有效性检验[15]：根据判断矩阵的最大特征根，计算得一致性指标CI=0.122 3；当判断矩阵为6阶方阵时，查表得平均随机一致性指标RI=1.26；计算得一致性比例CR为

(2)

CR<0.10，表明该判断矩阵通过有效性检验，所得到的声屏障景观各指标重要性系数是合理的。通过对特征向量进行归一化处理，可以得到高速铁路声屏障景观要素向量J=[αβγλμξ]中各对应元素的权重向量W=[0.317 0.054 0.101 0.075 0.163 0.290]。

2.2 原始数据的处理

运用极差变换原理，对原始数据进行处理，得到相应的值如表2所示。

表2 极差变换后的声屏障景观数据

续表2

2.3 模型计算与分析

根据高速铁路声屏障工程应用及铁路声屏障景观效果通用分类，将高速铁路声屏障景观的各因子根据其极差变换后的值分为4个灰色组，即优秀组、良好组、普通组、不良组。根据聚类分析的要求，通过考虑最大和最小值，分别选取相应的值作为节点来划分不同景观组的取值范围。四个不同景观组的取值节点如下：X1=0，X2=0.25，X3=0.50，X4=0.75，X5=1。不同铁路声屏障景观所属的组类别取值范围如下：优秀组为(0.75,1]，良好组为(0.50,0.75]，普通组为(0.25,0.50]，不良组为[0,0.25]。

(3)

最后，计算声屏障景观i对于景观组k的综合聚类系数[24]

(4)

通过计算得到不同声屏障景观的综合聚类系数，见表3。不同声屏障景观对于不同景观组的综合聚类系数反映了该声屏障景观隶属于该组的可能性，其值越大，表明该声屏障景观隶属于该组的可能性越大。根据隶属度最大值原则，分别确定不同声屏障景观所隶属的景观组。铁路声屏障所隶属的景观组表明其景观所具有的景观效果，例如，某声屏障景观隶属于良好组，则该声屏障景观效果良好，具有良好的视野空间和视觉效果。通过数据比较与分析，可以确定图1(b)、图1(f)、图1(j)声屏障景观属于良好组，表明其景观效果良好，声屏障景观综合效果优于其他声屏障。同时，图1(a)、图1(e)、图1(g)、图1(h)声屏障景观属普通组，说明这类声屏障景观效果一般，而图1(c)、图1(d)、图1(i)铁路声屏障景观属于不良组，表明这类声屏障景观效果欠佳，需要采取措施予以改善和提高。同时注意到，选取的声屏障景观无一隶属优秀组，表明相关的高速铁路声屏障景观需要改进设计以提高其景观综合效果。

表3 不同声屏障景观的综合聚类系数

2.4 视觉评判检验与讨论

通过数字1～9赋值景观调查法，邀请不同领域内的专家学者、高速铁路乘客、群众等对上述10种类型的声屏障景观视觉效果进行评判，经过均值计算和数值转换，得到不同类型铁路声屏障景观的视觉效果均值。同时，依据景观效果分类要求和数值转换后的景观效果均值，结合最大值和最小值，确定不同类型声屏障景观所属的均值区间:优秀类(7，9],良好类(5,7]，普通类(3,5]，不良类[1,3]。通过景观视觉调查所获得的数据对景观进行分类，见表4。

表4 不同铁路声屏障景观效果均值及分类

通过表3与表4对不同声屏障景观效果所属类别的对比，可以发现，除图1(e)和图1(g)外，通过视觉信息量化分析确定的景观效果类别与基于视觉调查数据所确定的分类基本吻合，两种方法所得到的景观效果分类具有较高的一致性。因此，通过视觉空间和视觉信息确立的声屏障景观量化分析模型可以对铁路声屏障的景观效果进行有效评估和分类。但由于铁路声屏障景观效果视觉评判具有较强的主体性和主观性，不同评判主体色彩敏感度、色彩倾向、视觉感知等不同而对铁路声屏障具有不同的视觉体验，并对视觉评判结果产生重要影响。同时，参与视觉评估的主体职业、年龄、性别、文化教育程度、出行偏好、出行频率等不同，也会对铁路声屏障景观效果的视觉评判产生影响，使视觉评判结果和采用景观模型计算方法确定的评判结果产生偏差。

3 结论

(1)通过对高速铁路声屏障景观特性进行视觉空间和视觉信息分析，提出声屏障景观量化分析指标，并运用视觉原理和图形学计算方法，对选取的高速铁路声屏障景观特性值进行计算。根据计算得到的相关数据，构建了灰色层次分析模型，实现了对不同高速铁路声屏障景观的有效分析和评判，弥补了传统声屏障景观分析和评判过于主观的缺陷。

(2)利用铁路声屏障景观视觉质量调查法获得的评判结果对运用铁路声屏障景观模型计算方法确定的景观评判结果进行检验，并对影响视觉评判结果的因素进行了探讨。分析表明，尽管两种方法所得到的评判结果存在偏差，但两种方法所得到的评判结果仍然具有较高的一致性，通过视觉信息和图形学计算方法建立的铁路声屏障景观量化分析模型能够比较准确地实现对铁路声屏障景观视觉质量的评判。

(3)本文探讨的基于视觉信息的铁路声屏障景观量化分析方法，对于改善和提高声屏障的景观效果，具有重要的启示和借鉴意义。在满足降噪要求的前提下，设置声屏障不仅需要注重其与轨道中心线的距离，使屏障高度和屏间距保持平衡以创造良好的视觉空间，同时应注重屏障本身所携带的信息量。高速铁路声屏障对旅客的影响不仅是视觉空间和信息上的，更多的是对旅客心理和情绪的影响，因此在未来的研究中，需要采用更加科学和系统的方法进行分析。