大数据驱动的环境景观设计方案评估研究

赵克让

（黄河科技学院，河南 郑州 450006）

0 引 言

环境景观设计方案评估结果受多种指标影响，其中包括尺度、材质、形态、结构等。这些指标共同作用的结果决定了环境景观设计方案评估的科学性与准确性，对区域环境影响评价时，需了解评价指标的主次关系、影响力大小，抓住影响因素的关键，以提高评价的准确性[1-3]。传统的环境景观设计方案评估模型受到影响因素制约，导致环境景观设计方案评估结果与实际评价结果具有差异性[4-6]。灰色关联分析是一种大数据分析方法，其可以对某一发展变化系统的动态过程、发展态势量化分析，反映各个因素之间的亲疏次序和空间分布规律。使所研究对象从结构、模型、关系上由模糊到评价，逐渐明确不确定因素，进而得到系统内各个因素之间的关联度，得到评价结果[7-9]。

针对目前存在的问题，本文设计一种基于大数据驱动的环境景观设计方案评估模型。将效果评价准确性作为设计出发点，对环境景观设计方案评估信息无纲化处理，提取环境景观设计方案的评估信息，得到评价指标。在此基础上，计算各权重指标、构建判断矩阵、计算关联因素变量。最后将灰色关联分析应用到环境景观设计方案评估中，完成环境景观设计方案评估。实验对比结果表明，此次设计的环境景观设计方案评估模型比传统方法评价准确性高。

1 提取环境景观设计方案评估信息

环境景观设计方案评估信息中各个因素的物理意义不一致，计算单位具有差异性，数据量纲和数量级不同。在提取环境景观设计方案评估信息之前，进行无量纲化预处理，预处理公式如下所示：

式中：min（j）和 max（j）分别为i=1，2，…，j时，数据序列xj在第j项的最小值和最大值[10]。

根据上述公式生成评价指标，如表1 所示。

表1 评价指标

经过上述无量纲化处理，得到一个无量纲的新数据列，根据环境景观设计方案评估特征，在得到的指标数列中选出一个最优的参考数据列，如下所示：

式中：x0（1），x0（2）和x0(n)分别为子序列为母序列。

将上述计算得到的序列进行关联度计算，计算过程如下。

2 关联因素变量计算

对各个指标求和处理，根据不同指标关联度大小分配指标权重，各指标权重确定过程如下：由专家调查法得到判断矩阵，利用Matlab 的求特征根语句[a,c]=eig(b)，得到矩阵a和矩阵c。其中：c为指标中最大特征根；a为特征根所对应的特征向量组成的矩阵；eig（b）为最大特征根对应的特征向量。根据确定的指标权重，计算实际评判序列与最优序列之间的关联性。

设有m个方案，n个评价指标，采用 1～9 比率标度判断矩阵求出权重集，若因素中有n个评价因素，构造一个判断矩阵Cnj，C中的元素Cnj标度值为 1～9 及其倒数。当ni与nj相比同样重要，Cnj取值为 1；当ni与nj相比稍微重要；Cnj取值为 3；当ni与nj相比明显重要，Cnj取值为 5；当ni与nj相比特别重要，Cnj取值为 7；当ni与nj相比绝对重要，Cnj取值为9。

若ni与nj相比重要程度隶属于它们各集之间，用2，4，6，8 及 1 2，1 4，1 6，1 8 标度。

在此基础上，计算判断矩阵Cnj的特征量，对其归一化处理。

构造特征序列，由每个独立指标的最优值与最理想值组成，计算各个指标加权关联度[6]，计算公式为：

式中：ξ为指标数列为构造数列在各个点中的关联系数；G为灰色指标加权关联度。

通过得到的指标关联度，为环境景观设计方案评估提供基础依据。

3 环境景观设计方案评估

在上述提取环境景观设计方案评估信息和关联因素变量计算的基础上，实现环境景观设计方案评估。其中，基于单层次灰色关联分析的评价模型如图1 所示。

图中X为待评价的环境景观设计方案评估的评价指标值组成的矩阵，计算效果如下所示：

1）根据环境景观设计方案评估目的、专家经验、研究兴趣等知识，选择环境、评价、尺度、相关系数等N个评价指标Qj（j=1，2，…，N）。

图1 单层次灰色关联分析效果评价

2）设待评价的目标有T个，由各个到评价目标的评价指标组成比较序列xi(j)（i=1，2，…，m），其中，xi(j)代表第i个待评价目标在j项目标下的值。

3）从第N个评价目标的m组取值中选取最优特征，组成参考序列[12]。

4）评价目标的性能指标作为灰色关联分析对象时，对原始数据进行归一化处理[13]。

5）计算评价目标中的比较序列与参考序列之间的灰色关联度。

6）利用灰色关联分析方法对关联度排序，由此确定各个评价目标的性能排序[13-15]。

在此基础上，确定环境景观设计方案评估方法的层次结构，如图2 所示。

图2 多层次灰色关联分析的综合评价

图 2 中，X1,X2,…,Xn表示将指标集X划分为n个子集，利用Ui=1X=X，再次划分X，划分后得到三层至更多层次的环境景观效果评价模型。y1,y2,…,yn代表相应权值，R1,R2,…,Rn分别代表一级单层次评价中各个子目标的评估结果向量。

最后实现环境景观设计方案评估，评价过程如下所示：

Step1：确定方法层次结构；

Step2：依据灰色关联分析方法进行关联度排序，确定各个单层次中的优劣排序；

Step3：计算目标中权向量值；

Step4：计算多目标灰色关联度，对关联度排序，确定各个目标效果的综合性能排序。

根据上述步骤计算，得到环境景观设计方案评估的最终评价结论。

4 仿真实验

为证明此次设计的基于大数据驱动的环境景观设计方案评估模型的准确性，进行实验对比。此次实验以某年已竣工的环境景观设计为实验对象，已知该地环境景观设计方案评估评分。为保证实验的严谨性，将传统的评价模型、本文评价模型和已知评分对比，与已知评分接近说明该方法准确性高，如果与已知评分相差较大，说明本文方法准确性低。

4.1 实验参数设置

在对环境景观设计方案评估前，需要制定多元评价表，此评价表设定参考园林、林业、绿化等内容，选取10个环境景观设计方案评估的相关评价对象。同时，为了方便统计分析，以数值1～5 进行打分，评价内容如表2所示。

表2 环境景观设计方案评价内容

4.2 实验结果分析

按照上述设置的实验参数，对比传统评分、本文评分和已知评分的差异情况，对比结果如表3 所示。分析表3 可知，此次设计的环境景观设计方案评估模型与已知评分相差较小，在第3 项目评分中，与已知评分达到一致，经过计算，与已知评分相差最高为0.4，准确性较高，误差较低。传统评分与已知评分最小相差0.3，最大相差1.9，与已知评分相差较大。

通过对比实验可知，此次设计的环境景观设计方案评估模型与已知评分相差小，传统评分与已知评分相差较大。说明，此次设计的环境景观设计方案评估模型比传统方法评价准确度高，更具有实际应用意义。

权重是环境景观设计方案评估中一项十分重要的参数，一般可用其衡量各个评价项目在评价过程中所占据的重要地位和所起作用，影响环境景观评价结果。

表3 实验结果

为此参照表2 的环境景观设计方案评估对象中的10 个评价项目，采用两种方法分别对其进行评价项目排序。环境景观设计方案评估项目排序结果如表4所示。

分析表4 数据可知，本文方法得出的环境景观设计方案评估的10 项评价项目按照顺序的排序结果分别为3，5，1，4，2，10，8，6，7，9。与该已竣工的环境景观设计的实际排序结果一致，而传统方法的排序结果与实际排序结果相差甚远。实验结果表明，本文评价模型更易于定量化表示环境景观设计方案的评估，环境景观设计方案评估性能好坏区分度更加显著，评价准确度、客观性更强。

本文方法和传统方法的环境景观设计方案评估10 个项目的评价可信度结果如图3 所示。

分析图3 可知，传统评价模型的评价可信度最高为愉悦感的可信度评价，评价可信度大小为87%，10 个项目的评估可信度均值为83%。而本文方法的环境景观设计方案评估项目评价可信度最高值为98%，该评价项目为色彩感，环境景观设计方案评估的10 个项目的评价可信度均达到95%以上。实验结果表明本文方法的评价可信度更高。

表4 环境景观设计方案评估项目排序结果

图3 环境景观设计方案评估10 个项目的评价可信度

5 结 语

为了提高环境景观设计方案评估准确性，设计了一种基于大数据驱动的环境景观设计方案评估模型，主要解决传统评价模型准确性低的问题。通过无量纲化方法提取环境景观设计方案评估信息，得到影响因素的评价指标，根据不同指标关联度大小分配指标权重，计算各个指标的关联度，最后将灰色关联分析法应用到环境景观设计方案评估中，实现对环境景观设计方案的评估。实验对比结果表明，该方法比传统方法准确性高，评价结果更为精确、直观，满足环境景观设计方案评估的准确度要求。

随着人们对环境景观设计的需求增加，环境景观设计方案评估将更受到人们的关注，希望上述研究能够为我国环境景观设计方案评估提供参考，进而提高我国的环境景观设计水平。