基于数字技术的森林公园游步道选线研究

左国良，胡海辉

（东北农业大学园艺园林学院，黑龙江哈尔滨150030）

0 引言

森林公园园路承载着使用者与景观之间的交流，这些“使用者”包括森林公园内的整个生态系统，森林公园园路设计不仅要符合人群的使用功能，还要考虑到整个森林公园生态系统的稳定性.密林中由于环境复杂，其科学性和选线效率受到多种因素的制约［1］.因此有必要在园路选线流程中引入数字技术，精确收集环境数据以构建数字模型，并借用计算机算法辅助选线计算来提高道路选线的精确度和效率，为设计师决策提供更加科学、高效的辅助工具.

道路选线的发展大致分为三个阶段，第一阶段是计算机辅助系统开发之前设计人员通过人工调查获得较大比例的地形图及其他场地信息，根据现状对设计方案进行反复调整以确定最终经济合理的方案［2］.第二阶段是由于3S技术的发展，设计人员通过数字高程模型（DEM）建立栅格网络并借助GIS对现状信息进行分析，计算成本距离和成本路径综合得出最优线路［3］.陈永贵等［4］将ArcGIS的分析功能应用于森林公园园路选线并辅助设计者决策.袁旸洋等［5］将其应用于风景环境道路选线并进行道路模型构建.设计者通过导入选线相关数据信息，根据规范标准计算潜在方案并选择最优方案［6］.第三阶段是计算机算法代替人工进行大量逻辑性计算后，计算机算法辅助优化道路选线得以兴起［7］.其中，李瑞［8］将遗传算法与Arc-GIS结合并应用于道路选线优化.包瑞清［9］于《计算机辅助风景园林规划设计策略研究》中提出编程算法辅助设计，并于《编程景观》一书中详细说明通过Rhino平台将编程算法应用于道路选线的构建过程.

结合文献研究可得基于ArcGIS平台的道路选线多应用于较大尺度的公路或大型旅游区内主要道路的选线，此方法仅能在中观尺度上考虑影响因子，对较小尺度下的场地信息缺乏掌控能力.基于Rhino平台的道路选线系统较ArcGIS平台具有更加开放、精确的编辑模式，但此方法缺少实践研究，且缺乏适用于密林环境下径路设计的相关方法.

本文构建了一种通过利用GPS测量仪进行现场勘察测量并将所得数据与地理空间数据云获得的精度为30m的场地数字高程信息结合，使用Rhino软件及A*算法进行空间最短距离的运算，综合得出密林环境中游憩小路选线最优路径的选线系统.并以密山铁西公园游步道选线为例，在其密林环境中对比算法选线方案与原人工选线方案，探索算法选线方案的优势和可行性.

1 密林环境下参数化道路选线系统构建

本系统基于GPS数据与数字高程信息等数字信息，通过Grasshopper对具体算法利用得出适宜路径并在Rhino中完成道路的构建优化并导出结果与完整的设计方案融合.本系统共包括影响因子的判断和选择、数据处理、道路选线、道路优化四个部分.

1.1 影响因子的判断和选择

道路选线的影响因素是多样的，不同的场地会因其地域、场地信息、设计定位造成的差异各不相同，因此选线前需针对场地现状确定影响因子.多数情况下道路选线的影响因素可分为三类［6］：控制点因素、地理信息因素、限制性因素.控制点因素包括路网的交叉点及必经点，需要设计人员主观控制；地理信息因素即当地的地理环境信息，如地形坡度、地质条件等；限制性因素则与生态环境、经济、安全性等因素相关，三者都需要经过科学分析以确定其重要程度.

理想条件下因地形适宜性如坡度、起伏度对道路选线具有直接的影响导致其权重较大，但道路建设往往受经济、环境等多因子影响，某一项因子的权重值过高会对整个选线系统产生重大影响从而导致选线的失败.因此影响因子选取的科学性制约着选线的合理性，冯晓等［10］根据路线最优方案的侧重点设置技术指标、经济合理性、环境影响、社会意义四个准则层.影响因子的选取需根据场地环境和需求进行科学选取，并在确定影响因子后利用层次分析法判断因子的权重.

1.2 数据处理

密林环境下参数化道路选线系统数据来源主要由两部分组成，分别是由地理空间数据云获得的精度为30 m的场地的数字高程信息和现场相关信息的GPS定位.由于两组数据的坐标系因测量仪器选用坐标系不同，需对两组数据坐标统一处理并导入Rhino进行数据融合以得到可视化、可编辑的场地信息，见图1.

1.3 道路选线

密林环境下道路选线的程序化计算是建立在道路控制点和前期数据处理的基础之上，需要经历选择道路控制点、寻路算法编写、路线计算三个阶段.

道路的控制点是指场地内路网的交叉点、道路的起点、终点以及必经点.在密林环境中道路的控制点往往也需要设计者进行实地探查并结合数字影像和设计内容合理选择控制点构建路网.道路控制点是由现场选择并通过GPS测量仪现场定点，经坐标系统一后导入Rhino.因公园系统为环网状道路系统，导致

图1 整理后数据点可视化Fig.1 Visualize data points after sorting

出入口、道路交叉点众多，需多次选择分别进行计算.一级道路的选择需经实地探查选择出入口、必经点，分别定义起始点和终止点后进行多段重复性计算，最终使所得多段道路连结形成一级路网.由于二级道路和游览道路多与一级道路连接，因此忽略同一道路的起始点与最终点顺序并进行计算，所得路线即为寻路算法下的最优解.

在寻路算法中，蚁群算法、遗传算法、A*算法的应用较广泛.蚁群算法进行路径选择时会偏向信息素浓度过高的路径，此方法模型简单、求解速度快［11］，适合改进后求解大尺度下的路网规划.遗传算法是基于遗传学的观点模拟生物遗传选择和自然淘汰进化等原理开发的最优解搜索算法.通过其他算法计算得到的最短路径作为最初的参照（初始种群）；将路段行程时间或其他影响因子作为适应度值后，进行选择、交叉和变异操作进行多次迭代计算以求得最优解［12］.由于编程语言的不可视性，寻路算法的编写通常借助第三方软件进行可视化表达：规划视角下多运用GIS与编程语言结合进行表达；较小尺度设计的视角下因模型要求更加精细，因此借用Rhino等建模软件与编程语言结合以进行精细化操作.

1.4 道路优化

图2 道路优化流程图Fig.2 Road optimization flowchart

以本文案例为例，A*算法所得曲线曲率变化剧烈导致不具有实际操作性，因此需要对道路线型进行优化，且A*算法无法同GIS一样进行多因子叠加计算，需对后期结果进行因子叠加判断以增加其结果的科学性及可行性，具体流程如图2所示.由于各因子分析底层算法过于复杂，笔者仅以坡度分析为例进行Rhino下的程序构建，通过Rhino将寻路算法所得路径投影至由DEM数据生成的地形中，使用Grasshopper生成道路面并进行坡度计算，坡度的计算公式如下［13］：

其中：fx与fy分别代表x，y方向的高程变化率.本文使用坡度角的计算方法，以游步道坡度规范为标准，对0°～12°（包括0°，不包括12°）、12°～18°（包括12°，不包括18°）、大于等于18°的道路进行数据划分和可视化表达，见图3，对与影响因子有冲突的位置，将其加入寻路算法的障碍区，进行重复性计算直到选出合适路径.在计算得出合适路径后，对现有道路进行线型优化，以得到现实可行的选线方案.最终，通过Grasshopper程序的编写，得到平滑的、可定义宽度的道路模型，见图4.

图3 道路坡度筛选Fig.3 Road slope screening

图4 道路模型生成Fig.4 Road model generation

2 密山铁西公园道路选线系统研究

2.1 现状条件

密山铁西公园位于黑龙江省密山市，属中温带大陆性季风气候，最高处海拔176 m，最低处148 m，规划总面积37.4 hm2，公园距市区中心仅2 km.内为人工栽植的兴安落叶松与樟子松林，因栽植时间较长，已形成稳定的群落结构.其中乡土地被植物生长旺盛，初步调查场地内有落叶松、樟子松、秋子梨、白桦等乔木以及二月兰、委陵菜等地被植物，具有丰富的利用价值.场地内因道路维护不善导致土壤流失严重，对植物生长造成严重影响.

2.2 参数化道路选线系统构建

2.2.1 影响因子选择

公园内一二级园路完好，与设计方案路线差距较小，算法选线路段仅限于公园游步道，根据场地现状，通过会议调查法在方案决策会议上共确定交通便捷性、环境适宜性、地形适宜性、经济可行性、安全性五个一级影响因子作为准则层，将适量伐树尽量利用原有道路、大量平整场地进行道路修建、不伐树，利用现有道路三种计划方案作为备选层构建判断矩阵，通过问卷调查的形式以同样重要、稍微重要、明显重要、强烈重要、极端重要、稍微不重要、明显不重要、强烈不重要、极端不重要九级评分标准对各准则层两两对比评分，共提供问卷26份并采用九级评分，被访人分为项目相关人员与使用者，共收回问卷26份，通过后期整理计算各影响因子对比得分的几何平均值，经过yaahp层次分析法软件一致性检验后运算得到对密林环境下森林公园游步道选线的影响因子的重要性进行判断.最终所得三种备选方案权重分别为：适量伐树尽量利用原有道路0.430 6，大量平整场地进行道路修建0.316 6，不伐树利用现有道路0.252 8.其中环境适宜性、经济可行性、安全性所占比重较大，证明单棵植物的位置在此方案道路选线中具有十分重要的影响.

2.2.2 数据处理

因所选场地尺度较小且前期调查中密林环境下的道路选线主要受树林中乔木位置影响，选用A*算法进行程序构建.此过程可以精确避免大乔木的砍伐、最大限度地减少道路修建对植物群落的干扰.在数据获取时通过GPS测量仪对场地内植物进行精确定位然后导入CAD软件，进一步简化后导入Rhino软件并以植物位置为干扰点，其所处的网格即计算过程的寻路“路障”，通过选择道路连接点以计算出最佳路径进行道路选线的计算，得出A*算法下未经优化的折线式路径.

2.2.3 道路选线及优化

由于A*算法对于道路避障具有显著优势，因此，构建以A*算法为寻路法则的选线系统.A*算法的主要思想是对搜索到的每一个点进行代价估算，选取代价最小的点加入新的搜索列表，从新的搜索列表中进行重复性的搜索，综合所有计算结果以达到最优路径的计算，直到达到目的地［14］，其核心算法为［11］：

其中：Lgb为到当前为止全局最优解，ρ为信息素挥发参数.密林环境下寻路算法的编写需要借助可视化编程语言Grasshopper与纯粹编程语言Python实现［9，15］，其核心思路为通过编程语言编写栅格网和A*算法，利用Grasshopper中Rectangle运算器和Circle运算器控制栅格网和障碍点的属性并在Rhino中控制栅格网位置以得出完整的密林环境下的寻路算法，见图5.

图5 寻路算法Fig.5 Pathfinding algorithm

将测得单株植物位置数据与数字高程模型（DEM）数据进行整合，路线计算以现场测得的树木位置作为障碍点并结合游步道的宽度，障碍范围统一设置为半径2m来作为栅格网中的障碍物；将栅格网统一设置为2m×2m以提高选线精度，在Rhino中选中一条道路的起始点和终止点（或必经点）并以此为初始点和终止点开始计算.A*算法的机制为不断筛选被考虑列表，因此在定义A*算法的初始点和终止点后即可进行运算.

由于现场存在可利用道路，在经过现场勘察大致路线后将现场勘察所得道路控制点输入选线系统，分次分批计算所需道路，见图6.计算完成后将所得道路与坡度信息叠加，见图7，在此基础上对坡度处于12°～18°的游步道进行防滑处理，坡度大于18°的游步道设置台阶或另行选线并最终得出道路模型，见图8，最后通过CAD软件与设计方案融合得出完整设计方案.

图6 部分路段人工选线与寻路算法选线对比Fig.6 Comparison of manual route selection and route-finding algorithm for some road sections

图7 部分路段道路坡度分析筛选Fig.7 Analysis and selection of road slope in some sections

2.3 算法选线方案与人工选线方案、基于arcgis平台选线方案影响对比

为比较算法选线的优劣程度，本文使用地理空间数据云获得30 m精度的DEM数据，在arcgis中进行成本距离与成本路径的计算并将所得方案导入到AutoCAD中进行伐木数量计算，以计算所得方案、算法选线方案、人工选线方案对比，以密山铁西公园游步道修建所需伐木数量为研究对象，计算得出基于arcgis平台选线方案需伐树205棵、经调整后的算法选线共需伐木23棵，人工选线方案78棵.以新增游步道长度为研究对象，计算基于arcgis平台方案选线总面积为7 854.7m2，经调整后的算法选线总面积为8 403.2 m2，人工选线方案为8 625.8m2，以所选道路材质施工成本计算，算法选线较人工选线可节约造价约6.7万元，基于GIS平台选线方案因无法考虑具体树木位置不具有可操作性.可以得出，针对密山铁西公园设计的算法选线具有较高的精确度和一定的经济价值，见图9.

图8 密山铁西公园游步道算法选线方案Fig.8 Route selection scheme of walking path algorithm in Tiexi Park，Mishan

图9 各选线方案方案对比Fig.9 Comparison of route selection schemes

3 结论

随着计算机应用技术的发展，计算机辅助风景园林规划设计已由利用现有程序发展到利用编程语言辅助设计，计算机辅助系统的高效性、准确性和科学性可以更好地支撑景观理论的发展，也对设计人员的知识范围提出了新的挑战.

本文所使用的选线方法优势主要在于能够控制如单株植物位置等微小的影响因子对道路选线的影响，最小限度地干预场地以达到对场地内植物群落较小干扰的目的；编程语言的灵活性可以控制道路选线的形态、范围等；同时，由于程序编写的模块化，方便在不同方案中套用.

相较于其他项目，密山铁西公园的密林环境对道路选线的要求更加精确，通过使用A*算法与传统计算机建模结合辅助其道路选线可以抵消许多传统设计过程的低效性和主观性，使得该设计过程更加精确高效.因数据处理问题，其庞大的计算量还无法支持至分辨率10 m及精度更高的高程数据，且该流程不能适用于任意尺度的方案设计，对于具体方案应具体分析，选取适合的工具辅助设计流程以促进设计流程的高效化、科学化.