大数据下景观规划设计的可视化分析

朱文霜 王步乾

（桂林理工大学，广西 桂林 541006）

5G时代的到来使网络成本不断降低，网民呈爆发式增长，目前中国网民规模已达9.04亿。网络连通世界，时空交流已然畅通无阻。不管接受与否，网络已成为人们生活中不可分割的部分，每天都有数以亿计的用户在互联网上学习、购物、分享生活等，随之产生的数据就像一座蕴藏无尽能源的宝矿，待人挖掘。近年来，大数据应用逐渐成为研究热点，越来越多的优秀学者涌入其中。

1 大数据对指导设计的意义

麦肯锡认为：大数据是一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合。他在《大数据：下一个竞争、创新和生产力的前沿领域》的研究报告中指出：医疗保健、零售业、公共领域、制造业和个人位置的数据构成了目前5种主要的大数据流。大数据不仅是数据单纯的集合，更是一种新的思维模式，是在AI智能、自动审批等信息技术的加持下，快速准确提取其中的价值部分进行的信息处理技术。如今，大数据的颠覆和创新作用已经在多个学科领域和社会行业都有所体现。

虽然大数据应用于设计领域较晚，但其价值同样举足轻重。借助大数据，现代景观规划设计能轻松解决传统设计中暴露的诸如超出荷载能力、设施老旧、管理混乱等问题。通过大数据获取游客的游览路线偏好、兴趣点和场地使用强度等信息对场地维护以及景观设计具有重要的指导意义。而且，结合大数据量化分析游人的日常行为习惯，能够得出更适当的评价结果，从而为景观资源管理与利用方面的改造升级策略提供有力支撑。

2 文献统计分析

2.1 文献类型占比分析

以CNKI文献搜索引擎为基础，选取大数据、景观、风景园林等为关键词进行检索近10年文献，共737篇。经过筛选获取有效数据449篇。其中学术期刊273篇，占比60.80%。硕博论文146篇占比32.52%，会议报纸等30篇占比6.68%。其中核心论文共36篇，由此可见，对大数据景观设计的研究主要以普通期刊为主。

2.2 文献数量及时间分析

通过图1的年份和发文数量统计可以看出，2010—2013年该研究领域发展迟缓，因为网络发展不够完善，数据收集缓慢。2013—2019年文献总量呈现出快速增长的趋势，这说明2013—2019年是大数据景观设计的研究上升期，有大量的学者投身该领域。2019年后发文量虽略有下降，但仍保有较高的研究热度。2021年只统计了前4个月份，故发文量减少。

图1 期刊发文数量图

2.3 作者及机构分析

结合Cite Space平台进行文献计量可视化分析，对关键词共现、突发关键词、作者及机构等信息进行全方位归类总结，得出大数据景观设计研究现状，并对未来发展方向做出合理的预测。

通过图2、图3得出对378篇论文的作者与机构的Cite Space软件数据分析。图2显示当前较为活跃的作者主要是王亦文、李雄、史朋飞和唐晓岚等学者。部分作者之间互有合作，但总体来说仍缺乏联系。通过更改节点为institution可得出图3所示结果，其显示发文机构主要以大学为主，加上部分公司和行业协会。各机构之间除北京林业大学等几个机构联系较多以外，其他机构之间缺乏联系。从发文数量来看，东南大学第一，南开大学排名第二，北京林业大学林学院排名第三。

图2 作者共现图

图3 机构共现图

2.4 研究现状及其发展趋势

2.4.1 研究现状分析 通过Cite Space选取关键词为节点，并对其进行聚落分析，选取关键词作为聚落标签，得出关键词之间的关系。由图4可知，当前关键词聚落前三分别是大数据、Cite Space、地理过程。关键词在常规频率下突现，说明了该关键词成为了当时学科发展的热点。通Cite Space软件中的相关突现设置，来提取文献中的关键词。在软件界面调整参数f(x)=7，Minimum Duration=0.5，得到11个突发关键词，详见图5。

图4 关键词聚落分析

图5 突发关键词

2013—2015年大数据时代、地理设计、新型城镇化等关键词的突显，契合了大数据领域早期的发展热点。2017—2019年POI、地理信息系统、城市绿地、兴趣点数据、景观设计、人工智能等关键词出现，代表对大数据的研究由大的概念开始进入具体的运用阶段。2019—2021年人工智能作为关键词突显，成为近年来的研究重点之一，原因在于国家已将“人工智能”上升到国家战略的高度，从政治、经济和企业多个方面对其进行扶持。在未来的一段时间里该领域将不断有学者涌入，发文数量也会持续增长。

2.4.2 研究热点分析 通过VOS viewer软件的可视化图谱叠加分析，以及Cite Space共现时区图谱，能更加直观地表明关键词层级与时间之间的关系。通过VOS viewer图谱叠加分析，得出图6所示结果。关键词聚类图谱，将具有高关联性的关键词组成一个类别通过相同颜色标注，如图7所示其大致分为4个核心研究方向：红色聚类代表借助地理信息系统对景观进行整体规划；绿色聚类代表借助人工智能等互联网技术对景观进行辅助规划；蓝色聚类代表借助大数据提升公众参与度辅助设计；紫色聚类代表通过多源数据分析对城市空间形态合理规划。

图6 关键词热力图

图7 关键词聚类图谱

3 研究综述

3.1 多源数据

景观设计作为一项复杂的工作，设计师需要充分对周围人文环境、自然环境、交通状况等进行充分考量。但当前数字化、信息化的发展为景观设计带来了极为频繁的要素流动，从而导致许多不可控的变化，在为设计增加复杂性的同时也带来了更多的可能性。设计师可以通过多源大数据和数据可视化等新技术，加强对设计需求的把握。因此，合理利用多源大数据实现对设计资源的整合，是大数据时代背景下中国景观设计研究的现实需求。

杨俊宴[1]以上海为研究对象，运用空间形态数据和手机信令数据，采取界定分析法对人群活动动态模式及动态结构进行要素分析，整合得出潮汐式城市动态模型，依据模型分析上海城市现状，得出各区职能调和互补的优化方案，提供了多源数据应用的新思路。王鑫等[2]认为传统景观规划因数据采集困难导致应变性差，而多源大数据可以通过手机移动端、卫星遥感和互联网等方式进行收集，并通过核密度法和词频分析技术将其可视化，验证大型郊野公园对城市的影响作用。众多学者在依靠手机信号等较为传统的信息采集渠道的基础上进一步拓宽了数据的来源领域，如刘颂等[3]以黄浦江滨水区为例，通过腾讯“宜出行”数据为基础与POI数据、建筑矢量数据、路网数据、全国人口普查数据与实地调研数据相结合，做出空间活力测度与影响因素量化表。得出提升滨水空间自身吸引力、通达性和呼应性的方案，确定了采用多源大数据相互印证比使用单种数据更具说服力。李方正等[4]采样北京40个城市公园，通过直接上传数据（如社交APP点评数据和网络媒体数据等）与间接上传数据（如交通传感数据和位置服务数据等）相结合，研究城市公园的游憩使用、可达性、服务范围和规划应对4个方向，与之对应的是数据可视化、出行模拟、大样本起始位置和影响因素判定4种研究方式。并预测将来会有更多人会分享景观感受，构建公园感知检测系统将成为研究热点。秦诗文等[5]以南京城市公园为例，通过RTUD数据对公园使用情况进行测度，采用POI、用地数据等多源数据相互印证，揭示公园与城市的相互作用关系。并根据数据搭建多元回归模型，推测南京公园的未来发展方向，研究出一套对大尺度公园绿地规划有一定参考意义的方法。谭明等[6]以南京赏樱风光带色彩规划设计为例，通过CIELAB技术对景观色彩进行量化。从空间规划、色彩序列和界面设计3个层次入手，摆脱了依靠设计师主观感受的设计模式，通过数字化技术增强了设计的科学性。

目前，大数据来源的发展呈现出多元化、精细化的趋势，采取单一的数据无异于管中窥豹，难以有力辅助设计，只有详细且高覆盖度的多源数据结合分析才能成为景观设计的强大支撑。

3.2 地理信息系统

从古至今，人类的活动都离不开地表。随着计算机技术的成熟和普及，发展出了帮助人类更清楚认识地表的技术——地理信息系统（geographic information system，GIS）。它是一种综合性的技术，在收集数据的同时含有储存、管理、运算、分析、显示和描述等功能。GIS数据的表现形式主要分为栅格和矢量两种，通过分辨率等可视化信息展示地面情况。近些年来许多学者创新性地将GIS引入景观设计领域，并已经取得了一定的成就。

王戈飞等[7]认为现有的GIS数据采集、储存和分析方式难以处理大数据时代带来的庞大数据，应充分考虑各个环节大数据的特征，吸收云计算、人工智能等新技术加强GIS与大数据之间的耦合，为决策系统提供更大的支持。王成新等[8]分析了GIS技术在城市环境整体规划中的优势，总结出5种具体应用方式，提出各学科间数据互通共享的未来发展畅想。薛超越[9]认为景观设计是一门综合性学科，而GIS正好是一门综合性技术，通过GIS系统对景观设计的坡度、坡向、地面剖形及综合分析等有着良好的辅助作用。张诚等[10]采用GIS技术收集多源数据，分析植物分布将数据可视化，构建虚拟仿真模型对景区进行规划设计，通过三维漫游印证景观规划的合理性，减少试错成本。傅强等[11]以青岛市林区为研究对象，在GIS平台上开发了基于智能体的生态评价模型，通过模型模拟分析，优化林地空间布局。李鹏鹏[12]通过GIS对目标设计场地进行多源数据采集，合理设计场地植被等，再通过红外热敏感确定人流走向，规划重点设计的景观节点，将传统的经验设计转化为参数化设计，使设计方式更加科学、准确和高效。李发明等[13]以丁香峪景区规划方法为例，通过GIS等技术手段叠加分析，将难以获取数据的山地景观设计变为可视化分析，由定性模式向定量模式转变。之后，李发明等[14]在其研究基础上又将GIS技术与微博签到、百度POI等技术相结合，加强GIS技术与大数据的耦合。在单纯的依靠数据的基础上融入情感需求，加入游人的行为模式分析，量化评价出现的问题。为北京奥林匹克森林公园提出科学、理性且高效的景观优化提升方案。袁旸洋等[15]基于生态敏感性、控制性参数等数据，通过耦合原理进行参数化选址，探讨选址的变量与参数，验证了参数化选址的精准与高效。

3.3 人工智能

人工智能的概念由麦卡锡在达特茅斯学会上首次提出，其目的是帮助甚至替代人们做出一定的思考。大数据与人工智能相结合是新世纪不可避免的发展方向。人工智能在景观设计领域运用最早始于20世纪70年代，其运用主要分为两个方向：①运用人工智能对设计数据进行高效、准确的计算与分析；②针对设计中的问题构建复杂的虚拟模型。

俞孔坚[16]认为人工智能使景观信息采集、存储和分析变得空前高效和准确，并极大地解放了大脑，使我们从繁重的制图和设计表达工作中解放，有利于设计回归与创造。史晨[17]认为目前人工智能在景观中的运用主要有智能照明设计、水景智能设计和智能喷溉设计3种。郑屹等[18]以登封市为案例，认为当前中国城镇化进程中带来的老城区景观环境视廊受阻、风貌破败等问题，可以适度介入人工智能以及大数据技术对景观各要素进行精确识别，同时与空间数据叠加，依靠人工智能分析，逐层递进对城市景观进行精细化修补。曾丽娟[19]以门头沟为例，通过层次分析法和人工智能技术的BP神经网络构建乡村景观设计效果评估模型。从目标、项目和指标3个方面对乡村景观设计效果进行评级，根据结果该方法误差变化较小有较高的准确性和理想性。王刚等[20]认为景区通过监控录像收集的大量数据难以运用，而人工智能视频深度处理技术的融入能积极推动景区智慧化管理，提高景区应急处理能力和管理效率。李晖等[21]以月亮山核心景区为例，依据1994—2004年的景区数据，基于元胞自动机模拟进行景观格局时空模拟，预测4种情景，为景观生态规划方案提供了支持。李小江等[22]认为大数据获取街道图像为街道景观设计提供了新的契机，可利用图像分割估算街道绿地量和街谷开阔程度，辅助街道景观设计。成玉宁等[23]基于数字景观艺术探讨低影响下城市绿地的规划方案，借助元胞自动机、人工神经网络等算法模型，通过机器学习掌握水绿耦合模型生成城市绿地格局数字化，并以双平台进行验证。

大数据是网络连接产生的数据，而人工智能是在大数据的基础上通过反复训练而产生处理数据的智慧体系。大数据的发展开辟了一个价值空间，大数据不是目的，应用大数据才是最终目的，人工智能无疑是当前应用大数据最适合的出口。所以，未来大数据景观设计必将和人工智能连接更紧密。

3.4 公众参与

近些年来公众参与逐渐成为当前时代大数据来源的重要组成部分，环境保护部在《生态环境大数据建设总体方案》中提出“共建生态大数据，唤醒公众参与度”的建设方案。公众参与度在大数据中的构成比例不断提高，对景观设计准确把握需求有着积极的助益。

赵珂等[24]认为大规划、大设计的实现基础是建立诱发公众参与设计过程的平台。大数据在设计中的“大”体现在4方面，即收集基数大、参与者范围大、收益范围大和适应范围大。大数据不仅是对客观数据的集合、整理和分析，更是对大众智慧的收集。伍晨逸[25]认为大数据时代唤醒了城市市民参与城市规划的意识，并提出增强公众参与的3个主动方式（即搭建公众参与平台、增加合法性和激活社会创造力）和3个被动方式（即利用数据进行实体城市空间结构研究、综合各种信息数据对空间资源合理分配和捕捉人口特征）。李雯等[26]分析大数据在智慧街道设计中的全流程应用，认为大数据的运用主要集中在现状收集、技术分析、公众参与和使用管理4个流程上。通过APP等方式使公众由被动收集变为主动提供，设计由能提供什么变成有什么需求。王鹏等[27]认为大数据获取渠道的增多，改变了传统的整体规划思维，使规划编制从单纯的精英决策向依赖广泛的公众参与转变。作者以“北京钟鼓楼地区改造”为例建立了新浪话题，搭建LBSN规划参与平台，并以谷歌地图为基础进行二次开发，与传统数据收集方式相比，基于大数据技术的公众参与为设计提供了更有力的支持。赵虎等[28]通过移动端发布济南城市发展问卷，提高民众参与度，对获得的大数据采用文本分析法，经过文本采集、预处理、分析、可视化解读和多元验证5个步骤，得出宜居、和谐等关键词，使问卷具有较高的可信度。众规武汉平台以“共同规划、跨界规划、开放规划”为原则，创新建设了筹集专业智慧及市民意见表达的互联网互动平台，成为全国规划行业公众参与的首创，顺应了城市规划向精细化转型的新需求[29]。林轶南[30]通过无人机拍摄加手绘的直观表达方式，向大众生动形象地展现了拓路对风貌区的破坏，以数字化手段提升公众参与度。

大数据与公众参与的高度耦合，打破了个人意见发表的时空约束，民众的畅所欲言为景观设计提供了更多的可能性。

4 大数据景观设计研究发展趋势

目前大数据技术在景观设计中的应用，大致可分为多源数据、地理信息系统、人工智能和公众参与4个主要研究方向，大数据技术已逐渐成为景观设计的重要研究手段，并贯穿设计的全过程。

在数据来源方面，整合多源数据从宏观层面加以相互印证，所获取的场地、植被、需求等设计因素能为设计提供更精准的指导。今后，大数据的来源不仅会在范围上扩大，同时也会更加精细化。当前大数据的研究应用主要集中在大、中尺度景观设计上，对小尺度的设计研究较为稀少，但小尺度景观在愈发拥挤的城市中占比在不断提升，如何通过精细数据进行小尺度景观设计将成为未来一段时间的研究热点[31]。

在地理信息系统方面，大数据运用从最开始单一场地地貌信息的获取逐步转变为多方面多层次信息获取，且信息获取精准度也不断提高，将更加强化景观设计方案的合理性。

在决策方面，AI人工智能的介入已势在必行。人工智能模拟设计环境构建景观设计决策模型，以此进行设计模拟，分析设计中可能出现的问题，将为景观设计提供科学的决策建议，并为景观后期维护提供智能服务。

在公众参与方面，革新用户信息的收集方式，借助微博、公众号等互联网平台，使公众参与的广度与深度达到质的改变，将为景观设计师更直观准确地提供使用者的意见和诉求。

作为景观设计师应把握时代脉搏，深度挖掘大数据在景观设计中的潜力，强化对大数据技术的应用研究能力，使大数据技术加持下的景观设计具有更多的可创性。