论文部分内容阅读
作为全国政治、文化、经济中心的北京,是世界闻名的历史古城和文化名城,历史上曾为六朝都城,拥有众多历史名胜古迹和传统建筑。然而,北京在现代化城市建设的快速发展中,城市风貌的趋同问题逐渐凸显,传统风格的建筑被现代建筑取代,北京城市的传统风貌在城市发展过程中被逐渐淡化。针对城市风貌的趋同危机,2017年北京城市总体规划(2016年—2035年)第四章提出“加强历史文化名城保护,强化首都风范、古都风韵、时代风貌的城市特色”的规划目标。而要实现此规划目标,首要问题就是要实现城市大规模范围内城市风貌的感知,进而掌握城市传统风貌的空间分布。在大数据时代,基于城市大数据的城市计算研究已经逐渐取代传统的目的性调查方法,成为城市感知的新兴研究模式。因此,使用多源城市大数据,探索城市传统风貌的感知方法是当前亟待研究的课题之—。本研究以北京市五环为研究区域,利用北京五环的兴趣点、街景图像和微博签到城市大数据,基于北京古都的历史文化传承,依托深度学习理论和方法以及空间数据分析理论和方法,探索北京城市的传统风貌多层次感知模式的量化表达及空间分布特征。本文首先使用传统风格的风景名胜代表POI数据,运用空间分析理论研究风景名胜POI的空间聚集特征和空间分布特征,实现基于POI实体的传统风貌感知。然后,基于街景全景图像数据,提出了智能识别传统风格建筑的深度学习模型和传统风格建筑视觉指标,以行人视觉的角度感知街景点位置和街道级别的传统风格建筑的空间分布特征;之后使用微博签到和文本信息,运用空间热力图和自然语言情感倾向分析模型来量化公众对城市传统风貌的情感感知。最后,针对多源数据的城市传统风貌感知结果的协同分析问题,提出了基于特征阈值的多空间协同感知城市传统风貌的研究框架,解决了基于多源城市大数据的城市传统风貌协同感知和其空间分布特征的研究问题。论文的主要研究内容和结论如下:(1)以POI实体的角度探索了传统风格风景名胜POI数据研究北京城市的传统风貌整体空间分布特征的基本流程和关键技术。首先,根据传统建筑风格体系将风景名胜POI分为官式和民间风格POI两大类。然后,使用最邻近距离指数方法定量描述POI之间的邻近程度和空间格局特征。最后,使用核密度估计探索北京五环传统风格的POI聚集区的空间形态。研究结果发现传统风格风景名胜POI呈显著空间聚集特征和二环大规模聚集、二环外小聚集分散分布的空间分布特征。具体结论为:①传统风格风景名胜POI总体及两个子类官式风格和民间风格的POI都呈现显著集聚的空间分布特征。其中,官式风格的风景名胜POI的聚集特征和传统风格风景名胜POI总体的空间分布特征最为接近,说明官式风格的风景名胜POI在传统风格的风景名胜POI总体中占主导地位。②北京市五环内传统风格风景名胜POI总体呈现以故宫为中心在二环内大规模聚集,且二环内小聚集围绕大聚集分布,二环外小聚集分散分布的空间分布特征。子类官式风格和民间风格的POI空间分布特征差异较大,官式风格的POI其分布模式从空间总体形态和空间扩展趋势上,都与传统风格风景名胜POI总体的空间分布特征较为相似。民间风格的风景名胜POI与总体空间分布特征差异比较大。(2)针对大规模范围内传统风格建筑的智能识别缺乏标注数据和直接可用的深度学习模型问题,重点研究了①中国传统建筑形式分类体系,将传统风格建筑分为官式建筑和民间建筑两大类;依托腾讯街景和百度街景图像构建传统风格建筑数据集,构建传统建筑标注数据集。②充分利用深度卷积神经网络在大数据COCO数据集提取的通用浅层特征,使用迁移学习技术,将物体检测与识别模型Mask R-CNN扩展到城市街景传统风格建筑识别的问题,提出了传统风格建筑智能识别模型TBMask R-CNN,利用构建的传统风格建筑标注数据集。实验结果表明,TBMask R-CNN模型在验证集上的MAP值达到80%,可以用于智能识别传统风格建筑的工作。(3)以行人视觉角度,使用街景全景数据集和TBMask R-CNN模型感知街景点位置和街道级别的城市传统风貌。提出了以点位置为单位的传统风格建筑视觉率TBVI和以街道为级别的传统风格建筑街道视觉率STBVI,来反映行人对周围传统风格建筑环境的感知程度。研究结果发现,基于街景图像的传统风貌感知,其空间分布呈现二环内聚集、二环外分散的特征,且分布呈现空间正相关。具体结论为:①空间分布表现为二环内呈聚集状态且北城大于南城,三环、四环和五环呈分散状分布。②街景点位置的TBVI的Moran’s I值表明官式风格、民间风格建筑分布都呈现空间正相关,民间风格的空间正相关性最大。③STBVI结果表明,从二环到五环传统风格的建筑及两个子类官式风格和民间风格的建筑STBVI都呈现从中心向周边减少的规律。其中二环最高,五环其次,三环和四环最低。(4)基于微博签到数据的城市传统风貌情感感知和空间特征分析。使用微博签到数据,采用热力图识别传统风貌区被关注的区域和关注的热度。依托基于深度学习的文本情感倾向评价模型,使用微博文本数据,对公众发表的文本进行语义分析和情感倾向评价,实现传统风貌区的情感感知。研究发现签到热点集中在二环内且以正向情感为主。具体结论为:①签到热力图发现公众在北京五环内传统风景名胜POI签到活动的地理空间分布和集聚规模主要集中在二环内的天安门、故宫为大中心,以陶然亭、天坛为小中心的区域、四环的民族园和五环的颐和园和圆明园。二环是官式风格和民间风格建筑的聚集区,官式风格的POI签到热点空间分布与总体相似,而民间风格的签到热点主要在二环外围的胡同四合院、帽儿胡同、黑芝麻胡同、东苑戏楼、玻璃厂古玩街等区域。②情感感知结果表明,公众对传统风格POI代表的传统风貌区域的情感感知以正向情感为主;且官式风格的传统风貌区域的正向情感高于民间风格的传统风貌区域。一方面与北京是六朝古都、保存了大量的官式风格的建筑有关;另一方面和官式风格的建筑表达出的艺术价值高于民间风格的建筑有关。(5)针对多源数据的城市传统风貌感知结果的协同研究问题,提出了基于特征阈值的多空间协同感知城市传统风貌的研究框架。研究结果发现北京五环的POI实体-街景视觉-微博情感感知以高-高-高和低-低-低模式为主,空间分布一致性高。具体结论为:①二环内以高-高-高模式和低-高-高模式为主,说明公众对传统风格POI的情感评价高,以正向情感为主。②官式风格的POI实体-街景视觉-微博情感感知以低-低-高模式和高-低-高模式为主,表明公众对这些区域无论POI数目高还是低,街景传统风貌显著与否,其情感评价都较高,都以正向情感为主。而民间风格的实体-街景视觉-微博情感感知以低-高-高模式和低-高-低模式为主,说明公众对民间风格的情感相比与官式风格的而言,其情感评价较低。