基于深度學(xué)習(xí)的城市意象認知方法創(chuàng)新與拓展
——以重慶主城區(qū)為例

曹越皓 楊培峰龍 瀛

當(dāng)前，中國邁入了新型城鎮(zhèn)化的轉(zhuǎn)型時期，美麗中國、城市雙修、加強城市設(shè)計的提出將城市特色的重要性提升至一個新的高度，而城市意象作為城市設(shè)計常用的工具之一，對提升城市空間品質(zhì)與塑造城市特色風(fēng)貌都有著重要意義。

大數(shù)據(jù)以其數(shù)據(jù)規(guī)模龐大、定量化分析等特征，為規(guī)劃研究、編制與決策帶來了新的途徑和方法[1]。日益豐富的數(shù)據(jù)也逐漸形成了城市的新數(shù)據(jù)環(huán)境，為城市定量研究提供了良好的基礎(chǔ)[2]。同時，以深度學(xué)習(xí)為代表的人工智能發(fā)展迅速，在城市研究中有著廣泛的應(yīng)用場景[3]。

1 國內(nèi)外相關(guān)研究進展

1.1 城市意象的研究進展

20世紀60年代，凱文·林奇提出以標識、節(jié)點、路徑、邊界、區(qū)域為要素的城市空間意象認知方法。顧朝林、宋國臣綜述了城市意象的概念與內(nèi)涵，強調(diào)了城市意象在城市設(shè)計領(lǐng)域應(yīng)用前景[4]，并通過認知地圖的方式辨析出北京城市意象空間與要素的整體結(jié)構(gòu)[5]；沈益人提出空間性元素和非空間性元素的分類方法[6]；Richards等論證了城市文化對于城市意象提升的重要作用[7]；Hospers將城市意象與城市旅游相關(guān)聯(lián)，強調(diào)了城市意象對于城市特色營造、城市魅力提升、城市經(jīng)濟發(fā)展的必要性[8]；徐磊青對中國城市意象的研究進行了梳理與分析，對目前城市意象的研究對象、研究方法和研究意義進行了反思和討論[9]；曹越皓等通過網(wǎng)絡(luò)照片數(shù)據(jù)對中國24個城市進行了城市意象研究，提出了大數(shù)據(jù)背景下的城市意象研究新思路[10]。

城市意象從提出至今，其研究內(nèi)容和研究方法都有了較大發(fā)展。研究內(nèi)容從單純的城市空間意象發(fā)展到以空間要素為主，同時融合城市文化、自然景觀等非空間要素；研究方法從描述性研究發(fā)展到類型學(xué)研究與定量化研究相結(jié)合[9]，新數(shù)據(jù)、新方法為城市意象的研究提供了新的契機。

1.2 利用深度學(xué)習(xí)的城市研究

目前，大數(shù)據(jù)已經(jīng)廣泛應(yīng)用于城市研究與規(guī)劃編制中，主要應(yīng)用領(lǐng)域有區(qū)域城鎮(zhèn)體系[11]、城市空間結(jié)構(gòu)[12]、公共服務(wù)設(shè)施[13]、城市交通出行[14]、居民活動[15]等。而利用深度學(xué)習(xí)的城市研究處于嘗試階段，主要方向為計算機視覺和自然語言理解。

Naik等利用街景照片與深度學(xué)習(xí)算法建立了街道安全度的研究模型[16]，分析了城市空間改變與社會經(jīng)濟變化之間的關(guān)系[17]；Gebru等利用街景照片與深度學(xué)習(xí)算法進行美國城市的空間調(diào)查，并將采集的空間信息與社區(qū)的人口、受教育程度等信息關(guān)聯(lián)，旨在創(chuàng)新美國社區(qū)調(diào)研方法[18]。在國內(nèi)，劉瀏等利用深度學(xué)習(xí)算法對地理照片的內(nèi)容進行識別分類，探討了全球7個主要城市在城市意象上的相關(guān)性與差異性[19]；郝新華、龍瀛等利用中國街景照片，分析了街道的可見綠情況，并將結(jié)果與街道長度、地塊尺度、經(jīng)濟水平、行政等級相關(guān)聯(lián)展開分析[20]；吳志強等利用人工智能在城市數(shù)據(jù)捕捉、城市功能配置、城市形態(tài)設(shè)計等方面取得了突破，并對人工智能輔助城市規(guī)劃做出了積極的判斷[21]。

1.3 研究評述

從城市意象、大數(shù)據(jù)、深度學(xué)習(xí)三者的關(guān)系來看，大數(shù)據(jù)與城市意象結(jié)合，可以補充城市研究的數(shù)據(jù)基礎(chǔ)；深度學(xué)習(xí)與城市意象結(jié)合，可以擴展城市認知的維度和廣度；大數(shù)據(jù)與深度學(xué)習(xí)結(jié)合，可以為城市數(shù)據(jù)的深度挖掘提供技術(shù)上的可能。三者互相支撐，能多維度、全方面地刻畫城市的整體意象，亦能從更大范圍思考城市意象形成與發(fā)展的深層邏輯及其應(yīng)用場景。

2 基于深度學(xué)習(xí)的城市意象認知模型

綜合目前大量利用大數(shù)據(jù)進行城市研究的理論基礎(chǔ)與應(yīng)用邏輯，本文擬提出基于深度學(xué)習(xí)的城市意象認知模型。該研究模型在理論層面，包括基礎(chǔ)理論、數(shù)據(jù)來源、技術(shù)方法3個基本要素；在應(yīng)用層面，理論基礎(chǔ)為城市意象認知方法，數(shù)據(jù)來源為城市大數(shù)據(jù)，技術(shù)方法為深度學(xué)習(xí)(圖1)。

2.1 研究框架

該認知模型以凱文·林奇的城市意象認知方法作為理論基礎(chǔ)，并結(jié)合城市意象內(nèi)涵新發(fā)展與新技術(shù)的支撐，提出城市意象認知方法的創(chuàng)新與拓展。在城市意象認知維度上，將傳統(tǒng)空間結(jié)構(gòu)的單一維度拓展為包含意象結(jié)構(gòu)、意象類型和意象評價的3個維度。在城市意象認知過程中，該模型包含了數(shù)據(jù)獲取、模型運算和規(guī)劃應(yīng)用3個步驟。

在數(shù)據(jù)獲取中，本文以新浪微博數(shù)據(jù)作為主要來源，其中包括圖像數(shù)據(jù)、語言數(shù)據(jù)和時空數(shù)據(jù)；在模型運算中，圖像數(shù)據(jù)與語言數(shù)據(jù)采用深度學(xué)習(xí)分別得到意象類型與意象評價，時空數(shù)據(jù)采用GIS空間分析得到意象結(jié)構(gòu)，形成3個維度的城市意象認知；在規(guī)劃應(yīng)用中，城市意象認知模型增強了傳統(tǒng)城市意象的實踐性，拓展了城市意象的應(yīng)用范圍，該模型的分析結(jié)果可以應(yīng)用于城市設(shè)計、城市風(fēng)貌、城市色彩、城市特色等領(lǐng)域的規(guī)劃與研究中(圖2)。

2.2 數(shù)據(jù)獲取

本文通過程序采集目標點周邊一段時間、一定距離范圍內(nèi)，同時包含照片、文本和定位3類信息的微博。然后選取微博數(shù)據(jù)中的用戶ID、性別、地址、時間、經(jīng)度、緯度、文本、照片ID共計8項數(shù)據(jù)作為本次研究的數(shù)據(jù)基礎(chǔ)。

2.3 認知維度

城市意象的認知維度包括意象結(jié)構(gòu)、意象類型和意象評價。意象結(jié)構(gòu)是意象要素在城市空間中分布、組合和變化的規(guī)律，本文延續(xù)了城市意象空間五要素認知方法，根據(jù)微博數(shù)據(jù)空間位置的分布特征來判定城市意象的空間結(jié)構(gòu)，包括區(qū)域、邊界、路徑、節(jié)點和標志。

根據(jù)城市意象內(nèi)涵的拓展，結(jié)合圖像識別的規(guī)則內(nèi)容，本文將城市意象分為自然景觀、標志建筑、公共空間和文化生活4種類型(圖3)。利用微軟計算機視覺深度學(xué)習(xí)算法對微博圖像數(shù)據(jù)進行內(nèi)容識別，將得到的標簽與意象類型進行對應(yīng)(表1)，即可得到照片表征的意象類型。

圖1 城市意象認知模型的研究范式

圖2 城市意象認知模型框架

城市空間與環(huán)境能夠影響人情感與行為的表達，當(dāng)研究樣本數(shù)量較小時，這種關(guān)聯(lián)性并不強，但以海量樣本數(shù)據(jù)作為研究支撐時，則可以建立情感與空間的高關(guān)聯(lián)性。本文利用玻森自然語義深度學(xué)習(xí)算法對微博語言數(shù)據(jù)進行識別，可以判斷該語言所表達的情感，并以此作為意象評價的依據(jù)。根據(jù)情感數(shù)值e的大小，本文將城市意象的評價劃分為3類，當(dāng)0≤e＜0.40時表示負面意象，數(shù)值為0.40≤e＜0.60時表示中性意象，數(shù)值為0.60≤e≤1.00時則表示正面意象(表2)。

3 重慶主城區(qū)城市意象認知

3.1 研究范圍

由于新浪微博數(shù)據(jù)獲取的技術(shù)特征，本文研究范圍是以重慶主城區(qū)的幾何中心點為圓心，以11km為半徑所形成的圓形區(qū)域，該范圍覆蓋了重慶主城區(qū)的核心區(qū)域，面積約為380km2。

3.2 數(shù)據(jù)來源

本文通過新浪微博開放平臺獲取了研究范圍內(nèi)2016年8月1—30日期間同時帶有照片圖像、文字內(nèi)容和位置信息的微博，共計58 741條。經(jīng)過數(shù)據(jù)清洗和篩選后，獲得了與城市意象研究相關(guān)的有效微博數(shù)據(jù)共計46 456條(圖4)，其中包含了159 883張照片，以此作為本文的研究數(shù)據(jù)。

3.3 城市意象認知

3.3.1 意象結(jié)構(gòu)認知

按照城市意象空間結(jié)構(gòu)的認知方法，生成城市意象空間結(jié)構(gòu)圖(圖5)。從整體上來看，重慶城市意象結(jié)構(gòu)呈現(xiàn)多中心組團式的分布，組團與組團間有較為明顯的隔離，這種形態(tài)與重慶主城區(qū)的空間結(jié)構(gòu)一致；從組團的分布來看，重慶主城區(qū)擁有清晰的意象結(jié)構(gòu)，其中包括6個區(qū)域、4條邊界、7條路徑、28個節(jié)點和8個標志(表3)。

1)區(qū)域。

區(qū)域是意象點聚集程度高且連續(xù)分布的范圍，重慶主城區(qū)共形成了6處意象區(qū)域。這些區(qū)域主要聚集在各城市組團的中心區(qū)和重要的城市交通場站，其中渝中半島意象區(qū)規(guī)模最大，意象要素的聚集程度也最高。

2)邊界。

從劃分意象區(qū)域的邊界來看，共形成4條明顯的邊界，分別是嘉陵江、長江、歌樂山和南山。從結(jié)果可以發(fā)現(xiàn)，山體與河流對意象區(qū)域的分隔作用最為明顯，道路對意象區(qū)域的影響則很小。

3)路徑。

從整個研究范圍來看，形成了7條主要的意象路徑，這些路徑構(gòu)成了各意象區(qū)域之間相互交流的通道。從功能上看，意象路徑均為交通性道路，其中有4條路徑為跨江道路，無沿江分布路徑。

4)節(jié)點。

節(jié)點是意象要素點聚集密度較高的點狀區(qū)域，通過判斷選擇，研究范圍內(nèi)共形成28個意象節(jié)點，整體分布較為平均，其中有16個節(jié)點分布在5個意象區(qū)域之內(nèi)，23個節(jié)點分布在意向區(qū)域之外。

5)標志。

意象標志是意象要素聚集密度最高，并在意象空間感知中發(fā)揮著特征性指引作用的點狀區(qū)域，形成了大解放碑都市圈、觀音橋、重慶北站、三峽廣場、磁器口古鎮(zhèn)、時代天街、楊家坪、萬達廣場共計8個意象標志。

表1 意象類型標簽對應(yīng)表

表2 微博語言評價示意表

圖3 城市意象類型分類

3.3.2 意象類型認知

研究將意象類型劃分為標志建筑、自然景觀、公共空間和文化生活4種類型。從重慶主城區(qū)意象類型的整體構(gòu)成來看，在159 883張照片中，標志建筑的有47 210張，占29.53%；自然景觀的有447 051張，占27.55%；公共空間的有35 466張，占22.18%；文化生活的有33 157張，占20.74%。

從結(jié)果可以發(fā)現(xiàn)，重慶主城區(qū)的主導(dǎo)城市意象為標志建筑，其次是自然景觀、公共空間、文化生活；4種意象類型的構(gòu)成比例較為均衡，表明重慶在城市意象的特色較為多元。

從意象類型的空間分布來看，標志建筑、自然景觀、公共空間和文化生活4種意象要素均呈現(xiàn)“節(jié)點聚集，散點分布”的特征，但每個單項意象類型都未形成完整的結(jié)構(gòu)體系。

標志建筑意象聚集程度最高，最為聚集的區(qū)域為觀音橋和解放碑2個商圈(圖6)。觀音橋的建筑以現(xiàn)代、摩登為特色；解放碑商圈則包含了解放碑、洪崖洞、湖廣會館等重要意象節(jié)點，以融合現(xiàn)代、傳統(tǒng)、地域的多元建筑意象為特色。

自然景觀的意象類型特征范圍最廣，整體分布較為平均，這也反映了重慶主城區(qū)擁有良好的自然景觀資源。其中自然景觀意象最為聚集的區(qū)域是大解放碑都市圈，以洪崖洞、朝天門、較場口等濱江區(qū)域為主；自然景觀的具體內(nèi)容以山水為主，特別是長江、嘉陵江、南山和歌樂山，都展現(xiàn)了重慶極具特色的自然景觀(圖7)。

在公共空間意象的分布方面，最集中的區(qū)域是大解放碑都市圈，其中包括了解放碑、較場口和洪崖洞，三者都是重要的城市廣場，行為活動豐富，其他區(qū)域還包括傳統(tǒng)街巷、交通場站等城市公共空間(圖8)。

文化生活是構(gòu)成比例最少的意象類型，大部分意象要素點都在核心區(qū)域聚集。具體來講，最聚集的區(qū)域是解放碑、洪崖洞和觀音橋，其中解放碑與洪崖洞是重慶最核心的旅游目的地，以旅游觀光為主，觀音橋則是以市民生活為主(圖9)。

3.3.3 意象評價認知

從意象評價的整體情況看，研究區(qū)域情感數(shù)值的平均值為0.64，標準差為0.33，表明重慶主城區(qū)城市意象在整體傾向上呈現(xiàn)中性偏正面；從意象評價的正面和負面分布趨勢來看，人們對重慶的情感認知兩極分化比較明顯，呈兩極數(shù)量大、中間數(shù)量小的微笑曲線型分布。其中正面評價有28 085條，占60.46%；中性評價有6 348條，占13.66%；負面評價有12 023條，占25.88%。

從意象類型的分類評價來看，自然景觀的意象評價最高，數(shù)值為0.71，標準差為0.29；其次是公共空間意象、標志建筑和文化生活。這表明重慶大山大水的自然景觀得到了廣泛認可。

從意象評價的空間分布來看(圖10)，在研究范圍內(nèi)，正面意象評價的區(qū)域占54.89%，中性意象評價占35.51%，負面意象評價占8.60%。通過進一步分析，可以發(fā)現(xiàn)意象評價的城市整體空間中的分布有以下幾個特點。

一是城市意象評價較低的區(qū)域主要位于各意象核心區(qū)外圍或區(qū)域與區(qū)域之間的邊界地帶(圖11)。由于核心區(qū)域往往是資本和人流的匯集地，是城市建設(shè)的重點；而非核心區(qū)域在城市的社會經(jīng)濟和功能結(jié)構(gòu)中所處地位較低，同時這些區(qū)域也存在大量的山體與飛地，得到的資本投入和更新維護較少。

圖4 微博數(shù)據(jù)點分布圖

圖5 城市意象結(jié)構(gòu)圖

圖6 標志建筑意象分布圖

圖7 自然景觀意象分布圖

二是在兩江四岸中，長江、嘉陵江的南側(cè)城市意象評價明顯高于北側(cè)(圖12)。就嘉陵江兩岸來看，位于北側(cè)的北濱路負面意象路段長約6km，位于南側(cè)的沙濱路-嘉濱路負面意象路段長約1.5km；就長江兩岸來看，位于北側(cè)的長濱路負面意象路段長約8.4km，位于南側(cè)的南濱路負面意象路段長約2.2km。這些意象評價較低區(qū)域多集中在大型樓盤、立交橋和交通節(jié)點，例如北岸風(fēng)光小區(qū)、江灣城小區(qū)、石門大橋北橋頭、嘉華大橋北橋頭、石板坡立交、鵝公巖立交等，表明人們對于大型社區(qū)與城市交通基礎(chǔ)設(shè)施的負面評價較高。

3.4 問題識別歸納

綜合上文的分析與論述，可以總結(jié)出重慶主城區(qū)的城市意象在以下幾個方面存在的問題，為城市意象優(yōu)化與城市特色塑造提供指引。

3.4.1 自然山水在城市意象中的失落

大山大水的自然格局本是重慶城市特色的主要特征，兩江四岸的景觀資源賦予了重慶得天獨厚的優(yōu)勢，近年來城市規(guī)模的迅速擴張、高強度的城市建設(shè)破壞了原有自然山水格局，山與水在城市意象中逐漸失落。

3.4.2 人文要素在城市意象中的缺位

重慶擁有幾千年的歷史，獨特的地形地貌孕育了具有山城特色的山水人文，九開八閉、江湖碼頭、吊腳樓等重慶的傳統(tǒng)人文要素在當(dāng)下的城市意象中并沒有得到很好的體現(xiàn)。

3.4.3 城市意象結(jié)構(gòu)有待優(yōu)化

雖然重慶主城區(qū)的城市意象結(jié)構(gòu)較為完善，但仍有優(yōu)化和提升的空間，意象路徑形成了2個獨立的路徑網(wǎng)絡(luò)，這2個意象路徑網(wǎng)絡(luò)相互獨立，并未連接成為一個完整的系統(tǒng)；主城區(qū)的各意象區(qū)域間較為獨立，相互聯(lián)系較弱。

4 結(jié)語

本文基于城市規(guī)劃的轉(zhuǎn)型革新、大數(shù)據(jù)的廣泛應(yīng)用和人工智能的技術(shù)突破三大背景，將城市意象、大數(shù)據(jù)、深度學(xué)習(xí)相結(jié)合，從理論基礎(chǔ)、數(shù)據(jù)來源和技術(shù)方法3個方面形成了研究的基本范式，并構(gòu)建了基于深度學(xué)習(xí)的城市意象認知模型，拓展了城市意象的理論內(nèi)涵和認知維度。借助新浪微博數(shù)據(jù)，對重慶主城區(qū)的意象結(jié)構(gòu)、意象類型、意象評價進行了實證研究，總結(jié)出重慶城市意象存在自然山水失落、人文要素缺失、意象結(jié)構(gòu)有待優(yōu)化等問題，驗證了該認知方法的適用性與科學(xué)性，以此增強城市意象在規(guī)劃設(shè)計中的實踐性與應(yīng)用性。

圖8 公共空間意象分布圖

圖9 文化生活意象分布圖

表3 重慶主城區(qū)意象結(jié)構(gòu)要素分類表

由于數(shù)據(jù)來源與分析能力的限制，以及理論和實踐經(jīng)驗的不足，本文仍存在諸多不足與局限。在數(shù)據(jù)方面，時間跨度太短，覆蓋人群有限，對分析結(jié)果的普適性有較大影響；在技術(shù)方法方面，深度學(xué)習(xí)仍處于起步發(fā)展階段，其準確度和精細度仍有待提升。

圖10 各類型意象評價分布圖

圖11 意象評價插值分布圖

圖12 長江與嘉陵江意象評價分布圖

注：文中圖片均由曹越皓繪制。