毛志睿 高鈺桔 陳笑葵
1 昆明理工大學(xué)建筑與城市規(guī)劃學(xué)院 昆明 650500 2 廣州市城市更新規(guī)劃設(shè)計(jì)研究院有限公司 廣州 510030
公園作為服務(wù)群眾日常生活的公共服務(wù)產(chǎn)品和城市綠地系統(tǒng)的核心組成部分,承載著美化環(huán)境、休閑游憩、傳承文化等重要功能。十九大報(bào)告指出:“中國特色社會主義進(jìn)入新時(shí)代,我國社會主要矛盾已經(jīng)轉(zhuǎn)化為人民日益增長的美好生活需要和不平衡不充分的發(fā)展之間的矛盾?!痹诖吮尘跋?,營造大眾喜愛的城市公園景觀環(huán)境對于增強(qiáng)人民幸福感、實(shí)現(xiàn)城市高質(zhì)量發(fā)展具有重要意義。因此,有必要對城市公園進(jìn)行客觀合理的景觀評價(jià),從而為公園的管理維護(hù)及其規(guī)劃建設(shè)提供科學(xué)依據(jù)。
景觀評價(jià)研究興起于20世紀(jì)60年代,在對“基于專業(yè)/設(shè)計(jì)”“基于公眾感知”等問題的討論過程中,逐漸分化出專家學(xué)派、心理物理學(xué)派、認(rèn)知學(xué)派和經(jīng)驗(yàn)學(xué)派[1-4]。心理物理學(xué)派主要通過數(shù)理統(tǒng)計(jì)手段構(gòu)建美景度與各景觀要素關(guān)聯(lián)的數(shù)學(xué)模型,定量描述特定景觀環(huán)境的群體評價(jià)結(jié)果,因其良好的科學(xué)性、廣泛性、敏感性、精確性和實(shí)用性被認(rèn)為是更加可靠的研究模式[5]。目前主流評價(jià)方法包括且不限于美景度評價(jià)法(SBE)、語義差異法(SD)、審美評判測量法(BIB-LCJ)、層次分析法(AHP)等,其開展研究的基礎(chǔ)數(shù)據(jù)主要依靠抽樣問卷調(diào)查或?qū)<掖蚍值姆绞将@得[6-10]。隨著“通信與信息技術(shù)”和物聯(lián)網(wǎng)技術(shù)的發(fā)展,景觀評價(jià)過程中形成了有別于傳統(tǒng)抽樣調(diào)研和靜態(tài)統(tǒng)計(jì)數(shù)據(jù)的新數(shù)據(jù)環(huán)境(New Data Environment)[11-13],越來越多的學(xué)者開始嘗試借助新數(shù)據(jù)和新技術(shù)(如機(jī)器學(xué)習(xí)等)展開范圍更廣、基數(shù)更大的景觀評價(jià)研究[13-16],其中網(wǎng)絡(luò)用戶生成內(nèi)容(User Generated Content,UGC)指互聯(lián)網(wǎng)用戶在各類網(wǎng)絡(luò)平臺上面共享自己的原創(chuàng)內(nèi)容所產(chǎn)生的數(shù)據(jù),具體包括網(wǎng)絡(luò)文本、網(wǎng)絡(luò)圖片和網(wǎng)絡(luò)音視頻等[17]。當(dāng)前使用UGC數(shù)據(jù)進(jìn)行景觀評價(jià)尚處于起步階段,如聶婷等[18]利用新浪微博和大眾點(diǎn)評數(shù)據(jù),通過詞頻分析挖掘了珠江景觀意象和需求評價(jià);李穎[19]基于攜程網(wǎng)和去哪兒網(wǎng)評價(jià)數(shù)據(jù),借助語義差異法、因子分析法和GIS分析法對麗水市景區(qū)進(jìn)行評價(jià)分析,在歸納麗水市景區(qū)景觀優(yōu)劣勢的基礎(chǔ)上提出相應(yīng)優(yōu)化策略。
上述研究提出采用UGC數(shù)據(jù)進(jìn)行大范圍景觀評價(jià)是一種可行思路,在一定程度上表明UGC數(shù)據(jù)可以作為傳統(tǒng)抽樣數(shù)據(jù)的有效補(bǔ)充,但仍缺乏對UGC數(shù)據(jù)運(yùn)用于中微觀尺度景觀評價(jià)的進(jìn)一步探討。基于此,本文嘗試使用UGC數(shù)據(jù)作為景觀評價(jià)的基礎(chǔ)數(shù)據(jù),結(jié)合現(xiàn)場問卷調(diào)研,對昆明市主城區(qū)5個(gè)典型公園的景觀視覺質(zhì)量進(jìn)行評價(jià),旨在與時(shí)俱進(jìn)地提出結(jié)合新數(shù)據(jù)和新技術(shù)的公園景觀評價(jià)思路,豐富公園景觀視覺質(zhì)量評價(jià)的技術(shù)手段,為大規(guī)模公園景觀評價(jià)和人性化公園景觀環(huán)境營造提供支撐。
根據(jù)《城市綠地分類標(biāo)準(zhǔn)(CJJ/T 85-2017)選取昆明市主城區(qū)的大觀公園、翠湖公園、黑龍?zhí)豆珗@、金殿公園、海埂公園5個(gè)市級公園為研究對象,公園篩選條件如下:1)考慮公園的尺度及實(shí)際使用情況,將面積在1 hm2以內(nèi)的社區(qū)公園和游園排除在外;2)考慮到研究基礎(chǔ)數(shù)據(jù)來源為網(wǎng)絡(luò)用戶生成內(nèi)容,為保證數(shù)據(jù)客觀性及公園服務(wù)對象的多樣性,將專類公園排除在外;3)由于“用戶生成內(nèi)容”有價(jià)值密度低的局限性,為保證UGC數(shù)據(jù)的精確性,比對研究時(shí)間內(nèi)各公園的用戶生成內(nèi)容數(shù)據(jù),對數(shù)據(jù)質(zhì)量較差的公園予以排除。
首先,借助Python3.7爬取并清洗公園的網(wǎng)絡(luò)評論文本數(shù)據(jù),確定評價(jià)指標(biāo),再實(shí)地發(fā)放問卷獲得線下評論打分?jǐn)?shù)據(jù);其次,借助自然語言處理中的情感分析技術(shù)量化UGC數(shù)據(jù),根據(jù)選取的評價(jià)指標(biāo)篩選數(shù)據(jù)并以七段法的方式進(jìn)行標(biāo)準(zhǔn)化處理,而后分別用網(wǎng)絡(luò)評論文本數(shù)據(jù)與線下打分?jǐn)?shù)據(jù)借助SD法對5個(gè)公園景觀質(zhì)量差異進(jìn)行刻畫;最后,使用因子分析法提煉公共因子并計(jì)算綜合景觀視覺質(zhì)量。
1.2.1 UGC數(shù)據(jù)收集與清洗
美團(tuán)網(wǎng)和攜程網(wǎng)擁有規(guī)模龐大的網(wǎng)絡(luò)用戶群體,其商品、景點(diǎn)評價(jià)信息需要購買后才能發(fā)布,數(shù)據(jù)精度和可信度較高,因此選取美團(tuán)和攜程的評論文本作為本次景觀視覺質(zhì)量評價(jià)的基礎(chǔ)數(shù)據(jù)。評論文本內(nèi)容于2021年10月18日通過Python 3.7爬取獲得,篩除亂碼和無意義內(nèi)容后最終獲得15079條評論文本,其中大觀公園3531條、翠湖公園2626條、黑龍?zhí)豆珗@2761條、金殿公園4449條、海埂公園1712條。對篩選后的文本內(nèi)容進(jìn)行分詞、標(biāo)注詞性,去除方位詞、代詞等停用詞后提取詞頻,選取與公園景觀環(huán)境體驗(yàn)有關(guān)且出現(xiàn)頻次大于25的形容詞、名詞、動詞和習(xí)用語等。
1.2.2 評價(jià)指標(biāo)選取
語義差異法(Semantic Differential,SD)又稱感受記錄法,能夠?qū)⑹褂谜邔μ囟ㄊ挛锏男睦砀惺苓M(jìn)行量化并可視化[20]。本研究借鑒景觀空間、環(huán)境感知、情感分析等理論,理解大數(shù)據(jù)的特點(diǎn)和優(yōu)勢,在可獲取的UGC數(shù)據(jù)中,在充分考慮大眾視角對景觀評價(jià)的影響下,綜合考慮各個(gè)公園的旅游資源和使用者的環(huán)境感知,從不同維度界定指標(biāo)的范圍,從而構(gòu)建景觀視覺質(zhì)量評價(jià)指標(biāo)。在語義差異法步驟中,需要盡可能收集和研究對象相關(guān)的形容詞對,本文首先尋找以往文獻(xiàn)[21-23]中出現(xiàn)的常用形容詞對,然后依據(jù)章俊華[20]提出的篩選條件(一是剔除難以形成完全相對的形容詞組,保證評價(jià)內(nèi)容的正負(fù)兩面性,避免形成片面的評價(jià);二是剔除在中心點(diǎn)兩側(cè)形成不對稱的形容詞組,避免繪圖出現(xiàn)差異;三是剔除不常用的形容詞組,保證UGC社區(qū)用戶能涵蓋所選形容詞組的范圍),在統(tǒng)計(jì)出現(xiàn)頻次大于25的形容詞組的基礎(chǔ)上,對UGC數(shù)據(jù)中使用者的評價(jià)進(jìn)行歸納篩選,最終從景觀內(nèi)涵、景觀空間、景觀氛圍和景觀管理4個(gè)維度選取14項(xiàng)評價(jià)指標(biāo)(表1),對相關(guān)形容詞組進(jìn)行歸類,以統(tǒng)一游客同種含義不同表達(dá)的網(wǎng)絡(luò)評價(jià)內(nèi)容。
1.2.3 問卷調(diào)查與數(shù)據(jù)統(tǒng)計(jì)分析
現(xiàn)場問卷調(diào)研于2022年4—5月完成,分別對5個(gè)城市公園內(nèi)游人隨機(jī)發(fā)放問卷。問卷內(nèi)容包括游人的基本信息及由UGC數(shù)據(jù)處理后篩選的景觀視覺質(zhì)量評價(jià)指標(biāo)拓展得到的正反義詞,將每個(gè)形容詞按照“很好(3分)、好(1分)、一般(0分)、較差(-1分)、差(-3分)”5個(gè)等級進(jìn)行劃分,并對每項(xiàng)維度和指標(biāo)進(jìn)行量化計(jì)算,最后得到景觀視覺質(zhì)量評價(jià)得分。
自然語言處理(Natural Language Processing,NLP)是將人類語言習(xí)慣轉(zhuǎn)化為機(jī)器所能理解的語言后對各類文本數(shù)據(jù)進(jìn)行處理分析[24]。本研究對于UGC數(shù)據(jù)的處理是基于自然語言處理平臺,借助樸素貝葉斯方法對人工標(biāo)注的550條積極評價(jià)語料和550條消極評價(jià)語料進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練,得到精度達(dá)到94.25%的情感分析模型。使用該模型對包含各形容詞組內(nèi)容的評論進(jìn)行情感分析打分,根據(jù)七段法的原則將得分進(jìn)行標(biāo)準(zhǔn)化處理,得到區(qū)間在[-3,3]的標(biāo)準(zhǔn)化網(wǎng)絡(luò)評價(jià)數(shù)據(jù)(表2),標(biāo)準(zhǔn)化處理公式如下:
表2 網(wǎng)絡(luò)評價(jià)數(shù)據(jù)標(biāo)準(zhǔn)化示意
式(1)中,Value為標(biāo)準(zhǔn)化后數(shù)據(jù),senti為情感分析打分結(jié)果。
1.2.4 城市公園視覺景觀綜合質(zhì)量分析
利用SPSS 25.0對獲得的線上UGC數(shù)據(jù)和線下問卷打分?jǐn)?shù)據(jù)進(jìn)行主成分分析,在此基礎(chǔ)上使用因子分析法提煉公共因子,采用最大方差法對初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)以方便公共因子命名,最后以累積方差貢獻(xiàn)率作為公共因子權(quán)重系數(shù),加權(quán)求和獲得公園景觀視覺質(zhì)量綜合得分,計(jì)算公式如下:
式(2)中,E為公園景觀視覺質(zhì)量綜合得分,Wi為第i個(gè)公共因子的權(quán)重值,Pi為第i個(gè)公共因子的得分。
本研究獲取清洗整理后的網(wǎng)絡(luò)用戶評論文本共15079條。由表3可知:在用戶信息公開的9032條評論文本中,網(wǎng)絡(luò)用戶年齡集中在16~54歲(90.8%),其中16~34歲的青年人占54.7%,35~54歲的中年人占36.1%;0~15歲的兒童占2.5%,55~80歲的老年人占6.7%。在問卷樣本中,55~80歲的老年人占有效問卷數(shù)量的63%,35~54歲的中年人占24.7%,16~34歲的青年人占12.3%。根據(jù)上述年齡結(jié)構(gòu)特征,兩種方法互為補(bǔ)充,可以進(jìn)行交叉驗(yàn)證。
表3 公園使用人群年齡結(jié)構(gòu)特征
根據(jù)UGC評價(jià)數(shù)據(jù)標(biāo)準(zhǔn)化結(jié)果,繪制語義差異得分表(表4)。結(jié)果表明,公園景觀視覺質(zhì)量的影響因子中較為重要的有景觀內(nèi)涵維度的美感(2.57),景觀空間維度的蔭蔽度(2.69)和形體感(2.18),景觀氛圍維度的舒適度(2.77)、愉 悅 度(2.52)和 氛 圍 感(2.41),景觀管理維度的便捷度(2.18)和性價(jià)比(2.12)。
表4 基于UGC數(shù)據(jù)的語義差異得分情況
本研究共計(jì)發(fā)放調(diào)研問卷1000份,有效問卷900份。結(jié)果(表5)顯示,公園景觀視覺質(zhì)量評分中較為重要的影響因子是景觀氛圍維度的舒適度(2.61)與氛圍感(2.19),景觀管理維度的便捷度(2.58)、整潔度(2.57)和管理水平(2.28)。
表5 基于問卷數(shù)據(jù)的語義差異得分情況
由于樣本量小于變量個(gè)數(shù),因此進(jìn)行因子分析計(jì)算相關(guān)系數(shù)矩陣檢驗(yàn)變量間相關(guān)性[25]。從兩類數(shù)據(jù)中提煉得到特征值大于1的公共因子有4個(gè),累積解釋方差達(dá)100%,由于碎石圖曲線在第5個(gè)因子以后放緩,因此選擇4個(gè)公共因子足夠解釋原有變量(表6)。
表6 總方差解釋情況
融合UGC數(shù)據(jù)和問卷數(shù)據(jù)的評價(jià)分值,采用方差最大法對初始因子載荷矩陣進(jìn)行旋轉(zhuǎn)。結(jié)果(表7)顯示,進(jìn)行旋轉(zhuǎn)后的初始因子載荷矩陣在6次迭代后收斂,且各因子軸中因子負(fù)載≥0.5,故4個(gè)公共因子的命名分別為景觀環(huán)境(歷史感、蔭蔽度、整潔度、性價(jià)比、形體感、趣味性),景觀認(rèn)知(特色度、美感、方向感、管理水平),景觀氛圍(氛圍感、便捷度)和景觀體驗(yàn)(舒適度、愉悅度)。
表7 因子負(fù)荷量
依項(xiàng)計(jì)算公園各項(xiàng)公共因子得分,進(jìn)而得到城市公園景觀視覺質(zhì)量總體得分,結(jié)果如表8所示:對公眾而言,景觀環(huán)境對公園景觀視覺質(zhì)量影響力最大;其次為公園景觀的認(rèn)知感與氛圍感;景觀的體驗(yàn)感對公園景觀視覺質(zhì)量綜合得分的影響力最小。
表8 景觀視覺質(zhì)量總體得分
經(jīng)過自然語言處理技術(shù)量化后的UGC數(shù)據(jù)結(jié)合傳統(tǒng)SD法、因子分析法能夠較好地反映公眾視野下的公園景觀視覺質(zhì)量差異。UGC數(shù)據(jù)獲取的便利性意味著該思路可為大規(guī)模公園景觀質(zhì)量評價(jià)提供切實(shí)有效的支撐,但由于當(dāng)前互聯(lián)網(wǎng)使用群體的年齡段主要集中在16~54歲,研究結(jié)果存在一定局限性;而現(xiàn)場調(diào)研問卷數(shù)據(jù)采集靈活方便,信息獲取簡單,但在樣本采集精力、采集數(shù)量等方面存在一定局限性。將UGC數(shù)據(jù)與現(xiàn)場調(diào)研問卷數(shù)據(jù)進(jìn)行交叉比對驗(yàn)證,研究結(jié)果更為科學(xué),置信度更高。
相對于以往研究者自主選擇指標(biāo)而言,采用UGC數(shù)據(jù)的優(yōu)勢在于此數(shù)據(jù)反映的是游客游覽公園印象最深刻的內(nèi)容,避免了研究者在指標(biāo)選取階段的主觀臆斷,但這一特質(zhì)也限制了有特殊指標(biāo)如聲音、嗅覺等方面的景觀質(zhì)量評價(jià)研究。目前而言,UGC數(shù)據(jù)更適合作為景觀視覺質(zhì)量評價(jià)的依據(jù),對公園等貼近居民生活的景觀進(jìn)行調(diào)查[26]。
從兩類數(shù)據(jù)出發(fā),以各自數(shù)據(jù)統(tǒng)計(jì)得到的公園得分平均值為基準(zhǔn)與公園內(nèi)部各指標(biāo)得分情況進(jìn)行對比,發(fā)現(xiàn)不同年齡段的居民對于城市公園景觀視覺質(zhì)量的關(guān)注點(diǎn)不盡相同。16~34歲的青年人一般在非工作時(shí)間使用公園以獲得身心放松,他們對公園的特色、美感有較高的需求,更加關(guān)注公園的景觀內(nèi)涵;35~54歲的中年人對公園的景觀管理水平有較高的要求,他們是社會責(zé)任的主要承擔(dān)者,更整潔、管理有序的公園環(huán)境對這個(gè)年齡段的人群具有更強(qiáng)的吸引力;55歲以上的老年人側(cè)重享受公園的景觀氛圍感,這個(gè)年齡段的人群有更高的健康意識和社交需求,更加關(guān)注公園景觀的舒適度與愉悅度。
本文通過使用UGC數(shù)據(jù)和現(xiàn)場問卷調(diào)研相結(jié)合,對昆明市主城區(qū)5個(gè)典型公園的景觀視覺質(zhì)量進(jìn)行評價(jià),景觀綜合得分表明:翠湖公園景觀視覺綜合質(zhì)量最佳,其次為大觀公園、黑龍?zhí)豆珗@、金殿公園和海埂公園;公園的“景觀環(huán)境”顯著影響景觀視覺質(zhì)量得分,該因子主要涵蓋歷史感、蔭蔽度、整潔度、性價(jià)比、形體感和趣味性6個(gè)方面,因此在各個(gè)公園后續(xù)規(guī)劃建設(shè)中可有針對性地加強(qiáng)上述6方面的環(huán)境營造。
當(dāng)前各公園景觀視覺質(zhì)量水平存在較大差異,提升方向感、趣味性等景觀視覺質(zhì)量因子是當(dāng)前5個(gè)公園使用者共同的迫切需求。金殿公園、大觀公園和黑龍?zhí)豆珗@景觀視覺質(zhì)量因子影響力相對一致,3個(gè)公園均需要提升其方向感的質(zhì)量,翠湖公園需要提升園區(qū)的環(huán)境衛(wèi)生水平,海埂公園需要加強(qiáng)景觀內(nèi)涵維度的質(zhì)量。