基于动态观览评价的视觉景观研究探索
——以南京市滨江型公共空间为例

成 实 王建国

在快速城市化进程中，中国正式进入城镇化进程的“下半场”，城市设计愈发注重空间内涵品质的提升和公众诉求的满足。

视觉评价被视为衡量城市环境品质优劣的主要途径之一，其建立起了城市空间与公众感知之间的相互联系，对于城市空间品质的提升及特色的塑造均具有十分重要的意义。过往的视觉研究多聚焦于人群静态观景行为，如何遵循人群动态观景行为特征，采用数字景观技术通过定量化分析手段系统解读城市环境，建立起城市空间环境与人群视觉感知间的双向联系是本文研究的核心。

1 研究缘起：城市“景-观”互动的规划理论与技术的再探索

1.1 既有视觉评价研究

长期以来，对于人群视觉感知的探讨一直是学术界的关注热点。基于过往研究成果，视觉感知评价研究可概括为特性分析型、专家经验型、公众感知型和综合评价型4种类型。整体而言，过往视觉评价更关注于人群“视觉感知”层面的单一影响，缺少对于“视觉感知”及“城市空间”互动关联的系统建构，评价方式多依靠主观判断。

1.2 “景-观”互动规划理念

2009年，王建国院士团队在《西湖东岸城市景观规划──西湖申遗之城市景观提升工程》中首次提出了“景-观”互动的双向规划理论与相应的解析技术，在实践研究中为解析西湖景观中人群视觉感知与城市空间形态的内在相关性，借助于GPS技术、问卷访谈、观赏点标注等方法，通过对“湖、城、人”三要素及三者关系的分析，探讨了西湖的景观特征与城市及游人观赏行为间的关系，在此基础上建构了城市空间的GIS数字化平台，分析城市未来最优的高度形态分布，寻求西湖东岸城市景观控制的不同途径及应对策略，实现“景”和“观”的等量齐观[1]。随后，将“景-观”互动的视觉评价方法在杭州大运河等实践研究中加以应用[2-3]，在实践过程中不断优化该评价方法。

1.3 技术引领下的评价方法革新

随着第四代基于人机互动的数字化城市设计时代的到来，预示着城市研究与实践正迈向科学化和定量化，研究方法及技术均有大幅度跃升。过往城市研究受技术手段束缚存在的主观化、片面化等不足正不断被改进[4]。

从视觉研究的角度来看，以审美体验为核心的人群视觉感知分析一直是城市与风景园林领域关注的核心问题。过往研究中的人群视觉感知难以被客观描述和测量，多停留在语义分析阶段。然而现阶段，计算机技术、虚拟呈像技术和生理数据采集技术等科学技术正逐渐融入视觉景观研究领域，研究者尝试通过构建虚拟场景、捕捉人群视觉生理数据等一系列科学量化手段对既有视觉研究方法加以拓展[5-8]，进一步厘清人群视觉感知与城市空间形态间的关系，并依托于相关技术的支撑，实现对城市空间数据及人群视觉感知数据的量化处理，大幅度提升城市视觉研究的精准度及效率。

2 方法提出：基于“景-观”理念下的动态观览评价方法

延续“景-观”互动的视觉研究理念，本文重点关注“城市、自然、人群”3个方面的相互关联，融入新技术手段提出了符合人群观景行为特征的“动态观览评价”新方法。

2.1 评价方法定义

动态观览评价，即遵从人群观赏行为所具有的“随机”“漫游”特征，顺应人群在城市空间中的观景行为方式，强调在不同观景行为方式的相互作用下人群对于城市空间所产生的复合视觉感知变化。相较于过往的视觉评价研究而言，动态观览评价研究避免了单一视点的局限性，更注重“景”与“观”的互动关联。

2.2 评价机制解析

人类的视觉感知包含2种大相径庭的基本机制，一种是“自下而上”(Bottom-Up)或刺激驱使(Stimulus-Driven)的独立于任务的视觉注意机制，依靠人群视觉本能加以接受，并提取出必要的视觉输入信息；另一种是“自上而下”(Top-Down)或目标驱使(God-Driven)的依赖于任务的视觉关注机制，取决于观察的目标及任务，通过大脑指定任务来完成视觉搜寻的工作[9-10]。

相较而言，动态观览评价符合人群“自下而上”的视觉关注机制，即随着人群观景行为方式的变化，在城市空间的不同区位下对所视景物产生相应的视觉生理反应，并将眼睛所接收到的外在空间信息直接传递给大脑，从而产生心理层面的情绪变化影响。具体而言，动态观览评价机制涉及“物理-生理-心理”3个领域(图1)。

图1 动态观览评价机制

1)物理领域。

物理领域指环境的客观物质形态受功能、区位、文化、气候等多重因素的复杂作用，造成不同类型的空间环境对于人群视觉感知及心理情绪具有显著的差异影响。

2)生理领域。

生理领域指客观物质形态作为一种刺激由光线进入视网膜，转而被大脑皮层再加工的过程。考夫卡(Koffka)在《格式塔心理学》一书中指出，空间中的人群认知受到行为组织的影响，空间绝非纯视觉的，对于人群空间感知的研究应当综合对其行为方式的分析。因此，动态观览评价过程中更注重不同观景行为方式(本研究分为停驻型和通过型)下人群的视知觉反应。

3)心理领域。

心理领域负责理解、认知和激发情感。人群视觉感知与其心理情绪之间存在密切关联。心理情绪是人群视觉感知累计后产生的片段反应结果，其价值反映在对于客观事物的信息传递过程中。

综上所述，动态观览评价旨在对城市空间中物理、生理、心理3个领域所关联的“空间”(景)及“人群”(观)数据分别加以挖掘与量化分析，试图以人群不同观景行为方式下的视觉生理及情绪心理评价结果作为参照，判断城市空间的物理特征对于人群视觉感知所产生的具体影响效应，从而逐级建构起“景”与“观”的数学关联性。

2.3 评价途径

动态观览评价分为以下6个步骤(图2)。

图2 动态观览评价流程

1)步骤一：空间场景采集。

为便于对研究片区中“景”“观”2个维度进行量化及分析，需对研究片区分别进行倾斜摄影采集和实景影像录制。

倾斜摄影采集是为建构起研究片区的三维实景模型，便于呈现研究片区的具体空间形态特征及进行后续空间量化分析；实景影像录制是为探析研究片区中人群的动态视觉感知变化，需根据人群观景行为方式进一步对研究片区进行实景影像录制，并制作成实验样本。

2)步骤二：场地单元划分。

考虑到研究片区通常占地面积较大且空间内部涵盖要素较复杂①，为保证评价分析的精准性，综合考量不同视距下人群可感知的空间要素[11]、景观空间的形态复杂度，以及后续量化运算的可操作性。评价中以300m×300m的立体空间单元为基准对研究片区加以划分，从而形成数个立体空间单元以供后续分析研究。

3)步骤三：场地单元归类。

为提高研究效率，综合研究场地中“景”(空间通视率)与“观”(观景空间面积占比)两方面因素对上文划分的空间单元加以归类，从中筛选出典型空间单元展开详细研究。

4)步骤四：人群感知量化。

为进一步量化探析研究片区中人群的动态视觉感知体验，首先依托于各典型空间单元的划分，将实景影像制作成若干实验样本；其次采取实验分析的方式，通过眼动生理监测辅以情绪量表的途径对各典型空间单元中人群不同观景行为方式下的视觉感知情况加以量化；最后经过数据检验，将人群视觉感知数据拟合至对应空间单元中，以反映出各空间单元内部人群视觉感知的差异变化并进行分析。

5)步骤五：空间指标计算。

为挖掘出研究片区中影响人群视觉感知的具体空间要素，首先通过实验分析得到的被试者眼动热力图筛选出研究片区中人群的视觉关注区域及要素；再结合过往研究，厘清并总结出视觉关注要素所涉及的12项空间影响指标，以全方位地表征滨江公共观景空间内外部形态特征；最后经由对指标量化路径的设计、空间数据的建模，以及指标相关算法的提出，基于所建构的研究片区倾斜摄影模型，计算出各空间单元所涉及的空间影响指标的相应指数并加以分析论述。

6)步骤六：指标关联分析。

基于对研究片区中“景”与“观”2个维度各要素的提取及量化，采取定性与定量相结合的现代数学决策分析方法对各影响因素进行综合判断，明确研究片区中“景-观”之间的相互影响效应，建立起“景-观”双向预测模型。在此基础上，根据人群“观”的偏好程度确定研究片区中“景”的最佳取值区间，试图将人群实际观景感受融入城市空间形态的量化评判。

2.4 技术尝试

考虑到动态观览评价主要与城市空间中“景”“观”2个维度相关联，更涉及物理、生理及心理3个领域，为保证研究分析的可靠性及精准性，下文根据评价所涉及的领域对应用到的数字技术进行详解。

1)物理领域：空间场景的模型建构及影像生成。

为实现对“景”的量化研究，采用倾斜摄影技术对研究片区空间数据加以全面采集，建构出研究片区的三维实景空间模型，以供后续空间影响指标的量化计算。同时，为便于对“观”的实验分析，考虑到心理学研究中“图像-优势效应”(Picture Superiority Effect)指明“使用图像任务进行偏好选择被认为是增强现实的一种潜在方法，可提高调查数据的有效性”，因而过往研究常运用静态照片及动态影像2种方式构建实验样本，其中，动态影像更加贴近人群真实的空间感受。因此，本文采用GoPro动态实景采集技术对研究片区场景进行全方位采集，形成场景影像样本库，作为测量人群视觉生理及心理数据的实验样本。

2)生理及心理领域：人群视觉感知数据的获取。

为呈现出研究片区中人群的视觉感知变化，采用实验分析的手段分别获取人群的视觉生理数据和情绪心理数据。其中，针对人群视觉生理数据，主要采用生理数据监测设备获取人群的“直接视知觉”反应；情绪心理数据则采用心理学研究中的情绪量表，以进一步解析人群眼动反应背后的情绪变化状况。

3 实例探索：以南京市滨江型公共空间为例

动态观览评价对于塑造城市景观空间及其周边环境风貌、平衡“城市发展”与“公众诉求”间的矛盾具有积极作用。

我国流域面积超过1 000km2的河道多达1 500余条，仅长江、黄河、珠江3条水系沿线城市就达近百座，此类城市均可归为滨江型城市。由于滨江型城市沿江区域具有较高的空间价值，因此通常作为城市开发建设的重点关注区域，然而在快速城市化进程下，大量建设用地占据了滨江沿线的大部分区域。如何在兼顾人群观景活动体验的同时保障滨江型城市的特色风貌，已然成为现阶段滨江型城市发展过程中所面临的共性议题之一。本文选取长江下游地区具有代表性的滨江型城市──南京作为研究案例，验证动态观览评价方法的实操性，并对相应问题予以解析。

3.1 实例选取

南京滨江风光带全线长度58km。本文根据对南京滨江沿线公共空间的梳理，将滨江沿线的公共空间划分为幕燕、青奥、绿博、下关和鱼嘴5个区段(图3)，并展开详细研究。

图3 部分研究片区

3.2 方法运用

依据人群在滨江型公共空间中的观景行为特征，分别从“景”与“观”2个方面入手对所选取的南京滨江片区展开深入的定量解析，并通过数学决策模型架构起二者间的关联，形成“景-观”双向预测模型，另综合人群眼动生理指标及人群观景心理偏好指标分析判断出滨江型公共空间中各类“景”要素的最佳取值区间。

3.3 “观”的探析

对于南京滨江型公共空间中人群“观”的探析，旨在研究滨江型公共空间中人群在不同观景行为方式下的视觉生理反应及所引发的相应情绪感知变化。基于过往视觉研究成果，采取实验分析的方式(图4)进行探析，具体流程分为样本制作、实验操作、数据处理和数据分析4个步骤。

图4 实验技术路径

1)样本制作。

考虑到南京滨江型公共空间的覆盖范围较广且各片区间风貌差异较大，涉及江岸线长度共约14.5km、陆地面积23.7km2，覆盖了南京长江全线公共观景空间，为保证研究的准确性，将研究片区划分为63个立体空间单元，选取其中32个典型空间单元加以详细探讨。在此基础上，依据对人群观景行为方式的归纳，分别对各典型空间单元中“停驻型”及“通过型”2类观景空间进行人眼视角下的实景影像录制，并结合实验分析的需要，按观景行为方式及空间单元对所采集的实景视频进行处理、编码及成组。

2)实验操作。

根据实验样本的分类及组别形成多个实验项目，选取34名被试者进行实验操作，并记录各被试者的眼动及情绪2类测试数据。在实验中，采用aSee studio固定式眼动仪及眼动分析系统测量不同被试者对于各实验样本的眼动生理变化，并辅以心理学研究中常用的情绪量表进一步记录被试者眼动反应当下的情绪变化。实验后，共计获取数据样本1 024个。

3)数据处理。

实验后导出数据，对眼动及情绪2类数据进行汇总和清理，在ArcGIS平台中按照各实验样本所处区段将实验数据录入至对应的通过及停驻空间中，以便后续的实验分析。

4)数据分析。

实验数据分析分为情绪分析②、眼动分析③和波动分析④3个部分，分别针对动态观览评价中所涉及的心理、生理及物理3个领域。采用概率学及统计学中变异系数(Coefficient of Variation)计算等方式确定各研究区段中被试者的情绪、眼动及波动指数，以解析南京滨江型公共空间不同区段中人群不同观景行为方式下的视觉感知情况。

3.4 “景”的解析

人群的视觉感知是在空间尺度、形状、色彩等多种空间特征复合作用下产生的。因此，本文认为人群在不同观景行为方式下对滨江环境的眼动及情绪反应变化亦受到其所处区位下多维度空间特征因素的复合作用。

基于前文通过动态观览评价对南京滨江型公共空间中人群视觉及情绪反应的解析，旨在厘清滨江型公共空间中影响人群视觉感知的空间要素及相应指标，具体分为视觉影响要素提取、量化路径设定及空间建模、指标量化计算及分析3个研究步骤(图5)。

图5 空间指标量化路径

1)视觉影响要素提取。

借助眼动实验得出的人群视觉热力图，挖掘出滨江型公共空间中人群视觉关注的区域及要素，再结合过往视觉研究筛选出人群视觉关注的空间要素所对应的空间影响指标。

2)量化路径设定及空间建模。

为进一步厘清南京滨江型公共空间中各类空间影响指标对人群视觉感知的具体影响，需对研究片区中空间影响指标的量化路径予以拟定[11]，并建构及选取量化分析所依托的三维空间模型和软件分析平台，以便后续计算各项空间指数。

3)指标量化计算及分析。

在前2个步骤的基础上，以过往视觉研究为基础[12]，融入地理学、生态学等相关领域的研究成果，对本研究所涉及的各项空间指标计算方式予以拟定，从而实现相关指标算法的科学集成。最终，在ArcGIS平台中对研究片区所涉及的各项空间影响指标加以计算，不仅便于观察各研究区段中各项空间影响指标的分布差异及特征，也为后续研究提供数据基础。其中，考虑到空间影响指标计算涉及的测试视点数量众多(以50m/个为单位加以划分，共计296个)，因此，延续3.3小节“‘观’的探析”中对研究片区各典型空间单元的划分、选取及编码，以便在后续研究中与“观”的指标数值加以拟合。

3.5 “景-观”关联预测模型及指标量化控制

基于前文对于南京滨江型公共空间“景”“观”2个维度的实证分析及对各项影响要素的提取和量化，通过采取定性与定量相结合的现代数学决策分析方法对“景”“观”2个维度多项影响因素的综合判断，明确“景”与“观”的相互影响效应，建立起南京滨江型公共空间的“景-观”双向预测模型，并选取3～4个实证案例代入评价模型中进行运算，检验评价模型的有效性。再根据人群“观”的偏好程度确定南京滨江型公共空间中“景”的最佳取值区间，实现对于“景-观”的综合考量，将人群实际观景感受融入对城市空间形态的评判中(图6)。

图6 “景-观”双向预测模型框架

1)“景-观”预测模型建构。

通过MATLAB软件平台采用PLS(偏最小二乘估计法)计算方式[13]对动态观览评价下南京滨江型公共空间内外部形态特征与人群视觉反应及其情绪心理3个领域间的相互关系进行综合判断，并计算各领域间的具体影响效应。

在预测模型的建构中，从停驻和通过2种观景行为方式入手。首先，从“生理-心理”维度指标着手，厘清在滨江型公共空间中人群情绪感知与眼动生理反应间的关联效应；其次，聚焦“生理-空间”维度指标，进一步厘清滨江型公共空间中人群眼动生理反应与各维度空间形态指标间的关联效应；最终，逐级建构起滨江型公共空间“景-观”双向预测模型。在此基础上，对模型有效性加以检验，发现实际观测值与模型预测值2类数据间离散度较低，且显著性处于0.993～0.997区间内，说明实际观测值与预测值无明显差异，即预测模型有效。以通过型观景行为方式为例，经模型计算，将标准化的变量系数还原成原始数据的变量系数及常数项，还原后的回归方程形式如下。

(1)“生理-心理”维度：

Y1=3.703+0.742X1+1.107X2-0.138X3

Y2=3.203+0.294X1+1.241X2-0.314X3

式中，Y1为通过型行为情绪效价；Y2为通过型行为情绪唤醒度；X1为平均注视时长均值；X2为注视频率均值；X3为首次注视时长均值。

(2)“心理-空间”维度：

Y3=0.351-0.001X4-0.122X5+0.10X6-0.338X7-0.060X8

Y4=1.967-0.022X4+0.402X5+0.27X6+2.709X7-0.569X8

Y5=0.005-0.006X4+0.106X5-0.068X6-0.241X7+0.194X8

式中，Y3为通过型行为平均注视时长均值；Y4为通过型行为注视频率均值；Y5为通过型行为首次注视时长均值；X4为分离度；X5为高宽比；X6为可视层次；X7为建筑占空度；X8为起伏频率。

通过模型运算与假设验证，可发现在不同观景体验方式下，相同空间指标对于人群的空间感知影响存在显著差异，甚至起到相反作用。如“起伏频率”指标，在通过型观景过程中，外部界面的天际轮廓起伏变化越平缓，天际轮廓对于人群的视觉吸引力越强，越能调动人群观景过程中的愉悦感；而在停驻型观景过程中则相反。

2)指标控制区间划定。

基于对滨江型公共空间“景-观”影响效应的分析，筛选出不同观景行为方式下对人群观景体验存在强烈影响的主要空间指标。将人群的视觉眼动数据(生理指标)及观景愉悦度(情绪指标)作为参照，借助频率直方图划定出各主要空间指标的建议取值区间[14]。再综合判断“景”“观”2个维度间的影响效应，分级评定各项主要空间指标，最终得出2个一级优选指标和5个二级优选指标(表1)。对比所筛选出的7个优选指标，可发现外部环境指标对于人群观览感知的影响更加明显。

表1 优选空间指标汇总

4 结论及展望

本文基于对过往研究成果的梳理、总结、优化和创新，提出了城市空间研究的视觉评价新途径──“动态观览评价”，并选取南京滨江型公共空间作为研究案例，从“空间物理特征、眼动生理反应、情绪心理变化”3个方面建立起南京滨江型公共空间中“景”与“观”之间的互动关联，为后续城市视觉评价研究提供了新思路，适用于中微观尺度下的景观空间评价。虽然该评价方法仍有待在后续研究及实践中不断优化提升，但本研究试图在方法及技术2个方面有所突破。

4.1 方法层面：尝试提出遵循人群观景行为特征的视觉评价新途径

在过往的视觉研究中，缺乏对于人群实际观景体验下视觉感知的关注。而动态观览评价是遵循人群观景行为特征，反映城市空间中“人群审美诉求”与“空间形态塑造”相互作用的新兴评价途径之一。在评价研究中采用了生理监测技术、倾斜摄影技术、PLS(偏最小二乘法)分析建模等技术手段实现对于“景”“观”的量化研究及其相互影响效应的判断，揭示出滨江型公共空间中“景”“观”2个维度之间的内在规律，基于动态观览评价构建起滨江型公共空间视觉研究模型。本研究试图进一步完善既有视觉景观评价体系，为后续城市空间规划与设计提供指引，但在未来的研究中，相关指标算法与测试人员样本仍待持续优化及扩充。

4.2 技术层面：“多技术、多源数据”相结合的视觉评价方法将提高研究精度及效率

为系统解决城市空间所面临的“景-观”问题，实现非量化因素的可量化研究，将数字化分析手段融入“采集-处理-建模-分析”的研究全过程，不再局限于单一技术或单一环节的简单运用，不仅实现了对于滨江型公共空间中“景-观”问题的量化分析，也提升了研究精度及效率，为后续城市形态量化研究及视觉评价研究的发展奠定基础。与此同时，面对人机互动的研究趋势，在未来研究中需要在现有的参数化平台中，选取更具开放性且易于可视化操作的Grasshopper等工具，建立人群动态观览与滨江公共空间之间的联动机制，以期当人群动态观览数据输入后，滨江公共空间评价模型可迅速做出价值判断，识别出待优化的形态要素，以进一步提高计算精度与效率。

注：文中图片均由作者绘制。

致谢：感谢博士生导师王建国教授及团队各位老师所给予的诸多教诲，以及对此文的指导与帮助。

注释：

①研究场地采集范围：考虑到城市空间中人眼的视觉感知受到其内外部环境的综合影响，在研究过程中需对研究区域及其周边600m范围内的城市环境进行统一采集，以保证后续研究分析的准确性。

②情绪分析：主要依据评价问卷中情绪效价及情绪唤醒度2项指标的打分情况，判断各空间单元中被试者的情绪倾向性。

③眼动分析：依托于眼动实验监测到的各项眼动指标，基于对各项眼动指标显著性及指标释义的综合判断，选取典型眼动指标并将相应指数拟合至对应的路段及停驻点中，测算出人群对各空间单元的视觉关注程度、空间认知负荷及空间信息加工难度。

④波动分析：反应空间单元内部各空间视点眼动指数间的差异变化，通常情况下，空间单元内外部环境形态特征变化越大，人群眼动指数波动越强烈。