劉小虎 王晢宇 胡 辭 劉 晗

傳統(tǒng)村落是文化遺產(chǎn)中一種重要的物質(zhì)載體，向我們闡述了不同時期、不同地區(qū)的地方本土故事和歷史民俗，是人類文明不可磨滅的歷史文化資源。然而，隨著城市化的快速發(fā)展，許多傳統(tǒng)村落面臨著發(fā)展以及文化傳承困難的挑戰(zhàn)。保護和發(fā)展傳統(tǒng)村落本土文化迫在眉睫。而今，隨著人工智能不斷地取得突破，尤其是在語言處理和圖片識別等方面，有著突飛猛進的提升。建筑學(xué)科也在積極探尋與人工智能的結(jié)合。當下，沒有相關(guān)文章詳細介紹了深度學(xué)習(xí)技術(shù)應(yīng)用于中國傳統(tǒng)村落保護與發(fā)展的研究。因此，本研究旨在了解中國傳統(tǒng)村落的保護與發(fā)展趨勢以及文獻中采用的深度學(xué)習(xí)算法和測量數(shù)據(jù)，并為該課題的進一步工作提供參考。

1 文獻數(shù)據(jù)來源與研究方法

1.1 文獻數(shù)據(jù)來源

本研究以Web of Science（科學(xué)引文索引）和CNKI（中國知網(wǎng)）為主要文獻數(shù)據(jù)庫。以下關(guān)鍵詞用于收集相關(guān)刊物— “深度學(xué)習(xí)（Deep Learning）”、“機器學(xué)習(xí)（Machine Learning）”、“傳統(tǒng)村落（Traditional village）”、“ 圖 像 識 別（Image Recognition）”，有576 個結(jié)果來自Web of Science，267 個來自CNKI，并對檢索到的論文進行篩選，對“研究學(xué)科”“標題”“摘要”和“關(guān)鍵詞”部分進行了審查，以確保研究主題在“深度學(xué)習(xí)技術(shù)應(yīng)用于傳統(tǒng)村落研究”這個領(lǐng)域。在檢索過程中，從各種數(shù)據(jù)庫中刪除了要排除的結(jié)果，選擇與研究相關(guān)聯(lián)的論文，共35 篇。

1.2 研究方法

本文首先對過去中國傳統(tǒng)村落研究進行簡單的分析與闡述。其次選用CiteSpace 分別對中英文深度學(xué)習(xí)應(yīng)用于中國傳統(tǒng)村落的研究文獻進行可視化分析，通過發(fā)文時間趨勢與特征來闡述該研究的大致規(guī)律，通過對研究的知識集群分析，揭示深度學(xué)習(xí)應(yīng)用于中國傳統(tǒng)村落研究的熱點及知識組群，同時基于關(guān)鍵詞頻率圖把握當下研究熱點和前沿問題，并分析當前算法的發(fā)展以及如何應(yīng)用。最后，指出當下深度學(xué)習(xí)技術(shù)應(yīng)用的現(xiàn)存問題，并為后續(xù)技術(shù)應(yīng)用提出相關(guān)意見以及研究導(dǎo)向。

2 數(shù)據(jù)統(tǒng)計與可視化分析

2.1 研究發(fā)文量與時間特征

發(fā)文量隨時間變化的特征可反映深度學(xué)習(xí)技術(shù)應(yīng)用于中國傳統(tǒng)村落研究領(lǐng)域文獻發(fā)展程度和趨勢?？傮w而言，中英文發(fā)文量的變化趨勢相近，早期文獻數(shù)量都增長緩慢，2023 年之后英文文獻數(shù)量激增（如圖1）。根據(jù)文獻檢索報告可知，深度學(xué)習(xí)應(yīng)用于中國傳統(tǒng)村落研究領(lǐng)域主要為建筑學(xué)，其次是城市規(guī)劃、風景園林，接下來是遙感技術(shù)、經(jīng)濟學(xué)等其他領(lǐng)域。

2.2 關(guān)鍵詞聚類分析

為了更深刻地把握技術(shù)應(yīng)用的熱點內(nèi)容，利用CiteSpace 軟件關(guān)鍵詞聚類分析，并采用CiteSpace 提供的LLR算法繪制中英文關(guān)鍵詞聚類圖譜，中英文關(guān)鍵詞聚類的相對緊密，表明各個知識集群之間研究關(guān)聯(lián)度較大（如圖2、圖3）。關(guān)鍵詞形成的聚類標識提取出具體名詞短語，能基本分析聚類的總體特征，同時結(jié)合聚類中的內(nèi)部關(guān)鍵詞研究整體關(guān)系。本文將深度學(xué)習(xí)應(yīng)用于中國傳統(tǒng)村落研究聚類歸納為技術(shù)路線和中國傳統(tǒng)村落研究2個知識集群（如表1、表2），并在后文結(jié)合學(xué)科對中英文研究的各知識集群進行梳理和總結(jié)。

表1 中文文獻研究關(guān)建詞聚類

表2 英文文獻研究關(guān)建詞聚類

圖2 中文研究詞關(guān)鍵詞圖譜（來源：根據(jù)Citespace 繪制）

圖3 英文研究詞關(guān)鍵詞圖譜（來源：根據(jù)Citespace 繪制）

3 多學(xué)科視角下的綜合性研究

3.1 計算機科學(xué)與技術(shù)

深度學(xué)習(xí)是學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，這些學(xué)習(xí)過程中獲得的信息對諸如文字，圖像和聲音等數(shù)據(jù)的解釋有很大的幫助，它的最終目標是讓機器能夠像人一樣具有分析學(xué)習(xí)能力，能夠識別文字、圖像和聲音等數(shù)據(jù)[1]。大多數(shù)深度學(xué)習(xí)技術(shù)主要是以圖像識別算法為基礎(chǔ)，由于算法更新的不斷變更，根據(jù)學(xué)者不同需求，幫助學(xué)者在研究過程中，更加精確地識別所研究的對象。

卷積神經(jīng)網(wǎng)絡(luò)（CNN）通過卷積和池化操作提取圖像的空間信息，模型較為簡單且效果好。但需要大量標注數(shù)據(jù)進行訓(xùn)練，計算量較大。區(qū)域卷積神經(jīng)網(wǎng)絡(luò)（R-CNN）實現(xiàn)了檢測和分割任務(wù)的聯(lián)合，可同時輸出目標框和像素級別的分割掩碼。訓(xùn)練和推理時間長，結(jié)構(gòu)復(fù)雜度高。殘差網(wǎng)絡(luò)（ResNet）是采用殘差結(jié)構(gòu)，能訓(xùn)練很深的網(wǎng)絡(luò)，有利于特征的提取。但結(jié)構(gòu)較為復(fù)雜，調(diào)節(jié)參數(shù)較難。目標檢測網(wǎng)絡(luò)（YOLO）可同時識別多個目標，速度較快，但對小目標的檢測效果一般，精度略低于兩階段檢測器。

3.2 建筑學(xué)及相關(guān)學(xué)科

3.2.1 過去的中國傳統(tǒng)村落研究

中國傳統(tǒng)村落研究方向多以村落的區(qū)域，村落的影像和村落的生成影響因素為主。劉沛林[2]從宏觀視角對傳統(tǒng)村落從選址、布局和規(guī)劃入手，探究傳統(tǒng)村落的文化內(nèi)涵，并提出建立“中國歷史文化名村”保護制度的構(gòu)想。在2012 年之后，傳統(tǒng)村落的研究有了一定的規(guī)模，評價標準不統(tǒng)一等問題成為制約傳統(tǒng)村落研究成為一個體系的關(guān)鍵問題。根據(jù)張睿婕等[3]的研究，此階段傳統(tǒng)村落研究可大致根據(jù)其核心問題的不同大致分為3 類：第1，關(guān)注傳統(tǒng)村落“文化景觀”的發(fā)展，以“文化景觀”為核心，探索傳統(tǒng)村落中的景觀發(fā)展以及相應(yīng)的文化傳承。第2，探索傳統(tǒng)村落發(fā)展的可能性，以“鄉(xiāng)村振興”為核心，探索傳統(tǒng)村落在發(fā)展中的可能性，激發(fā)傳統(tǒng)村落的文化潛力。第3，研究傳統(tǒng)村落的空間要素研究，以“空間要素”為核心，對傳統(tǒng)村落中的空間要素進行研究，包括對傳統(tǒng)村落基于選址、自然要素和文化景觀要素下的生成規(guī)律以及空間形態(tài)特征。

3.2.2 深度學(xué)習(xí)技術(shù)應(yīng)用于中國傳統(tǒng)村落研究

當下有關(guān)深度學(xué)習(xí)領(lǐng)域的發(fā)展極為迅速，將深度學(xué)習(xí)技術(shù)應(yīng)用于中國傳統(tǒng)村落研究中也在近年來也逐漸地成為熱點方向，大致可分為3 類：第1，深度學(xué)習(xí)計算機視覺技術(shù)對傳統(tǒng)村落要素智能化分類[4-6]。部分學(xué)者利用手動拍照，建立傳統(tǒng)村落、傳統(tǒng)民居、景觀空間等的圖片建立圖片數(shù)據(jù)庫，并基于深度學(xué)習(xí)計算機視覺技術(shù)有效提取傳統(tǒng)村落中的平面、景觀、建構(gòu)以及顏色等特征，并進行智能化分類。這樣不僅可以顯著縮短對村落調(diào)查的時間，也可為后續(xù)普查工作以及未來構(gòu)建傳統(tǒng)村落諸多數(shù)據(jù)庫提供參考。在國外的研究中Monna 等[7]，利用深度學(xué)習(xí)計算機視覺方法提出了一種易于復(fù)制的工作流程，允許建筑物從衛(wèi)星圖像中自動檢測傳統(tǒng)村落肌理。不僅如此，針對傳統(tǒng)村落研究和評價方式容易被各種因素影響，導(dǎo)致各項成本過高，效率低下且結(jié)果準確性的問題，部分學(xué)者通過深度學(xué)習(xí)的方法來量化評估民居建筑的多項特征指標[8]，采用CNN 對民居建筑進行特征自動分類。這種研究途徑有助于更全面地了解民居建筑的演變趨勢和制定相關(guān)保護政策。第2，深度學(xué)習(xí)生成技術(shù)還原傳統(tǒng)村落特征要素。還有部分研究探索深度學(xué)習(xí)生成傳統(tǒng)村落總平面、傳統(tǒng)民居以及景觀空間的布局。通過大量訓(xùn)練，計算機能以現(xiàn)有的三維信息為基礎(chǔ)，在短時間內(nèi)依據(jù)三維信息生成大量的帶有傳統(tǒng)村落特征的方案，探索通過技術(shù)手段保留傳統(tǒng)村落肌理特征，嘗試保留聚落形成文化特質(zhì)，同時也為后續(xù)傳統(tǒng)村落改擴建、活化利用增加設(shè)計方案的多樣性與豐富度。第3，深度學(xué)習(xí)技術(shù)與其他數(shù)字模型技術(shù)相結(jié)合促進傳統(tǒng)村落建筑風貌信息保護與更新設(shè)計方法。部分學(xué)者[9-10]采用多視角圖像傾斜攝影收集測量與三維點云深度學(xué)習(xí)技術(shù)提取、分類建筑風貌的直觀形態(tài)特征，幫助建筑師在以后的設(shè)計與建造中以一個更加宏觀及客觀的視角清晰把握傳統(tǒng)村落風貌。利用點云語義分割對傳統(tǒng)村落風貌特征進行分類和提取，結(jié)合實地調(diào)研與文獻查詢對非直觀特征進行定性，通過建筑信息模型技術(shù)對獲取信息加以管理，進而獲得表征傳統(tǒng)風貌建筑各要素特征的參數(shù)信息與組合規(guī)律。

4 技術(shù)面臨的問題及未來展望

在對中國的傳統(tǒng)村落實地調(diào)查中，由于中國傳統(tǒng)村落已遭受極大的破壞，村落采集數(shù)據(jù)相對于城市采集數(shù)據(jù)更加復(fù)雜及困難。另一關(guān)鍵因素是數(shù)據(jù)集的制作方式。例如，在傳統(tǒng)建筑構(gòu)件識別過程中，數(shù)據(jù)庫的制作基本都是先通過實地調(diào)研獲取照片，再通過軟件進行手動標注，這樣的數(shù)據(jù)集制作方式會消耗大量時間。進一步的研究可以從傳統(tǒng)村落如何更好的保護與發(fā)展，地方政策和風俗習(xí)慣的發(fā)展影響等多個方面。

5 結(jié)語

目前，因為屬于是交叉學(xué)科的研究，當下的深度學(xué)習(xí)技術(shù)大多是在沒有系統(tǒng)指導(dǎo)的情況下進行應(yīng)用，導(dǎo)致數(shù)據(jù)集制作質(zhì)量參差不齊。有必要對深度學(xué)習(xí)應(yīng)用于傳統(tǒng)村落的研究進行文獻綜述，增加技術(shù)應(yīng)用的適用性。研究表明，深度學(xué)習(xí)技術(shù)能提高中國傳統(tǒng)村落研究的效率，但關(guān)建問題在于算法的選擇以及數(shù)據(jù)庫的建立