郭 陽(yáng)，鄭 偉

（1.山西大學(xué) 商務(wù)學(xué)院，太原030031；2.中國(guó)能源建設(shè)集團(tuán)山西省電力勘測(cè)設(shè)計(jì)院有限公司，太原030001）

智能景觀網(wǎng)絡(luò)拓?fù)渑c觀賞效能的關(guān)聯(lián)模型*

郭 陽(yáng)1，鄭 偉2

（1.山西大學(xué) 商務(wù)學(xué)院，太原030031；2.中國(guó)能源建設(shè)集團(tuán)山西省電力勘測(cè)設(shè)計(jì)院有限公司，太原030001）

針對(duì)智能元件與觀賞效能的優(yōu)化問(wèn)題，結(jié)合智能景觀網(wǎng)絡(luò)的元件節(jié)點(diǎn)和情緒引導(dǎo)屬性，引入情感觀賞與原件設(shè)計(jì)效能的適用度評(píng)測(cè)算法，建立了智能景觀設(shè)計(jì)中網(wǎng)絡(luò)拓?fù)渑c觀賞效能的關(guān)聯(lián)模型，有效詮釋了在分布式網(wǎng)絡(luò)設(shè)計(jì)環(huán)境中的觀賞資源優(yōu)擇方案.結(jié)果表明：觀賞效能的關(guān)聯(lián)模型能夠?qū)υO(shè)計(jì)過(guò)程進(jìn)行有效的優(yōu)化測(cè)算，提高景觀設(shè)計(jì)中關(guān)于情感不確定性估計(jì)的適用性，對(duì)促進(jìn)智能景觀設(shè)計(jì)有較高的實(shí)用價(jià)值.

智能景觀；網(wǎng)絡(luò)拓?fù)?；關(guān)聯(lián)性；互信息；觀賞模型；多種表達(dá)；情感檢測(cè)

利用信息通信技術(shù)將景觀設(shè)計(jì)平臺(tái)和情感服務(wù)工作相結(jié)合，通過(guò)“互聯(lián)網(wǎng)＋”理念開(kāi)創(chuàng)景觀設(shè)計(jì)服務(wù)模式，提升情感服務(wù)的廣度與深度是景觀設(shè)計(jì)的必由之路.人置身于景觀空間內(nèi)部很難從宏觀角度或單純的形式感、功能性上體會(huì)空間景觀的獨(dú)特美感［1］.為彌補(bǔ)傳統(tǒng)景觀設(shè)計(jì)評(píng)價(jià)方法的不足，提高風(fēng)險(xiǎn)管理的效率，將情感服務(wù)系統(tǒng)引入景觀設(shè)計(jì)評(píng)價(jià)中成為了當(dāng)前景觀設(shè)計(jì)評(píng)價(jià)研究的前沿和熱點(diǎn)［2－3］.景觀設(shè)計(jì)作為人類(lèi)世界觀、價(jià)值觀、倫理道德觀的重要反映，構(gòu)成了多重表達(dá)對(duì)象之間拓?fù)潢P(guān)系的基本框架，基于該框架提出了拓?fù)潢P(guān)系抽象化的方法，包括邊界交集成分的刪除和合并、交集成分維數(shù)的減少［4］.由于景觀系統(tǒng)的復(fù)雜性和不可確定性，傳統(tǒng)景觀設(shè)計(jì)評(píng)價(jià)方法在評(píng)估景觀系統(tǒng)受一個(gè)或多個(gè)脅迫因素影響后，可能產(chǎn)生不利的效應(yīng)，難以兼顧系統(tǒng)內(nèi)多對(duì)象［5－7］，且景觀設(shè)計(jì)中，網(wǎng)絡(luò)拓?fù)湟龑?dǎo)規(guī)劃技術(shù)還屬于初級(jí)階段［8－10］，故其評(píng)價(jià)指標(biāo)重點(diǎn)應(yīng)當(dāng)在觀賞效能方面，應(yīng)最大限度地通過(guò)美學(xué)觀賞效能來(lái)強(qiáng)化景觀設(shè)計(jì)的內(nèi)涵.

本文分析了智能景觀系統(tǒng)服務(wù)在景觀設(shè)計(jì)與美感評(píng)價(jià)中的關(guān)聯(lián)效用，指出情感系統(tǒng)服務(wù)在問(wèn)題形成階段可明確情感對(duì)象和屬性；在設(shè)計(jì)分析階段可聯(lián)系網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)的衍生作用；在設(shè)計(jì)表征階段及后續(xù)實(shí)施階段可提供清晰明確的評(píng)價(jià)結(jié)果，加強(qiáng)情感交流和管理，能有效地改進(jìn)傳統(tǒng)景觀設(shè)計(jì)效能.

1 智能景觀模型設(shè)計(jì)

根據(jù)美感評(píng)價(jià)終點(diǎn)的概念內(nèi)涵，可將智能景觀簡(jiǎn)練表達(dá)為：“智能景觀＝美感屬性＋實(shí)體”的結(jié)構(gòu)［11－12］.實(shí)體可理解為景觀服務(wù)提供者的結(jié)構(gòu)和生態(tài)過(guò)程；屬性可解析為單元實(shí)體相對(duì)應(yīng)的功能和服務(wù).

1.1 系統(tǒng)結(jié)構(gòu)

隨著大數(shù)據(jù)網(wǎng)絡(luò)檢測(cè)技術(shù)的完善，單個(gè)基因或美感因素己經(jīng)不能從根本上揭示美觀現(xiàn)象的發(fā)生和發(fā)展規(guī)律［13］，準(zhǔn)確地構(gòu)建美感途徑調(diào)控網(wǎng)絡(luò)，會(huì)大大提高美感傳播的精度［14］.美感情緒調(diào)控網(wǎng)絡(luò)具有強(qiáng)耦合性、隨機(jī)性、時(shí)變性、強(qiáng)非線性等特點(diǎn)，是一個(gè)復(fù)雜而龐大的系統(tǒng)，要精確地識(shí)別基因間的轉(zhuǎn)錄調(diào)控關(guān)系，并且排除大量的假陽(yáng)性關(guān)系，需要建立貝葉斯有向圖，通過(guò)情感距離分析有效地建立精確的景觀情感基因調(diào)控模型.

在使用情感基因構(gòu)造美觀數(shù)據(jù)的預(yù)測(cè)模型中，網(wǎng)絡(luò)拓?fù)渲忻恳粋€(gè)節(jié)點(diǎn)元的互信息熵均可以預(yù)測(cè)情感估計(jì)目標(biāo)函數(shù)中貢獻(xiàn)較大的輸入變量，并且保留到最后的最優(yōu)方案中，整個(gè)預(yù)測(cè)模型的結(jié)構(gòu)圖如圖1所示.

1.2 景觀拓?fù)渚W(wǎng)絡(luò)

在觀賞認(rèn)知網(wǎng)絡(luò)中，美感認(rèn)知是個(gè)由淺入深的漸進(jìn)過(guò)程，觀賞者圍繞知識(shí)網(wǎng)絡(luò)構(gòu)建美感認(rèn)知的層次結(jié)構(gòu)如圖2所示.每一條有向邊均代表著一條觀賞認(rèn)知途徑，捆綁著若干美感情緒屬性特征.智能景觀設(shè)計(jì)者設(shè)置眾多的景觀元件節(jié)點(diǎn)，將節(jié)點(diǎn)、情感連接線（認(rèn)知途徑）集成構(gòu)造出觀賞知識(shí)面，構(gòu)成了分布式網(wǎng)絡(luò)下的觀賞性景觀拓?fù)渚W(wǎng)絡(luò).面對(duì)景觀目標(biāo)對(duì)象，智能環(huán)節(jié)設(shè)計(jì)出n個(gè)景觀元件節(jié)點(diǎn)，構(gòu)成美感認(rèn)知網(wǎng)絡(luò)G（V，L），景觀元件構(gòu)成了節(jié)點(diǎn)集V＝｛v1，v2，…，vn｝，觀賞評(píng)價(jià)效能構(gòu)成邊集L＝｛（vi，vj）|vi，vj∈V｝，G（V，L）屬于一個(gè)有向圖.

圖1 預(yù)測(cè)模型構(gòu)造Fig.1 Establishment of prediction model

圖2 觀賞認(rèn)知網(wǎng)絡(luò)Fig.2 Appreciate cognitive network

結(jié)合互信息熵?cái)?shù)學(xué)模型，應(yīng)用適應(yīng)度方法構(gòu)造景觀情感基因調(diào)控網(wǎng)絡(luò)，其相比單一的網(wǎng)絡(luò)模型會(huì)更加準(zhǔn)確和穩(wěn)定，是情感模型研究的一個(gè)趨勢(shì).結(jié)合互信息熵的數(shù)學(xué)模型不僅可以解決單一節(jié)點(diǎn)孤立存在的缺點(diǎn)，還可以整合多種邊屬性重構(gòu)的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，最終減小假陽(yáng)率.在美感認(rèn)知網(wǎng)絡(luò)G中，任何一個(gè)節(jié)點(diǎn)vi都可以用相鄰節(jié)點(diǎn)的臨接矩陣來(lái)分析，定義景觀元件節(jié)點(diǎn)vi的前導(dǎo)點(diǎn)集合為F（vi）＝｛vj（vi，vj）∈L｝，景觀元件節(jié)點(diǎn)vi的后繼點(diǎn)集合為B（vi）＝｛vj（vi，vj）∈L｝.在考慮觀賞途徑重復(fù)性的情況下，觀賞者選擇景觀節(jié)點(diǎn)vi的概率為

在熵代數(shù)中，兩個(gè)概率分布（X和Y）的互信息表示為

邊緣概率使用高斯概率密度函數(shù)來(lái)估計(jì)，即

式中：C為X的協(xié)方差矩陣；δx為矩陣C的標(biāo)準(zhǔn)差；N為樣本點(diǎn)數(shù)；g為網(wǎng)絡(luò)中的基因總數(shù).于是可以推導(dǎo)出

式中，C（X，Y）為協(xié)方差矩陣行列式.

1.3 情感效能檢測(cè)

情感效能檢測(cè)評(píng)價(jià)指標(biāo)涉及人、建筑、社區(qū)及城市等諸多方面，隨著生態(tài)美學(xué)理念的不斷深入，人們必須站在科學(xué)的角度對(duì)園林景觀行業(yè)進(jìn)行全新審視，景觀設(shè)計(jì)必須與生態(tài)美學(xué)環(huán)境緊密結(jié)合.情感傳遞過(guò)程中通常包含噪聲，且具有高維、顯著性少的特征，網(wǎng)絡(luò)環(huán)境下情感傳遞的量值表達(dá)式為

式中，a、b為惰性系數(shù)，分別由樣本數(shù)據(jù)訓(xùn)練獲得（文本取a＝0.102 3，b＝1.719 4）.若具有n個(gè)節(jié)點(diǎn)的景觀元件，則計(jì)算情感輸入合計(jì)為

式中：kj為第j個(gè)節(jié)點(diǎn)的輸入；ωj為情感權(quán)重.于是總輸出可以表示為

為了更好地結(jié)合結(jié)構(gòu)功能與生態(tài)過(guò)程，需明確生態(tài)美學(xué)結(jié)構(gòu)與工程的相關(guān)特性表征參數(shù)，搭建的景觀體驗(yàn)循環(huán)機(jī)制如圖3所示.

圖3 景觀體驗(yàn)循環(huán)機(jī)制Fig.3 Circular mechanism of landscape experience

1.4 景觀元件相關(guān)性

景觀元件相關(guān)系數(shù)重構(gòu)對(duì)于理解景觀內(nèi)復(fù)雜情感調(diào)控機(jī)制至關(guān)重要，雖然很多方法可用來(lái)重構(gòu)情感相關(guān)系數(shù)調(diào)控網(wǎng)絡(luò)，但是由于數(shù)據(jù)中包含大量的景觀元件和少量的采樣點(diǎn)，無(wú)法避免所構(gòu)造的網(wǎng)絡(luò)系統(tǒng)假陽(yáng)率較高的情況，使用時(shí)存在一定的局限性.

本文將被選中的情感調(diào)控邊輸入定義為一個(gè)情緒因子，因子之間的依賴(lài)關(guān)系就構(gòu)成了景觀情感基因調(diào)控流.為了區(qū)分情緒因子的預(yù)測(cè)輸出和輸入間的關(guān)系，引入皮爾遜相關(guān)系數(shù)，即

式中：xi和yj為兩個(gè)變量的樣本值；sx和sy為樣本方差.通過(guò)兩個(gè)變量相關(guān)系數(shù)的計(jì)算定義正的相關(guān)系數(shù)表示激勵(lì)作用，而負(fù)的相關(guān)系數(shù)表示抑制作用.

景觀元件的情感基因調(diào)控?cái)?shù)據(jù)必然是一種稀疏數(shù)據(jù)，為了減少大數(shù)據(jù)網(wǎng)絡(luò)的復(fù)雜性，需要基于有向圖臨接邊分布，聚集景觀網(wǎng)絡(luò)中的關(guān)鍵邊屬性，排除很多不正確的邊，即假陽(yáng)情緒邊，減少預(yù)測(cè)錯(cuò)誤的連接.本文使用多數(shù)表決方法來(lái)確定關(guān)鍵邊屬性，在多數(shù)表決過(guò)程中，通過(guò)多個(gè)概率分布實(shí)驗(yàn)得到模型中的關(guān)鍵性景觀途徑，然后確定景觀元件的最佳出現(xiàn)位置，最后定義一個(gè)邊屬性分布，對(duì)景觀元件節(jié)點(diǎn)進(jìn)行簡(jiǎn)約性裁剪.

一個(gè)給定景觀元件的候選調(diào)控因子（邊屬性）遠(yuǎn)多于美感指標(biāo)維度的樣本點(diǎn)數(shù)，并且景觀調(diào)控網(wǎng)絡(luò)是一個(gè)稀疏網(wǎng)絡(luò)，也就是說(shuō)在候選的邊屬性調(diào)控中，只有極小部分真實(shí)的調(diào)控景觀元件.所以在構(gòu)建此非線性模型過(guò)程中，在傳統(tǒng)評(píng)價(jià)的基礎(chǔ)上加入一個(gè)稀疏項(xiàng)，目的是選擇出合適數(shù)量的特征屬性邊，其評(píng)價(jià)函數(shù)可描述為

式中：wk和uk分別為在考察時(shí)段內(nèi)調(diào)控景觀元件實(shí)際值與預(yù)測(cè)值；Bi為稀疏項(xiàng)，Bi為權(quán)重正則化表達(dá)式；T為調(diào)控景觀元件數(shù)量.

考慮到互信息值關(guān)聯(lián)著景觀元件相關(guān)情感基因，在評(píng)價(jià)函數(shù)中加入相關(guān)項(xiàng)，可用來(lái)檢測(cè)與每個(gè)景觀元件都具有較大相關(guān)性的情感因子，最終提出的適用度評(píng)價(jià)函數(shù)為

式中，Ω為調(diào)控因子集，包含m個(gè)調(diào)控因子.

1.5 多重表達(dá)過(guò)程

智能景觀設(shè)計(jì)訓(xùn)練過(guò)程就是一個(gè)多重表達(dá)的過(guò)程，多重表達(dá)要解決數(shù)據(jù)之間的一致性問(wèn)題.要保持多重表達(dá)數(shù)據(jù)之間的一致性，就必須使各層次的景觀元件對(duì)象間滿足同構(gòu)映射關(guān)系.但關(guān)鍵問(wèn)題是：若保證景觀元件的同構(gòu)映射，則不一定能維持情感屬性邊上拓?fù)潢P(guān)系的一致性；若不保證情感屬性邊的同構(gòu)映射，則僅能保持景觀元件之間主要的拓?fù)潢P(guān)系，而打亂景觀元件之間從屬特征上的一致性.本文提出的景觀設(shè)計(jì)與情感適用指標(biāo)的多重表達(dá)過(guò)程如下：

1）輸入景觀元件表達(dá)數(shù)據(jù)，形成有向圖網(wǎng)絡(luò)拓?fù)?，?duì)于線性和非線性模型分別初始化鄰接矩陣（情感邊屬性集），小樣本訓(xùn)練，確定惰性系數(shù)a和b.評(píng)估所有景觀元件與美感屬性邊的互信息熵.

2）隨機(jī)創(chuàng)建靈活邊變動(dòng)種群，包括節(jié)點(diǎn)元件、邊屬性結(jié)構(gòu)及其對(duì)應(yīng)的參數(shù).從指標(biāo)集中隨機(jī)構(gòu)造變動(dòng)因子，然后根據(jù)該變動(dòng)因子所在節(jié)點(diǎn)的互信息熵循環(huán)計(jì)算情感邊的相對(duì)概率分布.

3）如果所選擇的是美觀因子邊屬性，則根據(jù)評(píng)價(jià)函數(shù)的操作個(gè)數(shù)，從網(wǎng)絡(luò)拓?fù)渲羞x擇相連景觀節(jié)點(diǎn)，確定互信息熵梯度距離.隨機(jī)變動(dòng)美觀因子屬性，直到滿足規(guī)定的最大互信息熵出現(xiàn)為止.如果所選擇的是景觀元件節(jié)點(diǎn)，則根據(jù)屬性邊區(qū)間匹配，隨機(jī)分配網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中的適應(yīng)值函數(shù)，直到滿足規(guī)定的最大互信息熵出現(xiàn)為止.如果適應(yīng)值使評(píng)價(jià)函數(shù)迭代到最大次數(shù)，則停止演化過(guò)程.

2 實(shí)驗(yàn)結(jié)果與分析

為了測(cè)試景觀元件與觀賞效能之間的關(guān)聯(lián)性，本文采集BIM系統(tǒng)真實(shí)數(shù)據(jù)，并對(duì)真實(shí)數(shù)據(jù)進(jìn)行聚類(lèi)，抽取出典型情緒案例，布局成為觀賞認(rèn)知網(wǎng)絡(luò).實(shí)訓(xùn)數(shù)據(jù)集記錄了一個(gè)智能景觀設(shè)計(jì)中的元件數(shù)據(jù)與情緒變動(dòng)的情況，包含340個(gè)數(shù)據(jù)表，共有3.2 Gb條記錄.實(shí)驗(yàn)中分離出7類(lèi)情感異動(dòng)的有效數(shù)據(jù)集：懷舊（Z1），留戀（Z2），癡情（Z3），新奇（Z4），勵(lì)志（Z5），勇敢（Z6）和開(kāi)拓（Z7），其鄰接概況如表1所示.

表1 鄰接概況Tab.1 Overview of adjacency

在景觀元件節(jié)點(diǎn)和有效觀賞情緒邊的布局網(wǎng)絡(luò)中，通過(guò)情感效能檢測(cè)獲得了節(jié)點(diǎn)美感效能和情緒流動(dòng)的關(guān)聯(lián)性趨勢(shì)，形成了情緒調(diào)控的優(yōu)化聚類(lèi)，優(yōu)化聚類(lèi)結(jié)果如圖4所示.

圖4 優(yōu)化聚類(lèi)結(jié)果Fig.4 Results of optimization cluster

對(duì)觀賞者的情緒熵?cái)?shù)據(jù)聚類(lèi)，最典型的四類(lèi)情緒為懷舊（Z1）、留戀（Z2）、癡情（Z3）及新奇（Z4）.隨著觀賞節(jié)點(diǎn)資源的增加，其邊屬性由50項(xiàng)逐步擴(kuò)大到600項(xiàng)，其景觀元件美感效能與途徑觀賞效能的關(guān)聯(lián)性互信息熵的變化趨向如圖5所示.不同類(lèi)型的情緒關(guān)聯(lián)度變化幅度有所不同，其中，Z1、Z2、Z4類(lèi)情緒互信息熵同步增加明顯，而Z3類(lèi)情緒隨著邊屬性的變化，其互信息熵變動(dòng)不明顯.通過(guò)對(duì)景觀節(jié)點(diǎn)屬性變動(dòng)的調(diào)控發(fā)現(xiàn)，景觀節(jié)點(diǎn)設(shè)計(jì)中多數(shù)情緒元件的數(shù)量可以線性增加，但存在個(gè)別類(lèi)型的情緒元件的增加效果十分有限，需要對(duì)景觀線路的情緒元件進(jìn)行定性篩選才能提高觀賞效能.

圖5 互信息熵趨勢(shì)Fig.5 M utual information entropy trend

通過(guò)智能景觀網(wǎng)絡(luò)分布方式，設(shè)計(jì)出各種觀賞引導(dǎo)線路（導(dǎo)游主題），并且可以動(dòng)態(tài)地分析出每條觀賞途徑與景觀網(wǎng)絡(luò)資源布局的互信息熵差異，增加瀏覽者的體驗(yàn)感.實(shí)驗(yàn)中提選4種游覽線路，景觀線路的情緒因子分布如表2所示.

隨機(jī)獲取情緒變動(dòng)因子（情緒邊和情緒節(jié)點(diǎn)變動(dòng)），情緒調(diào)節(jié)項(xiàng)由50項(xiàng)逐步擴(kuò)大到600項(xiàng)，計(jì)算景觀網(wǎng)絡(luò)資源項(xiàng)目的適用度檢測(cè)曲線如圖6所示，用以判斷景觀元件投入觀賞活動(dòng)后的效能.

表2 景觀線路的情緒因子構(gòu)成Tab.2 Com position of emotional elements in landscape routes %

圖6 游覽線路的適用度檢測(cè)曲線Fig.6 Adaptability detection curves for tour routes

通過(guò)圖6的實(shí)驗(yàn)結(jié)果說(shuō)明：

1）在動(dòng)態(tài)路徑景觀規(guī)劃設(shè)計(jì)中，“新奇”特征的景觀路線最初情緒量值并不是最大，但隨著情緒變動(dòng)因子的調(diào)控，其最能提升景觀的觀賞效能.

2）在景觀觀賞游覽線路的設(shè)計(jì)中，通過(guò)情緒熵觀察可以獲得情調(diào)差異與景觀線路設(shè)計(jì)的合理性，結(jié)合情緒變化特征，才能給客戶(hù)設(shè)計(jì)出最滿意的觀賞線路.

3 結(jié) 論

智能景觀設(shè)計(jì)要求具有獨(dú)特的元件布局效能和情感效能計(jì)算，在地理、文化、民族、政治和經(jīng)濟(jì)等方面都要求有動(dòng)態(tài)的評(píng)價(jià)方法.本研究最大程度地包容了景觀設(shè)計(jì)中的個(gè)性化、動(dòng)態(tài)性和稀疏價(jià)值特征，為抑制雷同現(xiàn)象，結(jié)合元件效能與美觀效能互信息熵演化過(guò)程，研究相關(guān)美感情緒觀賞所需要的優(yōu)化途徑，采用動(dòng)態(tài)的情感屬性效用評(píng)價(jià)，較好地緩解了計(jì)算機(jī)大數(shù)據(jù)條件下所產(chǎn)生的稀疏性沖突矛盾.以動(dòng)態(tài)的情感邊屬性來(lái)驅(qū)動(dòng)景觀元件的布局，能夠有效地兼容各種情緒的影響，避免不合理的干擾，達(dá)到智能景觀設(shè)計(jì)所需要的“自然元素與情緒元素和諧統(tǒng)一”.

（

）：

［1］楊玲，莫冠沖.基于互動(dòng)理論的城市綠色步行空間景觀設(shè)計(jì)探析［J］.生態(tài)經(jīng)濟(jì)，2016，32（1）：224－ 227.（YANG Ling，MO Guan-chong.Analysis on the landscape design of urban green walking space based on interaction theory［J］.Ecological Economy，2016，32（1）：224－227.）

［2］郭青俊，羅倩，林祥霖.“非臨時(shí)性”景觀設(shè)計(jì)方法探討［J］.林產(chǎn)工業(yè)，2016，43（1）：57－60.（GUO Qing-jun，LUO Qian，LIN Xiang-lin.The discussion of designing method for“non-temporary”lands［J］.China Forest Products Industry，2016，43（1）：57－60.）

［3］夏琳琳，潘旭影，王丹，等.基于類(lèi)高斯隸屬函數(shù)的模糊萬(wàn)能逼近器性能分析［J］.沈陽(yáng)工業(yè)大學(xué)學(xué)報(bào)，2014，36（3）：316－321.（XIA Lin-lin，PAN Xu-ying，WANG Dan，et al.Performance analysis of fuzzy universal approximator based on Gauss-type membership function［J］.Journal of Shenyang University of Technology，2014，36（3）：316－321.）

［4］康鵬，陳衛(wèi)平，王美娥.基于生態(tài)系統(tǒng)服務(wù)的生態(tài)風(fēng)險(xiǎn)評(píng)價(jià)研究進(jìn)展［J］.生態(tài)學(xué)報(bào)，2016，36（5）：1192－1203.（KANG Peng，CHEN Wei-ping，WANG Mei-e.Advancesion ecosystem service based ecological risk asscessment［J］.Acta Ecologica Sinica，2016，36（5）：1192－1203.）

［5］樊舒迪，胡月明，劉振華.一種新的面向?qū)ο蟪鞘薪ㄖ镄畔⑻崛》椒ㄑ芯浚跩］.華南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，47（6）：91－97.（FAN Shu-di，HU Yue-m ing，LIU Zhen-hua.Research of information extraction of city building based on a new object-oriented method［J］.Journal of South China Normal University（Natural Science Edition），2015，47（6）：91－97.）

［6］樊風(fēng)雷，劉潤(rùn)萍，張佃國(guó).一種改進(jìn)的城市建筑用地信息提取方法及在廣州地區(qū)的應(yīng)用［J］.華南師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2014，46（4）：98－102.（FAN Feng-lei，LIU Run-ping，ZHANG Dian-guo.An improved method to extract building land information and the application in Guangzhou［J］.Journal of South China Normal University（Natural Science Edition），2014，46（4）：98－102.）

［7］樊永生.建筑信息模型的空間拓?fù)潢P(guān)系提取和分類(lèi)研究［D］.西安：西安建筑科技大學(xué)，2013.（FAN Yong-sheng.Building information modeling spatial topological relations extraction and classification［D］.Xi’an：Xi’an University of Architecture and Technology，2013.）

［8］王烏蘭.小城鎮(zhèn)街道體驗(yàn)式景觀設(shè)計(jì)淺析［J］.雞西大學(xué)學(xué)報(bào)，2016，25（2）：39－41.（WANG Wu-lan.Discussion of experiential street landscape design of small town［J］.Journal of Jixi University，2016，25（2）：39－41.）

［9］張才偉.談城市廣場(chǎng)環(huán)境景觀設(shè)計(jì)［J］.山西建筑，2016，42（1）：208－209.（ZHANG Cai-wei.On environmental landscape design for urban squares［J］.Shanxi Architecture，2016，42（1）：208－209）

［10］賀英杰，王慧強(qiáng)，周仁杰.面向網(wǎng)絡(luò)態(tài)勢(shì)感知的實(shí)時(shí)網(wǎng)絡(luò)拓?fù)浒l(fā)現(xiàn)［J］.計(jì)算機(jī)工程，2009，35（24）：127－129.（HE Ying-jie，WANG Hui-qiang，ZHOU Ren-jie. Real-time network topology discovery for network situation awareness［J］.Computer Engineering，2009，35（24）：127－129.）

［11］林志壘.智能生態(tài)景觀信息評(píng)價(jià)專(zhuān)家系統(tǒng)的初步設(shè)計(jì)與應(yīng)用［J］.水土保持研究，2004，11（3）：70－72.（LIN Zhi-lei.Design and application of the elementary specialist system of the ecological landscape information［J］.Research of Soil and Water Conservation，2004，11（3）：70－72.）

［12］石磊.建筑立面裝飾視覺(jué)美感研究［J］.太原：山西大學(xué)，2012.（SHI Lei.The visual aesthetic feeling of architecture facade［J］.Taiyuan：Shanxi University，2012.）

［13］榮鵬飛，葛玉輝.團(tuán)隊(duì)共享心智模型的多層次模糊評(píng)價(jià)［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2013（5）：10－16.（RONG Peng-fei，GE Yu-hui.Multi-level fuzzy evaluation of team shared mental models［J］.Journal of Industrial Technological Economics，2013（5）：10－16.）

［14］劉肖健，孫艷，吳劍鋒，等.產(chǎn)品基因調(diào)控網(wǎng)絡(luò)模型及其對(duì)設(shè)計(jì)過(guò)程的輔助［J］.計(jì)算機(jī)集成制造系統(tǒng)，2013，19（7）：1463－1471.（LIU Xiao-jian，SUN Yan，WU Jian-feng，et al.Product’s gene regulatory network model and its aiding to design process［J］.Computer Integrated Manufacturing Systems，2013，19（7）：1463－1471.）

（責(zé)任編輯：景 勇 英文審校：尹淑英）

Relational model for network topology and appreciate effect of intelligent landscape

GUO Yang1，ZHENGWei2
（1.Business School，Shanxi University，Taiyuan 030031，China；2.Shanxi Electric Power Survey and Design Co.Ltd.，China Energy Construction Group Corporation，Taiyuan 030001，China）

Aiming at the optimization problem of intelligent elements and appreciate effect，an adaptability evaluation algorithm about the emotional appreciate and original design effect was introduced in combination with the element node of intelligent landscape network and the attributes of emotion guide.In addition，a relational model for network topology and appreciate effect in the intelligent landscape design was established，and the optimum selection scheme for appreciate resources in the distributed network design environ mentwas effectively interpreted.The results show that the optimization calculation in the design process can be effectively performed with the relational model for appreciate effect，and thus the feasibility of emotional uncertainty estimation in the design of intelligent landscape is increased.The model has a high application value for promoting the intelligent landscape design.

intelligence landscape；network topology；relevance；mutual information；appreciate model；multiple expression；emotion detection

TP 292.1

A

1000－1646（2016）06－0686－06

10.7688／j.issn.1000－1646.2016.06.16

2016－04－12.

山西省自然科學(xué)基金資助項(xiàng)目（2014011018）.

郭 陽(yáng)（1981－），女，山西永濟(jì)人，講師，碩士，主要從事智能景觀規(guī)劃與設(shè)計(jì)等方面的研究.

11－07 12∶30在中國(guó)知網(wǎng)優(yōu)先數(shù)字出版.

http：∥www.cnki.net／kcms／detail／21.1189.T. 20161107.1230.016.htm l