CN110489837B - 一种城市景观满意度计算方法、计算机设备和存储介质 - Google Patents

Abstract

本发明公开了一种城市景观满意度计算方法、计算机设备和存储介质，所述城市景观满意度计算方法包括：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间；构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间；根据所述用户期望游憩时间和用户实际游憩时间计算用户满意度和分布概率密度函数；根据所述用户满意度和分布概率密度函数计算城市景观满意度。本发明提供的实施例能够综合游憩用户人群划分、自然环境、社会环境和个人属性等多个维度进行考量，根据获取的城市景观满意度实现对现有景观规划和设计方案的选型优化，具有广泛的应用前景。

Description

一种城市景观满意度计算方法、计算机设备和存储介质

技术领域

本发明涉及景观仿真技术领域，特别是涉及一种城市景观满意度计算方法、计算机设备和存储介质。

背景技术

在以人民为中心的发展理念和生态文明建设的新时代，居民的休闲与工作一样，都是维持城市活力和可持续发展动力的必要内容。公园绿地作为保障居民健康和舒适的重要空间，其区位设置、公园类型、与地形、水系、生态环境、人文遗迹等的联系等始终是城市规划的重要内容(中华人民共和国住房和城乡建设部and中华人民共和国国家质量监督检验检疫总局2016a)。而公园绿地的内部设计(即公园设计)则按照规划游客容量、植被、水体、历史遗迹、公园主题等进行科学和艺术设计，使之尽可能满足预计游客的游憩期望(中华人民共和国住房和城乡建设部and中华人民共和国国家质量监督检验检疫总局2016b)。不过，尽管公园的规划与设计均有规范可循，但其并不必然能实现对居民的游憩满足。其原因有三个方面，分述如下：

首先，公园的规划和设计受制于国土规划、城市绿地规划，而蓬勃发展的城市或现有城市的特定区域，可能为适应国家和城市功能定位而发生重大变化；对应的，公园游憩人群分布也发生重要变化，其游憩需求的变化导致对公园规划和设计的不同要求；

其次，游憩作为居民日常生活的一个类型，公园所提供的游憩服务只有与居民生产(工作)特征、生活特征匹配，才是“满意”的服务；而潜在游憩人群因其各自的工作要求、社交与家庭需求、对交通成本、水质水量植被等具体的景观要素的偏好和敏感性不同，其游憩需求分布非常宽泛；某个规划方案和公园设计方案都意味着对只能以不同程度满足某些潜在游憩人群；

再次，公园内部的景观要素，除人造景观小品、园路、人造建筑外，很多自然环境要素，如亲水水体或景观水体的水质、景观水体的水量、植被或(乔、灌、草)组合、空气质量等均随季节、日内时间、特定气象情景等可能发生持续较长时间、持续较短时间、情景式的、突发的变化，这些变化可能显著影响景观要素的游憩服务质量(如水少、水浊、异味等严重影响美景度)。

因此，即使公园按照相关规范进行了合规设计，或已有的公园的管理和维护都很规范，仍然需要针对公园的规划设计方案或已有公园现状进行满意度评价。

发明内容

为了解决上述问题至少之一，本发明第一方面提供一种城市景观满意度计算方法，包括：

S1：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间；

S3：构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间；

S5：根据所述用户期望游憩时间和用户实际游憩时间计算用户满意度和分布概率密度函数；

S7：根据所述用户满意度和分布概率密度函数计算城市景观满意度：

其中，θ_c为用户生活模式评估域和景观游憩行为评估域，s(θ_c)为用户满意度，f(θ_c)为分布概率密度函数。

进一步的，所述S1：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间进一步包括：

S11：根据所述用户的职业进行分类并构建生活模式模型；

S12：根据所述生活模式模型获取第一结果，经模型选择和模型验证后输出第一结果；

S13：将所述第一结果输出至所述景观游憩仿真模型以获取所述用户期望游憩时间。

进一步的，所述S12：根据所述生活模式模型获取第一结果，经模型选择和模型验证后输出第一结果进一步包括：

根据景观的自然属性、用户的个人属性和用户所处的社会属性通过所述生活模式模型并经模型选择和模型验证后输出第一结果。

进一步的，所述用户期望游憩时间为：

其中，T_free为自由时间，R(T_free)为用户实际游憩时间，LoBnd表示自由时间超过前往制定公园游憩的必要时间，δ表示选择变量；p(δ＝1|T_free＞LoBnd)为T_free高于必要时间条件下就园的条件概率；p(T_free＞LoBnd)为T_free高于必要时间的概率。

进一步的，所述S3：构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间进一步包括：

S31：根据所述用户对景观的游憩动机、偏好和景观特性构建景观游憩行为模型；

S32：根据所述景观游憩行为模型获取第二结果；

S33：将所述第二结果输出至所述景观游憩仿真模型以获取所述用户实际游憩时间。

进一步的，所述用户满意度为：

或者

或者

或者

其中，R为用户实际游憩时间，R_exp为用户期望游憩时间，σ_Rexp为R_exp的标准偏差，lgR_exp为R_exp的常用对数，σ_lgRexp为lgR_exp的标准偏差。

进一步的，所述城市景观满意度计算方法还包括：

根据所述城市景观满意度生成景观规划方案，将所述景观规划方案和景观自然情况输入所述景观游憩仿真模型以进一步计算所述用户实际游憩时间和用户期望游憩时间。

本发明第二方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的方法。

本发明第三方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现第一方面所述的方法。

本发明的有益效果如下：

本发明针对目前现有的问题，制定一种城市景观满意度计算方法、计算机设备和存储介质，通过景观游憩仿真模型计算用户期望游憩时间和用户实际游憩时间以计算城市景观满意度，能够综合游憩用户人群划分、自然环境、社会环境和个人属性等多个维度进行考量，根据获取的城市景观满意度实现对现有景观规划和设计方案的选型优化，具有广泛的应用前景。

附图说明

下面结合附图对本发明的具体实施方式作进一步详细的说明。

图1示出本发明的一个实施例所述城市景观满意度计算方法的流程图；

图2示出本发明的一个实施例所述计算用户期望游憩时间的流程图；

图3示出本发明的一个实施例所述计算用户实际游憩时间的流程图；

图4示出本发明的另一个实施例所述的一种计算机设备的结构示意图。

具体实施方式

为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。

现有技术中，评价游客或潜在游客对城市景观(以下使用“公园”进行描述)的满意度时一般会从多个方面入手评价。如我国住建部公布的行业标准《JJT 234-2015国家重点公园评价标准》(中华人民共和国住房和城乡建设部2015)中规定重点公园评分中应包括“游客评价”，并在附录中规定了游客满意度调查表的调查内容，其中包括对公园管理、水体质量、卫生状况、整体景观、植物景观、道路设置、服务设施、导览设施、导览信息、讲解服务、活动内容、活动场地等共12项进行问卷调查评分。这些调查直接反映在游园或游览完毕游客对当下游览的体验，真实性高，但评价的时间集中，样本有限，无法潜在游客的评价。公园的服务对象为一般公众，而每个人的满意度都可能有差异的化，更权威和可靠性的满意度应该是所有潜在入园游览者满意度的数学期望；而上述公园调查获得的满意度是限于此时此地游览这个条件下的条件概率表达，换言之，其它时候、另一批人(特别是那些调查时不在公园游览的潜在游客)则可能有完全不同的满意度。

事实上，城市规划和园林设计等领域关于公园(绿地)对潜在享受人群的服务早有研究，并提出了考虑公园绿地因时、因地、因人、因物而提供差异化景观游憩服务机会(opportunity)的概念，即所谓游憩机会谱(Recreation Opportunity Spectrum，ROS)。例如，在我国王忠君博士(王忠君2013)在建立圆明园游憩机会谱ROS过程中，连续一年多次定点监测圆明园不同景点、不同植被、不同水体、不同建筑处游客的来园在园去园规律，总结出了若干游客自身人口学属性(如年龄、性别、职业类型、收入、教育背景)、社会学属性(青年团队、夫妇或家庭等)、活动类型(运动、亲子、主题、赏景等)与季节、工作日/节假日、园内景点偏好等之间的经验规律。这充分反映出，一个公园提供的游憩机会谱多种多样且随季节等自然环境、工作日/休息日等社会规则、年龄等个人属性而出现显著变化。可以期待，不同的人在不同的时间地点对同一所公园状态的满意度也差别很大。

正如游憩机会谱中已经包括的那样，潜在享受者对公园的满意度并不仅仅限于公园内部的规划设计和管理维护，公园的区位特点以及以此为约束的可达性(accessibility，如交通便利性)也在很大程度上筛选了那些潜在享受者的实际来园特征(频率、在园时间等)，这也必然影响到公园的满意度评价。也正因为如此，俞孔坚(俞孔坚etal.1999)等著名景观规划设计师和研究者(如(张金光and赵兵2018))常常以可达性作为新建或改建公园绿地区位选址的关键依据。

由于影响公园满意度的因素很多，国内外研究公园满意度评价的方法大多采用多维指标体系的同时，以定性评价方法，如AHP(层次分析法)开展多维指标的综合(如陆彦臻硕士论文采用AHP的方法，将广西宜州龙江河滨水景观评价的准则层划分为生态绿化、景观功能和社会人文三个维度，收集了20位专家问卷，对该水景观的整体评分位0.99，表明龙江河滨水景观整体上展现出的景观效果好。也有学者采用SD(语义解析法)对公园景观进行评价，SD法的核心是使用相关词语划分等级，等级对应分数，通过调查表获得结果。这些以专家意见为基础的综合评价方法，将不同属性指标计分，更多反映被访者或专家的主观感受或判断，不可避免受到被访者或专家的覆盖面、个人属性特征、知识领域范畴等主观因素的影响。

针对上述现有技术中存在的问题，本申请发明人提出从分析各种潜在享受者满意度的角度构建一个客观的、综合反映自然因素、社会因素、个人因素等对公园景观满意度影响的评价方法，即公园满意度评价会更合理可靠，换句话说，该评价结果将更接近于满意度的“数学期望”。并且，基于该方法在以“数学期望”意义上的满意度差异开展公园选址规划和景区内规划设计方案的比对，则也更有长久的生命力，会在更大程度上、更长时间尺度上满足潜在享受者的公园游憩需求。

如图1所示，本发明的一个实施例提供了一种城市景观满意度计算方法，包括：S1：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间；S3：构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间；S5：根据所述用户期望游憩时间和用户实际游憩时间计算用户满意度和分布概率密度函数；S7：根据所述用户满意度和分布概率密度函数计算城市景观满意度：

其中，θ_c为用户生活模式评估域和景观游憩行为评估域，s(θ_c)为用户满意度，f(θ_c)为分布概率密度函数。

在一个具体的示例中，通过构建用户生活模式评估域从用户的生活模式入手，根据用户的生活模式通过景观游憩仿真模型计算用户期望游憩时间；同时通过构建景观游憩行为评估域从实际游憩行为入手，根据用户的实际游憩行为通过景观游憩仿真模型计算用户实际游憩时间；再根据用户期望游憩时间和用户实际游憩时间计算用户满意度和分布概率密度函数，从而计算出城市景观满意度。

在本实施例中，如图2所示，所述S1：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间进一步包括：S11：根据所述用户的职业进行分类并构建生活模式模型；S12：根据所述生活模式模型获取第一结果，经模型选择和模型验证后输出第一结果；S13：将所述第一结果输出至所述景观游憩仿真模型以获取所述用户期望游憩时间。

在一个可选的实施例中，所述S12：根据所述生活模式模型获取第一结果，经模型选择和模型验证后输出第一结果进一步包括：根据景观的自然属性、用户的个人属性和用户所处的社会属性通过所述生活模式模型并经模型选择和模型验证后输出第一结果。

所述用户生活模式评估域即通过生活模式模型反应用户人群的行为模式，为城市景观满意度评价的第一步，用于表征什么用户在什么时间有可能去公园。其中，需要考虑具有不同人口社会学属性的个体日程安排，例如某人在一天中(24小时闭环)，某个时间段属于睡觉时间、工作时间、休闲时间等，关注其中的休闲时间，认为只有在休闲时间段内才有可能去公园游玩。所述人口社会学属性，个人数据包括年龄、性别、职业、收入等；社会学数据包括地区的GDP、城镇化率等。在本实施例中，根据用户的职业对各种用户的时间----行为参数的数值进行聚类分析，由此对城市人群在时间----行为模式意义上进行分类。采用“Ward法”的系统聚类分析方法使用SPSS软件进行分类，区间选择为Euclidean距离，城市用户分为城市专业技术类(专业技术人员、国家机关人员和服务业群体)、城市工人类和无职业/退休老人类，并分别对这三类人群分别进行建模。

将所述人口社会学属性分别输入对应的模型中输出第一结果，包括对应类型用户的日程安排，例如睡眠时间段、工作(学习)时间段、室内活动时间段以及室外活动时间段。

考虑到实际生活中还存在大量影响因素，例如公园的自然属性，采用公园的日出日落时间、平均气温及最高气温四个指标表现地点和季节的变化性；例如用户的个人属性，包括年龄、性别、学历和年收入；例如用户所处城市的社会属性，例如该城市的各经济指标等；均作为备选解释变量输入到所述模型中以获取更为准确的第一结果。

考虑到模型的准确性，在本实施例中，还通过AIC准则进行模型优选。即分别计算每个模型在各种分层情况下的AIC值，以AIC最小作为依据进行选择模型：

其中

为模型的函数估计，

为似然度，K为参数个数。所述各参数模型的AIC值即是对各分层下AIC最小值的加和，根据参数模型AIC值最小的情况，选择最优分层结果，同时得到最优分层下最优的模型输入和模型表达式。

值得说明的是，对于大部分数据按上述方法进行建模，对于学生和自由职业者，其时间-行为模式规律与其余群体有所差异。学生的时间-行为模式一般由学校统一，在工作日几乎遵循同样的生活与工作方式；而自由职业者的工作比较零散，参数的波动范围较大。因此，在进行建模和仿真时，本领域技术人员对学生和自由职业者这两类特殊人群可以直接以调研数据的均值和标准差形式建立模型并进行仿真。

在本实施例中，以2018年获取得数据建立参数模型并输入所述生活模式模型，然后以2017年的数据代入进行检验。所述验证方法包括Kolmogorov-Smirnov分布检验、秩和检验、学生氏t检验。记录各参数的显著性(p值)，通过统计各验证方法下p>0.05和p>0.01的参数个数比例，得到其通过率大小，满足通过率则认为该模型符合设计要求。

将经模型选择和模型验证后获取的第一结果输出至所述景观游憩仿真模型以获取所述用户期望游憩时间。

在本实施例中，所述景观游憩仿真模型为基于C++开源库Pedsim的人群仿真模型，在Qt框架下构建景观游憩仿真模型。Pedsim算法核心为社会力模型，加速度的受到行人自身的倾向力、行人之间的相互作用力、障碍力等力的作用，模拟游客在各种情况下的运动更为真实。

通过Qt框架，可以实现仿真过程的可视化，我们只需要将公园的设计图，提取点坐标，可实现复现公园底图，同时生成游憩用户。假定游憩用户的平均步速为1m/s，由社会力模型的计算结果得到移动的方向和距离，每间隔一个timestep计算一次，每timestep代表4.8秒。通过游憩用户在底图上的连续运动，实现了可视化展示的效果。

该仿真模型具有如下功能：①模拟游憩用户在行进过程的具体行为(如减速、躲避、暂停等)，此过程由社会力模型计算得到；②进行模型计算，将生活模式模型输出的第一结果写入txt中(生活模式模型由MATLAB进行计算，其余模型在仿真模型中计算)，仿真模型读入作为输入数据，用于游园模型计算，计算可得到每个游客要去的公园景观、游玩时间、游览路径(过程具有随机性)，仿真结束后计算满意度模型，结果输出到txt中；③获取关键的时间参数，模型检测记录每名游客的开始游览时间、结束游览时间和在某一景观的游览时间；④在Qt框架下可进行可视化展示，更好的体现公园游客的时空动态分布。

在本实施例中，以某公园为例进行仿真。首先准备该公园的底图，所述地图通过截图拼接或爬虫的形式可从百度地图、高德地图等数字地图中获得该公园地图的栅格数据。使用ArcGIS将地图矢量化得到公园地图的矢量图，将矢量图配准到UTM平面坐标投影上。将该公园路径的关键点坐标导出，由仿真模型读取，并进行连线操作，得到该公园的底图。然后在模型中设置仿真游憩用户人数和仿真时间，从而根据该仿真模型获得用户期望游憩时间。

用户期望游憩时间R_exp作为特定条件(自然环境、社会环境、个人属性)下期待的游憩时间，它是该条件下居民(潜在用户)生产生活模式下来园并实现一次游憩活动的耗时。在本实施例中假设现有生产生活模式下该居民游憩行为(来园或不来，在园多久时间)是与他/她的工作、生活最为适应从而最有利于他/她身心需求的安排。这个假设是合理的，因为虽然对于一个具体的日子、具体的人而言来园与否、游憩活动类型、步速、园中景点停留时间等具体的选择具有不确定性，但这些不确定性几乎肯定是在工作和其它类型生活必须活动和谐的——例如在公司上班的员工不会在工作时间旷工去公园游憩，但有可能利用午饭时间去附近社区公园或游园游玩半小时后赶回来工作；例如年轻父母不可能为了逛公园不去接送孩子去参加预定好的周末兴趣班，但有可能在孩子上兴趣班的一两个小时期间去公园游玩。因此，R_exp应由两个因素确定：①特定条件下居民拥有的满足下限时长的自由时间T_free，②将该自由时间整体或一部分用于指定公园游憩的自主选择(可能性)。

在一个可选的实施例中，所述用户期望游憩时间为：

其中，T_free为自由时间，R(T_free)为用户实际游憩时间，LoBnd表示自由时间超过前往制定公园游憩的必要时间，δ表示选择变量，自主决定去或不去公园的选择变量；p(δ＝1|T_free＞LoBnd)为T_free高于必要时间条件下就园的条件概率；p(T_free＞LoBnd)为T_free高于必要时间的概率。

因此，求解R_exp必须获取三个变量：①p(T_free＞LoBnd)，②p(δ＝1|T_free＞LoBnd)，③R(T_free)。这三个变量的获取方式是本发明的关键，其中③R(T_free)与下文R的求解方案一致，暂不赘述；LoBnd的获取则简单得多，可以从公园与居民点或工作场所的空间距离分析、路径网络分析中获取。因此，T_free的分布规律是求解R_exp的关键。考虑到T_free是与自然条件、社会条件、个人属性等均相关，最合理也最可靠的方式通过构建居民生活模式的方式，从中提取T_free，识别显著影响T_free的自变量，构建并优选T_free的最优模型，则在特定条件(自然环境、社会环境、个人属性，即特定θ_c)下可以获得T_free的定量分布。

在本实施例中，如图3所示，所述S3：构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间进一步包括：S31：根据所述用户对景观的游憩动机、偏好和景观特性构建景观游憩行为模型；S32：根据所述景观游憩行为模型获取第二结果；S33：将所述第二结果输出至所述景观游憩仿真模型以获取所述用户实际游憩时间。

所述景观游憩行为评估域即通过景观游憩行为模型分析有室外活动时间的用户是否会去公园，想要去公园多久，以及是否去公园里的某个景观和在此游览多久。其输入数据的采集与前述生活模式模型的输入数据的采集相类似。

在本实施例中，通过实际现场调研采集某公园的游憩用户的具体情况。

首先，选择该公园中人群最为密集的三处景观：池塘、游乐场、码头作为研究景观，选择三个关键参数进行建模，即：①公园游览总时长。②浏览地点：池塘(艺术设计水景观)，儿童游乐场(特定人群)，滨水码头(开阔水面景观)和③不同游览地点游玩时间分配；从而构建以下模型：

游园总时长模型：

第一，基于轨迹，选取游览总时间>60min(样本量：107，显著性水平p<0.01)：

log(Y)＝4.69(±0.04)-0.061(±0.022)x₁

其中，x₁为年龄大、年收入高、乘坐私家车(不特定职业)的周边居民。

第二，基于问卷，公园游览总时间>60min(样本量：329，显著性水平p<0.01)

log(Y)＝4.87(±0.02)+0.045(±0.011)x₁

其中，x₁为年龄小、年收入低、乘坐公交(学生)的本市非周边居民，且从家到公园花费时间长。

游览地点选择模型：

第一、池塘：

未发现统计显著的解释变量，表明艺术设计水景观具普遍吸引力，不同人群对艺术设计水景观的偏好没有呈现明显差别。

第二、游乐园(logit建模，显著性水平p<0.01)

其中，x₂为学历高的专业技术人员，x₆为乘坐公交车来的自由职业者；x₇为年轻、较高学历的国家机关人员、乘坐出租车的周边居民或具有类似特征的人群。

第三、码头(logit建模，显著性水平p<0.01)

ln(p_dock/(1-p_dock))＝-0.45(±0.21)+0.29(±0.18)x₄

其中，x₄为开私家车的农民或具有类似特征的人。

水景观时间分配模型：

第一、池塘

第二、游乐园

其中，x₁为年轻、收入低(学生)、乘坐地铁、为本市非周边居民；x₃为学历低，开私家车来的工人或具有类似特征的人。

第三、码头

其中，x₈为步速较快的工人或具有类似特征的人。

从以上模型中可看出所述用户实际游憩时间与以下两方面相关：

A.游览总时长方面，从家到公园的距离和个人社会经济状况具有明显影响：距离公园远的非周边居民在公园花费时间长，而周边居民则短；个人收入高的人群通常在公园的花费时间长，而收入较低人群则短。

B.景点选择方面，国家机关人员或专业技术人员更可能去儿童游乐场，符合带小孩游玩家长特征；池塘等水景观对所有人都有吸引力，没有明显人群差异。

将上述步骤获取的第二结果输出至所述景观游憩仿真模型以获取所述用户实际游憩时间，具体实施方式与所述用户期望游憩时间相类似，在此不再赘述。

在本实施例中，用户实际游憩时间R还可以通过公园内定点观察记录、利用GPS工具记录实际轨迹、开展调查问卷等方式直接获得用户实际游憩时间R的数据。

具体包括对用户的游憩动机和偏好等主观因素的调查，通过建立描述公园游憩行为的特征变量模型，也可以获得R的模拟数据。例如借助问卷调查的方式，调查用户的游憩动机(例如运动、家庭-亲子-陪老游憩、赏景、追古、写生等)，用户对公园的游憩要素(如喷泉、水池、儿童游乐园、大型水面、乔灌草组合植被造型、景观小品等)的偏好弹性，各游憩景点的就景与否、就景时长，以就景与否(二值变量)、就景时长(连续变量)与用户动机、游憩要素偏好以及特定条件参数(自然环境、社会环境、个人属性)的关联，识别显著的影响变量、构建并优选最优的模型，则可推算公园各景点的就景与否与就景时长变量，进而为仿真特定条件下的用户游憩过程奠定基础。

使用上述模型，并结合游憩行进参数模型，例如步速模型、跟随模型、拥挤躲避模型、路径选择模型等，即可较为真实的仿真出用户在公园内部规划设计方案和特定条件下的用户实际游憩时间R的定量分布。

值得说明的是，公园游园条件(如天气条件，水体的水质、水量、气味，植被造型)等具体的影响美景度、游憩体验等“满意程度”的因素，和园路设置、平台设计、卫生设施和休息设施的设置等一样，均可以通过R反映出来。例如，园路设计过窄会导致R比预期时长R_exp长太多；天气宜人时水体清亮，美景度高，则用户倾向于在亲水平台停留更多时间R比预期时长R_exp要长，但如果人群过多涌入亲水平台导致拥挤则有的游客会放弃前往亲水平台会导致R比R_exp要短，等等。因此，通过上述游憩景点就景与否、就景时长以及行进参数模型的综合运用，就可以获得较符合实际的游憩时间R。这个R包括了公园设计，也包括了可随季节、时刻、环境质量等动态因素的影响，因而可以作为与R_exp进行对照进而评价其满足度的基础变量。

基于上述步骤获取的用户实际游憩时间和用户期望游憩时间，以某潜在游憩者的实际游憩时间R与他/她的期望游憩时间R_exp的匹配程度来表达他/她的满意度s，但具体的表达方式可以灵活，但均应以R＝R_exp为满意度的极大值。

在本实施例中，提出了以下四种用户满意度的计算方法：

第一种：对R和R_exp求其常用对数，以常用对数之差表示其匹配程度，为维持“差异越大越不满意”的用户满意度s的含义，计算导数，并进行上限限制：如果二者相差10倍以内(即常用对数差在1.0以内)则认为用户满意度s维持在1.0。

第二种至第四种：均以类似指数分布族核函数的形式表示用户满意度s，即以R＝R_exp时s＝0为极大值，且随R偏离R_exp越大用户满意度s越小为趋势。

第二种，为双指数分布核函数。

第三种，为正态分布(高斯分布)核函数。

第四种，为对数正态分布很函数，其中σ_Rexp为R_exp的标准偏差，σ_lgRexp为lgR_exp(R_exp的常用对数)的标准偏差。

。

基于上述步骤获取的用户满意度和分布概率密度函数计算城市景观满意度：

其中，θ_c为用户生活模式评估域和景观游憩行为评估域的情景表达式，s(θ_c)为用户满意度，f(θ_c)为分布概率密度函数。

所述情景表达式θ_c表达了自然环境、社会环境、个人属性等多个变量所张成的空间，上式对θ_c积分实际上是对该多维空间的积分。

值得说明的是，对于实际问题，考虑到自然环境具有非平稳动态特性，而且易于与社会环境和个人属性形成空间聚集(如天气宜人的秋日工作日下午，退休老人倾向于在某公园聚集；夏日休息日则容易出现青年夫妇带孩子在公园水体划船等)，在上式中以仿真的方式，基于潜在用户的抽样，模拟仿真其期望游憩时间R_exp和实际游憩时间R，通过仿真获得用户满意度s(θ_c)和分布概率密度函数f(θ_c)是非常方便的实现途径。本领域技术人员应当根据实际应用场景选择适当的期望游憩时间R_exp和实际游憩时间R，以能够仿真获得用户满意度为设计准则，在此不再赘述。

至此，本发明提出的实施例不仅以人群划分为生活模式评估域，并且还综合自然环境(如季节、天气条件、日内时间等)、社会环境(如涵盖公园区位、居民点分布和经济行业空间分布的市域空间分布特征、工作日/休息日社会规则、区域经济和发展水平、区域经济行业分布特征)、个人属性(年龄、性别等人口学属性，教育、收入、职业等社会经济属性)等后形成的空间为满意度计算域。在给定的条件下——如确定的日期、天气、时段条件下，某确定城市的特定公园，具有某种个人属性的人员——计算满意度，然后对该满意度在计算域中积分，从而获取城市景观满意度。

在一个可选的实施例中，所述城市景观满意度计算方法还包括：根据所述城市景观满意度生成景观规划方案，将所述景观规划方案和景观自然情况输入所述景观游憩仿真模型以进一步计算所述用户实际游憩时间和用户期望游憩时间。

本发明的另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现：S1：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间；S3：构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间；S5：根据所述用户期望游憩时间和用户实际游憩时间计算用户满意度和分布概率密度函数；S7：根据所述用户满意度和分布概率密度函数计算城市景观满意度：

其中，θ_c为用户生活模式评估域和景观游憩行为评估域，s(θ_c)为用户满意度，f(θ_c)为分布概率密度函数。

在实际应用中，所述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言(如Matlab脚本)。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

如图4所示，本发明的另一个实施例提供的一种计算机设备的结构示意图。图4显示的计算机设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机设备12以通用计算设备的形式表现。计算机设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM，DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机设备12交互的设备通信，和/或与使得该计算机设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器20通过总线18与计算机设备12的其它模块通信。应当明白，尽管图4中未示出，可以结合计算机设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种城市景观满意度计算方法方法。

本发明针对目前现有的问题，制定一种城市景观满意度计算方法、计算机设备和存储介质，通过景观游憩仿真模型计算用户期望游憩时间和用户实际游憩时间以计算城市景观满意度，能够综合游憩用户人群划分、自然环境、社会环境和个人属性等多个维度进行考量，根据获取的城市景观满意度实现对现有景观规划和设计方案的选型优化，具有广泛的应用前景。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (7)

1.一种城市景观满意度计算方法，其特征在于，包括：

S1：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间；

S3：构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间；

S5：根据所述用户期望游憩时间和用户实际游憩时间计算用户满意度和分布概率密度函数；

S7：根据所述用户满意度和分布概率密度函数计算城市景观满意度：

其中，θ_c为用户生活模式评估域和景观游憩行为评估域，s(θ_c)为用户满意度，f(θ_c)为分布概率密度函数；

所述用户满意度为：

或者

或者

或者

其中，R为用户实际游憩时间，R_exp为用户期望游憩时间，σ_Rexp为R_exp的标准偏差，lgR_exp为R_exp的常用对数，σ_lgRexp为lgR_exp的标准偏差；

所述用户期望游憩时间为：

其中，T_free为自由时间，R(T_free)为用户实际游憩时间，LoBnd表示自由时间超过前往制定公园游憩的必要时间，δ表示选择变量；p(δ＝1|T_free＞LoBnd)为T_free高于必要时间条件下就园的条件概率；p(T_free＞LoBnd)为T_free高于必要时间的概率。

2.根据权利要求1所述的城市景观满意度计算方法，其特征在于，所述S1：构建用户生活模式评估域，通过预设置的景观游憩仿真模型计算用户期望游憩时间进一步包括：

S11：根据所述用户的职业进行分类并构建生活模式模型；

S12：根据所述生活模式模型获取第一结果，经模型选择和模型验证后输出第一结果；

S13：将所述第一结果输出至所述景观游憩仿真模型以获取所述用户期望游憩时间。

3.根据权利要求2所述的城市景观满意度计算方法，其特征在于，所述S12：根据所述生活模式模型获取第一结果，经模型选择和模型验证后输出第一结果进一步包括：

根据景观的自然属性、用户的个人属性和用户所处的社会属性通过所述生活模式模型并经模型选择和模型验证后输出第一结果。

4.根据权利要求1所述的城市景观满意度计算方法，其特征在于，所述S3：构建景观游憩行为评估域，通过预设置的景观游憩仿真模型计算用户实际游憩时间进一步包括：

S31：根据所述用户对景观的游憩动机、偏好和景观特性构建景观游憩行为模型；

S32：根据所述景观游憩行为模型获取第二结果；

S33：将所述第二结果输出至所述景观游憩仿真模型以获取所述用户实际游憩时间。

5.根据权利要求1所述的城市景观满意度计算方法，其特征在于，所述城市景观满意度计算方法还包括：

根据所述城市景观满意度生成景观规划方案，将所述景观规划方案和景观自然情况输入所述景观游憩仿真模型以进一步计算所述用户实际游憩时间和用户期望游憩时间。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5 中任一项所述的方法。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5 中任一所述的方法。

Images