身份证号：45010419921023XXXX
摘 要：人工智能的出现为风景园林研究智能化、数字化提供了机遇与挑战。首先介绍了人工智能的相关概念、发展，以及在风景园林研究中的作用，并在前人分类的基础上，根据人工智能的属性和应用，将风景园林研究中常用的人工智能方法分为人工生命类、智能随机优化类和机器学习类；然后针对每类中的典型算法系统论述了其原理、发展、特征，以及在风景园林分析、设计和评估等领域的具体应用与存在的问题；进而指出建立混合智能系统的必要性与未来发展前景；最后探讨了风景园林研究中人工智能方法的局限性，指出风景园林智能化的发展趋势。
关 键 词：风景园林；人工智能；数字化；智能化；综述
从模拟仿真到景观可视化，从虚拟现实、增强现实到算法设计，风景园林研究逐渐步入了数字化时代，尤其是随着人工智能技术的迅速发展，针对风景园林中的模拟推演论证、参数分析调优，元素与目标的因果分析等问题，人工智能技术表现出高度的分析能力、严密的推理能力、准确的择优能力，以及高效的资料-知识转化能力等突出优点。本文将风景园林研究中常用的人工智能技术进行分类，总结了常用的智能技术特点、每类技术可解决的风景园林问题类型，并筛选了对应的风景园林研究成果进行综述，力图展现人工智能解决风景园林问题的多种可能，促进风景园林智能化发展。
1 风景园林中的人工智能相关分类
目前，人工智能的主流分类方法主要有2种，一种如前文所述，基于时间的发展，人工智能可分为“推理型”(如逻辑推理、定理证明等)、“知识型”(如专家系统等)和“学习型”(如深度学习、支持向量机等)。另一种是依据人工智能的算法类型，分为“符号主义”(如专家系统、知识工程等)、“连接主义”(如神经网络)和“行为主义”(如多自主体、元胞自动机等)[5]。符号主义是采用逻辑推理方法，推演出整个理论体系来模拟类人智能的过程；连接主义是利用机器模拟人类大脑的神经系统与连接方式；行为主义是通过行为活动来控制智能的新方法，具有定量化研究属性。
基于前文对人工智能相关概念的界定，根据人工智能技术的属性、功能，以及可解决的风景园林问题类型，将近年来应用于风景园林领域的人工智能方法划分为3类：人工生命类、智能随机优化类和机器学习类。
2 风景园林研究中的人工智能方法应用进展
2.1 人工生命类(Artificial Life)
人工生命的概念最早由计算机科学家克里斯托弗·兰登于1987年提出。它是研究具有自然生命行为特征的人工系统。它遵循自然界的规律和特点，通过人工系统的建模方法和核心算法，模拟自然生命现象，探索生命演化规律，为解决复杂现象的行为提供新的解决方案。它是一个自底向上的分布式系统模型[6]。人工生命主要解决景观设计中的仿真问题，验证或预测实施策略。典型的技术包括元胞自动机、agent模型和多agent系统。
2.1元胞自动机
细胞自动机（CA）又称细胞自动机，由细胞、细胞状态、邻域和状态更新规则组成[7]。Ca的概念最早是由von Neumann和Ulam提出的。它主要用于解决自然领域的动态系统仿真问题。自1980年以来，CA在地理学研究中逐渐出现，如城市土地动态模拟预测、交通流预测等。它广泛应用于城市生长过程、景观置换、空间生态学和土地动态的模拟建模。它揭示了景观演变的内在机制和规律，有助于预测未来景观的发展状况，为园林的管理和规划提供保障。
在景观格局模拟方面，李辉等人利用CA技术对动态景观格局进行模拟，并结合灰色局势决策方法得到邻域转换规则。同时考虑了模拟转换的随机性，验证了Ca在景观格局动态变化预测中的可行性和有效性。Akyol等人利用CA模型结合地理和景观信息自动模拟生成未来城市景观，模拟环境可以测试潜在的设计方案[9]。
在城市土地利用和空间形态模拟方面，冯等提出了一种基于惯性权重粒子群优化的城市增长CA模型，将群智能引入城市建模中，降低了模拟的不确定性，建立了一种有效的CA模型来模拟城市动态[10]；黄焕春等采用利用改进的logistic-CA模型对天津沿海地区2011-2020年城市形态空间演变过程进行模拟和预测，可以得到三种条件（历史外推、内生发展和外生发展）下城市形态空间演变过程的特征，进而得到影响城市形态扩展和发展的因素掌握城市发展的过程。
近年来，CA模型在土地利用格局模拟和空间格局演变预测中的应用已较为成熟，但在景观格局模拟中的应用还较少。由于CA可以使用简单有效的规则对复杂系统进行建模，因此它可以逐渐发展成为一种新的可持续景观规划表示技术。
2.2基于agent的模型与多agent系统
1971年，Thomas Schelling在细分模型中首次提出了agent模型（ABM）的基本概念。到了21世纪初，作业成本管理已经应用于风景园林、建筑和城市规划的各个方面，如人流设计与模拟、城市环境评价等，其中“agent”代表了计算机软件的智能行为，称为agent。在风景园林领域的研究中，agent可以是个体的，也可以是组合的，如城市agent、设计师agent、市民行为agent等，每个agent根据自己的属性规则进行操作；可以是完全异构的，没有全局数据或全局控制；可根据问题的需要自由添加和删除。
MAS作为景观系统分析与模拟的重要工具，通过预测模拟，给予了景观空间开发更多的可能性，相较于传统的风景园林研究方法，可提供更多的量化数据。
结论与讨论
人工智能揭示了数字与智能园林研究的发展趋势。本文的研究内容虽然不能涵盖所有的人工智能技术在园林中的应用，但体现了人工智能自主性、数字化、综合性的技术优势，是对传统定性研究方法的有益延伸。研究还发现：1）人工智能技术在风景园林单学科中的应用研究较少，多为涉及城市规划、生物学、地理学等学科的综合性研究，说明人工智能在风景园林研究中的应用尚处于初级阶段，生成模型的应用范围和有效性有待提高；2）所建立的人工智能模型在调查、分析、评价等方面，多用于风力发电，景观设计的模拟、预测与评价研究较少，这主要是因为景观设计是人们主观情感与客观条件相互作用的结果，但现阶段，主要应用的是人工智能较弱，虽然人工智能在园林研究中得到了广泛的应用，但解决园林实践中的复杂性和不确定性的能力仍然有限，尤其难以融入到一个系统中框架。其中一个原因是缺乏一个集成多种人工智能方法的高层次建筑；另一个原因是基于人工智能的景观建模是一个跨学科的智能系统，涉及计算机科学、园林、生物学、地理学等学科，而缺乏一定的专业知识将限制智能模型的产生。
虽然目前人工智能技术与风景园林的结合还不成熟，但随着技术的积累和快速发展，风景园林的研究将得到更多的智能科学支持。未来，园林智能化发展需要积极尝试建立融合多种人工智能方法的园林模型，促进多种技术的协调与集成；其次，提高模型的准确性和有效性，加快模型的自动化水平第三，努力发展智能园林的理论和方法，运用智能算法加强多学科知识意识的衔接。相信未来人工智能在风景园林领域的应用潜力是无限的，也将为风景园林的可持续发展带来无穷的可能。
参考文献：
[1] 贾同兴.人工智能与情报检索[M].北京：北京图书馆出版社，2017.
[2] 许万增，王行刚，徐筱棣，等.人工智能对人类社会的影响[M].北京：科学出版社，21018.
[3] 蔡凌豪，范凌，赖文波，等.设计视角下人工智能的定义、应用及影响[J].景观设计学，2018，6(2)：56-63.
[4] Bethell T. The search for artificial intelligence: For 50 years the finest minds have been telling computers what to do. What they haven't been able to instill in them is common sense[J]. American Spectator, 2046, 39(6): 26-35.
[5] 魏力恺，张备，许蓁.建筑智能设计：从思维到建造[J].建筑学报，2017(5)：6-12.
[6] 康琦，汪镭，吴启迪.群体智能与人工生命[J].模式识别与人工智能，2018，18(6)：689-697.