基于聲景預(yù)測(cè)模型的建筑設(shè)計(jì)方法

目前，聲音理論在城市的不同空間中得到了廣泛應(yīng)用，包括聲音、社會(huì)學(xué)、建筑、城市規(guī)劃和環(huán)境科學(xué)，這為城市聲音研究從定性到定量、從基礎(chǔ)到應(yīng)用提供了一個(gè)廣闊的研究舞臺(tái)。然而,現(xiàn)有的評(píng)價(jià)結(jié)果多局限于分析和改善已有的空間環(huán)境。為了更好地發(fā)揮聲景研究的指導(dǎo)性作用,還須對(duì)未建成空間進(jìn)行聲景預(yù)測(cè),并根據(jù)預(yù)測(cè)結(jié)果調(diào)整設(shè)計(jì)策略。地下商業(yè)街屬于典型的城市商業(yè)和交往空間,也是近年來(lái)各個(gè)大中城市建設(shè)項(xiàng)目的重點(diǎn)。建立地下商業(yè)街聲景預(yù)測(cè)模型,不僅可以改善其聲環(huán)境,而且對(duì)城市其他空間也具有重要的借鑒意義。本文以地下商業(yè)街為例,探討了基于人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,ANN)的聲景預(yù)測(cè)方法。首先概述人工神經(jīng)網(wǎng)絡(luò)模型的基本原理,其次給出數(shù)據(jù)測(cè)量和分析方法,討論人工神經(jīng)網(wǎng)絡(luò)聲景預(yù)測(cè)模型的建立過(guò)程,最后結(jié)合地下商業(yè)街調(diào)研數(shù)據(jù),對(duì)一個(gè)新建地下商業(yè)街聲景預(yù)測(cè)進(jìn)行了實(shí)例分析。一人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法聲景預(yù)測(cè)方法主要分為兩類(lèi),一類(lèi)是基于人工方法,如序列邏輯回歸模型等。其中,由于人工神經(jīng)網(wǎng)絡(luò)具有高穩(wěn)定性、收斂性和容錯(cuò)性,因此能更準(zhǔn)確有效地進(jìn)行聲景預(yù)測(cè)工作。智能的預(yù)測(cè)方法,主要包括向量機(jī)、貝葉斯網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)等;另一類(lèi)是基于統(tǒng)計(jì)學(xué)計(jì)算的預(yù)測(cè)人工神經(jīng)網(wǎng)絡(luò)由美國(guó)心理學(xué)家麥卡洛克(W.S.McCulloch)和數(shù)理邏輯學(xué)家皮茨(W.Pitts)在1943年提出的神經(jīng)生物學(xué)模型演變而來(lái),在不斷完善的過(guò)程中,又加入了Hebb規(guī)則、感知機(jī)模型、BSB模型、BP理論等,為神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法奠定了基礎(chǔ)。目前,人工神經(jīng)網(wǎng)絡(luò)已經(jīng)趨于成熟,僅在MATLAB平臺(tái)下,就有30多種基于不同算法的人工神經(jīng)網(wǎng)絡(luò)。在建筑工程方面,人工神經(jīng)網(wǎng)絡(luò)已被廣泛應(yīng)用于預(yù)測(cè)房屋震害、工程造價(jià)、城市密度、建筑容積率計(jì)算等研究領(lǐng)域;在聲環(huán)境方面,人工神經(jīng)網(wǎng)絡(luò)可以預(yù)測(cè)交通噪聲、混響時(shí)間等聲學(xué)指標(biāo)。余磊和康健曾利用人工神經(jīng)網(wǎng)絡(luò)建立了英國(guó)城市廣場(chǎng)的聲景預(yù)測(cè)模型,準(zhǔn)確率可達(dá)70%以上。不同于以往的理論推導(dǎo)公式,人工神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是通過(guò)分析和歸納大量已有的評(píng)價(jià)數(shù)據(jù),總結(jié)出研究對(duì)象與影響因素之間的關(guān)系,并由這些“關(guān)系”預(yù)測(cè)未知結(jié)果。例如欲利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)地下商業(yè)街的聲景,則需要事先經(jīng)過(guò)大量的調(diào)研和測(cè)量,掌握地下商業(yè)街聲景評(píng)價(jià)的影響因素。人工神經(jīng)網(wǎng)絡(luò)會(huì)通過(guò)計(jì)算來(lái)分析這些因素對(duì)聲景評(píng)價(jià)的影響。對(duì)于一個(gè)新建的地下商業(yè)街而言,只須給出這些影響因素,即可預(yù)測(cè)出聲景的給人的感受。人工神經(jīng)網(wǎng)絡(luò)由輸入層(Inputlayer)、隱藏層(Hiddenlayer)和輸出層(Outputlayer)三個(gè)部分組成(圖1)。其工作原理為:通過(guò)輸入層導(dǎo)入基礎(chǔ)數(shù)據(jù),在隱藏層中進(jìn)行數(shù)據(jù)訓(xùn)練,由輸出層導(dǎo)出計(jì)算結(jié)果。以聲景預(yù)測(cè)為例,網(wǎng)絡(luò)會(huì)把計(jì)算出的預(yù)測(cè)結(jié)果與聲景的實(shí)際評(píng)價(jià)結(jié)果相比較。如果數(shù)據(jù)出入較大,則分配權(quán)重,重新計(jì)算,直到預(yù)測(cè)與實(shí)測(cè)結(jié)果達(dá)到最佳擬合度為止。二人工神經(jīng)網(wǎng)絡(luò)聲景預(yù)測(cè)模型構(gòu)建聲景評(píng)價(jià)的作用是衡量人對(duì)聲音的主觀感受,主要包括主觀響度、聲舒適度、聲喜好等幾個(gè)方面。這些主觀感受及相關(guān)空間環(huán)境指標(biāo)等信息需要通過(guò)主觀調(diào)查和客觀測(cè)量來(lái)采集。在建立人工神經(jīng)網(wǎng)絡(luò)聲景預(yù)測(cè)模型之前,還需要分析這些數(shù)據(jù)與聲景的關(guān)聯(lián)程度,將不相關(guān)的數(shù)據(jù)剔除。因此,本節(jié)以地下商業(yè)街為例,探討了聲景預(yù)測(cè)模型的數(shù)據(jù)采集和分析過(guò)程(圖2)。1評(píng)價(jià)問(wèn)卷的設(shè)計(jì)及調(diào)查采集聲景評(píng)價(jià)數(shù)據(jù),必須選擇具有典型性的調(diào)查地點(diǎn)。哈爾濱市是擁有地下商業(yè)街最多最全的城市之一,這些地下商業(yè)街多由地下防空掩體改造而成,歷史悠久、造型獨(dú)特,已經(jīng)成為哈爾濱市別具一格的旅游和購(gòu)物場(chǎng)所(圖3)。因此,本研究在哈爾濱市選取了三條典型的街道型地下商業(yè)街和兩條典型的廣場(chǎng)型地下商業(yè)街作為采樣地點(diǎn)(表1)。聲景主觀調(diào)查的目的是研究影響因素與聲景主觀感受的關(guān)系。為了保證調(diào)查的真實(shí)可靠和行之有效,具體過(guò)程可分為以下幾個(gè)步驟:①問(wèn)卷設(shè)計(jì):首先根據(jù)經(jīng)驗(yàn)提出一些可能影響聲環(huán)境評(píng)價(jià)的因素,作為暫定的研究?jī)?nèi)容;其次采用結(jié)構(gòu)訪談和無(wú)結(jié)構(gòu)訪談相結(jié)合的形式對(duì)聲景的研究?jī)?nèi)容進(jìn)行補(bǔ)充,提出問(wèn)卷題目的設(shè)計(jì)方案;最后完成主觀響度和聲舒適度的量表、使用者特征量表和環(huán)境調(diào)查量表設(shè)計(jì)。②信度與效度分析:信度即可靠性,它指的是采用同樣的方法對(duì)同一對(duì)象重復(fù)進(jìn)行測(cè)量時(shí),其所得結(jié)果相一致的程度。換言之,信度是指測(cè)量結(jié)果的一致性和穩(wěn)定性;效度也稱(chēng)作測(cè)量的有效度或準(zhǔn)確度。它是指測(cè)量工具或測(cè)量手段能夠準(zhǔn)確測(cè)出所要測(cè)量的變量的程度,或者說(shuō)能夠準(zhǔn)確、真實(shí)地度量事物屬性的程度。通過(guò)信度和效度的檢驗(yàn)可以確保問(wèn)卷的科學(xué)有效。③正式調(diào)查:以地下商業(yè)街為例,調(diào)查以實(shí)地發(fā)放問(wèn)卷的形式進(jìn)行,從2007年冬季到2008年秋季分四個(gè)季度開(kāi)展,在哈爾濱五條典型的地下商業(yè)街共發(fā)放了2800余份問(wèn)卷,每條地下商業(yè)街回收有效樣本400～600份。表1分別給出了關(guān)于這五條地下街的經(jīng)營(yíng)項(xiàng)目、使用者聽(tīng)到的主要聲音及調(diào)查樣本量的相關(guān)數(shù)據(jù)。調(diào)查結(jié)果通過(guò)SPSS14.0軟件錄入并進(jìn)行分析。除了主觀感受外,聲景評(píng)價(jià)結(jié)果還受某些客觀物理指標(biāo)的影響,如聲壓級(jí)、混響時(shí)間、溫濕度和照度等,因此需要對(duì)這些客觀指標(biāo)進(jìn)行科學(xué)測(cè)量。以聲壓級(jí)為例,在每份調(diào)查問(wèn)卷結(jié)束之后,應(yīng)立刻在調(diào)查地點(diǎn)用聲級(jí)計(jì)記錄A聲級(jí)數(shù)據(jù),并保證測(cè)量位置離墻面和其他主要反射面不小于1m,距地面1.2～1.5m,每3～5s記錄一次,每個(gè)測(cè)量點(diǎn)連續(xù)記錄100個(gè)瞬時(shí)A聲級(jí)數(shù)據(jù),最終取平均值為測(cè)量點(diǎn)的A聲級(jí)。2聲景關(guān)系影響因素的重視與人工神經(jīng)網(wǎng)絡(luò)模型無(wú)關(guān)的輸入數(shù)據(jù)會(huì)影響預(yù)測(cè)結(jié)果,因此,在輸入網(wǎng)絡(luò)之前,需要分析整理出聲音、使用者、空間和環(huán)境等影響因素與聲景的關(guān)聯(lián)程度。本文以聲舒適度為例,分析了各因素對(duì)聲舒適度的影響(表2)。其中,對(duì)聲舒適度影響較弱的因素,如使用者性別等,不納入神經(jīng)網(wǎng)絡(luò)計(jì)算。由于某些因素與聲景不呈簡(jiǎn)單的線性相關(guān),因此為了使神經(jīng)網(wǎng)絡(luò)得出更準(zhǔn)確的結(jié)果,還需要進(jìn)一步通過(guò)回歸分析等統(tǒng)計(jì)學(xué)方法,檢驗(yàn)各個(gè)影響因子的變化規(guī)律,確保某些重要的影響因素不被遺漏。三訓(xùn)練次數(shù)對(duì)聲景預(yù)測(cè)的影響經(jīng)過(guò)數(shù)據(jù)分析可以看出,聲景評(píng)價(jià)的影響因素包括聲音因素、使用者因素、空間因素和環(huán)境因素等,這些因素都可作為聲景預(yù)測(cè)模型的輸入因子(表2)。聲景評(píng)價(jià)結(jié)果,如主觀響度、聲舒適度和聲喜好,構(gòu)為聲景預(yù)測(cè)模型的輸出因子。人工神經(jīng)網(wǎng)絡(luò)模型可以通過(guò)編寫(xiě)神經(jīng)元模型程序自行建立,亦可借助現(xiàn)有的計(jì)算平臺(tái)建立。目前,在已有的計(jì)算平臺(tái)中,MATLAB平臺(tái)的神經(jīng)元模型較為完善,可以既方便又準(zhǔn)確地進(jìn)行聲景預(yù)測(cè)。在聲景預(yù)測(cè)過(guò)程中,還需要調(diào)整人工神經(jīng)網(wǎng)絡(luò)的參數(shù),以保證預(yù)測(cè)模型的準(zhǔn)確性(圖2)。本節(jié)主要從人工神經(jīng)網(wǎng)絡(luò)運(yùn)行的機(jī)理入手,探討網(wǎng)絡(luò)的訓(xùn)練次數(shù)、隱藏層設(shè)計(jì)、函數(shù)選擇和模型驗(yàn)證等過(guò)程。人工神經(jīng)網(wǎng)絡(luò)需要通過(guò)多次訓(xùn)練才能達(dá)到最佳的效果。其中訓(xùn)練次數(shù)指人工神經(jīng)網(wǎng)絡(luò)的運(yùn)算次數(shù),即通過(guò)多次運(yùn)算來(lái)確定聲景的影響因素(輸入變量)與聲景的評(píng)價(jià)結(jié)果(輸入變量)之間的擬合程度。增加網(wǎng)絡(luò)的訓(xùn)練次數(shù)雖可減少網(wǎng)絡(luò)的訓(xùn)練誤差,但會(huì)延長(zhǎng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間。為了確定合適的訓(xùn)練次數(shù)對(duì)網(wǎng)絡(luò)預(yù)測(cè)效果的影響,以秋林地下商業(yè)街聲景預(yù)測(cè)為例,分別指定訓(xùn)練100次、200次、300次、500次、1000次和5000次,計(jì)算出預(yù)測(cè)模型的準(zhǔn)確率在0.38至0.68之間,最后的結(jié)果表明500次訓(xùn)練次數(shù)的收斂效果比較合適(表3)。值得注意的是,訓(xùn)練次數(shù)為1000次以上時(shí),神經(jīng)網(wǎng)絡(luò)出現(xiàn)了“過(guò)擬合”現(xiàn)象,導(dǎo)致預(yù)測(cè)的準(zhǔn)確率降低。解決“過(guò)擬合”的方法將在下文的模型檢驗(yàn)一節(jié)中論述。聲景預(yù)測(cè)模型隱藏層的數(shù)量一般為1層或2層。模型結(jié)構(gòu)復(fù)雜程度取決于輸入與輸出函數(shù)關(guān)系的復(fù)雜性,以及用于模型訓(xùn)練的樣本數(shù)量。因此隱藏層設(shè)置的基本原則是在滿足精度要求的前提下選取盡可能緊湊的結(jié)構(gòu)和較少的隱藏層節(jié)點(diǎn)數(shù)。以秋林地下商業(yè)街聲景預(yù)測(cè)為例,選取1層隱藏層,隱藏節(jié)點(diǎn)數(shù)分別為5次、10次、15次、20次、25次和30次,計(jì)算出預(yù)測(cè)模型的準(zhǔn)確率在0.55-0.68之間,結(jié)果表明隱藏層節(jié)點(diǎn)選擇25個(gè)為宜(表3)。人工神經(jīng)網(wǎng)絡(luò)的函數(shù)主要包括傳遞函數(shù)(TransferFunction)、訓(xùn)練函數(shù)(TrainFunction)和學(xué)習(xí)函數(shù)(LearnFunction)。在MATLAB平臺(tái)下,這些函數(shù)有多種相對(duì)固定的選擇方式。在聲景預(yù)測(cè)中,只須檢驗(yàn)不同的組合方式,達(dá)到最佳的預(yù)測(cè)效果即可。在人工神經(jīng)網(wǎng)絡(luò)的聲景預(yù)測(cè)中,有可能會(huì)出現(xiàn)“過(guò)擬合”的現(xiàn)象,即由于網(wǎng)絡(luò)計(jì)算過(guò)度導(dǎo)致模型對(duì)已有聲景評(píng)價(jià)結(jié)果的擬合較好,但是模型本身的自由度降低,對(duì)聲景的預(yù)測(cè)能力反而減弱。為了避免出現(xiàn)這種情況,在聲景預(yù)測(cè)模型中要進(jìn)行模型的過(guò)擬合檢驗(yàn)。在過(guò)以合檢驗(yàn)中,一般采用交叉驗(yàn)證(crosstest的方法,數(shù)據(jù)一般被平均分為10組,隨機(jī)采用其中8組作為輸入數(shù)據(jù),1組作為檢驗(yàn)數(shù)據(jù),1組作為預(yù)測(cè)數(shù)據(jù),并不斷重復(fù)檢驗(yàn),如果模型的檢驗(yàn)誤差始終大于模型的預(yù)測(cè)誤差,那么就代表沒(méi)有出現(xiàn)“過(guò)擬合”現(xiàn)象。四聲景預(yù)測(cè)模型對(duì)于不同使用者聲滿基礎(chǔ)的影響在第三節(jié)中建立的人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,可以用來(lái)預(yù)測(cè)未建成地下商業(yè)街中使用者的聲景感受。本節(jié)以哈爾濱市正在規(guī)劃的一條地下商業(yè)街為例(圖4),利用訓(xùn)練好的預(yù)測(cè)模型給出不同使用者狀況下主觀聲舒適度的預(yù)測(cè)結(jié)果。在商業(yè)街設(shè)計(jì)方案一中,A區(qū)擬作為電子游戲區(qū),B區(qū)為商業(yè)空間(其中左側(cè)部分區(qū)域集中布置設(shè)備用房),C區(qū)為休息區(qū),D區(qū)為餐飲空間(圖4a)。參考已調(diào)研的地下商業(yè)街,將聲音、使用者、空間和環(huán)境等影響因素作為輸入變量,聲舒適度作為輸出變量。其中不考慮相鄰空間的相互影響,聲舒適度采用5級(jí)評(píng)價(jià)量表,即5為“很舒適”,4為“舒適”,3為“一般”,2為“不舒適”,1為“很不舒適”。聲景預(yù)測(cè)結(jié)果表明,在同一空間環(huán)境內(nèi),不同職業(yè)的使用者對(duì)于聲環(huán)境的感受不同。工人對(duì)于商業(yè)區(qū)的聲環(huán)境評(píng)價(jià)較高,而農(nóng)民和軍人則認(rèn)為餐飲區(qū)的聲環(huán)境更佳(圖5a)。這可能是由于不同的工作環(huán)境導(dǎo)致使用者的聲喜好存在差異,因此在為特定人群設(shè)計(jì)商業(yè)空間時(shí),需要針對(duì)其聲喜好有所側(cè)重。不同年齡段人群對(duì)不同區(qū)域聲舒適度的感受差異也較為顯著。年齡小于18歲的人對(duì)電子游戲區(qū)的聲舒適度評(píng)價(jià)較高,為3.8;而年齡大于65歲的人在電子游戲區(qū)的聲舒適度較低,僅為1.4;25-34歲年齡段的人在商業(yè)區(qū)的聲舒適度為3.8,而小于18歲、大于65歲兩個(gè)年齡段的人則為3.2(圖5b)。在學(xué)歷方面,隨著受教育程度的提高,使用者的聲環(huán)境感受也不同。小學(xué)學(xué)歷的人對(duì)聲環(huán)境的總體滿意度差別不大,在3.2到3.4之間;而大學(xué)學(xué)歷的人在不同區(qū)域內(nèi)的聲舒適差異較為顯著,在1.8(電子游戲區(qū))到3.4(商業(yè)區(qū))之間(圖5c)。這表明使用者學(xué)歷越高,對(duì)不同空間的聲舒適度感受的差異性越大。另外,隨著收入的增加,使用者在各個(gè)區(qū)的聲舒適度均有不同程度的下降,這可能是由于高收入群體的生活環(huán)境水平較高,因此對(duì)聲舒適度的要求也隨之提高(圖5d)。這個(gè)結(jié)果也表明不同檔次的商場(chǎng)對(duì)于聲環(huán)境的需求不同,因此可以按照商場(chǎng)的檔次有針對(duì)性地設(shè)計(jì)聲環(huán)境。以上預(yù)測(cè)結(jié)果表明,設(shè)計(jì)師可以借助聲景預(yù)測(cè)模型清晰地了解不同使用者在空間環(huán)境內(nèi)的真實(shí)感受。聲景預(yù)測(cè)模型不僅能為建筑師、規(guī)劃師和工程師提供設(shè)計(jì)參考,而且可以輔助他們進(jìn)行設(shè)計(jì)。如建筑師想知道如何設(shè)計(jì)背景音樂(lè)可以讓商業(yè)空間的聲舒適度更好,只需將不同大小的背景音樂(lè)聲輸入預(yù)測(cè)模型。從預(yù)測(cè)結(jié)果可以看出,當(dāng)背景音樂(lè)聲很強(qiáng)時(shí),商業(yè)空間的聲舒適度為4.2;而當(dāng)背景音樂(lè)聲逐漸減弱至沒(méi)有時(shí),商業(yè)空間的聲舒適度則降低到1.8(圖6a)。另外,建筑師普遍關(guān)心的是在不同的設(shè)計(jì)方案對(duì)比下,預(yù)知使用者的聲舒適感受,因此聲景預(yù)測(cè)模型也可起到輔助設(shè)計(jì)的作用。例如某設(shè)計(jì)師為提高商業(yè)空間的使用面積,提出了商業(yè)街的設(shè)計(jì)方案二(圖4b)。在這個(gè)方案中,設(shè)計(jì)師將設(shè)備用房集中布置在電子游戲區(qū),并把休息區(qū)與餐飲區(qū)合并。從預(yù)測(cè)效果可以看出,在不同背景音樂(lè)聲的作用下,聲舒適度較原方案均提高了10%～15%,電子游戲區(qū)和餐飲區(qū)的聲舒適度也并未降低,因此這個(gè)方案在聲景評(píng)價(jià)方面比原方案更好(圖6b)。以上分析結(jié)果表明,基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的聲景預(yù)測(cè)模型可以輔助設(shè)計(jì)師靈活地調(diào)整空間環(huán)境,達(dá)到最佳的設(shè)計(jì)效果。五人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的特點(diǎn)本文以地下商業(yè)街為例,探討了基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)聲景預(yù)測(cè)的理論、方法和實(shí)現(xiàn)過(guò)程。通過(guò)研究表明,人工神經(jīng)網(wǎng)絡(luò)聲景預(yù)測(cè)模型具有以下特點(diǎn):第一,科學(xué)合理。科學(xué)的數(shù)據(jù)采集、分析方法和模型的構(gòu)建