历史街区景感营造的智能化路径
历史街区智能化景感营造是一个多步骤的过程，涵盖以下关键步骤。
1）通过获取使用者评价信息，深入了解居民、游客等利益相关者对历史街区的感知和需求。
2）借助基础数据的智能化处理技术，高效地整理、分析和利用基础数据，获取历史街区的全面信息。进而基于感知体验，构建与使用者的期望和情感需求相契合的历史街区愿景。
3）通过构建趋善化模型，形成实时监测系统，从而不断提升整体景感体验和环境品质。这些步骤相互关联，共同构建一个综合且系统的智能化景感营造流程，为历史街区的可持续发展和智能化管理提供了有力支持和指导。
3.1使用者评价信息的获取
历史街区的景感营造需要现状数据以及历史街区中居民和游客的感知数据，目前在线平台可应用于智能化分析的数据一共有3种，包括兴趣点（pointofinterest,POI）数据、街景地图等的开放数据，建筑能耗、出行轨迹等的大数据，通过Wi-Fi探针、环境检查等获取的物联网数据。开放数据和大数据已经广泛应用在智慧城市[26]、智慧校园[27]等领域，可用来对历史街区进行形态分析、能耗监测等。物联网是景感信息数据获取和分析的主要途径，由3个层次组成，包括用于采集数据的感知层，传输数据的网络层和数据处理、分析的应用层[28]。物联网作为获取数据的途径，具有便捷、高效、数据量大、实时性强等优点，可用来辅助获取游客和居民在历史街区中的感知状况信息，为历史街区的景感生态规划提供坚实的数据基础。
通过设置城市传感器的类型、安装场地、监控时间和反馈周期，可以获取城市历史街区空间要素或人群的详细数据，并精准刻画相关特征[29]。环境物联网（environmentalinternetofthings,EloT）强化了针对研究区域内环境自然特征信息的采集功能，可以对网络覆盖范围内对象的信息（如土壤、温湿度、降水、风速风向、水质、声环境、光热环境、空气污染、街道空间特征、人群活动方式等）进行实时监测和采集。结合开放数据中的点评数据，可以分析历史街区居民和游客的出行特征，辅助历史街区环境与行为感知网络的建立，进行游客人口统计、交通优化、安全预警等后续工作（图4）。
3.2基础数据的智能化处理
利用高速网络将数据实时传输至数据库中，数据库中的信息分析系统可以高效地处理、分析数据并完成实时环境监控、环境信息可视化、分析建模等工作。国内外学者利用物联网数据展开广泛研究和探索，将物联网数据分析方法应用在优化巴士线路方案、构建健康城市分析网格、分析城市空间使用状况等多个领域。
构建历史街区数据库可以先将监测数据与预先编制的数据（如社会经济、人文历史等）共同储存，紧接着结合GIS技术实现对街区内各种生态要素的专业分析、模拟、预测和管理，建立具有不同功能的模型，同时还可以进行网络化、数字化及可视化表达，最终实现历史街区的智能化管理和揭示生态环境演变的时空特征[28]（图5）。
景感生态规划的过程强调时空组合的多尺度性，主要表现在充分获取具有时空特征的数据。在关于福建平潭的大风天气环境研究中[31]，岛屿上11个不同监测站点对屿内风环境进行了超过60年的持续监测，并将数据实时传输至中心信息平台进行储存分析。研究者借助大量具有时空特征的数据，分析了岛屿的风环境特征，提出了基于景感生态的海岛生态系统服务构建模式，并根据人口的空间分布和功能布局规划了4个具有不同风环境舒适度的功能分区，对该地区的大风防治和风感改善具有重要意义。
3.3基于感知体验的历史街区愿景构建
人是环境中最复杂的研究对象，人与生态系统的动态关系蕴含着大量动态数据信息，人文学、社会学以及心理学等各学科成熟的研究方法可以辅助景感生态研究获取所需数据。感知体验是构建人对景观的认知最直接的方式，在一定程度上构成了人们判断景观的依据和标准。基于感知体验的历史街区愿景构建，相较于传统规划更能对现状问题进行定量论证、针对性地提出解决措施。历史街区景感营造过程中，将使用者的感知数据转化成可作为规划参考的愿景信息是关键步骤，这种信息转译的实现仍需要研究者的广泛研究。
文化基因是历史街区中影响人感知体验的最小研究单元要素，以此为切入点，可以揭示多维感知的交互影响和与历史街区场所感的关系，并在此基础上进行愿景的构建和景感营造（图6）。其中可以利用的智能化手段包括：通过爬取网络照片再利用机器学习技术，对历史街区文化基因进行识别和分类简化；基于语义文本分析，从网络获取不同主体对历史街区文化基因的评价等。
视觉感知数据获取方法有视觉认知地图[32]、照片识别[33]、问卷调查等，都涉及对感知内容的主观筛选。例如，以心理物理学为理论基础，通过识别和分析图片收集视觉感知数据，并对感知点、感知对象和视线进行综合分析，进而整理出视觉的意象感知体系，研究结果在一定程度上能代表不同主体的主观视觉感受。针对历史街区的多维感知体验，除视觉外，目前研究主要集中在声景领域[17,34-36]，其他感知以及景感交互作用仍有待深入研究。
感知数据的转译往往不独立作为分析材料，一般用于与其他的数据分析结果进行对比或相关性分析，从而使分析结果更加具体地指导规划实践。基于开放数据和大数据的分析路径方法有3种：
1）通过腾讯区域热图获取旅游流热值，从而量化该街区游客的分布特征，并通过回归分析方法分析景观偏好指标对该街区游客流热值的影响[37]；
2）利用POI数据、道路网络数据和百度热图数据，通过空间分析和统计分析方法，构建历史街区街道建设环境与街道活力的关联模型，评价街道建设环境对街道活力的影响[38]；
3）通过基于“空地数据融合”的三维激光雷达方法（AGF-LiDAR）重建技术，实现“空—地”设备之间的实时协同，以及“空—地”数据的实时融合，将真实场景评分系统应用于历史建筑的定量评价[39]。
3.4历史街区趋善化模型构建
根据生态系统动态平衡和演替的规律，历史街区景感生态系统在重新构建之后的一定时间内，会在动态变化中寻求新平衡，最终实现可持续发展。趋善化模型构建过程中的信息数据能够反映真实的民生诉求，并能反馈至规划过程。
常见的智能化数据类型包括：反映历史街区游客和居民等主体对历史街区物质空间的喜好程度的数据，如微博签到数据；反映不同主体对历史街区的商业满意度的数据，如大众点评、美团、携程等用户评价数据；反映不同主体对历史街区的意向数据，如城市街景照片上传数据等。不同历史街区建设水平在空间角度的横向比较可以间接反映同一历史街区在时间维度上的发展趋势，作为历史街区趋善化模型构建的参考[40]（图7）。
4结论
笔者借助整合物联网技术、大数据分析等智能化方法，分析了如何实现历史街区基础数据和景感数据的获取，并以此为基础，确定了历史街区景感营造的主要内容和过程框架。基于景感生态理念的历史街区场所营造智能化路径为历史街区的可持续发展和智能化管理提供了新的理论方法和技术参考。同时，本研究对于相关领域的进一步研究和实践也具有重要的借鉴价值。通过探索景感生态理念在历史街区场所营造中的应用，能够为其他类似场所的智能化发展提供有益参考。
本研究的不足之处在于主要通过论述和分析展示历史街区场所营造的智能化过程，缺乏景感生态理念指导下结合某个历史街区实现“使用者评价信息的获取—基础数据的智能化处理—基于感知体验愿景构建—历史街区趋善化模型构建”的全过程具体展现。团队的后续工作将由此继续深入和补充。伴随智能化技术的创新、生态保护需求的增加和共享经济的发展，未来历史街区的智能化景感营造路径也会不断丰富和完善。未来研究可从探索和应用新兴的智能化技术、实现景感营造过程中环境保护和文化传承的平衡、建立多元共享的历史街区治理机制和共享经济模式等角度继续深入。
