历史文化名城保护规划评估分析

作为历史信息的承载体，历史文化名城蕴含着深厚的文化底蕴，是反映城市发展历程、回顾历史事件的重要窗口。近年来国家越来越注重历史文化名城的保护，从1982年第一批历史文化名城审批开始，截至2018年5月2日，国务院已将134座城市列为国家历史文化名城，并对这些历史遗迹进行重点保护。然而历史文化名城保护的关注重点一直在于历史文化名城的价值评估、分级以及规划编制上，对于名城保护规划编制后实施情况的关注度显然不足。保护规划不应是一成不变的，应该随着保护工作的开展，根据实施情况的变化对保护规划进行评估，并以此作为规划调整的依据。

1历史文化名城保护实施评估研究现状

到目前为止，我国专家学者对历史文化名城保护规划评估方面的研究较少。现有的历史文化名城实施评估,评估方法大多为主成分分析法、层次分析法、模糊综合评估法、因子分析法等，但历史名城保护规划实施评估是一个涉及众多影响因素的复杂系统，应用主成分分析法、模糊综合评估法、因子分析法等难免存在一定的主观性和难以确定的缺陷。而BP神经网络作为解决复杂非线性系统的有效方法，更适合用于历史文化名城保护实施评估，因此笔者认为有必要构建基于BP神经网络模型的历史文化名城保护规划评估模型[1]。

2历史名城保护规划实施评估体系

2.1评估指标的选取和主要内容。通过研究相关领域的其他文献，本文以构建全过程的实施评估为目标，按照名城保护规划实施前、实施中、实施后的次序，分为规划编制、实施过程、实施效果三个评估层面，建立历史名城保护规划实施评估体系。规划编制的评估主要从编制完整性、内容完整性，内容协调性三方面进行研究，实施过程的评估主要从实施保障制度的完整性、保护机构的设置、资金到位情况三方面进行研究，实施结果的评估是评估体系中内容最多，也是更为重要的评估层面，不仅考虑实施效果与名城保护规划一致性，而且需要去考量规划实施效果是否符合了原真性、完整性原则，名城整体的保护工作是否促进了城市发展，保护了城市环境，社会影响如何等，因此将从保存效果、环境效果、经济效果、社会效果四个方面对实施效果进行评估。2.2评估指标体系的构建。历史文化名城保护规划评估体系构建步骤主要为：建立一套可操作的尽可能全面的指标体系(找出问题)；建立BP神经网络模型对指标进行综合分析(分析问题)；提出规划对策和调整意见(解决问题)。构建指标体系应遵循以下原则：科学性原则、通用可比性原则、层次性原则、真实性原则、实用性原则。根据上述名城评估的类型和主要内容，构建了以历史名城保护规划实施为评估目标的评估体系，其中一级指标3个，二级指标20个。具体情况如表1所示。

3基于BP神经网络的历史名城保护规划实施评估模型的构建

3.1BP神经网络的概述。BP神经网络是一种在模拟神经网络结构和功能的基础上研究设计出的信息处理系统[2]。BP神经网络的算法在一定程度上尽可能地避免了主观因素对结果的影响，使评估模型更加定量化，使用其高度的仿真功能经过网络的反复学习能有效修正误差。BP神经网络（BackPropagationNetwork，BPNetwork），由输入层、隐含层、输出层三层构成。外部信息通过输入层中的各神经元接收并传递到中间层，在中间层进行信息处理和变换后，通过输出层向外界输出信息并处理结果。神经网络工作时，若现行输出与期望相同，则训练结束；反之，误差反向进入网络，将输出与期望的误差信号按照原连接通路反向计算，修改各层权值和阈值，逐次向输入层传播。这样反复地循环，不断训练网络，当网络的全局误差小于给定的误差值后学习终止，即可得到收敛的网络和相应稳定的权值[3]。3.2BP神经网络评估模型的建立。基于BP神经网络评估模型的建立过程（图1）。3.2.1BP神经网络训练样本期望值的确定。BP神经网络模型训练必须有一系列的期望值与神经网络输出值不断比较、反复训练及仿真运算，才能满足训练误差与预测误差的要求。通过专家打分法得到历史名城保护规划实施评估的综合评估值，作为BP神经网络模型训练样本的期望值。训练样本来源于随机生成的100组样本评估值。根据分数对名城进行测评，分为（90～100）为好、（80～89）为较好、（70～79）为良、（60～69）为一般、60分以下为差五个等级。计算公式为：　　　　　P=∑Ci×WiP为历史名城保护规划实施综合评估值，Ci为评估指标单项得分，Wi为评估指标权重。3.2.2利用Matlab软件建立神经网络模型。首先在Matlab中对样本数据进行归一化处理，然后构建BP神经网络，训练样本数据。本文所选用的历史名城保护规划实施评估的指标一共有20个，采用3层BP神经网络结构，输入层神经元节点数设置为20。同时在Matlab中，根据fori=1:n的语句，不断尝试隐含层节点数，选取训练误差最小的节点数，作为最优隐含层节点数。输出层只有一个神经元，只有一个输出值表示对历史名城保护规划的实施综合评估的结果，分值越高，表示该历史名城保护程度越高[4]。以Matlab为工具，选用trainscg训练函数、初始化网络的权值和阈值，设置网络学习精度为10-9。3.2.3神经网络的训练。网络设置完毕以后，将前90组数据当成学习样本，通过Matlab，读取样本数据，通过预先设定的神经网络模型，进行不断的迭代，最终经1000次训练，网络收敛达到预定学习精度10-9，最终得到表达输入层与输出层之间的非线性映射关系的神经网络模型。3.2.4神经网络模型的验证与评估。通过上述90组样本的训练得到了神经网络历史名城保护规划实施评估模型，现在将后10组数据作为测试数据，对神经网络模型的准确性进行验证，得到测试结果（见表2）。我们可以从中看到，测试样本的实际输出与期望输出误差在允许的范围内，进而说明通过训练的神经网络模型与专家评估的结果保持一致。因此证明神经网络模型所反映的各指标之间的关系是正确的，可以有效地应用于历史名城保护规划实施评估。

4实例探究

本文以保定市历史文化名城保护规划的实践为例，对历史文化名城保护规划评估体系进行探索。保定市地处河北省中部、京津冀地区中心地段，于1986年被列入第二批中国历史文化名城。本次研究对象是2010版《保定市历史文化名城保护规划（2010-2020）》规定的古城范围内确定的保护规划内容实施情况。保定历史名城保护规划实施评估的的各项指标得分见表3。4.1评估结果分析。将表3中的数据输入到BP神经网络模型，经神经网络计算，得到保定古城保护规划实施评估结果得分为80，表明保定古城保护规划实施水平为较好，该评估结果基本符合保定古城保护规划实施的实际情况，证明基于BP神经网络的评估模型可以应用于历史名城保护规划的实施评估。4.2对策和建议。通过对保定历史文化名城保护规划实施的评估与分析，针对保定古城存在的问题，对保定历史名城规划提出以下建议：加大文物单位、历史建筑的保护，协调处理文物保护与发展的关系，对新建建筑要与周边建筑风貌协调。从古城的整体风貌和空间形态保护出发，维护古城的图底关系和街巷肌理；突出保护历史文化街区，保持历史格局，维持传统街区风貌。加强对土地使用性质的控制，改善古城土地使用杂乱的状况，协调好古城保护与商业发展之间的关系。进一步完善古城周边配套设施的建设，增加停车位，优化公交线路，倡导绿色交通。政府应加大资金投入，加强资金监管。政府各部门统一思想，从城市层面统筹进行交通组织、功能组织、产业发展定位等调整、协调工作。

历史文化名城保护规划实施评估，按照名城保护的次序，注重实施前、中、后三方面评估内容，形成一套全面的可操作的历史文化名城评估体系。通过建立基于BP人工神经网络的历史名城保护规划实施评估模型，避免评估过程中主观因素的影响，更加客观地评估历史名城保护规划的实施。通过本次的实践证明神经网络模型可以应用于历史名城保护规划的实施评估，并取得较满意的结果。

参考文献：

[1]贺艳.基于“整体观”的库车历史文化名城保护规划[J].建筑学报,2012(06):64-68.

[2]侯瑞.人工神经网络BP算法简介及应用[J].科技信息,2011(03):75,418.

[3]李明月,赖笑娟.基于BP神经网络方法的城市土地生态安全评估——以广州市为例[J].经济地理,2011,31(02):289-293.

[4]高巍.基于BP人工神经网络的军事工程投资评估[J].军事经济研究,2012,33(02):43-45.

作者:李爽 尹君 焦艳红 单位:河北农业大学城乡建设学院