一种传统村落保护价值的评估方法

摘要

本发明公开了一种传统村落保护价值的评估方法，所述评估方法包括：S1：获取传统村落调查数据；S2：对所述传统村落调查数据进行数据录入以及数据预处理操作，得到传统村落数据；S3：利用随机森林算法，对所述传统村落数据进行分类，得到分类结果；S4：将所述分类结果作为评估结果输出。本发明所提供的传统村落保护价值的评估方法，能够解决不同专家的主观判断意识和对研究领域的背景的理解、认识角度的不同都会对评级评价的打分有一定的影响的技术问题。

说明书

技术领域

本发明涉及村落价值评估技术领域，具体涉及一种传统村落保护价值的评估方法。

背景技术

传统村落具有一定的历史、文化、科学、艺术、社会、经济价值。传统村落是我国珍贵的文化遗产和不可再生的宝贵资源，它不仅保存了原生态的空间聚落，也保存了非物质文化，其承载着中华传统文化的精华。

自上世纪80年代起我国逐步开始传统村落保护工作，近十年已经评选出5批“中国历史文化名村”。目前，我国具有重要保护价值的传统村落一共6819个，覆盖全国309个地级市。但是，我国传统村落数量庞大，这些入选的传统村落仍不到总量的千分之二，还有许多具有典型特色的传统村落未申报“中国历史文化名村”。传统村落的价值评价评估体系为我国的传统文化传统村落的评估扮演着重要的角色，对我国传统村落的传承具有极重要的意义。传统村落价值具有多样性，综合性和复杂性，评价涉及到多学科，多领域，如：建筑、规划、旅游、历史、国土等应用学科，因此，传统村落的评价是由多领域的专家进行集体评估。目前的传统村落的评级是基于专家评分进行评估，对于传统村落的评级评价的研究，不少学者在传统村落评估评价领域取得一定的成果，主要研究评价指标、评价方法和价值评估等。机器学习是一种十分有效的方法进行数据分析和模式发现，它是利用已有的数据经验，不断学习，总结规律并预测未知数据的属性。当前对传统村落智能评估模型进行研究成果较少，随之机器学习在各个领域取得巨大的成果，利用机器学习方法实现传统村落的智能评估。

发明内容

本发明的目的在于提供一种传统村落保护价值的评估方法，以能够解决不同专家的主观判断意识和对研究领域的背景的理解、认识角度的不同都会对传统村落评级评价的打分有一定的影响的技术问题。

本发明解决上述技术问题的技术方案如下：

本发明提供一种传统村落保护价值的评估方法，所述评估方法包括：

S1：获取传统村落调查数据；

S2：对所述传统村落调查数据进行数据录入以及数据预处理操作，得到传统村落数据；

S3：利用随机森林算法，对所述传统村落数据进行分类，得到分类结果；

S4：将所述分类结果作为评估结果输出。

可选择地，所述步骤S1中，所述传统村落调查数据至少包括以下特征指标：

村落概况、村落周围环境、选址格局、传统建筑和非物质文化遗产。

可选择地，所述村落概况包括以下子特征指标：村落占地面积、户籍人口、地形地貌特征、主要民族和文物保护单位等级；

所述村落周围环境包括以下子特征指标：自然环境和风景名胜；

所述选址格局包括以下子特征指标：村落格局和村落风貌；

所述传统建筑包括以下子特征指标：最早修建年代和建筑种类；以及

所述非物质文化遗产包括以下子特征指标：族谱、科举榜和其他。

可选择地，所述步骤S2中，所述数据预处理操作包括：

对所述传统村落调查数据初步筛选为可用数据和不可用数据；

提取所述可用数据中的传统村落数据；

对所述传统村落数据中各特征指标的子特征指标进行赋值操作。

可选择地，所述步骤S3中，所述随机森林算法包括：

A1：将所述传统村落数据作为样本集；

A2：通过Boostrap重抽样法从所述样本集中抽取多个样本，多个所述样本构成采样集；

A3：用所述采样集训练目标决策树模型；

A4：在所述目标决策树模型的节点上所有的样本特征中随机选择一部分特征；

A5：将所述部分特征中的最优特征作为所述目标决策树的左右子树；

A6：重复步骤A1-步骤A5，直到重复次数是否等于预设迭代次数，并输出所述最优特征最多的类别为最终类别。

可选择地，所述随机森林算法模型为：

其中，H(x)表示分类结果，Y表示分类类型，T表示随机森林中决策树的个数；I(*)是示性函数，υ

本发明具有以下有益效果：

通过上述技术方案，即通过本发明所提供的传统村落保护价值的评估方法，能够解决不同专家的主观判断意识和对研究领域的背景的理解、认识角度的不同都会对评级评价的打分有一定的影响的技术问题，从而有效避免权重设置受到主观的干扰，使得传统村落价值评估更加公平公正，从而进一步有效确保我国文化遗产和不可再生资源的传承。

附图说明

图1为本发明所提供的传统村落保护价值的评估方法的流程图；

图2为本发明所提供的随机森林算法的流程图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例1

本发明解决上述技术问题的技术方案如下：

本发明提供一种传统村落保护价值的评估方法，所述评估方法包括：

S1：获取传统村落调查数据；

S2：对所述传统村落调查数据进行数据录入以及数据预处理操作，得到传统村落数据；

S3：利用随机森林算法，对所述传统村落数据进行分类，得到分类结果；

S4：将所述分类结果作为评估结果输出。

可选择地，所述步骤S1中，所述传统村落调查数据至少包括以下特征指标：

村落概况、村落周围环境、选址格局、传统建筑和非物质文化遗产。

可选择地，所述村落概况包括以下子特征指标：村落占地面积、户籍人口、地形地貌特征、主要民族和文物保护单位等级；

所述村落周围环境包括以下子特征指标：自然环境和风景名胜；

所述选址格局包括以下子特征指标：村落格局和村落风貌；

所述传统建筑包括以下子特征指标：最早修建年代和建筑种类；以及所述非物质文化遗产包括以下子特征指标：族谱、科举榜和其他。

可选择地，所述步骤S2中，所述数据预处理操作包括：

对所述传统村落调查数据初步筛选为可用数据和不可用数据；

提取所述可用数据中的传统村落数据；

对所述传统村落数据中各特征指标的子特征指标进行赋值操作。

可选择地，所述步骤S3中，所述随机森林算法包括：

A1：将所述传统村落数据作为样本集；

A2：通过Boostrap重抽样法从所述样本集中抽取多个样本，将多个所述样本构成采样集；

A3：用所述采样集训练目标决策树模型；

A4：在所述目标决策树模型的节点上所有的样本特征中随机选择一部分特征；

A5：将所述部分特征中的最优特征作为所述目标决策树的左右子树；

A6：重复步骤A1-步骤A5，直到重复次数是否等于预设迭代次数，并输出所述最优特征最多的类别为最终类别。

可选择地，所述随机森林算法模型为：

其中，H(x)表示分类结果，Y表示分类类型，T表示随机森林中决策树的个数；I(*)是示性函数，υ

实施例2

目前，传统村落的认定评审是以《传统村落评价认定指标体系(试行)》为依据，该指标体系主要从传统建筑、村落选址和格局、村落非物质文化三个主导方向进行评估认定，其中每个评估方向可以依次分解成若干个子指标，其指标维度包括：传统村落地理信息，所属区域、民族、村落形成年代、族谱、地形地貌、历史环境、历史人物、传统建筑等。以《第五批传统村落调查推荐表》为参考，其传统村落的评价体系是从村落概况、村落周围环境、选址格局、传统建筑和非物质文化遗产等5个评估方向进行评价(见表 1)，其中每个评估防线又有各自的子指标(见表2，表3，表4，表5，表6)。通过分析《第五批传统村落调查推荐表》，本发明挖掘出具以下有代表性的传统村落评估指标。

表1传统村落关键指标

(1)村落概况评价指标；描述村落的基本信息。定量指标有村落占地面积，户籍人口，地形地貌特征、主要民族、和文物保护单位等级，详见表 2。

表2村落概况评价定量指标表

(2)村落周围环境指标；主要描述村落与周围环境的和谐共生关系，主要指标包括：自然环境、风景名胜，详见表3。

表3村落周围环境评价定量指标表

(3)选址格局指标；主要描述村落选址的文化价值、科学价值和历史环境等要素，包括村落格局和村落风貌等指标，详见表4。

表4村落选址格局评价定量指标表

(4)传统建筑指标；描述村落中现存的有价值的传统民居、历史建筑、文物古迹的情况，定量指标详见表5。

表5村落传统建筑评价定量指标表

(5)村落非物质文化遗产；主要描述该村落的文化、非物质文化遗产的特征，详见表6。

表6村落非物质文化遗产评价定量指标表

将以上指标建立成结构化数据集，为智能评估模型提供有效指标。

随机森林机器学习方法已经广泛应用于各个领域的数据挖掘和评级评判系统的构建中。此外，传统村落的评价方法受到指数维度、权重设置和数据内部复杂线性关系的制约，不同专家的主观判断意识和对研究领域的背景的理解、认识角度的不同都会对评级评价的打分有一定的影响。基于机器学习的分类评价体系可以有效避免权重设置受到主观的干扰。机器学习方法可以通过样本的学习，实现对样本特征集合与分类结果关系的非线性统计与拟合。因而，本发明采用随机森林算法，通过将多个决策树的分类结果进行组合得出最终的分类结果，使得模型的分类结果得到显著的提高，随机森林能很好的解决单个分类器容易过拟合的问题。

随机森林是通过boostrap重抽样法从样本中抽取K个样本，并分别建立T个分类树组成的森林{h(x,v

其中，H(x)表示分类结果，Y表示分类类型，T表示随机森林中决策树的个数；I(*)是示性函数，υ

评估模型的设计与实现

数据预处理：

目前获取的数据一共是465条传统村落申请表数据，其中入选为传统村落的为95条未成功入选传统村落的数据370条。根据前期研究，提取出重要指标特征值52维。将指标数字来表示，例如村落形成年代：清代用数字3表示，明代用数字4，元代以前用数5；地形地貌特征山地4，丘陵2，平原3。村落非物质文化遗产表示方法与村落形成年代类似，如游艺杂技用数字1，传统技艺用数字2，传统音乐用数字3表示。其他信息，如果是则用1表示，否定用0表示。处理后的数据表格如表7、表8所示。

表7处理后的传统村落申请表数据1

表8处理后的传统村落申请表数据1

基于随机森林的传统村落保护的模型：

针对基于传统村落保护价值分级分类体系研究的要求，围绕将“文化+ 生态”格局指标(历史文化空间格局、地理信息、生态文明、历史文化、村落活态化与传统村落匹配的指标等)融入传统村落保护价值分级分类体系，梳理传统村落分级分类关键指标。根据专家的传统村落评价结果，利用机器学习和数据挖掘的智能算法学习相关领域专家评价经验，模拟专家的决策过程，实现传统村落保护评价系统的智能评价模型。传统村落的评价过程需要很多指标，这些指标包含定性指标和定量指标，利用解决分类问题的方法来建立评价系统，依据评判条件实现分级。利用机器学习和数据挖掘的算法，建立传统村落的智能评价模型。由于随机森林对于高维数据集处理能力很好，并且能有效避免过拟合。利用改进的随机森林搭建智能传统村落评价模型。传统村落原始数据通过样本抽取和特征选择，将这些指标样本输入随机森林N个决策树进行分类，随机森林的投机制将所有分类投票结果进行投票，给出最终评价结果。

实验

1)构建传统村落分类随机森林算法模型

目前传统村落数据集一共有465条传统村落申请表数据，其中入选为传统村落的为95条标签为1，未成功入选传统的数据370条，标签为0。将数据集按照8：2的比例划分为训练数据集和测试数据集。实验是利用 python语言实现随机森林模型，实验结果表明其分类精度达到82％。

2)利用网格搜索进行模型的调参优化

网格搜索是将变量区域网格化，遍历所有网格点，求解满足约束函数的目标函数值为了提高模型的泛化能力，通过网络搜索技术来对模型进行调参达到优化模型的目的。这里我们通过调整参数n_estimaors的取值，分别构造120，200，300，500棵树的随机森林。最好结果为当建立一个200 棵树的随机森了，其精度为82％。

3)利用随机森林评测指标的重要性

由此可以看出名居是最重要特征，重要性位于第二和第三的分别是年代和户籍口。这说明建筑指标对传统村落的评价影响最大。指标对传统村落评选的影响力可以根据表9显示出来。

表9指标对传统村落评选的影响力

本发明具有以下有益效果：

通过上述技术方案，即通过本发明所提供的传统村落保护价值的评估方法，通过采用随机森林算法，能够解决不同专家的主观判断意识和对研究领域的背景的理解、认识角度的不同都会对评级评价的打分有一定的影响的技术问题，从而有效避免权重设置受到主观的干扰，使得传统村落价值评估更加公平公正，从而进一步有效确保我国文化遗产和不可再生资源的传承。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。