本文以麥積山景區為例，通過空間信息疊層分析、理想場地描述與休憩地分類決策等關鍵過程的技術集成，實現各類游憩地空間優化目標，探索露營地科學選址規劃的實現途徑，為露營地場地設計、建設及可持續管理提供決策依據。

　　一、項目概況

　　1 麥積山基本情況

　　麥積山景區自2014年成為世界遺產后，旅游熱度持續升高，作為西部長線自駕游熱門目的地，其出游高峰期出現在6～8月，大部分為自駕游群體。因此，市場消費需求正不斷在增長，景區內原有游憩地需要結合新露營地規劃，進一步整合優化其空間布局，從而促進景區逐步從單一游覽地向游憩體驗地轉變，并緩解景區瞬時旅游壓力。

　　在游客滿意度調查中，當問詢是否期待諸如車營地、戶外露營的體驗時，87.5%的游客表示“期待”。但營地規劃需要依托景區來形成不同特色主題，開發特色活動和游線，發展個性化。對景區來說，營地的建設對環境影響較小，屬于較為環保的開發;相比酒店賓館，營地對管理和排污要求都相對較低，并且能起到一定的生態環保教育作用。露營地建設項目是一個相對復雜且與地域景觀特征、服務能力、環境影響、游憩機會等方面相結合的綜合游憩規劃，景區管理方也希望結合旅游周期將短期、高負荷的旅游趨勢向長期低負荷轉化，挖掘適應戶外運動愛好者親近自然體驗需求的游憩空間，并針對景區內不同保護目標，進行包括游憩地在內的各類露營地的統籌規劃與可持續管理。

　　2 明確規劃目標

　　在借鑒各類休閑營地規劃實踐的基礎上，針對整個風景區游憩系統發展不均衡的現狀，在不同景區實現分時序開發多類型的營地，拓展可接受的游憩項目，低影響開發實現各景區協調發展。具體規劃目標為：①緩解石窟景區旅游壓力，滿足景區生態保護的要求;②帶動鄉村旅游產業，提高近郊戶外游憩空間的利用率;③提供多樣化的露營地，滿足大眾各種戶外休閑體驗需要。結合麥積山露營地的多目標規劃，實現景區內各類游憩地空間優化布局的問題。

　　3 選擇露營地類型

　　針對景區保護要求與營地建設的可持續化問題，露營地發展必定會對植被、環境、水質有一定的影響，多種類型的露營地選擇更利于開展多種方式的度假休閑項目。本文希望借助遺傳算法工具實現可發展不同游憩機會的營地類型與場地屬性智能匹配的問題。依據所在環境特點，營地一般被劃分為山地、湖畔、海濱、鄉村、海島和森林等6種類型。《自駕游目的地基礎設施和公共服務指南》明確指出，“露營地類型包括有帳篷露營地、集裝箱露營地、木屋露營地等多種類型的露營地”。在露營地規劃設計中，可依據主要服務對象和住宿設施來確定營帳型、小木屋型、自駕車型、房車型幾個營地類型。結合麥積山風景區資源特色及實際需要，將房車營地、小木屋、帳篷營地作為本次空間優化布局的3種休閑營地類型，并結合景區建設規劃完善一定數量普通性休憩地。根據麥積山的“山、水、林、田”特色，可考慮規劃森林型、濱水型、田園型3種車營地，森林可移動木屋、森林小木屋、濱水小木屋三種，森林露營地與濱水露營地，以及功能型、水景型、觀景型3種休憩地。營地的主題可在后期游憩機會植入時進一步得到深化，規劃管理者可以對所有營地的開發時序與適應性管理做進一步探討。

　　二、方法應用

　　1 GIS空間疊層技術成果集成

　　近些年，GIS疊層技術的場地信息采集在大尺度規劃中應用廣泛。在麥積山風景區總體規劃中，對于景區自然環境狀況諸如坡度、坡向、高程、生態敏感性、視覺敏感性等分析成果，可以被有效利用進行成果集成(圖4)。另外，通用的3S技術集成成果與現場踏勘結合后，最后可確定50個場地并提取必要的場地信息(圖5)。根據各類營地設計的目標，利用關鍵指標來表達場地基本信息，并用于后續各場地屬性的描述上。

　　2 遺傳算法與理想場地描述

　　規劃管理者在規劃游憩項目與選點時，常因調研工作量太大、調研場地數量過小而導致游憩項目設計過于主觀化，影響游憩項目后期的管理與運營。同時，從環境保護的角度出發，景區營地后期持續管理包括基礎設施建設、生活垃圾處理、飲用水的安全等問題。因此，在對理想場地的描述中，規劃者兼顧市場需要、自然資源、交通網絡和保護等級等主要影響因素，既要依附于高稟賦資源的吸引，又要依賴于優良生態環境的支撐，考慮適度交通水平、特色景觀空間及環境承載下的游憩活動潛力。最終，選取可能游憩機會、景域環境特征、場地主要朝向、植物自然度、植物郁閉度、可進入性、服務依托性、生態植被敏感度、景觀視覺敏感度9個場地屬性，對各類游憩地的理想場地進行描述(表1)。

　　3 場地基因染色體編碼與營地學習樣本

　　針對露營地空間做最優選址問題，即在景區空間單元范圍內找到最大化滿足符合理想場地屬性的場地。將每個場地理解為由多個場地屬性組成的組合編碼，成為該場地的染色體編碼。故需場地設計染色體為n個場地屬性的組合編碼，場地Pn可以通過9個場地屬性進行染色體編碼描述.

　　為盡量避免描述的主觀性，以更好地對接規劃目標，采用多位專家決策法，集成所有場地信息和場地各類分析成果，并對不同理想營地類型進行數字化描述(表2)，主要由場地物理屬性及環境影響因素來構思一系列理想化場地樣板，即營地學習樣本。

　　4 神經網絡算法與場地分類決策

　　4.1 模型建立與算法

　　運用神經網絡原理與統計學習理論為基礎，開發出的工具箱——SVM支持向量機進行模型的建立與算法，運用其模式分類和非線性回歸的功能，通過建立一個分類超平面作為決策曲面，使正例和反例之間的隔離邊緣被最大化。由臺灣大學林智仁教授開發設計的SVM模式識別器，在Matlab軟件環境中可完成工作計算，其算法流程為：確定場地訓練集(學習樣本)和測試集(場地)→數據處理→按理想場地訓練SVM訓練集→分類適應度→形成場地分類決策→MATLAB實現。

　　4.2 運算結果

　　經計算得出的50個場地分類結果如表3所示。

　　三、結果分析與決策

　　1 可視化分析

　　在實際SVM訓練中，參數Bestc=27.5421;函數g=63.9757.通過遺傳算法進行分類，終止代數為100.種群數量POP=20.其CV適應度為93.0769%,訓練集的適應度為100%，實際測試集的適應度為74%，其運算顯示的分類可視化結果如圖6.

　　2 營地規劃與管理決策

　　空間優化的決策分析成果為后續的景區生態保護與營地的持續管理提供科學依據。國外很早就有相關研究證明，規劃數量少、高使用率的營地要比規劃量大、低使用率營地的環境影響小很多。在營地管理對策中，短暫關閉高使用頻率的場地，便于在下次開放前得到足夠的修復。在景區管理中，最大化地減少露營地環境的不良影響極為關鍵，少量集中使用與輪休使用是兩種最為有效的方法。因此，兩大問題成為明確露營地規劃的策略及解決后續持續管理問題的關鍵。

　　2.1 關注開發優先性問題

　　在擇選可以規劃特定營地類型的場地后，規劃者可根據可能的使用頻率高低及服務半徑，選擇優先開發的類型與數量，并根據游客需求與資源保護要求，盡量規劃少量高使用頻率的營地。經分析，麥積山的營地24與28可比33、29、38優先建設(表4、圖7)。

　　2.2 解決管理營休性問題

　　對于同類型規劃的場地，可在同一景區內或不同景區分別確定不同露營地、休憩地的營休計劃，以最大化地利用自然修復力達到生態保護的目標。如在石窟核心景區中，4與7號帳篷營地可根據旅游淡旺季制定交替的輪休開放計劃，以利于典型資源的保護。

　　四、討論與啟示

　　目前，國內露營地建設除獨立開發外，大多依賴景區或依托旅游村落布置，景區內的營地在與游憩機會結合的同時，可以成為特色亮點為景區帶來人氣，而依托村落建設的營地既可以充分共享村落公共設施，又進一步促進村落基礎設施更加完善，對營地與風景社區來說是雙贏的可持續發展之路。露營地規劃選址長久以來是一個體現過多規劃者主觀決策的過程，而新項目的選址恰恰可以通過集成技術來實現各類型游憩空間優化目標。通過場地基因染色體編碼的方式有目的地選擇能夠對接規劃目標，以實現最理想的場地選擇圖式。缺陷仍在于帶有一定主觀性成分，特別是學習樣本屬性圖式的確定，會對后期分類結果的影響較大。另外，從場地測試集的適應度表現上看，有些選址點的適應度表現不佳也是一大問題，仍需要更多的后期人工判斷與調試。但隨著各城市大數據云的支撐、學習樣本數量的增加與各種實踐案例的經驗積累，會不斷提高該技術方法的科學性。實證中，將近郊探險、拓展訓練、露營、野炊等游憩需要和遠程自駕旅游服務的露營地選址與原有游憩空間系統結合，精準對接規劃目標，在綜合考慮復雜環境影響、景觀特征、游憩服務等諸多因素的基礎上，探索一套可實現多樣化休閑游憩空間優化的規劃方法。

　　該方法可以基于更大的城市尺度甚至區域尺度，選址點的數量可以成倍數增加，因為遺傳算法與神經網絡算法的高階運算速度，可充分體現集成方法智能批量處理的效率優勢。最后，集成技術體系可以在某些環節進一步拓展，使其更加科學化、智能化，是一個可改進及進化的開放方法體系。其應用范圍也不僅局限在露營地的選址問題，適用于城市其它各類項目分類選址，并進行空間優化決策的問題研究。（作者：賈靜  吳承照）