基于可展示度评价的平遥非典型传统村落分级发展研究--以上店、黄仓、坡底、东堡寨为例

来源 :太原理工大学 | 被引量 : 0次 | 上传用户:dddnnn111111
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着对聚落文化遗产研究的不断深入,国家对于传统村落的保护力度也逐渐增强。当前,社会对古村落的关注主要集中于已列入各级名录的传统村落和历史文化名村,而对数量更加庞大、具有不可忽视历史价值的非典型传统村落的研究则寥寥可数。因而,这些村落或面临空心化的威胁,或逐渐被城镇化。平遥具有世界级文化遗产—平遥古城,研究其周边古村落的历史价值有助于完善平遥县的文化遗产体系。此外,平遥古城的知名度与大量人流也会助力周边古村落的发展。
  本文主要运用文献查阅、实地调研、对比研究和数据分析等方法进行研究,通过构建非典型传统村落可展示度的评价体系,对平遥县域内的上店、黄仓、东堡寨和坡底四个村落进行评分,最后根据得分的高低提出差异化的、分层级的发展策略。文章主要通过五个部分对此进行论述:
  第一部分为平遥非典型传统村落的概况分析。首先通过总结前人对于非典型传统村落的描述,得出笔者个人理解的定义。其次,对县域内具有代表性的非典型传统村落的发展现状和文化遗留情况进行统计分析。这些村落整体数量可观,具有深入研究的价值。
  第二部分提出可展示度评价体系。评价体系主要包括文化遗产和发展条件两方面,在参考现有文献中出现的高频率评价因子后,构建了6个评价维度和19个评价因子。
  第三部分为评价体系的案例演示。选取发展现状和历史遗存各不相同的四个村落进行评价。
  第四部分为分层级的发展策略。通过得分的高低将村落的发展策略分为四级,分别为文化遗产主导型、文化遗产支撑型、文化遗产辅助型和自然消亡型,文化遗产在后续产业发展中的比重逐渐降低,对于相同级别建筑的改造限制也逐渐放宽。其中,文化遗产主导型村落重在保护与延续文化产业,文化遗产支撑型将保护与发展并重,文化遗产辅助型重在发展兼顾保护。
  第五部分为上店、黄仓和坡底的规划改造设计实践,分别从产业策划、规划格局、道路交通和重点建筑设计几方面进行论述。
  本研究以评价学理论为基础对非典型传统村落进行分析,促使非典型传统村落的发展策略有据可依,更加合理化。这类村落的文化遗留现状参差不齐,制定分层级的发展策略有益于资源的合理配置。以非典型传统村落为视角可拓展古村落的研究范围,为更多具有文化遗产价值的村落的提供发展借鉴。
其他文献
近十年来,压缩感知成为信号处理领域中的研究热点之一。压缩感知技术将压缩和采样同步进行,这改变了信号的传统采样方式。压缩感知理论以可进行稀疏表示的信号为研究对象,将其压缩后通过求解欠定方程实现从低维观测值中重构原始信号。为了提高信号的重构精确度,可通过设计字典使得信号具有更好的稀疏表示形式,也可通过优化感知矩阵使得被压缩至较低维度的观测值能够尽量多的保留用于精确重构的有用信息,还可通过设计恢复算法使得信号从低维的观测值中被更准确地恢复。利用恢复算法能够成功重构信号的条件与感知矩阵的性质有密切的关系,本文以字
轮廓跟踪控制是制造业加工生产过程中常见的多轴运动控制任务,如焊接、喷涂、打磨、裁割、雕刻等等,轮廓加工精度是衡量生产质量的关键技术指标之一。目前,集中式或者点对点式的轮廓跟踪控制系统已经发展比较成熟,相关控制器产品往往采用“PC机+运动控制卡”架构,可以实现高精度轮廓跟踪控制。然而,此类运动控制器存在接线复杂、扩展性差、传输受限、互联性差等缺点,不能满足现代制造中的数据共享和智能制造要求。为解决上述问题,将以太网通信技术引入到多轴运动控制系统中成为主流发展方向。因此,研究网络环境下的轮廓跟踪控制问题具有很
恶意检测是预测在线社交网络(OSN)中异常帐户或节点的问题。由于该问题适用于多种任务(例如恶意URL或用户内容分类),因此已引起计算机安全领域研究人员的广泛关注,识别恶意帐户的问题也得到了广泛研究。但是,常规方法,例如基于规则的统计方法、甚至一般的学习方法,都无法应对用户和数据量不断增长的动态环境。因此,基于用户特征分析来检测恶意内容类型(例如垃圾邮件和恶意软件)的学习模型成为当前研究的热点之一。
  本文专注于恶意帐户分类,主要利用二分类的概念和学习方法。首先,本文收集了广泛的OSN特征数据,包括
人脸识别技术是模式识别和机器视觉领域最富挑战性的研究课题之一,也是近来研究一个热点问题。到目前为止,己经有很多人脸识别方法被提出、实验甚至投入实际应用从识别率、计算复杂程度和占用资源几个方面可以看出识别方法各有优缺点,如何发挥各种方法的优点,避免缺点,是我们的目标。本文重点贡献如下: 1、提出了一种小波变换和特征脸方法相结合的人脸识别方法。利用小波变换对人脸图像进行分解,然后对低频分量和中频平均分量分别运用特征脸分析构造“特征子空间”,并做空间投影分别求得两个分量的相似度矩阵,最后使用它们的加权