Выявление структурного влияния ландшафтов городских парков на психологическое восстановление с помощью графового обучения

Почему планировка парка важна для вашего ума

В шумных городах многие инстинктивно идут в парк, чтобы очистить голову. Но не каждая лужайка или аллея деревьев одинаково успокаивает. В этом исследовании задают вполне практичный вопрос: что именно в детальной планировке городского парка — как расположены деревья, дорожки, газоны, вода и постройки — делает одни места более восстановительными, чем другие? Объединив психологию и современные методы искусственного интеллекта, авторы показывают, как тонкие различия в структуре парка влияют на то, насколько эффективно место помогает расслабиться, восстановиться после стресса и сосредоточиться.

Смотреть на парки глазами людей

Команда начала с создания новой коллекции изображений под названием ParkScape-PR, включающей 1 346 фотографий городских парков, снятых с обычной прогулочной точки зрения. Эти снимки охватывают разные типы парков — от районных скверов до культурных и экологических зон — и учитывают изменения погоды и сезонов. Девятнадцать студентов оценивали каждое изображение по степени его привлекательности и восстановительности, используя стандартную анкету, фиксирующую, насколько сцена очищает ум, вызывает расслабление и восстанавливает внимание. В результате для каждого вида парка получился детализированный «балл восстановления», основанный на реальных человеческих впечатлениях, а не на предположениях.

Преобразование сцен в сети элементов парка

Чтобы уйти от расплывчатых ярлыков вроде «зелёное» или «естественное», исследователи разбили каждое изображение на конкретные элементы, видимые людям: деревья, кустарники, газоны, дорожки, скамейки, постройки, вода и другое. Смешав автоматические инструменты и ручную проверку, они выделили каждый объект и отнесли его к одной из 18 категорий. Затем большой языковой модуль помог описать, как эти элементы размещены в пространстве — например, дерево над скамейкой или газон, примыкающий к дорожке. Эта информация хранится в виде сети, или графа: каждый объект — это узел, а каждая пространственная связь — ребро. Также добавили данные о глубине, фиксирующие, находятся ли элементы на переднем плане, в средней дистанции или на заднем плане, поскольку слоистые виды и ощущение глубины способствуют чувству ухода от повседневности.

ИИ «Perceiver», предсказывающий, насколько сцена успокаивает

Имея это структурное описание, команда создала предиктивную модель, которую назвали Perceiver. Вместо того чтобы рассматривать изображение как плоскую сетку пикселей, Perceiver обрабатывает граф объектов и отношений вместе с компактным резюме глубины. Модель обучается предсказывать семь психологических показателей для каждого изображения. С помощью современных приёмов графовых нейронных сетей модель улавливает, как сочетания элементов и их положение совместно формируют реакцию зрителя. В тестах Perceiver надёжно воспроизводил оценки людей, а версия без информации о глубине показала заметно худшие результаты. Это указывает на то, что важно не только то, что присутствует на сцене, но и как далеко и слоисто это выглядит для ощущения восстановления.

«Miner», выявляющий наиболее значимые паттерны

Одного предсказания дизайнерам недостаточно; им важно понимать, почему одни планировки работают лучше. Для этого исследователи создали вспомогательный инструмент Miner. Miner рассматривает Perceiver как фиксированного оценщика, а затем мягко «затемняет» или «подсвечивает» отдельные объекты и связи в графе, чтобы увидеть, какие из них сильнее всего влияют на предсказанный балл восстановления. На этой основе он извлекает упрощённый «восприятельный подграф», в котором остаются только наиболее влиятельные элементы и связи. Во множестве изображений Miner показывает, что одиночных признаков вроде «дерево» или «газон» недостаточно, чтобы объяснить успокаивающий эффект. Вместо этого выделяются определённые сочетания и компоновки — например, солнечное небо над деревьями и газонами, деревья, рамирующие открытые участки травы рядом с дорожкой, и природные элементы на переднем плане или рядом с объектами, ориентированными на людей, такими как скамейки и пешеходные маршруты.

Что делает вид парка по-настоящему восстановительным

Анализ этих упрощённых сетей даёт практические рекомендации для планировщиков и дизайнеров. Сильно восстановительные сцены, как правило, содержат разнообразные природные элементы — деревья, кустарники, газоны и иногда воду — расположенные в связной, слоистой структуре. Деревья и кроны чаще рамируют виды, а не перекрывают их, создавая ощущение укрытия с открытым видом на траву или воду. Дорожки мягко изгибаются и соединяют фокусные зоны, а скамейки и другие удобства располагаются у зелёных зон, а не окружены жесткими поверхностями. В терминах графа такие сцены демонстрируют богатые, но упорядоченные связи, где ключевые природные объекты выступают узловыми центрами. Менее восстановительные виды могут содержать похожие компоненты, но в разреженных, фрагментированных или визуально загроможденных композициях. Авторы утверждают, что секрет спокойного парка заключается не просто в добавлении зелени, а в тщательной формировке пространственных отношений между элементами, чтобы вся композиция ненавязчиво вела взгляд и внимание к восстановлению.

Цитирование: Zhang, Y., Li, Y., Yin, Y. et al. Uncovering the structural influence of urban park landscapes on psychological restoration via graph learning. Sci Rep 16, 14135 (2026). https://doi.org/10.1038/s41598-026-40102-8

Ключевые слова: городские парки, психологическое восстановление, ландшафтный дизайн, графовые нейронные сети, экологическая психология