AI技术解析1978年众兴老街建筑复原

随着人工智能图像技术的进步，历史聚落研究迎来了新手段。面对低清航拍、老照片及旧地图，AI不仅能提升图像的清晰度与可读性，还能依托建筑类型学和人工经验，辅助还原那些模糊或缺失的历史空间。本文以1978年安徽省肥东县众兴集老街的航拍影像为例，详细阐述人工智能辅助建筑空间分析与复原的操作流程。

安徽省肥东县众兴集是江淮地区典型的乡村集镇样本。从1978年的航拍图可见，当时形成了两套空间架构：一条近南北走向的传统老街，以及一条位于西南方向的新街。传统老街的建筑低矮且密集，沿街连续布局，具备乡村商业街的典型特质；新街则建筑体量更大、布局更为规整，体现了后期乡镇建设对传统空间的叠加效应。本次复原的核心不在于对旧航拍进行简单的“美化”，而在于精准识别1978年众兴老街的街道骨架、沿街店铺、民居、新街建筑以及周边农田、水塘和道路的相互关系，并还原其空间环境。

本研究确立了“保守识别—局部判断—人工确认—有限修复”的技术路径。

第一步是针对原始航拍进行图像优化，涵盖清晰化处理、去噪、增强对比度及边界识别，从而让道路、屋顶阴影、建筑斑块、农田肌理和水塘轮廓更加清晰，大幅提升原始影像的判读能力。

第二步是实施建筑斑块识别。鉴于1978年航拍中的建筑通常呈现深色屋顶、阴影及矩形斑块特征，通过分析建筑规模、排列方向及临街关系，可初步区分出传统老街店屋、新街大体量建筑、普通低矮民居、街后空地及非建筑区域。

第三步是确立街道骨架。老街呈现自然的曲线形态，两侧建筑依托街道构成商业界面；新街道路较宽且笔直，建筑体量也更大。复原过程中必须遵循“先定路后看房”的原则，严禁先补绘房屋再改变道路走向。

第四步是运用类型学经验进行研判。结合航拍斑块特征与传统商业街的规律，对细节进行有限度的补强与完善。

第五步是在人工复核的基础上进行局部修复。本次修复范围仅限于老街西侧临街的第一排店屋，不触及街后腹地，也不对水塘、农田、空地及其他未确认建筑进行改动。

三、初步成果展示

本研究生成了四类分析图：第一类是1978年众兴老街与新街结构识别图，用以阐明两者间的空间关系；第二类是老街沿街店屋连续性分析图，用于界定老街两侧的商业界面；第三类是1978年建筑、农田与水塘关系图，旨在突出集镇仍保留浓厚的农业景观特征；第四类是1978年与近期航拍对比图，展示了传统老街的延续、现代道路的扩展及新建筑的更替过程。

众兴集1978年老街街景（AI模拟效果）

从这些图纸中可以看出，1978年的众兴集镇呈现“传统老街+新街建设”的复合形态。传统老街保留了小体量、连续店铺和弯曲街道的历史肌理；新街则表现出明显的现代道路与公共设施特征；而周边的农田、水塘及沟渠依然是集镇空间不可或缺的组成部分。

众兴集1978年新街街景（AI模拟效果）

人工智能为历史聚落研究赋予了新的可视化手段。1978年众兴老街的复原实践表明，将原始航拍、现代影像、建筑类型学知识与人工校核相结合，能够产出既直观可视又具学术可信度的历史空间复原成果，为传统聚落的修复改造、信息采集及乡村振兴提供有力支持。