應用資料探勘技術分析台灣特色小鎮之色彩意象

全文

(1)國立台灣師範大學圖文傳播學系碩士論文. 應用資料探勘技術分析台灣特色小鎮之色彩意象 Analyzing the Color Image of Taiwan Cities Using Data Mining. 指導教授：周遵儒博士研究生：蘇育惟撰. 中華民國 108 年 1 月.

(2) 中文摘要根據過往研究指出，色彩具有傳達訊息的功能，甚至比文字更容易記憶。城市的色彩意象，多為大眾透過風景、建築、飲食、文化、特產等日常生活所及之事物，再經由學習和經驗，進而產生之色彩連結。因此，城市的色彩意象能表達城市的獨特性及內涵，其所帶來的後續相關應用也更為重要。但目前建立城市色彩意象的方法，多半來自實地田野調查，而後進行校色對比，或是請該城市的居民參與和建構實際之專案，過程中欠缺了自動化的概念。本研究旨在以資料探勘技術分析大眾與城市色彩意象之連結，並將考察及分析過程自動化，研究所產出之結果，可提供於設計及其相關應用做為參考。本研究以交通部觀光局所選出十大觀光小鎮為主要研究對象，並以日本色彩學家小林重順（Shigenobu Kobayashi）於Color Image Scale中，所提出的城市形容詞作為關鍵字，分別以Word to vector和Google關鍵字搜尋兩種方式，找出城市和形容詞之關聯性，在進行交叉比對作為資料探勘技術的關鍵字以建立城市樣本圖片集，而後以Color-Thief取出顏色並且輔以Color Image Scale作為顏色校正之依據，進而取得自動化色彩組合之結果。研究結果顯示，具有特定特色景點或特產的城市，搭配關鍵形容詞，其城市色彩組合之意象會特別明顯，自動化色彩組合之結果亦符合大眾之滿意程度。. 關鍵字：資料探勘技術、色彩意象、城市色彩. ii.

(3) Abstract Some researches have pointed out that the colors have the function of conveying messages and is even easier than words to be memorized. The color image of a city, which means people connect with color through knowledge acquired and their life experiences. It includes landscapes, buildings, food, the city culture, local specialties and so on. Thus, building up the distinctive style of a city is an important part of the city image and its related applications. Nowadays, people mostly use three different applications in order to set up and correct the city color tickets. First, field research; second, residents participate in the comprehensive community development; third, particular projects. In this paper, we use data mining to analyze the connecting between people and the city color image. At the beginning, we select ten cities of Taiwan, which were elected by Taiwan Tourism Bureau as our research object. Secondly, we use Word to vector and Google searching engine to find the relevance between the city and adjectives. For the third step, the highest connection of adjective will be the keyword of Google searching engine to collect the pictures by doing cross-comparison of the results. Last but not least, we capture ten colors from city pictures and result in city color combinations. According to the result of this paper, although it needs to adjust in accordance with local culture, we still can find the regional pictures that correspond with the characteristics and also can obtain the city color combinations, which can be used as a reference of harmonious colors.. Key words: Data Mining, Color Image, City Color. iii.

(4) 目錄中文摘要 . .............................................................................. II ABSTRACT ......................................................................... I II 目錄 ................................................................................. I V 表目錄 .......................................................................... V I 圖目錄 ........................................................................ VII 第壹章緒論 .......................................................................... 1 第一節研究背景與動機 ................................................................. 1 第二節研究目的與問題 ................................................................. 2 第三節研究範圍與限制 ................................................................. 2 第四節名詞解釋 .............................................................................. 3 第五節研究流程 .............................................................................. 5 第貳章文獻探討 ................................................................... 6 第一節資料探勘技術 ..................................................................... 6 第二節色彩意象 .............................................................................. 9 第二節城市色彩 ............................................................................ 20. iv.

(5) 第四節文獻探討小節 ................................................................... 26 第參章研究方法與步驟 ...................................................... 27 第一節研究架構 ............................................................................ 27 第二節研究方法設計 ................................................................... 29 第三節研究對象與工具 ............................................................... 30 第四節研究實施 ............................................................................ 31 第五節資料處理與分析 ............................................................... 35 第肆章研究結果與討論 ...................................................... 38 第一節自動化分析台灣特色小鎮之色彩意象 .......................... 38 第二節問卷調查資料分析與討論 .............................................. 50 第伍章結論與建議 ............................................................. 54 第一節研究結論 ............................................................................. 54 第二節研究建議 ............................................................................. 57 參考文獻 . ............................................................................. 58 附錄地方色彩組合之感受調查表 .............................................. 61. v.

(6) 表目錄表 2-1 色彩具體與抽象聯想表 ............................................................................... 17 表 3-1 地方色彩組合之感受調查表（節錄） .................................................. 33 表 4-1 GOOGLE 搜尋結果數表 .................................................................................. 39 表 4-2 城市與形容詞搜尋結果特色表 ................................................................. 40 表 4-3 WORD TO VECTOR COSINE 值結果表 .......................................................... 40 表 4-4 城市圖片庫及擷取顏色結果表 ................................................................. 41 表 4-5 城市色彩過濾結果 ......................................................................................... 45 表 4-6 網路問卷信度分析檢驗 ............................................................................... 50 表 4-7 色彩組合滿意度 ............................................................................................. 50 表 4-8 不同性別受測者結果 .................................................................................... 52. vi.

(7) 圖目錄圖 1-1 研究流程圖 .......................................................................................................... 5 圖 2-1 KDD 過程圖 ......................................................................................................... 7 圖 2-2 JIS 系統色名圖 ................................................................................................. 10 圖 2-3 曼賽爾色彩空間圖 ......................................................................................... 12 圖 2-4 PCCS 色調圖 ..................................................................................................... 14 圖 2-5 暖色與寒色 ....................................................................................................... 15 圖 2-6 前進色雨後退色 ............................................................................................. 15 圖 2-7 膨脹色與收縮色 ............................................................................................. 16 圖 2-8 輕與重 ................................................................................................................. 16 圖 2-9 色彩意象與聯想 ............................................................................................. 17 圖 2-10 色彩意象尺度表 ........................................................................................... 19 圖 2-11 都市酵母色彩示意圖 .................................................................................. 25 圖 2-12 學學文創色彩示意圖 .................................................................................. 25 圖 3-1 研究架構圖 ....................................................................................................... 28 圖 5-1 包裝設計範例 .................................................................................................. 56. vii.

(8) . 第壹章緒論本本章共有五小節，首先說明本研究背景與動機、第二節說明研究目的與問題，. 第三節確立研究範圍與限制，第四節將對於本研究所提之重要名詞做定義與解釋，第五節為研究流程。. 第一節研究背景與動機色彩是視覺感官所能感知到的敏感要素，具有傳達訊息和意象的功能（謝松廷， 2008），影響著人們生理和心理的狀態。在色彩心理學中，顏色會決定我們對物體和空間的第一感受，生活環境中的色彩所傳達的意象，會使人們對於該區域留下第一印象，也能呈現其區域環境的特色及風貌（劉晏志，2014）。近年來，國際各大城市藉由分析城市色彩來創造自我城市的意象及特色，並且推廣至相關的應用，例如：城市濾鏡以及特色小物等，像是由韓國所生產的ANALOG FILM APP就是一款能有不同城市色彩的濾鏡。「城市色彩」一詞最早可追朔至西元19世紀的義大利城市-杜林，至此之後歐洲各大城市陸續跟進，例如：巴黎、羅馬等。到了20世紀，法國色彩學家法國色彩學家J. P. Lenclos與D. Lenclos（2004）率先提出「色彩地理學」，其理論指出，城市色彩的組成為該城市的自然景觀、氣候、特定文化和習俗等，他實地對城市做色彩調查，以其結果建立出符合該城市的環境色票；在亞洲，最早開始進行城市色彩規劃的為日本東京，在西元1970年委託都市色彩研究中心做色彩調查，完成了東京城市色彩規劃的藍本-《日本色彩調研計劃》；台灣則是從西元2008-2012年，進行「台灣生活美學運動計劃」，希望藉由人、藝術、空間跨領域結合，落實民眾的生活美學，進一步參與規劃城市色彩景觀。城市色彩除了是構成城市景觀重要的因素之外，也能綜合反映出城市的人文、歷史、文化、自然景觀等特點，但建構城市色彩大部分的方式仍是以田野調查收集色票為主，相對需要較多的人力和時間投注其中，取色程序冗長，因此本研究希望. 1.

(9) 能以資料探勘的技術，將實地考察的過程自動化，更有效率地收集並且分析城市色彩，以提供設計及相關應用作為參考。. 第二節研究目的與問題一、研究目的色彩是環境景觀中最快與人連結的媒介，城市色彩的組成主要是以人文特產及風景所組成，本研究旨在應用資料探勘技術，自動化分析台灣特色小鎮之城市色彩意象，研究目的可歸納為下列兩點： (一)、自動化分析台灣特色小鎮之色彩意象。 (二)、校正且評估自動化之結果。. 二、研究問題根據上述的研究動機與背景以及研究目的，發展出下列兩個研究問題： (一)、如何自動化分析台灣特色小鎮之色彩意象？ (二)、如何校正且評估自動化之結果？. 第三節研究範圍與限制本節針對研究的範圍與限制加以說明，以界定研究所能討論的範圍，詳述如下：一、研究範圍（一）、台灣的鄉鎮區目前一共 368 個，本研究以觀光局為促進地方政府轄區內觀光小城之發展，票選出的 10 個特色小鎮為主要研究範圍。. 2.

(10) （二）、網路搜尋引擎依據其運作模式發展出不同種類的搜尋引擎，目前最常見的有：Google、百度（Baidu）、Naver、Yahoo、Bing等，每個平台的功能不盡相同，本研究以較具代表性的Google搜尋引擎為主要關鍵字搜尋之工具。（三）、部落格（Blog）的平台功能不盡相同，依據其種類、寫作方式有所區分。本研究以搜尋引擎功能較為完整，且線上使用者數目較具影響力的痞客邦（Pixnet）網誌文章作為本研究中Word to vector的語料庫，其他Blog不在本研究範圍之內。. 二、研究限制（一）、本研究所使用的關鍵字僅以繁體中文為主，無法概括其他語系，此為本研究之限制。（二）、本研究作為 Word to vector 之語料庫所使用的部落格是以痞客邦（Pixnet）為主，無法概括其他部落格，此為本研究之限制。。（三）、本研究僅探討城市色彩之色彩組合，不包含設計及配色，此為本研究之限制。. 第四節名詞解釋本研究相關之重要名詞解釋如下：. 一、台灣特色小鎮台灣特色小鎮中華民國交通部觀光局於 2012 年為推展臺灣鄉鎮在地特色及觀光發展而發起的票選活動台灣十大觀光小鎮，第一階段邀請學者專家先遴選出 17 個行政區，第二階段則由民眾由網路及明信片進行投票，其中得票數占總分 20%，專家評選占總分 80%，最終結果於同年 3 月 15 日公布，分別為新北市瑞芳區、台北市北投區、台北市信義區、宜蘭縣礁溪鄉、桃園市大溪區、南投縣集集鎮、台中市大甲區、彰化縣鹿港鎮、台南市安平區、高雄市美濃區。 3.

(11) 二、城市色彩城市色彩是指城市公共空間中所有物體的色彩總和，分為自然色和人工色兩部分，城市中裸露的土地、山石、草坪、樹木、河流、海濱以及天空等是屬於自然色；城市的建築物、廣場路面及交通工具、街頭設施、傳統服飾、特色美食、紀念品等人工產物生成的是人工色。城市的色彩是綜合人們的活動空間以及文化背景，影響人們的視覺感受。. 三、Google 搜尋引擎搜尋引擎是利用網路爬蟲（Web crawler）抓取數十億的網際網路網頁，因此用戶能透過搜尋關鍵詞等操作較為輕鬆地取得想要搜尋的資訊。Google 搜尋是 Google 公司重要也是最普及的一項功能，也是世界上市佔率最高的網路搜尋引擎，目前除了關鍵字搜尋之外，Google 搜尋還提供了另外 22 項功能，讓使用者在搜尋上更為便利、迅速。. 四、Word to vector Word to vector 是為淺而雙層的類神經網路，根據輸入的「詞的集合」計算出詞與詞之間的距離，計算的是餘弦值 (cosine)，距離範圍為 -1～1 之間，值越大代表兩個詞關聯度越高。它將「字詞」轉換成「向量」形式，可以把對文本內容的處理簡化為向量空間中的向量運算，計算出向量空間上的相似度，來表示文本語義上的相似度。. 五、痞客邦部落格痞客邦為台灣最大的社交媒體之一，匯聚多元的服務，其部落格提供使用者發表意見、紀錄個人經驗的平台，並且加以分類，如：美食、旅遊、3C、電影、美妝等，並在站內提供關鍵字搜尋，能依據所輸入之關鍵字搜尋到相關的文章內容。. 4.

(12) 六、資料探勘技術資料探勘技術為在大量資料中，挖掘出有用的資料（Fayyed，1996），並且藉由資料隱含的規則性，對後續決策作出預測或是統計分析的依據參考。一般來說，資料探勘技術的功能分為六大類（Berry et al., 1997），分別為分類（Classification）、推估（Estimation）、預測（Prediction）、關聯法則（Association）、集群（Clustering）以及時間序列（Time sequential），透過不同功能所對應的演算法，分析大量資料，並且找到資料間有意義的關聯和法則。. 第五節研究流程. 圖 1-1 研究流程圖. 5.

(13) 第貳章文獻探討本研究旨在探討應用資料探勘技術分析台灣特色小鎮之城市色彩意象，希望藉由相關文獻檢閱及彙整，能夠對相關研究有概略性之了解。本章一共分為四小節，第一節為資料探勘技術，第二節為色彩意象，第三節為城市色彩，第四節為文獻探討小節。. 第一節資料探勘技術一、資料探勘技術的定義隨著時代演進，網際網路越來越發達，社群媒體網站越發盛行，資料量是每分每秒都在急遽增加，一般稱為這是個「資訊爆炸」的時代。美國社會學者Davenport （2015）如此定義當代的「知識」：「知識是流動性質的綜合體，包含結構化的經驗、價值以及經過文字化的資訊、獨特的意見和思考，是一種可以幫助人決策與行動的信息。」然而，在海量的資料淹沒下，要如何去挖掘資料，並且選擇有意義的資訊，便是這個世代所要探討的。 Fayyad、Piatetsky-Shapiro與Smyth（1996）提出知識探索（Knowledge-Discovery Databases, KDD）的概念，是在資料庫中選取合適的資料，並且對不確定性的資料做出預先處理，進行資料處理及轉換，以作為後續決策的依據，其中一個重要的環節便是「資料探勘（Data Mining）」。資料探勘（Data Mining）又稱為資料採礦，其定義為從大型資料庫中，抽取有意義的資訊以用於分析、歸納（Han, Kamber, & Pei, 2007）。在Fayyad等人（1996）所發表的KDD理論，其中對KDD和資料探勘做出區分，資料探勘技術是KDD的步驟之一，透過演算法與統計分析，能夠萃取有意義的資料並找出其特徵與模式，以利後續的應用與決策。其過程如下圖2-1：. 6.

(14) 圖 2-1 KDD 過程圖資料來源：http://dataminingonline.blogspot.com/2012/09/. 二、資料探勘技術的方法資料探勘技術主要的功能為預測和描述資料（Fayyad et al., 1996），並且對藉由演算規則，從中發掘出有用的資料作為後續決策的依據。Han等人（2007）認為，資料探勘為處理不同資料的發掘，依據使用者的需求以及資料適用的群集，使用以下五種方式：（1）關聯分析（Association）；（2）分類（Classification）；（3）群聚分析（Clustering）；（4）預測（Prediction）；（5）推估（Forecasting）等方式進行處理，說明如下：. （一）關聯分析（Association）發掘資料中項目集合或對象集合之間的頻繁模式、相關性、關聯或因果關係，從而描述事件中某些屬性同時出現的規律和模式。其中一個典型的例子是購物籃分析，從顧客放入購物籃的物品去分析顧客的購買習慣和喜好等。. （二）分類（Classification）是根據已知的資料及其類別屬性來建立資料的分類模型，從中發現類別的屬性特徵，進而去預測新進資料的類別屬性。在零售業上常用於預測顧客是否會購買。. 7.

(15) （三）群聚分析（Clustering）依據資料的共通特性或屬性，將相同或相似的樣本群聚在一起，又稱為無監督式分類。. （四）預測（Prediction）根據項目集合或對象集合過去的觀察值來推估該屬性的未來值。. （五）推估（Forecasting）根據連續性的屬性資料，以發掘某一屬性未知之值，例如以信用卡使用者的教育程度來推估其消費量。由上述可知，資料探勘的方法能將資料中的項目或屬性做連結或區分，有效率的處理資料以分析及歸納，目前資料探勘依據上述方法所延伸出分析的演算法有許多種，像是決策樹方法（Decision Tree）、群集偵測技術（Cluster Detection）、類神經網路（Neural Networks）、連結分析（Link Analysis）、羅吉斯回歸分析（Logistic Analysis）等，以下將針對與本研究關聯性較高的類神經網路以及Google搜尋引擎的 Rank Brain演算法做概述說明：. （一）類神經網路由 Freeman及Skapura於1991年提出的類神經網路（Neural Networks）演算法是仿造如生物神經網路的資訊處理系統。使用相連的人工神經元（Neuron）來模擬生物神經網路的能力，透過模仿神經細胞之神經核軸突（Axon）及樹突（Dentrites）及突觸（synapse）組成之原理來處理（吳沂衡，2012）。也就是透過機器學習（Machine Learning）的方式，從過去的經驗模仿和學習，導出新的結果。要使得類神經網路能正常運作，必須反覆的訓練（Trainning），使類神經網路能重複地學習。因此我們需要先建立訓練樣本，提供類神經網路在學習的過程中有所依據，當訓練樣本數越多、越正確並且有差異性，其訓練的效果也會越好。. 8.

(16) （二）Rank Brain Google搜尋引擎過去使用 PageRank也就是計算網頁相互超連結的技術，透過連結數計算，以找出連結數最高的網頁，用以推估其網頁內容的重要度、關聯度也比較高。然而資訊技術越來越發達，資訊流通也越普及，在每天仍有幾十億的搜尋量下， Google發展了新的技術「Rank Brain」，運用機器學習的概念，分析使用者的搜尋需求、句子結構、分析網頁的品質，透過連結數關聯性，以達到搜尋結果最佳化。也就是說，當使用者在Google搜尋引擎中鍵入關鍵字，其搜尋結果能夠在關鍵字中找尋其他使用者鍵入的相似內容關聯性最高的網頁為優先顯示，能夠更精準的提供使用者所搜尋的資訊結果。. 第二節色彩意象一、基本色彩學理論色彩在科學性質上的定義是「經由光線（光波）中不同的光譜所產生的視覺成像」，因為波長的差異，而產生了紅、橙、黃、綠、藍、紫等色彩視覺（林昆範， 2005），除此之外，色彩的意義也能表達具體的狀態、感受，像是氣色、黑色星期五等，在英文上以Color一詞涵蓋了顏色、著色、狀態等多重意義。由此可見色彩所涉獵的範圍除了光學之外，還有生理、心理及其他相關應用，以下將分為色彩的傳達及色彩系統為討論。. （一）色彩的傳達色光屬於物理性，所以能用數據量化來表示色彩，但透過視覺所反應出來的色彩描述是心理性的用詞（徐照夫，2015），以共通的生活經驗和語言描述去紀錄色彩便是色彩命名（Color Naming）。依據形成的背景，色彩命名主要有基本色名、系統色名、固有色名等三種色彩命名方式。. 9.

(17) 1.基本色名指色相上純色的顏色，例如紅、黃、藍、綠等，必須是單一意義的獨立名詞，不能含有其他的色名，且必須是通用的語詞，不得含有特定意義。 2.系統色名為基本色名加上色相、明度、彩度的修飾形容詞，例如淡紅色、深綠色等。日本JIS（Japanese Industrial Standards，日本工業規格）制定了色相、明度、彩度的修飾語，此種表示方式比起基本色名涵蓋更多色域，如圖2-2所示。. 圖 2-2 JIS 系統色名圖. 3.固有色名沿用傳統或是生活經驗而形成的色名，也稱為傳統色名，例如鮭魚紅、芥末黃、土耳其藍等。. 10.

(18) （二）色彩系統定義色彩時，會將色彩的構成分為：色相（Hue）、明度（Lightness/Value）、彩度（Saturation/Chroma）三大部分，色相表示色系的意思，例如正紅、桃紅皆屬於紅色系，沒有強度之分；明度表示色彩的明暗程度；彩度則是色彩的飽和度，也可以說是顏色的強弱程度，程度越強表示該顏色的成分越高，反之則越低，每一色相、明度和彩度的組合都只能表示一種色彩。之於色彩命名，能將色彩的屬性以數字和記號更為精準的作為傳達和表示的方式，可以有效地建立色彩系統（戴孟宗， 2011）。目前較著名的色彩系統有曼賽爾色立體（Munsell Color Order System）、奧斯華德色彩系統（Ostwald Color System）、日本色研配色體系（Practical Color Co-ordinate System，簡稱PCCS）、自然色彩系統（Natural Color System，簡稱NCS）以及CIE表色系統等。本研究使用Colorthief的色彩擷取依據，和日本色彩與設計研究所的色彩意象尺度所依循的色彩體系相同，分別為曼賽爾色立體及日本色研配色體系，故此以這兩個色彩體系進行探討： 1.. 曼賽爾色立體（Munsell Color Order System）曼賽爾色彩空間是由色相、明度、彩度所建立的三度空間，垂直縱軸（Ｚ軸）. 表示明度變化，越往上明度越高，往下則越暗；水平面（XY平面）表示彩度上的變化，越往外彩度越強；水平面的圓周則表示色相上的改變，如圖2-3所示。. 11.

(19) 圖 2-3 曼賽爾色彩空間圖. 在色相上，曼賽爾以五種色相為排列基礎，分別是紅色相（5R）、黃色相（5Y）、綠色相（5G）、藍色相（5B）以及紫色相（5P），這五種純色相，每兩兩相鄰的色相再混合配出他們中間的色彩，分別是黃紅（YR）、黃綠（GY）、藍綠（BG）、藍紫（BP）、紅紫（RP）一共十種色相，再將每一種色相細分為十種純顏色，用 1-10標示，例如純紅色有1R、2R、3R、4R、5R、6R、7R、8R、9R、10R，因此色相環上總共有100種純顏色。在明度上，曼賽爾將理想的黑設為0，理想的白設為10，中間的明暗程度以視覺感覺做等分的分割，0-10總共有11個階層，為因應色票的實際明度，採用9.5-1.0 的明度階段，以V/表示。在彩度上，以無彩色為0，彩度增強數值也會增加，不同的色相最高的彩度略有不同，表示方式為/C。曼賽爾的表色方法也是由色相（Hue）、明度（Value）、彩度（Chroma）組成，以H、V/C表示。. 12.

(20) 2.. 日本色研配色體系（Practical Color Co-ordinate System，簡稱PCCS） PCCS色彩系統承襲曼賽爾色立體和奧斯華德色彩系統，除了以色彩三屬性（色. 相、明度、彩度）來組合架構，並且將明度和彩度合成色調（Tone）所開發的色彩系統。其色立體為斜面橢圓，每一色相為等色面，垂直縱軸為明度軸，越接近上方明度越高，約接近下方明度越低，彩度則再細分色調。在色相上，PCCS的色相源自於奧斯華德色彩系統，以六種純顏色為配色基礎，分別是紅（R）、橙（O）、黃（Y）、綠（G）、藍（B）、紫（P），相鄰兩種顏色之間再加入它們的中間色，中間色再細分為兩到三種純顏色，以心理四原色的紅、黃、綠、藍為基整體色相環的中心，分置於色相環的相對位置，一共24種色相。在明度上，PCCS與曼賽爾的表示方法相似，將白與黑之間做等距區分，最白為9.5，最黑為1.5，每一個明度之間差距0.5，共計有17種明度變化。在彩度上，將彩度最低設為1，最高為9，標記為1s-9s，s為saturation的簡寫。並且將彩度軸和明度軸所形成的平面分為12個區域，以色調來形容該區域如圖2-4，像是鮮豔的（Vivid）、明亮的（Bright）、強烈的（Strong）、深度的（Deep）、淺的（Light）、柔軟的（Soft）、混濁的（Dull）、鈍的（Dark）、淡的（Pale）、淺灰的（Light Grayish）、灰的（Grayish）、暗灰的（Dark Grayish）（徐照夫， 2015）。. 13.

(21) 圖 2-4 PCCS 色調圖. PCCS的表色方法也是由色相（Hue）、明度（Value）、彩度（Chroma）組成，排列順序是色相-明度-彩度，即H-V-C。. 二、色彩意象色彩具有易辨性（Legibility）和易讀性（Readability），可以有效地進行訊息傳遞（戴孟宗，2011），除了對視覺產生刺激之外，在心理上也有不同的影響。色彩意象是一種對於色彩的判斷和喜好，透過色彩讓人產生心理的感受和情感（謝松廷，2008），因為個人不同的文化背景和色彩認知，產生不同的感覺和聯想，以下將針對色彩感覺與心理及色彩聯想進行討論。. （一）色彩感覺與心理當人看見色彩，也就是不同波長的光作用於人的視覺感官時，會產生不同的生理反應以及心理反應，依據不同年齡、生活經驗、文化背景等因素，產生不同的回饋。. 14.

(22) 對於色彩的感覺可區分為兩大類，一為對於色彩的「客觀感覺」，這是一種色彩約定俗成的印象以及共同經驗，例如紅色表示危險、綠色表示安全；另一為「主觀感覺」屬於個人的判斷和感受（戴孟宗，2011）。色彩心理是客觀世界的主觀感受，會因為個體差異而有所不同，但也有一些心理反應是具有共通性的，也就是色彩心理的共同情感（郭紅雨，2010）。林昆範（2005）在《色彩原論》一書中，將人們引用實際物理量以解釋色彩的心理性質分為四大類型：寒與暖、前進與後退、膨脹與收縮以及輕與重。 1. 寒與暖是人的視覺類似於人類觸覺（皮膚）感受的溫度，將視覺感知帶入色彩的心理溫度如圖2-5。. 圖 2-5 暖色與寒色. 2. 前進與後退因為色彩造成觀察者的視覺心裡有遠近距離感，研究顯示暖色系為「前進色」，寒色系為「後退色」如圖2-6。. 前進色. 後退色. 圖 2-6 前進色雨後退色. 15.

(23) 3. 膨脹與收縮根據色彩的面積大小，相對位置引起的心理感受，大致上與前進後退的距離知覺成正比如圖2-7。. 膨脹色. 收縮色. 圖 2-7 膨脹色與收縮色. 4. 輕與重藉由視覺目測到色彩，而產生類似於提起物體重量感的心理反應，一般而言明度高者為輕，明度低者偏重如圖2-8。. 圖 2-8 輕與重. 由上述可知，人會因為不同的色相、明度、飽和度以及構成面積產生各樣的心理效應。色彩的心理感覺包含美學、心理學和人文背景等色彩語意（郭紅雨，2010），生理上的知覺對於人類或許都會有類似的反應，但於心理情感上，則會因不同的影響因素而有差異（辜婷資，2013）。這樣的心理感知，也會影響到對於色彩的意象與聯想。. 16.

(24) （二）色彩的意象與聯想色彩聯想是因為過去的記憶和經驗所產生的連結（辜婷資，2013），由色彩所產生的聯想可能為具體的物體，也可能是一種抽象的心理感受，如表2-1所示，像是：紅色會聯想到蘋果，但也可能會聯想到危險、警告的抽象感覺；綠色會聯想到草地，但也可能會聯想到清新的抽象感受。人對色彩的反應或感覺是生理反應，但對於色彩的聯想卻是後天的學習（戴孟宗，2011），影響的原因有許多，像是年齡差異、地域、文化、風俗習慣等，都會造成人對色彩的定義和想法不盡相同。表 2-1 色彩具體與抽象聯想表. 色相. 具體聯想. 抽象聯想. 紅. 血液、夕陽、火焰、心臟. 熱情、危險、反抗、喜慶、爆發. 橙. 橘子、柳橙、晚霞、秋葉. 快樂、溫情、明朗、積極. 黃. 香蕉、黃金、黃菊、注意信號. 明快、光明、注意、不安、野心. 綠. 樹葉、公園、草木、安全信號. 和平、理想、希望、成長、安全. 藍. 海洋、藍天、湖海、遠山. 沉靜、涼爽、憂鬱、理性、自由. 紫. 葡萄、茄子、紫菜、紫羅蘭. 高貴、神秘、優雅、忌妒、病態. 白. 白雲、白雪、白紙、護士. 純潔、樸素、虔誠、神聖、虛無. 黑. 夜晚、頭髮、木炭、墨. 死亡、恐怖、邪惡、嚴肅、孤獨. 資料來源：鄭國裕、林磐聳（2002）。色彩計劃（第二版）（頁65-66）。台北市：藝風堂。. 當色彩聯想由個人觀感變成大眾共通反應的情感時，便成為色彩的意象（陳中屏，2011），其關係如下圖2-9，例如紅色在節慶當中通常有歡慶、熱鬧的意象；綠色在生活中有環保、自然的意象，換言之，意象是一種共通性的觀念、印象和文化所帶出的感受。色彩聯想. 色彩. 人的感受. 具體/抽象事物人的經驗圖 2-9 色彩意象與聯想. 17. 色彩意象.

(25) 三、色彩語意在日常生活中，我們常使用各種形容詞詞彙(語意)來傳達事物所蘊含特質或予人之心理感受（高淑玲，2004），色彩語意（Color Semantic）為當人們接收到色彩所產生的心理反應時，使用客觀且有共通感覺的形容詞彙來描述或評價色彩所引起的心理感覺。美國學者Osgood（1957）等人發展了語意差異法（Semantic Differential Method，簡稱SD法），原先使用於語言心理學的研究與市場調查，後來也應用於色彩心理學的數據化呈現。SD法採用配對的相對詞彙作為尺度標準，例如寒與暖、輕與重、柔和與強烈等，以測定人對事物觀感的反應強度，進而掌握色彩的整體意象（林昆範，2005）。日本色彩與設計研究所（Nippon Color & Design research institute, NCD）所提出的色彩意象尺度基於語義差異法的概念，透過實驗，將象限橫軸左右兩端分為暖及寒，直軸上下兩端分為柔和與強烈，總共180個形容詞彙（實為176個）放置於象限中，配合色相及色調屬性，作出色彩組合，形成形容詞的色彩意象尺度，中心點為色彩意象原點，越往上下左右擴張，意象的程度越增強，如下圖2-10。. 18.

(26) 圖 2-10 色彩意象尺度表. 資料來源：Color Image Scale (p.11), by S. Kobayashi, 1992, New York, NY: Kodansha USA Publishing.. 透過科學的方式，能夠完整歸納出不同心裡感覺與色彩配色之間的關係，便能準確使用色彩。由上述文獻可知，語義差異法及色彩意象尺度能夠量化形容詞對應色彩的結果，將色彩所給予人的感受和意象具象化，在探討色彩意象上，能成為一個指標和參考。. 四、色彩與環境色彩是環境中最能影響感官的要素之一，它對於環境的影響包含辨認性、象徵性和裝飾性（于正倫，1991），辨認性使人們對於環境的色彩所傳達的意象留下第一印象；象徵性使環境的特色和氛圍被傳達及強調；裝飾性使該區域的居民有更適性的居住空間。法國環境色者研究學者Jean Philippe Lenclos（2004）的《色彩地理學》研究中，也發現色彩的特性和環境色彩有著密不可分的關係。. 19.

(27) 色彩應用於環境創造的年份追溯已不可考，但考古學家發現人類約在一萬五千年前已懂得將色彩融入在洞穴石壁上的彩繪中；到了古希臘羅馬時代，色彩應用於環境中為得是強調神權和皇權的象徵，英雄主義影響人們的審美觀念，在建築和藝術造詣上，增添對比色彩來表達華麗和壯闊，神廟建築和雕刻也大量使用了不同的材質和色彩來強調其神聖性和神話色彩。由上述可知，色彩除了能引起人的生理和心理的反應，也能傳遞文化意涵。 J. P. Lenclos與D. Lenclos（2004）所著作之《色彩地理學》一書，影響著現代對於環境色彩的範圍界定，日本色彩設計研究所更進一步將其分為三大類：「自然環境色彩」、「社會環境色彩」、「文化環境色彩」（吉田慎悟，2010），自然環境色彩包含自然景觀像是天空、海洋、樹木等；社會環境色彩包含商場、公家機關、美術館、圖書館、工廠等建築物以及交通設施；文化環境色彩包含傳統文物、傳統建築與工藝、名產等。由上述文獻可得知，色彩與環境的連結除了是自然的「原生態，也看出人們是其中的參與者及創造者（J. P. Lenclos & D. Lenclos, 2004）。環境色彩影響人們對於環境的感受，人們因為文化背景，用色彩來體現環境的風格和人文（鄭清華，2002），色彩與環境的關係能夠表徵出其環境的特色和人文背景，帶出其意象及風格。. 第二節城市色彩一、城市色彩的定義與影響因素鄭清華認為（2002）城市色彩是指城市的外在空間中，綜合所有視覺事物所具有的色彩，其組成要素包含自然景觀、城市建築、文化、宗教、歷史等，可以概分為自然景觀色彩以及人工裝飾色彩（文化色）（周立，2005），其中自然景觀色彩包含土地、河流、天空、樹木等；人工裝飾色彩包含建築、設施、服飾、特色產物等。. 20.

(28) 以自然景觀色彩來說，每一個城市都有其獨特的樣貌，與其地理因素（地形、氣候、日照、植被等）息息相關，生活在此的人們因為文化及時間的催化，因地制宜改變的過程中，逐漸成為城市特有的風貌，城市色彩則是建立於城市風貌之上（J. P. Lenclos & D. Lenclos, 2004）。郭紅雨（2010）在《城市色彩的規劃策略與途徑》一書也提及當城市的自然景觀蔚為特色，其建築風貌與自然景觀也會相互呼應。最常見的例子是希臘的聖托里尼島，因藍天白雲的特色，其建築色彩也融合自然景觀的顏色漆成藍頂白屋的樣貌，在愛琴海一帶蔚為風貌。由此可見，自然景觀不只是城市色彩中重要的一部分，也會間接影響人工裝飾色彩。人工裝飾色彩又稱為文化色，呈現方式可以透過公共空間、建築、街道、交通工具、招牌等元素（吉田愼悟，2010），當城市具有特殊的文化歷史背景，其建築外觀與色彩會反映出該文化的特色風貌（郭紅雨，2010），例如印度的齋浦爾，在 1876年為了迎接英國威爾斯王子，因為粉紅色在當地文化中有好客、喜悅的意義，便將城市外牆漆成粉紅色，，故有「粉紅城市」的別稱，直到今日仍為印度特色景點之一。除此之外還根據其城市的宗教、歷史文物、雕塑藝術各有不同色彩的展現（辜婷資，2013）。因此，從人工裝飾色彩中，能直接睹見城市的文化以及人文特色和發展，也是近年來，不論在城市色彩規劃或是城市特色紀念品中，融入設計的要點之一。胡家璇（2014）在《城市的意象The Image of The City》一書中提及城市的意象是大自然的產物，也有部分是人為改造的景觀，雖無明確提及城市色彩，但由上述可知，城市色彩為自然環境與人文風土的共同體現，綜合自然景觀色彩及人工裝飾色彩，能表現出城市的意象，並且使人對於城市有認同感及注目感（顏毓璋，2005），賦予城市記憶性的特點和意義。. 二、城市色彩的發展在工業革命時代，為了實現以機械代替自然、以大工業取代手工藝，人們開始重視城市規劃。隨著時代變更、城市發展和人類觀念的變革，城市設計在城市規劃 21.

(29) 中成為主要發展（于正倫，1991）。到了第二次世界大戰之後，城市設計開始帶出了城市意象的反思，在1964年後，相關研究開始蓬勃發展。最早開始將城市色彩列為城市設計中一環的是19世紀初期的義大利杜林，在當地建築師協會的建議下，對整個城市進行色彩調研與規劃設計，至1845年，杜林的建築師協會將城市中使用頻率最高的20多種顏色，編號製成城市色彩圖譜，並且列為正式的政府文件，成為城市規劃相關產業的設計實踐，可謂最早公開城市色彩色譜的範例（郭紅雨，2010）。到了20世紀70年代，法國環境色者研究學者J. P. Lenclos與D. Lenclos（2004）提出「色彩地理學理論」（Geography of Color），J. P. Lenclos與D. Lenclos認為每個城市都有色彩的獨特性，其決定因素來自於自然景觀的「原生態」和當地文化。他從環境和文化角度來考察、研究色彩相關問題，並且使用色票比對的方式來搜集並且建立色彩組合，進行城市色彩調查，從法國和日本開始，隨後擴展到歐洲其他國家，甚至影響到非洲、拉丁美洲、南美洲等（J. P. Lenclos與D. Lenclos，2004）。同一時期，日本於1970-1972年對東京進行色彩調查，並且邀請Lenclos為此計畫的項目負責人，研究集結成《東京城市色彩規劃》，至此開始，日本各大城市開始實踐城市色彩調查及研究，到了2004年通過了《景觀法》，以法律形式規範城市建築和色彩。自法國之後，歐洲也陸續在城市色彩的研究有所發展。20世紀80年代，北極圈內最北的小城，挪威以煤礦為主的朗伊爾城（Longyearbyen）在挪威政府的出資下，委託卑爾根藝術學院的教授Grete Smedal進行該城市的色彩規劃。Smedal的色彩調研從1981年一直進行到1990年末期，依不同季節、不同氣候條件進行實地觀測和拍攝，並且以標準色票作為比對，以色彩編號的形式記錄下來。20世紀90年代，瑞士色彩學家Werner Spillmann負責主持德國波茨坦的Kirchsteigfeld鎮的色彩規劃，則是遵循德國傳統建築的色彩和風貌，以紅磚色為主，以德國文化特有的中明度和暖色調的顏色範圍，加入有現代感的赭黃色為主調去做色彩設計，此一色彩規劃是將大量的人文環境和歷史背景融入色譜中的範例（郭紅雨，2010）。 22.

(30) 到了21世紀初，繼日本之後，韓國為了規劃高層公寓的色彩，加入在城市色彩規劃之中。韓國政府編列了《高層公寓色彩規劃指南》，針對現有的高層住宅進行色彩調研，篩選出208個標準色，運用電腦模擬進行分析和評估，得出一套色彩規劃指南。由上述文獻可得知，城市色彩的發展從一開始的城市設計和規劃開始，帶入色彩設計，除了自然景觀之外，融合該城市的人文特色、歷史背景等，加上色票的比對和篩選。這些方法均以調查城市的色彩資訊為基礎，加以統整和分析，最後提出色彩組合或範圍作為標準。. 三、台灣城市色彩的相關文獻回顧近年來，台灣也有許多發掘城市色彩的活動及計畫，例如台北市政府都市發展局所進行的台北市城市色彩計畫（2012），便是以城市色彩調查以建立標準色系統及提升公民美學素質兩大部分進行；其他還有城市酵母、學學文創網站，分別以色彩議題探討、圖片抽取顏色等方式建構城市色彩。以下將會針對本研究所參考國內之論文文獻、色彩計畫及其方法做出彙整及討論。. （一）實地測色實地測色的方式記錄地方色彩能夠更加真實，但需要實作時間或範圍的設定，多半使用在城市的色彩計畫（J. P. Lenclos與D. Lenclos，2004）或是色彩分佈預測。國內學者謝松廷（2008）為研究新莊色彩，以PANTONE測色機及色票實地進行測色、比對，並且設定範圍為老街區域的建築和廟宇，找出新莊老街色彩的趨勢和落點；蘇彥碩（2012）則以苗栗聯大路色彩改造計畫為目標，將景觀分為自然景觀和人為景觀，使用塗料色卡比對，不僅針對色彩，也針對材質做蒐集和比較；張家綺（2014）使用NCS測色儀測色，以了解萬華地區路段的色彩分析與後續規劃研究；陳思玫（2001）雖是先以負片進行拍攝製作色表，但仍實地再次比對，以校正色票。. 23.

(31) 經由上述得知，實地勘察能使測色更為精準，也能更貼近城市做後續色彩計畫和研究，但須劃定範圍才能詳細記錄城市景物色彩。. （二）實物拍攝實物拍攝能展現景物的色彩特徵。國內學者顏毓璋（2005）的研究將高雄花旗山莊的色彩分為景觀和建築兩大項目作分析，以實地拍攝的方式搭配Moon Spancer 配色理論和Munsell色相環法，以找出該地區的色彩特徵；謝蘭芬（2006）則是使用影像紀錄，藉由人文色彩的觀察和體現，將金門的色彩數位化；唐碩漁和林珈汶（2011）的研究則是透過琉球鄉公所的資訊收集，將人文景觀以建築、景觀、地方特產分類以實地拍攝，再用測色機做比對分析；李毓倩（2017）探討台南正興街的色彩建置則是拍攝房屋，再配合PCCS色彩體系及單色影像比率做後續探討。實物拍攝能在選取樣本中更加精準，但仍需要選取範圍和實作時間上的考量。. （三）非實地測色以網路資料雖無法完全精準樣本選取，但透過大量資料仍能進行統計和分析。像是國內學者曾研菁（2007）在淡水河藍色公路的色彩意象研究中，以網路照片為樣本，與測色儀和色票比對，求平均值以作為色彩數據；林育如（2015）的研究中，將Google Map的街景做成空間圖，使用Photoshop Script進行處理並提取色碼，能大量分析數據和色彩。. （四）地方色彩活動近年來也有許多網站透過色彩探索活動，以實地訪查方式，讓參與者實地觀察且紀錄，像是都市酵母（City Yeast）的都市色彩計畫，甚至輔以正反向形容詞去修正色彩感受，期望建立出獨特性且多面向的文化色彩，如下圖2-11。. 24.

(32) 圖 2-11 都市酵母色彩示意圖資料來源：都市酵母網站（2012）。都市色彩計畫。取自： http://www.cityyeast.com/passion3_show.php?passion3type_id2=106&passion3_id=1515. 學學文創則與台灣當代設計師合作，透過五大主題：「靈感圖庫」、「配色練習」、「色彩社群」、「色彩活動」、「色彩出版」，使使用者藉由台灣文化的攝影作品和藝術作品等台灣文化元素，製作出台灣文化色彩色票，示意圖如圖2-12。. 圖 2-12 學學文創色彩示意圖資料來源：學學文創（2016）。取自：http://www.xuexuecolors.com/index.php?xue=3. 25.

(33) 第四節文獻探討小節綜合上述文獻，色彩同時會影響到生理和心理的感受，藉由色彩的傳達，讓人在心理上有情感回饋，同時也會引發聯想，並且建構意象。將色彩擺在城市意象上，除了能夠改變環境的氛圍、市容之外，將這感受擴大到城市樣貌，端能看出這個城市的內涵，其中包含歷史文化、地域景觀、人文素養、宗教習俗、特色產品等面向的色彩意象（劉晏志，2014）。在色彩文獻回顧中，可以發現色彩調查現在普遍仍使用實地拍攝紀錄、色票比對配合測色儀以作分析；而國內學者透過不同方式搜集普羅大眾對城市色彩意象的資訊，為城市的色彩調查開啟另一條道路，雖然比較主觀，但藉由大眾的視角，可以看見城市色彩不同層面的意義。現今許多跟色彩語意相關的研究跳脫色彩學名的限制，更多探討於心理的共感覺和延伸意義，並且使用資料探勘的方式，自動化且更有效率的過濾掉不必要的資訊以提升色彩分析之結果。然而在城市色彩上，仍多使用固有的實地拍攝和色票比對建立，欠缺自動化的過程。本研究旨在運用資料探勘的方式收集大眾對城市色彩的資訊，並且使用語意差異法和色彩意象尺度能將色彩感知量化的特性，去分析並且歸納城市的色彩資訊，以達到自動化建立城市色彩意象的目的。. 26.

(34) . 第參章研究方法與步驟本研究主要目的是應用資料探勘技術來分析台灣特色小鎮之色彩意象，並且. 評估其自動化的結果。本章一共分為四小節，第一節為研究架構，第二節為研究方法設計，第三節為研究對象與工具，第四節為研究實施，第五節為研究處理與分析，以下將分別說明之。. 第一節研究架構. 本研究分兩大部分進行，第一部分以小林重順的 Color Image Scale(簡稱 CIS， 2006)所提及 180 個色彩意象形容詞作為關鍵詞庫，分別以 Google 搜尋數及 Word2Vec 找尋形容詞彙與城市關聯性最高之前三組形容詞加上城市名作關鍵字做圖片搜尋，建立圖片庫以 ColorThief 擷取色彩，擷取結果和 CIS 之色彩意象所對應的色票計算色差以過濾色彩，選取每組色差最小的兩個顏色作為色彩組合；第二部分為網路問卷調查，以李克特五點量表調查受測者對第一部分的色彩組合之滿意度；最後根據第一部分與第二部分之結果，做比較、分析與討論。研究架構圖如下圖 3-1 所示：. 27.

(35) 圖 3-1 研究架構圖. 依據研究架構，定義本研究之數學關係為以下： Google {D1,D2,D3,…,D_180}. City Corpus {𝐶𝐶! , 𝐶𝐶! , 𝐶𝐶! , … , 𝐶𝐶!" }. 𝐷! ⊆ 𝐷! , 𝐷! , 𝐷! , … , 𝐷!"#. （1）. K=𝑎𝑟𝑔! 𝑚𝑎𝑥 𝑆(𝐶𝑖𝑡𝑦, 𝐷! ). Google (City, 𝐷! ).. （2）. Ｄ! = ∆𝐸!! 𝐶! , 𝐶! , 𝑖 = 1,2, … ,10. 𝐶! ∈ 𝐶!"#,!! 𝐶!"#,!! = {𝐶! ∈ 𝐶𝐶(𝑃)}. （3） 28.

(36) 第二節研究方法設計根據本研究之目的與問題，研究方法分述如下：本研究所使用的技術為「Word to vector」、「網路爬蟲」以及「ColorThief 色彩擷取」，根據日本色彩學者小林重順的色彩形象座標（2006）一書中所提出色彩意象形容詞為關鍵詞庫作為搜尋關鍵字，分建立台灣特色小鎮之色彩組合及問卷調查法詳述如下：. 一、建立台灣特色小鎮之色彩組合 (一)在 Google 搜尋引擎上以地名加上形容詞做搜尋，搜尋結果為最大筆資料的形容詞為主要關鍵字。 (二)以痞客邦（Pixnet）部落格搜尋台灣特色小鎮之相關文章作為語料庫，使用結巴斷詞程式後，用 Word to vector 找尋特色小鎮城市名和形容詞最大關聯度之字詞作為關鍵字。 (三)綜合(一)、(二)分別在各城市中挑出相關性最高之前三個形容字作為主要關鍵字，在 Google 圖片搜尋中鍵入”城市名+關鍵字”，圖片結果經人工初步過濾後取 100 張作為圖片庫。 (四)以 ColorThief 擷取圖片 10 個主色。 (五)以小林重順的色彩形象座標(2006)書中的形容詞色彩意象比較，並用 CIE DE2000 做色差計算以過濾混濁色並且建立城市色彩組合。. 二、問卷調查法 (一)發放網路問卷調查。 (二)整理並且過濾無效問卷。綜合色彩意象自動化分析和問卷調查法之結果，提出分析與討論。. 29.

(37) 第三節研究對象與工具一、研究對象根據本研究的研究目的，將研究對象分為兩類，首先為建立城市色彩組合目標的十個台灣特色小鎮；其次為網路問卷調查法的受測者，茲說明如下。. （一）台灣特色小鎮本研究以台灣交通部觀光局於 2012 年為推展臺灣鄉鎮在地特色及觀光發展而發起的票選活動台灣十大觀光小鎮，分別為新北市瑞芳區、台北市北投區、台北市信義區、宜蘭縣礁溪鄉、桃園市大溪區、南投縣集集鎮、台中市大甲區、彰化縣鹿港鎮、台南市安平區、高雄市美濃區。. （二）問卷調查法之對象本研究為評估自動化之結果並且了解受測者對於色彩組合與形容詞的聯想，以網路問卷調查並蒐集受測者對於自動化之色彩組合的滿意度，再加以統計分析。在抽樣方式上，本研究採便利抽樣，並於 PTT 實業坊、社群網站發送問卷連結，廣邀受試者點選連結填寫問卷。. 二、研究工具依據研究方法與流程，本研究將使用下列研究工具：（一）Python3.5 程式（二）使用網路爬蟲程式收集痞客邦（Pixnet）文章以及 Google 圖片（三）以 ColorThief 分析圖片主色（四）使用李克特五點量表問卷做問卷調查. 30.

(38) 第四節研究實施本研究分兩大部分進行，第一部分以資料探勘技術作為研究分析之方法，以建立台灣特色小鎮之色彩組合的自動化結果；第二部份使用網路問卷調查法評估自動化之結果，本節分別說明研究實施之情形：. 一、建立台灣特色小鎮之色彩組合實施建立台灣特色小鎮之色彩組合主要分為找尋關鍵形容詞、建立城市圖片庫、擷取顏色、過濾色彩並建立城市色彩組合，實施步驟如下所述：. （一）找尋關鍵形容詞本研究利用地名加上 CIS 中的 180 個形容詞，使用 Google 搜尋引擎和 Word to vector 兩種方法分別找到關聯性最高的形容詞，以下將分別說明之。 1.. Google 搜尋引擎根據 Google 搜尋引擎的演算法，當經由關鍵字做搜尋時，結果數量越大，表. 示其關鍵字所涵蓋的網頁也越多，雖然還要藉由頁面排名、網頁點擊次數、相關字詞等去決定關聯性大小（Levy，2018），但藉由結果數及涵蓋網頁數量多，可以推斷關鍵字的相關內容也會比較多。利用此特點，將十個城市地名分別加上形容詞作搜尋，搜尋結果數量最多的形容詞為定義為該城市的關鍵形容詞。 2.. Word to vector Word to vector 將字詞轉換成向量形式，把文本內容的處理簡化成向量運算，. 因而求出詞與詞之間的關聯性。本研究使用台灣最大的網誌之一-痞客邦（Pixnet）作為 Word to vector 的語料庫。首先在 Pixnet 的文章搜尋引擎中，以台灣特色小鎮之地名為搜尋關鍵字，將相關文章用爬蟲程式全數撈回；接著去除標點符號後，使用中文結巴（Jieba）斷詞程式將語料庫中的文字斷詞，使用 Word to vector 將文本. 31.

(39) 內容轉成向量形式，輸入地名加上 CIS 的形容詞找到最高 Cosine 值的形容詞作為該城市的關鍵形容詞。. （二）建立城市圖片庫在 Google 搜尋引擎中，利用地名分別加上 Google 搜尋引擎以及 Word to vector 的結果所提出的關鍵形容詞去做圖片搜尋，去除明顯雜訊圖片如：QR Code、廣告等圖片，前一百張圖片作為該城市的圖片庫之樣本。. （三）擷取顏色分別將每一個城市圖片庫中的一百張圖片隨機合併排列成一張 10X10 大小的圖片，解析度為 300dpi，使用 Colorthief 的 Modified Median Cut Quantization（簡稱為 MMCQ）特性，將圖像量化後，排列出每種顏色的使用頻率，將圖片的前十種顏色作為該城市的擷取色彩。. （四）過濾色彩並建立城市色彩組合將 Colorthief 所產生的結果，與 CIS 中形容詞所對應的色票做比對，將 RGB 值轉成 LAB 值後，以 CIE DE2000 公式做色差計算。每個色票對應城市色票取兩個色差值最小的顏色作為該城市的城市色彩組合。. 二、網路問卷調查實施確定問卷實施的範圍與對象後，依照研究目的及其發展的研究問題，參考文獻及資料探勘自動化色彩組合之結果擬定問卷，再進一步由信度、T檢定、描述性統計資料等去評估自動化色彩組合之結果。. （一）問卷設計本研究實驗問卷分為兩組結果進行，分別為Google搜尋引擎關鍵字之結果及 Word to vector關鍵字之結果。每組問卷分兩部分，第一部分為「城市色彩組合之滿. 32.

(40) 意度調查」，目的為瞭解受測者對自動化城市色彩組合的滿意程度；第二部分為「城市色彩組合之形容詞聯想」，為瞭解受測者透過自動化城市色彩組合之結果，能否回推關鍵形容詞，藉此瞭解色彩組合和形容詞的意象關聯。問卷內容擷取部分如下表3-1。表 3-1 地方色彩組合之感受調查表（節錄）. 地方色彩組合之感受調查表各位先生、女士您好：我是台師大圖文傳播所的學生蘇育惟，目前正在進行有關於地方色彩的研究，首先感謝您撥冗填寫本問卷，藉由您的珍貴意見，將對學術研究有所助益。本問卷為台灣十個特色小鎮與色彩組合相對應之感受調查表，基本資料後有十組城市的分別對應兩組色彩組合，敬請依照感受程度選項做填寫。本問卷採不記名作答，問卷結果將用於學術研究，資料不會外洩，敬請安心作答。若是希望參加抽獎，請在問卷結束後留下您的email或是ptt帳號，待問卷回收完成後，前一百名作答者將發送100P，另外隨機抽出10位受測者贈送7-11禮卷100元。國立台灣師範大學圖文傳播所指導教授：周遵儒博士研究生：蘇育惟([email protected]). 基本資料請問您的性別：男. 女. 請問您來自哪裡：基隆雲林. 台北嘉義. 新北台南. 桃園高雄. 新竹屏東. 苗栗宜蘭. 台中花蓮. 南投台東. 彰化外島地區. 城市色彩組合 -以下將會有與城市相對應的色彩組合及聯想的關鍵字，請您依照以下選項做選填。 1、新北市瑞芳區 -包含九份、侯桐、象鼻岩等地區。請問您認為這張色彩組合對應到新北市瑞芳區的符合程度. 33.

(41) 同上題，您認為這張色彩組合最符合新北市瑞芳區哪一個形容？傳統. 活力. 恬靜. 風格. 溫暖. 幽雅. 樸實. 熱鬧. （二）問卷實施問卷設計完成後，開始正式實施問卷調查。本研究所使用的網路問卷平台為 Google問卷表單（https://docs.google.com/forms/u/0/），發布的社群網站為PTT臺大實業坊的問卷版以及透過臉書（Facebook）、Line發送問卷連結，發布時間為2018 年11月18日至2019年1月3日止。同時，為了吸引更多的受測者參與填答問卷，本研究在PTT臺大實業坊提供 100P幣以及另外隨機抽出10位受測者贈送超商禮卷，邀請想要參加抽獎的填答者於問卷最後留下PTT帳號及個人電子郵件資料，於問卷調查結束後，聯繫得獎者後將贈品寄出。. 34.

(42) 第五節資料處理與分析本節將針對資料探勘技術自動化色彩組合之研究分析以及問卷調查法所得之資料處理與分析，分別進行說明。. 一、自動化色彩組合之資料處理與分析本研究針對台灣特色小鎮一共十個做城市色彩組合之自動化，在此資料處理與分析的過程中，將城市地名和 CIS 中的 180 個形容詞找出關聯性及關鍵形容詞，並且以關鍵形容詞作搜尋建立城市圖片庫，並且分析、過濾色彩以找到城市的色彩組合，根據上述使用了 Google 搜尋引擎演算法、爬蟲程式、Word to vector、Colorthief、 CIE DE2000，資料處理與分析如下：. （一）Google搜尋引擎演算法本研究在兩個階段使用Google搜尋引擎做資料搜集及分析，以下分兩部分說明之： 1、利用 Google 搜尋引擎之演算法 Rank Bain，以地名加上形容詞找到結果數也就是網頁涵蓋率最高的形容詞作為關鍵形容詞。 2、在找到關鍵形容詞後，利用 Google 搜尋引擎之演算法 Rank Bain，以地名加上關鍵形容詞做圖片搜尋，剔除雜訊圖片後蒐集前 100 張的圖片結果作為城市圖片庫。. （二）爬蟲程式本研究在兩個階段使用爬蟲程式做資料搜集，以下分兩部分說明之： 1、使用網路爬蟲將 Pixnet 的相關城市文章全數抓取作為 Word to vector 之語料庫。 2、以地名加上關鍵形容詞做圖片搜尋後，使用爬蟲程式將前 150 張之結果按照順序編號抓取，但取前 100 張為研究樣本。 35.

(43) （三）Word to vector 將爬蟲程式所取回的 Pixnet 文章去除標點符號、斷詞後，以 Word to vector 將文本資料轉為向量型態，並且輸入地名和形容詞，找到和城市地名 Cosine 值最高的形容詞作為該城市的關鍵形容詞。. （四）Colorthief 將 100 張城市圖片合併後，以 Colorthief 程式擷取前十個主要色彩。. （五）CIE DE2000 國際照明委員會（CIE）在 2000 年時修正 DE1994 的公式發布了 DE2000 公式，將配色函數調整後能增加準確度地預期符合人眼色彩知覺。本研究使用 DE2000 公式將 Colorthief 擷取的結果與 CIS 中形容詞所對應的色票做色差計算，以過濾混濁色，並找到色差值最小的顏色組合作為該城市的色彩組合。. 二、網路問卷調查法的資料處理與分析在網路問卷施測結束後，將放置於網路平台上的問卷資料下載並進行檢驗，總共回收 131 份問卷，剔除無效問卷 26 份後，針對有效問卷一共 105 份資料匯入 Excel 進行處理與編號，之後再以 SPSS 22.0 版軟體進行統計分析。本研究所使用到的統計方法，包含信度檢定、獨立樣本 T 檢定、敘述性統計，執行方式如下:. （一）信度檢定（Reliability Analysis）信度主要是用來判斷問卷測驗結果或是測驗分數特性的一致性及穩定性，藉由 Cronbach’s Alpha 值來衡量試題相互關聯的程度，反映出真實量數一致性程度的指標，最常適用於李克特量表（吳明隆，2013）。一般而言，信度值從 0.70-0.98 被認為是合理的（Roberts, M. L. & Wortzel, L. H.，1979），表示題目的特性具有良好的一致性。 36.

(44) （二）獨立樣本T檢定（Independent Sample T Test）獨立樣本 T 檢定主要是用來比較兩組群體樣本的平均數是否有顯著差異。本研究使用獨立樣本 T 檢定用以瞭解不同性別的受測者對於城市色彩組合的滿意度和形容詞聯想是否有差異性。. （三）敘述性統計（Descriptive Statistics）使用敘述性統計對於受測者的基本資料、以及問卷回答結果做統計及分析，以瞭解色彩組合的滿意度及形容詞聯想之分佈情形。. 37.

(45) . 第肆章研究結果與討論本章節根據自動化台灣特色小鎮之色彩組合與網路問卷調查所得之結果與受. 測數據，依序回應本研究所提出的研究問題，以探討自動化台灣特色小鎮之色彩組合以及評估其自動化結果。第一節為自動化分析台灣特色小鎮之意象，討論台灣特色小鎮和關鍵形容詞的關聯性以及其搜尋結果的城市圖片庫，擷取色彩並建立城市色彩組合；第二節為評估自動化結果，以網路問卷調查的具體數據做分析與討論。. 第一節自動化分析台灣特色小鎮之色彩意象本研究先以資料探勘技術分析台灣特色小鎮與 CIS 中 180 個形容詞的關聯性，並且使用關鍵形容詞作搜尋以建立城市圖片庫樣本，擷取顏色、過濾色彩以建立城市色彩組合，以下將分四點做說明。. 一、台灣特色小鎮與關鍵形容詞之關聯性本研究使用地名加上形容詞分別以Google搜尋引擎最高結果數以及Word to vector的Cosine值最高之形容詞來做比較與討論。. （一）Google搜尋結果截至2017年12月止，以十個地名分別加上形容詞在Google搜尋引擎做搜尋，得到的結果為：新北瑞芳-傳統、台北北投-傳統、桃園大溪-風格、宜蘭礁溪-風格、南投集集-傳統、台中大甲-傳統、彰化鹿港-傳統、台南安平-傳統、高雄美濃-傳統、台北信義-風格，其結果數據整理如下表4-1。. 38.

(46) 表 4-1 Google 搜尋結果數表. 傳統. 風格. 溫暖. 幽雅. 樸實. 熱鬧. 新北瑞芳. 1160,000. 1090,000. 322,000. 142,000. 80,800. 184,000. 台北北投. 1470,000. 1290,000. 590,000. 215,000. 88,400. 86,000. 桃園大溪. 1220,000. 1510,000. 426,000. 249,000. 147,000. 411,000. 宜蘭礁溪. 1150,000. 1190,000. 728,000. 279,000. 133,000. 179,000. 南投集集. 643,000. 445,000. 233,000. 98,100. 50,100. 127,000. 台中大甲. 898,000. 768,000. 402,000. 171,000. 88,500. 210,000. 彰化鹿港. 4490,000. 818,000. 408,000. 135,000. 75,300. 156,000. 台南安平. 420,000. 389,000. 397,000. 141,000. 82,800. 261,000. 高雄美濃. 570,000. 405,000. 249,000. 72,800. 49,300. 90,700. 台北信義. 668,000. 996,000. 344,000. 345,000. 152,000. 340,000. 註：粗體斜線部分為搜尋結果數最高之選項。. Google 搜尋引擎的演算法是運用機器學習去分析使用者的搜尋需求、句子結構、分析網頁的品質，透過連結數關聯性，以達到搜尋結果最佳化。在大部分的結果中，可以發現人們對於城市和形容詞之間的關係會依據當地的特色、新世代所流行的人事物和景點有所改變，尤其是有別具特色的景點、特產的城市，藉由搜尋結果數量越高的形容詞，看出該城市受大眾注目的特點。以新北瑞芳-傳統為例，其搜尋結果數 100 筆資料中，有 42 筆是關於瑞芳的傳統小吃，像是手工豆花、龍鳳腿、地瓜餅等，22 筆是關於景點，像是黃金博物館、平溪鐵路、瑞芳老街、九份老街等；桃園大溪-風格則在 100 筆資料中，有 58 筆是關於大溪老街的巴洛克式建築、及其閩南式建築。其餘城市加上形容詞搜尋結果特色表整理如下表 4-2：. 39.

(47) 表 4-2 城市與形容詞搜尋結果特色表. 特色新北瑞芳. 黃金博物館、平溪鐵路、老街、豆花、地瓜餅. 台北北投. 北投市場、豆花、溫泉博物館、地熱谷. 桃園大溪. 大溪老街、大溪橋、大溪茶廠、總統鎮、豆花. 宜蘭礁溪. 聖母教堂、溫泉、溫泉民宿. 南投集集. 各樣小吃、集集火車站、山蕉歷史博物館、日月潭. 台中大甲. 肉粽、鎮瀾宮、大甲媽祖、奶油酥餅. 彰化鹿港. 鹿港老街、民俗工藝、手工扇、玉珍齋手工餅. 台南安平. 古蹟、安平老街、蝦餅等各樣小吃. 高雄美濃. 客家文化、客家料理、紙傘、粄條、花生糖. 台北信義. 誠品、百貨商圈、義式餐廳、牛排、夜景. （二）Word to vector結果（截至2017年12月止）截至2017年12月止，在痞客邦（Pixnet）以地名做搜尋，分別將十個城市的文章以爬蟲程式抓取，去除標點符號，以中文結巴（Jieba）斷詞程式斷詞後，用Word to vector計算詞語詞之間的距離特性，算出地名和形容詞的Cosine值。其結果為：新北瑞芳-熱鬧、台北北投-熱鬧、桃園大溪-幽雅、宜蘭礁溪-樸實、南投集集-熱鬧、台中大甲-風格、彰化鹿港-熱鬧、台南安平-溫暖、高雄美濃-熱鬧、台北信義-熱鬧，其結果數據整理如下表4-3。表 4-3 Word to vector Cosine 值結果表. 傳統. 風格. 溫暖. 幽雅. 樸實. 熱鬧. 文章總數. 新北瑞芳. 0.1110. -0.1550. 0.1359. 0.1917. 0.0759. 0.4203. 700,168. 台北北投. 0.2018. 0.1051. 0.2514. 0.2093. 0.1296. 0.5907. 3289,176. 桃園大溪. 0.2809. 0.3220. 0.1631. 0.5603. 0.2920. 0.3532. 1596,343. 宜蘭礁溪. 0.046. 0.0013. -0.0579. -0.0610. 0.4105. 0.0619. 864,921. 南投集集. 0.1850. 0.0825. 0.1665. 0.2625. 0.2176. 0.6304. 1866,333. 40.

(48) 台中大甲. 0.3335. 0.5274. 0.2361. 0.1938. 0.1662. -0.0178. 3441,349. 彰化鹿港. 0.3712. 0.0222. 0.2025. 0.1344. 0.2157. 0.6368. 691,888. 台南安平. 0.3037. -0.0707. 0.0305. 0.1200. 0.2451. 0.5275. 1719,248. 高雄美濃. 0.3786. 0.2269. 0.3190. 0.3769. 0.2223. 0.5521. 2562,017. 台北信義. 0.4038. 0.1059. 0.1923. 0.1784. 0.1565. 0.5028. 3377,389. 註：粗體斜線部分為為 Cosine 值最高的選項。. 在Word to vector的結果中，因為所使用的語料庫是痞客邦Pixnet的網誌，涵蓋的內容多是與遊記、個人感受有關的內容，因此用Word to vector做形容詞關聯性的結果多半是和描述感受、建築等有關的形容詞。. 二、城市圖片庫樣本選取及Colorthief擷取顏色結果經由Google搜尋引擎以及Word to vector結果之關鍵形容詞，以地名加上形容詞的形式在Google搜尋引擎作圖片搜尋，剔除雜訊圖片後的前100張圖片作為城市圖片庫，並使用Colorthief擷取出圖片前十大主色，結果整理如下表4-4。表 4-4 城市圖片庫及擷取顏色結果表. Google搜尋結果城市-形容詞. 城市圖片庫. Colorthief結果. 新北瑞芳-傳統. 台北北投-傳統. 41.

(49) 桃園大溪-風格. 宜蘭礁溪-風格. 南投集集-傳統. 台中大甲-傳統. 彰化鹿港-傳統. 台南安平-傳統. 42.

(50) 高雄美濃-傳統. 台北信義-風格. Word to vector結果城市-形容詞. 城市圖片庫. Colorthief結果. 新北瑞芳-熱鬧. 台北北投-熱鬧. 桃園大溪-幽雅. 43.

(51) 宜蘭礁溪-樸實. 南投集集-熱鬧. 台中大甲-風格. 彰化鹿港-熱鬧. 台南安平-熱鬧. 高雄美濃-熱鬧. 44.

(52) 台北信義-熱鬧. 由上表可以看出，擷取的顏色中，相似的部分佔了一定的比例，有深棕色、黑色、膚色等，因為圖片樣本中拍攝者的時間、場景、視角等皆會影響，像是有夜晚的天空、人臉、公告訊息等，故需要過濾機制將混濁色過濾。. 三、過濾並建立城市色彩組合分別將Google搜尋以及Word to vector之結果所定義十個城市的關鍵形容詞，對應至CIS中該形容詞的色票，並且使用CIE DE2000公式計算色差，每組色差選取最小色差的兩色作為該城市的色彩組合，結果整理如下表4-5。表 4-5 城市色彩過濾結果. Google搜尋結果城市-形容詞. CIS色票. 新北瑞芳-傳統. 台北北投-傳統. 45. 過濾結果.

(53) 桃園大溪-風格. 宜蘭礁溪-風格. 南投集集-傳統. 台中大甲-傳統. 彰化鹿港-傳統. 46.

(54) 台南安平-傳統. 高雄美濃-傳統. 台北信義-風格. Word to vector結果城市-形容詞. CIS色票. 新北瑞芳-熱鬧. 台北北投-熱鬧. 47. 過濾結果.

(55) 桃園大溪-幽雅. 宜蘭礁溪-樸實. 南投集集-熱鬧. 台中大甲-風格. 彰化鹿港-熱鬧. 48.

(56) 台南安平-熱鬧. 高雄美濃-熱鬧. 台北信義-熱鬧. 49.

(57) 第二節問卷調查資料分析與討論本研究使用網路問卷調查以評估自動化色彩組合之結果，以下將依統計具體數據做分析與討論。. 一、問卷信度分析信度分析主要是依據Cronbach’s Alpha係數值衡量問卷的穩定性和一致性，本研究一共回收131份問卷，剔除無效問卷後共得105份問卷，整理如表4-6所示，本研究的問卷信度皆達標準0.7以上，表示問卷結果具有可信度。表 4-0-6 網路問卷信度分析檢驗. Cronbach’s Alpha. 項目. 0.705 0.746. 10 10. Google搜尋 Word to vector. 二、色彩組合滿意度網路問卷調查結果，以Google搜尋關鍵形容詞及Word to vector的結果整理如下表4-7。表 4-7 色彩組合滿意度. Google搜尋結果量表色彩. 1. 2. 3. 4. 5. 眾數. 新北瑞芳-傳統. 1.9%. 12.4%. 31.4%. 48.6%. 5.7%. 4. 台北北投-傳統. 3.8%. 18.1%. 40.0%. 32.4%. 5.7%. 3. 桃園大溪-風格. 1.9%. 17.1%. 31.4%. 37.1%. 12.4%. 4. 宜蘭礁溪-風格. 1.0%. 9.5%. 30.5%. 45.7%. 13.3%. 4. 南投集集-傳統. 5.7%. 7.6%. 24.8%. 48.6%. 13.3%. 4. 台中大甲-傳統. 1.9%. 6.7%. 31.4%. 51.4%. 8.6%. 4. 組合. 50.

(58) 彰化鹿港-傳統. 1.0%. 6.7%. 22.9%. 45.7%. 23.8%. 4. 台南安平-傳統. 3.8%. 16.2%. 41.0%. 33.3%. 5.7%. 3. 高雄美濃-傳統. 1.0%. 5.7%. 30.5%. 50.5%. 12.4%. 4. 台北信義-風格. 4.8%. 17.1%. 40.0%. 29.5%. 8.6%. 3. Word to vector 量表. 1. 2. 3. 4. 5. 眾數. 新北瑞芳-熱鬧. 4.8%. 27.6%. 44.8%. 21.9%. 1.0%. 3. 台北北投-熱鬧. 1.9%. 22.9%. 38.1%. 34.3%. 2.9%. 3. 桃園大溪-幽雅. 1.9%. 18.1%. 40.0%. 34.3%. 5.7%. 3. 宜蘭礁溪-樸實. 2.9%. 22.9%. 28.6%. 32.4%. 13.3%. 4. 南投集集-熱鬧. 4.8%. 35.2%. 41.9%. 17.1%. 1.0%. 3. 台中大甲-風格. 6.7%. 29.5%. 44.8%. 16.2%. 2.9%. 3. 彰化鹿港-熱鬧. 6.7%. 38.1%. 32.4%. 21.9%. 1.0%. 2. 台南安平-熱鬧. 3.8%. 19.0%. 42.9%. 29.5%. 4.8%. 3. 高雄美濃-熱鬧. 1.9%. 28.6%. 39.0%. 26.7%. 3.8%. 3. 台北信義-熱鬧. 4.8%. 18.1%. 40.0%. 29.5%. 7.6%. 3. 色彩組合. Ｎ=105 根據上表，Google搜尋結果滿意度大多座落在3-5分之間，其中彰化鹿港-傳統的5分比例甚至高達23.8%，城市圖片樣本庫中，鹿港傳統的產物、建築以及傳統小吃佔了大多數，Colorthief擷取的結果比起其他城市比較多不同顏色。Word to vector 的結果滿意度座落在2-3分，明顯低於Google搜尋的關鍵形容詞，從關鍵形容詞搜尋到城市圖片庫樣本中，有比較多人像照、民宿照，Colorthief的擷取結果比較多混濁的顏色。. 51.

(59) 三、不同性別受測者評估自動化城市色彩組合之差異分析不同性別受測者在這兩個方法上皆沒有顯著差異性，Google搜尋結果的關鍵形容詞平均數座落在3；Word to vector結果的關鍵形容詞平均數則座落在2居多，數據結果整理如下表4-8。表 4-8 不同性別受測者結果. Google搜尋結果城市-形容詞新北瑞芳-傳統台北北投-傳統桃園大溪-風格宜蘭礁溪-風格南投集集-傳統台中大甲-傳統彰化鹿港-傳統台南安平-傳統高雄美濃-傳統台北信義-風格. 性別. N. 平均數. 男. 58. 3.224. 女. 47. 3.702. 男. 58. 3.138. 女. 47. 3.234. 男. 58. 3.448. 女. 47. 3.362. 男. 58. 3.638. 女. 47. 3.574. 男. 58. 3.621. 女. 47. 3.489. 男. 58. 3.534. 女. 47. 3.638. 男. 58. 3.862. 女. 47. 3.830. 男. 58. 3.121. 女. 47. 3.319. 男. 58. 3.759. 女. 47. 3.574. 男. 58. 3.224. 女. 47. 3.170. 性別. N. 平均數. 男. 58. 2.862. 女. 47. 2.872. 男. 58. 3.293. Word to vector 城市-形容詞新北瑞芳-熱鬧台北北投-熱鬧. 52.

(60) 桃園大溪-幽雅宜蘭礁溪-樸實南投集集-熱鬧台中大甲-風格彰化鹿港-熱鬧台南安平-熱鬧高雄美濃-熱鬧台北信義-熱鬧. 女. 47. 2.936. 男. 58. 3.448. 女. 47. 2.979. 男. 58. 3.310. 女. 47. 3.298. 男. 58. 2.793. 女. 47. 2.681. 男. 58. 2.810. 女. 47. 2.766. 男. 58. 2.793. 女. 47. 2.638. 男. 58. 3.172. 女. 47. 3.064. 男. 58. 3.155. 女. 47. 2.851. 男. 58. 3.172. 女. 47. 3.170. 53.