基于Photo Sphere Viewer的轻量化可量测街景系统研究

随着新型基础测绘体系发展,测绘技术和装备不断升级,大量街景数据随着车载激光扫描工作一并被采集。针对该数据路线随机性大、密集程度高等特点,以及传统街景地图系统插件受限、扩展性不强、无法量测等局限,本文设计了基于Photo Sphere Viewer的轻量化可量测街景系统,在开源插件的基础上实现了对其组件的扩充、实现了行进方向、地图交互等系统功能的设计优化,进一步实现了基于深度图的街景地图量测功能。生产作业队伍对系统的使用结果表明,该系统可以辅助生产作业队伍进行属性采集、纹理更新、数据检查等多项工作,操作灵活便捷,且具有较强的可扩展性,便于基于生产需求进行改进调整,提高了生产效率,为新型基础测绘成果进一步深化应用提供了良好的借鉴作用。

基于机器学习和街景图像的历史城区店招色彩量化研究——以苏州为例

店招色彩是城市风貌的重要组成元素,特别是风貌重点管控的历史城区。文章运用机器学习技术和街景图像数据,以苏州历史城区为例,基于“传统建筑一管控建筑一现代建筑”3个尺度构建一套历史城区店招色彩的评价方法。该方法以街道为单位识别不同类型建筑的店招主导色彩并对街道的店招色彩协调度进行评价。通过筛选协调度较高和较低的街道,分析其店招色彩特点,提出历史城区店招色彩量化管控的依据。该方法可为历史城区店招的精细化更新管控提供技术支持。

利用DeepLabv3+模型提取分析街景图像绿视率——以北京三环内为例

基于语义分割模型的绿视率提取缺乏适用性研究,本文首先基于DeepLabv3+语义分割预训练模型和自主标注样本,采用迁移学习策略,构建街景图像语义分割模型,并对其进行精度验证。然后基于构建的街景图像语义分割模型提取计算北京三环内绿视率(GVI),分析点、线尺度下绿视率空间分布特征。结果表明:①相比DeepLabv3+语义分割预训练模型,迁移学习后模型F1值和mIoU值分别提高了7%和3%;②点状尺度上北京三环内绿视率整体呈“西高东低,北高南低”聚类式分布特征,0~0.15区间内街景采样点GVI约占58.1%;③线状尺度上整体呈“环线低环内高”且中心发散式特征分布,0~0.15区间内研究区道路GVI约占59.8%。该研究对于提升城市街道绿化感知程度和城市空间规划具有重要的参考意义。

基于SE-Mask-RCNN建筑遗产识别与空间可视化分析

传统建筑是中国宝贵的建筑遗产,承载着优秀的民族建筑文化,是反映城市特色风貌的重要指标。现阶段深度学习识别建筑物的技术相对成熟,但使用街景图片识别建筑遗产并进行地图可视化展示的研究较少,因此,本研究基于Mask-RCNN(mask region-based convolutional neural network)模型,融合SE(squeeze and excitation)注意力机制,提出一种基于SE-Mask-RCNN识别街景图片中建筑遗产的方法。首先,通过路网数据获取百度街景图片,制作数据集。其次,在模型的残差网络(residual network,ResNet)中引入SE注意力机制;并与已有相关方法 U-net(u-shaped network)、全卷积网络(fully convolutional network,FCN)、Mask-RCNN三种模型进行实验对比评价。最后,使用本方法识别研究区域内的街景图片,形成可视化地图,分析建筑遗产在空间上的分布情况。结果表明,本方法可以有效识别城市中的建筑遗产,识别结果较Mask-RCNN、U-Net、FCN模型分别提高了2%、3.1%、4.7%,证明了本方法对城市中建筑遗产的识别具有可靠性和有效性。研究成果可为建筑遗产保护及现状调查提供依据。

基于大规模街景图像的武汉市历史文化风貌街区色彩控制研究

街道色彩是城市风貌特色的一个重要组成部分,尤其是在承载着独特色彩信息的历史文化风貌街区。然而,在现有的历史文化风貌街区色彩调查方法与评价技术中,存在着色彩样本数量少、人工成本高、宏观控制无法深入到街道尺度、色彩量化指标不明晰等问题。该文以武汉市历史文化风貌街区为例,依托大规模街景图像数据,利用算法提取街区主色并构建合理的色彩评价模型,可为历史文化风貌街区的色彩控制与修复提供引导。

基于多源数据的街道空间绿化品质测度与设计提升——以福州市鼓楼区为例

街道空间绿化的品质对居民尤其是行人的生活质量至关重要,但由于传统的研究方法受到数据获取及收集难度的影响,相关研究多为定性描述。文章选取福州市鼓楼区作为研究对象,利用卫星遥感影像、腾讯街景数据和手机信令数据等多种数据源,结合传统的遥感解译方法,对比分析了鼓楼区的街道绿视率和植被覆盖率在空间分布上的差异性,并进一步将结果与鼓楼区分时段的人群分布情况耦合,最终基于人本视角提出了优化街道空间绿化品质的设计提升策略。

多源数据支持下城市滨水区空间品质测度及影响因素研究

城市滨水区的空间品质是城市发展建设水平的重要标志,传统的空间品质研究存在空间尺度较小、主观性较强、研究角度单一等问题。基于Open Street Map路网数据、百度地图街景数据与百度地图POI数据,结合机器学习技术对上海苏州河沿岸地区空间品质进行测度,使用MGWR2.2.1软件建立空间品质影响因素的多尺度地理加权回归模型。结果表明:研究区内普陀区西部、长宁区西部和静安区苏河北岸空间品质较低,应作为未来重点提升的区域;休闲业态在研究区内分布不均衡,空间配置应调整优化;研究区东部适合通过植树、修建步道、开辟步行街等方式提升空间品质,西部应着重发展餐饮、购物、娱乐等休闲消费业态。研究结果可为苏州河沿岸地区空间品质优化提供参考。

基于街景目标检测的城市人群活动研究——以武汉市汉正街为例

近年来,机器学习、计算机视觉等课题与其他学科之间的联动愈加频繁,在建筑学、城市空间的研究中起到跳板式的作用。本研究使用Mask-RCNN目标检测算法,对武汉市汉正街地区街景图像中的“板车工”人群进行图像分析与统计研究,统计全局街景图中检测到的目标数量,研究“板车工”人群活动特征及其面临的交通压力,以及反映出的城市空间使用问题。通过此类人群活动的数据化与可视化成果,提出指导城市设计中对于重点区域的选择,同时提出对用于城市研究的检测模型应当增加“人—物”的组合标签,以适用复杂的人群活动研究。

顾及多模态数据特征关联的城市功能区识别方法——以武汉市为例

城市功能区在城市化建设当中扮演着重要的角色,城市功能区建模与分析对于规划城市土地布局和优化土地利用模式有着重要意义。目前在城市功能区建模与分析的研究中,仍存在多模态数据利用率低、关联特征损失大的问题,这导致难以精确捕捉城市空间结构信息。因此,本研究以武汉市中心区域为例,基于街景影像数据和兴趣点数据构建城市功能区识别方法。首先,将研究区域划分为500 m×500 m的格网单元,运用自然语言模型、深度学习、空间插值等方法来提取多维度的城市功能特征;其次,利用核典型相关分析方法提取多模态数据的关联特征,分析不同共享空间维度和相关性的关系;最后,基于建成环境特征、社会经济语义特征、拼接特征及关联特征的多维度特征构建随机森林功能区识别模型,并分别与两种常用数据模态进行对比评价。结果表明,本方法相较于没有顾及关联特征的模型准确度提高了3.4%。研究成果可为政府决策规划、城市发展评估提供帮助,推动城市化建设。

基于遗传算法的淄博市主干道绿视率测算和评价

为了提升绿视率测算精度、找出影响绿视率大小的因素和提升道路绿视率的措施,以淄博市主干道作为研究对象,以绿视率作为道路绿化效果的评价指标。首次利用遗传算法筛选清晰、无遮挡的街景图片,使用MATLAB软件计算绿视率,通过ArcMap软件,对淄博市道路绿化效果量化评价。研究结果表明,淄博市绿视率平均值达到20.483%。低水平和一般水平的采样点主要是路面宽度较宽和绿化模式搭配不合理导致;建立绿化模式与道路类型的关系表,疏林灌木式对绿视率的提升显著,更加适合城市道路绿化。车道数的绿视率对比情况为:双向双车道>双向三车道>双向单车道>双向四车道。道路设置非机动车道与机动车道的隔离绿化带,绿化带采用疏林灌木式,将对提升绿视率效果显著。

多源数据视角下城市街道空间活力测度

街道是城市空间的重要组成部分之一,而街道空间活力则是衡量城市街区空间品质的重要指标.本文基于前人研究,在概念层面重新界定了城市街道空间活力,并从外在表征与内在构成要素两方面构建了城市街道空间活力的定量测度框架,使用Pearson相关性分析探索城市街道空间活力外在表征与内在构成要素的影响关系.通过对合肥市政务区的实证研究发现:(1)不同时刻街区内的行人具有不同的空间分布规律;(2)城市街道空间活力的外在表征与绿视率、界面围合度、界面丰富度、相对步行道宽度、商业设施便利度、公共服务设施便利度、文化设施便利度等内在构成要素之间具有显著影响;(3)街道空间活力的外在表征与内在构成要素的影响程度随时间而改变.合理的空间功能布局与精细化空间环境设计,是高效组织人群、提升街道活力的关键.

顾及街景信息的城市交通违法行为影响因素分析

以2017年福州市交通违法数据为例,综合利用街景、路网和兴趣点等数据,构建三类地理环境特征指标体系,利用多元线性回归、岭回归模型和地理探测器,定量分析地理环境特征指标与城市交通违法行为之间的关系。结果表明:绿地广场用地、商服设施用地、交通服务设施密度、人车空间配比、道路拥挤指数与机动车交通违法行为关系密切,解释程度超过50%;居住用地、交叉口密度、公共管理与公共服务用地与非机动车交通违法行为关系密切,解释程度超过30%;公共管理与公共服务用地对两种典型交通违法行为的影响均较大,而土地利用熵、交叉口密度对行人和非机动车违反交通信号灯通行违法行为的影响更强;地理环境特征指标对不同交通违法行为解释程度的差异随着违法区域和违法类型等属性的变化而变化;街景数据所反映的局部空间环境因素提高了对机动车违法行为的解释程度,但对非机动车违法行为不明显。

地理信息服务平台数据更新方法的研究与应用

为了满足用户实时访问和使用需求,数据更新是确保地理信息服务平台长期有效运行的一个不可或缺的因素。针对空间数据、全景与街景数据提出了变化信息发现方法和数据更新方法,采用几何匹配和影像对比发现变化信息,通过整体、局部、点线面等方式进行数据更新,确保数据更新实时、准确、高效,保证地理信息服务平台内容的时效性。

天津地铁站域建成环境评价与指标相关分析--以复兴门站为例

地铁作为重要城市交通,站域周边建成环境值得关注。通过街景数据与机器学习提取各环境因子可视率,并通过网络数据提取特定区域POI和其使用特征,进行基于人本视角的指标测度分析。以复兴门站为例,与天津市内六区其他地铁站进行对比研究,建立建成环境评价体系,分析各指标相互影响的规律。结果表明POI的使用与建筑空间分布相关,自然空间与人们的使用存在割裂,导致该地铁站点周边地块空间使用同站点本身关联性不强。这为后续该站域的城市设计与空间优化提供支持和建议。

基于街景图像的街道空间品质探究——以青岛市市北区为例

中国城镇化进程在过去的几十年间不断加快,然而当快速扩张的“增量模式”开始向注重质量的“存量模式”发展时,一系列城市问题开始逐渐被暴露出来。城市公共空间的问题主要围绕街道展开,街道空间品质成为当下关注的焦点。大数据为当前的研究提供了更为科学严谨的研究方法。文章使用OSM城市路网数据、街景图像数据作为数据源,以青岛市北区为例,试图从大尺度范围探究城市街道的空间品质,以期为城市街道研究提供帮助。

深度学习驱动街道更新的研究进展

在学科交叉融合发展的背景下,深度学习被学者引入人居环境研究领域,为街道更新提供了新的科学分析方法。以中国知网(CNKI)为数据源,利用CiteSpace可视化文献分析软件对2006—2022年国内外深度学习技术驱动街道更新的研究进展进行分析。结果表明,在城市体检工作的推动下,国内机构相关研究进展较快,近年研究热点主要为街景图像利用、识别算法设计和街道安全性评估。深度学习技术运用于街道更新前期分析的可行性已得到实践验证。技术层面上,扩展数据来源与提高分析精度是深度学习技术的发展趋势;应用层面上,基于深度学习的规划方案智能化生成技术具有广阔的应用前景。

城市尺度下的建筑色彩定量化测度——基于街景数据与机器学习的人本视角分析

新时期城市设计的人本化转型,催生了对于城市尺度下建筑色彩的一系列导控实践。研究针对以往建筑色彩分析难以在大尺度下高效开展的问题,结合街景数据和机器学习,提出了人本视角下的大规模、精细化分析方法。解决了以往建筑色彩分析拘泥于手工小样本采集,难以大范围运用的问题,可快速实现建筑色彩分析与主导色提取,为相关实践提供科学化建议。该分析方法运用开源易得的街景数据,实现了建筑色彩这一难以测度要素的精细化度量,在实践中具有较好的普适性和易用性。

基于Android平台的街景采集系统的研究

随着国民经济的发展、人们生活水平的提高,城市各街道的商铺、建筑物等更替速度越来越快,更新缓慢的街景地图服务已经无法满足日常生活的需求。专业的街景采集存在成本高、见效周期长、盈利性差、更新速度慢等诸多弊端。随着智能手机的广泛使用和手机像素的不断提高,街景采集工作出现了新的方式。本文以基于Android平台的街景数据采集系统为研究对象,对目前国内街景采集的现状进行了详细研究,设计数据库构架并阐述了在Android手机上建立库的流程。并以Eclipse为开发平台,利用Android SDK、高德地图SDK、ADT等插件,采用嵌入式开发方法,在Android手机上实现街景数据的采集、本地街景数据的存储管理和GIS的相关功能。

基于MMS街景的导航数据采集方法研究

本文利用MMS街景数据,结合基础地理信息数据进行导航数据的采集、加工与整理。主要分析了街景数据的特点和数据采集中的关键技术,阐述了基于街景数据的导航数据的采集流程,并介绍了该技术方法在江苏省电子导航地图数据库建设项目的应用情况。

基于街景图像的街道空间步行品质评价研究

城市空间步行品质是城市设计研究的核心问题之一,传统的研究方法多基于现场调研。街景图像具有覆盖范围广、人本尺度街道信息精度高、数据采集成本低的特征,从而为城市空间步行品质评价提供了新的研究思路。本文首先回顾了街景图像在街道空间宜步行性研究中的发展历程,进而梳理了新数据环境和技术环境下基于街景图像的街道空间步行品质评价方法和应用研究,并对未来研究进行了展望。