自采集街景数据下历史街区空间品质量化研究

探究云南省香格里拉市独克宗古城历史文化街区空间品质现状,提出改善对策。基于自采集的11814张街景图片,量化评估古城空间品质,分析空间失序、绿视率、天空率等指标。发现空间环境较好的样本占8.98%,较差的占33.3%,绿视率低,建筑风貌不突出,路面铺装单一,停车混乱。对提升民族地区历史文化街区空间品质有较好的借鉴和指导作用,通过量化测度和微改造介入,可针对性优化绿化、停车和建筑风貌,提升古城空间品质。

基于自采集街景和深度学习的北京骑行环境风险评估

根据中国自行车协会的最新数据,截至2022年,中国电动自行车的保有量已攀升至3.5亿辆,逐渐成为众多市民的首选出行方式。然而,传统自行车与新型电动自行车的大规模并行使用,无疑加剧了骑行环境的安全风险。现有研究缺乏针对骑行环境安全评价的指标体系,无法对骑行环境中的潜在风险进行量化分析。在此背景下,本研究聚焦北京市四环内骑行环境的现状,以自采集的方式获取了北京四环内2963.4公里道路共116107张骑行图像作为数据基础,构建了一套包含12项风险因素的指标体系,并确定各风险因素的权重,以进行加权计算得到风险指数,最后构建计算机视觉模型识别各风险因素,并对识别结果进行聚类。本研究还在梳理北京市近年来慢行交通政策的基础上,结合风险因素识别结果,为未来北京市骑行环境建设提供了建议与参考。