基于深度学习街景影像解译和景感生态学的视域环境定量解读
发布时间：2021-08-30 12:15
城市物理环境带给居民丰富而生动的视觉意象,目前许多文献结果表明其宜人性与公共福祉以及健康状况息息相关。景感生态为探究城市物理环境与居民感知信息之间的联系提供了指导依据,通过人本尺度的定量手段解读城市环境中视觉、听觉和味觉等多维度感知信息。秉承景感生态学的基本原理,引入一种结合街景大数据和深度学习的城市环境量化手段,以北京市六环范围为例,将景感视率作为测度对人本视角下的城市环境展开定量解读。在全面把控多维景感要素的同时,旨在实现以人为本的城市物理环境优化设计,从而满足人们对生活品质提升的实际需求。实验结果显示:（1）从视觉感受的宏观表现来看,北京四环路范围内建成环境的"闭合感"较强,而对绿植的感知程度相对偏弱,因而需要开展存量环境设计并优化视域界面结构;（2）以景感视率作为特征值进行聚类得出3类主导空间（绿色空间、灰色空间和蓝色空间）,可针对灰色空间着重部署垂直绿化资源,提高城市视觉绿化的可感知性,从而营造舒适宜人的绿色氛围、促进公众身心健康;（3）为景感生态学提供了基于大数据思维的数据集和定量方法补充。综上,以街景影像和景感生态视角对北京市中心城区的视域环境展开定量分析,采用了先进的深...
【文章来源】：生态学报. 2020,40(22)北大核心CSCD
【文章页数】：8 页
【部分图文】：
研究区范围
首先,文中街景视觉信息解译技术采用了目前十分先进的Detectron2深度学习框架。得益于深度卷积神经网络对图像中复杂多维特征的学习和识别能力[26],该框架能够识别、框选前景物体(行人、汽车、路标等)同时分割背景环境(天空、植被和建筑物等),量化其所占图像比例(如图2所示),更为精确的量化城市空间的视觉景感(简称为“视感”)。通过耦合多种预训练模型集成了关键点检测、人体姿态评估、目标识别、语义分割多个模块,能够在单次计算的过程中同时解决多个业务目标。本文利用该框架对街景影像进行批量解析,并计算出每一张影像中的视感要素(指人类视觉尺度可以捕捉到的某一类物体)占比。其次,本文通过网络爬虫技术获取了北京市沿路街景数据,样本间隔为100 m,每一个样点对应一张360°街景全景影像(由六张等间距街景表征)用以全面覆盖人本视角下的景感空间(示例街景影像及其解译结果如下图3所示),最后共筛选出摄于2015年4月至10月的约33.6万张影像(56000个全景样点),每一张图像的长宽像元数均为600。爬虫软件的代码编写参考了Zhang的研究,最后实现了对海量街景数据的自动化获取[27]。每一张街景影像都包含了拍摄时的地理坐标,用以表征该地理位置的城市视觉环境。文中涉及到的脚本程序均由Python语言编写,地图可视化和空间分析工作则主要使用了ArcGIS 10.5。
其次,本文通过网络爬虫技术获取了北京市沿路街景数据,样本间隔为100 m,每一个样点对应一张360°街景全景影像(由六张等间距街景表征)用以全面覆盖人本视角下的景感空间(示例街景影像及其解译结果如下图3所示),最后共筛选出摄于2015年4月至10月的约33.6万张影像(56000个全景样点),每一张图像的长宽像元数均为600。爬虫软件的代码编写参考了Zhang的研究,最后实现了对海量街景数据的自动化获取[27]。每一张街景影像都包含了拍摄时的地理坐标,用以表征该地理位置的城市视觉环境。文中涉及到的脚本程序均由Python语言编写,地图可视化和空间分析工作则主要使用了ArcGIS 10.5。最后,街景影像数据及解译技术均为量化视觉层面感知提供服务,通过海量街景影像和解译框架能够自动地计算景感视率指标。本文对景感视率(Landsenses View Factor, LVF)指标的定义为:某一物理环境要素像元数(如树木、汽车、围墙、天空等景感要素)占街景影像总像元数的比例,代表了公众位于物理环境所能观察到的某一景感要素的概率或感知程度。通过探索性数据分析发现,绿色植被、天空和人工建筑要素占全部影像的比例均值之和高于0.66,可判断它们为主导型景感视率。因此,本文侧重对主导型要素,即绿色植被、天空和人工建筑三大城市环境要素展开定量评估,对应指标名称分别为景感绿视率(Landsenses Greenery View Factor, LGVF)、景感天视率(Landsenses sky View Factor, LSVF)和景感建筑视率(Landsenses Building View Factor, LBVF)。
【参考文献】：
期刊论文
[1]基于深度学习模型的遥感图像分割方法[J]. 许玥,冯梦如,皮家甜,陈勇. 计算机应用. 2019(10)
[2]基于绿色宜居理念的城市生态规划思考[J]. 蒋羿. 城市建筑. 2019(14)
[3]基于街景图像的城市环境评价研究综述[J]. 张丽英,裴韬,陈宜金,宋辞,刘小茜. 地球信息科学学报. 2019(01)
[4]城市研究中的计算机视觉应用进展与展望[J]. 刘伦,王辉. 城市规划. 2019(01)
[5]城乡交错带景感生态规划的基本思路与实现[J]. 石龙宇,赵会兵,郑拴宁,于天舒,董仁才. 生态学报. 2017(06)
[6]街道绿化:一个新的可步行性评价指标[J]. 郝新华,龙瀛. 上海城市规划. 2017(01)
[7]街道空间品质的测度、变化评价与影响因素识别——基于大规模多时相街景图片的分析[J]. 唐婧娴,龙瀛,翟炜,马尧天. 新建筑. 2016(05)
[8]基于地理参考照片的景区游客时空行为研究[J]. 李春明,王亚军,刘尹,董仁才,赵景柱. 旅游学刊. 2013(10)
[9]关于生态文明建设与评价的理论思考[J]. 赵景柱. 生态学报. 2013(15)
[10]城市空间形态紧凑度模型构建方法研究[J]. 赵景柱,宋瑜,石龙宇,唐立娜. 生态学报. 2011(21)
本文编号：3372760
【文章来源】：生态学报. 2020,40(22)北大核心CSCD
【文章页数】：8 页
【部分图文】：
研究区范围
首先,文中街景视觉信息解译技术采用了目前十分先进的Detectron2深度学习框架。得益于深度卷积神经网络对图像中复杂多维特征的学习和识别能力[26],该框架能够识别、框选前景物体(行人、汽车、路标等)同时分割背景环境(天空、植被和建筑物等),量化其所占图像比例(如图2所示),更为精确的量化城市空间的视觉景感(简称为“视感”)。通过耦合多种预训练模型集成了关键点检测、人体姿态评估、目标识别、语义分割多个模块,能够在单次计算的过程中同时解决多个业务目标。本文利用该框架对街景影像进行批量解析,并计算出每一张影像中的视感要素(指人类视觉尺度可以捕捉到的某一类物体)占比。其次,本文通过网络爬虫技术获取了北京市沿路街景数据,样本间隔为100 m,每一个样点对应一张360°街景全景影像(由六张等间距街景表征)用以全面覆盖人本视角下的景感空间(示例街景影像及其解译结果如下图3所示),最后共筛选出摄于2015年4月至10月的约33.6万张影像(56000个全景样点),每一张图像的长宽像元数均为600。爬虫软件的代码编写参考了Zhang的研究,最后实现了对海量街景数据的自动化获取[27]。每一张街景影像都包含了拍摄时的地理坐标,用以表征该地理位置的城市视觉环境。文中涉及到的脚本程序均由Python语言编写,地图可视化和空间分析工作则主要使用了ArcGIS 10.5。
其次,本文通过网络爬虫技术获取了北京市沿路街景数据,样本间隔为100 m,每一个样点对应一张360°街景全景影像(由六张等间距街景表征)用以全面覆盖人本视角下的景感空间(示例街景影像及其解译结果如下图3所示),最后共筛选出摄于2015年4月至10月的约33.6万张影像(56000个全景样点),每一张图像的长宽像元数均为600。爬虫软件的代码编写参考了Zhang的研究,最后实现了对海量街景数据的自动化获取[27]。每一张街景影像都包含了拍摄时的地理坐标,用以表征该地理位置的城市视觉环境。文中涉及到的脚本程序均由Python语言编写,地图可视化和空间分析工作则主要使用了ArcGIS 10.5。最后,街景影像数据及解译技术均为量化视觉层面感知提供服务,通过海量街景影像和解译框架能够自动地计算景感视率指标。本文对景感视率(Landsenses View Factor, LVF)指标的定义为:某一物理环境要素像元数(如树木、汽车、围墙、天空等景感要素)占街景影像总像元数的比例,代表了公众位于物理环境所能观察到的某一景感要素的概率或感知程度。通过探索性数据分析发现,绿色植被、天空和人工建筑要素占全部影像的比例均值之和高于0.66,可判断它们为主导型景感视率。因此,本文侧重对主导型要素,即绿色植被、天空和人工建筑三大城市环境要素展开定量评估,对应指标名称分别为景感绿视率(Landsenses Greenery View Factor, LGVF)、景感天视率(Landsenses sky View Factor, LSVF)和景感建筑视率(Landsenses Building View Factor, LBVF)。
【参考文献】：
期刊论文
[1]基于深度学习模型的遥感图像分割方法[J]. 许玥,冯梦如,皮家甜,陈勇. 计算机应用. 2019(10)
[2]基于绿色宜居理念的城市生态规划思考[J]. 蒋羿. 城市建筑. 2019(14)
[3]基于街景图像的城市环境评价研究综述[J]. 张丽英,裴韬,陈宜金,宋辞,刘小茜. 地球信息科学学报. 2019(01)
[4]城市研究中的计算机视觉应用进展与展望[J]. 刘伦,王辉. 城市规划. 2019(01)
[5]城乡交错带景感生态规划的基本思路与实现[J]. 石龙宇,赵会兵,郑拴宁,于天舒,董仁才. 生态学报. 2017(06)
[6]街道绿化:一个新的可步行性评价指标[J]. 郝新华,龙瀛. 上海城市规划. 2017(01)
[7]街道空间品质的测度、变化评价与影响因素识别——基于大规模多时相街景图片的分析[J]. 唐婧娴,龙瀛,翟炜,马尧天. 新建筑. 2016(05)
[8]基于地理参考照片的景区游客时空行为研究[J]. 李春明,王亚军,刘尹,董仁才,赵景柱. 旅游学刊. 2013(10)
[9]关于生态文明建设与评价的理论思考[J]. 赵景柱. 生态学报. 2013(15)
[10]城市空间形态紧凑度模型构建方法研究[J]. 赵景柱,宋瑜,石龙宇,唐立娜. 生态学报. 2011(21)
本文编号：3372760
本文链接：https://www.wllwen.com/jingjilunwen/jianzhujingjilunwen/3372760.html
