[发明专利]基于街景图片的城市景观要素分类及地方性度量方法

说明书

本发明公开了一种基于街景图片的城市景观要素分类及地方性度量方法。首先对城市的街景图片数据进行365个小类的场景分类，并构建一套地方性景观要素的分类体系来实现场景的重新分类；其次，依照该分类体系从地方性值和相似性值两个角度测度各城市的地方性水平；最后，将分类后的景观要素与道路通达性、设施密集性、功能多样性等空间要素进行耦合分析，对城市地方性的变化过程与作用机制进行刻画，以判断影响地方性差异和地方性相似的景观要素类型。这对城市具有自然特质和文化特性的地方性景观设计、营造、维持和复兴提供规划测度手段，并为城市景观的地方性传承、创造性转化、创新性发展提供新的综合规划方法。

技术领域

本发明涉及信息技术、城市规划、文化地理等技术领域，尤其涉及一种基于街景图片的城市景观要素分类及地方性度量方法。

背景技术

依托于海量照片数据，互联网大数据时代产生了大量基于图片内容分析的城市研究，在内容挖掘上也越来越深入，从早期局限于旅游领域的景观偏好、游客行为、旅游目的地意向等问题的分析技术，到利用数据挖掘技术方法分析图片元数据信息，再发展到现在基于地理标签照片数据的研究。在城市景观意象和地方性特征构建的过程中，照片作为人类文明进程中容量最大的信息媒介之一，其作用不可忽视，而城市街景图片更是城市客观地理环境直观的记录者，成为地理标签照片数据中得到广泛应用的数据源。

城市街景是基于人的视角记录了城市街道层级的景象，它捕获到的是城市街道所显示的立体剖面视图，且能以精细化尺度再现人在地面上所看到或感受到的景象，比如道路平整度、路面清洁度、树木垂直结构、街道连续性以及天空开敞度等感官指标。城市街景作为视觉景观的重要载体，照片所反映地点的主观感知和体验，不仅为地点形象的描画提供了新的视角，也一定程度上反映了隐喻的象征性文化结构，即地方性。城市作为形状和功能不同的视觉实体，有关城市的内容图片便是城市视觉景观的直接且适宜的反映，并能一定程度上代替耗时又耗力的城市环境现场观测工作，尤其在较大区域范围内的城市研究上具有无可比拟的优势。

相比遥感影像和社交平台地理标记照片数据等其它数据源，城市街景图片数据具有如下优势：1)详细记录城市街道层面的环境情况。街景图片以行人的视角详细且系统地记录了城市街道级别的景象，包含了城市道路、基础设施、绿化景观、城市立面等丰富的信息要素，能够较为准确地反映城市环境的基本情况。2)街景图片空间覆盖范围广、数据量大。其中，谷歌街景覆盖了114个国家及地区的范围，腾讯街景覆盖了中国296座城市，为不同国家或同一国家内不同城市之间的比较研究提供了坚实的数据来源。3)数据收集效率高，成本低。谷歌、腾讯和百度目前都向公众开放了应用程序接口(ApplicationProgramming Interface,API)，开发者可以根据自身需要自行下载街景图片，其操作流程逻辑相对简单。

近年来，计算机视觉技术尤其是图像语义解读并识别特定场景的卷积神经网络(Convolutional Neural Network,CNN)模型的发展，将具有地理标签信息的海量街景图片数据结合众包技术构建形成大型数据集，为搭建深度学习网络提供了有效的数据框架，一定程度上缩短了神经网络模型的训练和学习时长。通过大规模收集城市空间的感知信息，进而利用深度学习方法训练神经网络模型，这有利于快速实现大区域范围内的城市感知研究，并让城市街景图片数据能够越来越多地应用于城市地方特色的识别，包括地方的独特景观、符号文本、情感认知等。从早期对现代建筑的地方性研究、到社区居住形式的探讨、再到今天对历史街区的地方性研究，过去对城市尺度的地方性研究是缺乏的，更多的是更小尺度如建筑、街区尺度的研究，且一般聚焦于城市景观某个具体方面。