CN112381301B - 结合问卷调查与街景图片的城市路径意象生成方法 - Google Patents
结合问卷调查与街景图片的城市路径意象生成方法 Download PDFInfo
- Publication number
- CN112381301B CN112381301B CN202011291615.6A CN202011291615A CN112381301B CN 112381301 B CN112381301 B CN 112381301B CN 202011291615 A CN202011291615 A CN 202011291615A CN 112381301 B CN112381301 B CN 112381301B
- Authority
- CN
- China
- Prior art keywords
- path
- line
- point
- view
- main
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000004458 analytical method Methods 0.000 claims abstract description 23
- 238000011160 research Methods 0.000 claims abstract description 20
- 230000000007 visual effect Effects 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 230000002996 emotional effect Effects 0.000 claims description 13
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000003058 natural language processing Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000003068 static effect Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 238000009432 framing Methods 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种结合问卷调查与街景图片的城市路径意象生成方法，在给定地域范围内，通过记录居民的出行的起、终点及沿途感受；抓取起、终点的经纬度坐标并生成所有出行路径；利用线密度分析法得到给定地域范围内居民的主要出行路径，并采用等距取样法均匀获取主要路径上街景图片的取景点以及取景点在路径上的切线角度；划分街景图片上的天空、建筑、绿化、道路等要素，计算得出主要路径的平均天空视野率、建筑视野率、绿化视野率和道路视野率，形成主要路径的空间构成；将研究区域的主要路径空间构成与居民对主要路径感受评分综合起来，形成城市路径意象。本发明综合考虑了城市的客观现实和人的主观感受，拓展了城市意象的研究方法。
Description
技术领域
本发明涉及城市规划、设计分析技术领域，具体涉及一种结合问卷调查与街景图片的城市路径意象生成方法。
背景技术
城市意象的空间五要素：区域、边界、节点、路径、标志，并以五要素作为认知城市意象的基本方法，重视居民个人或群体对城市空间环境的感知，此方法自此成为研究城市空间结构的重要范本。现有方案中认知地图等传统方法较为依赖人的主观判断，所得结果具有不客观性，而网络开放数据等新数据方法虽在一定程度上减少了随机性、能较为合理的反映城市意象，但所得数据统计过于宏观和抽象，鉴于此，城市意象研究需要一种综合、高效、客观的方法来弥补上述不足。
发明内容
为了克服现有技术存在的缺陷与不足，本发明提供一种结合问卷调查与街景图片的城市路径意象生成方法，本发明综合考虑人的主观感受和城市的客观现实，可以为城市意象研究提供新的基础性技术支撑。
为了达到上述目的，本发明采用以下技术方案：
本发明提供一种结合问卷调查与街景图片的城市路径意象生成方法，包括以下步骤：
数据收集：获取研究区域内居民出行路径的起点、终点、交通方式和沿途感受；
数据处理：通过地址解析和路线规划转为出行路径空间数据，采用ArcGIS软件分析居民的主要出行路径，并采用等距取样法均匀获取主要路径上街景图片的取景点，记录取景点在路径上的切线角度；
分析研究区域内城市路径的空间构成：采用Python软件批量抓取主要路径取景点的街景图片，采用图像分割划分图片上的要素，所述要素包括天空、建筑、绿化、道路，计算得出主要路径的平均天空视野率、建筑视野率、绿化视野率和道路视野率，形成主要路径的空间构成；
分析居民对路径的主观感受：对居民的路径感受进行情感倾向分析，得到居民对主要路径的感受评分；
综合主要路径的空间构成和感受评分，得到城市路径意象。
作为优选的技术方案，所述获取研究区域内居民出行路径的起点、终点、交通方式和沿途感受，具体步骤包括：
采用问卷调查研究区域范围内居民的日常出行路径与沿途感受；
将问卷中每两点之间的信息整理为一条记录，同时以序号、起点、终点、沿途感受作为表头建立出行路径的信息表格。
作为优选的技术方案，所述通过地址解析和路线规划转为出行路径空间数据，具体步骤包括：
获取点要素：通过地理编码服务，利用Python批量获取所有路径起、终点的经纬度坐标；
获取线要素：通过路线规划服务，根据路径的起点、终点坐标和交通方式，利用Python批量获取所有出行路径上折点的经纬度坐标，并生成出行路径的几何数据。
作为优选的技术方案，所述根据路径的起点、终点坐标和交通方式，利用Python批量获取所有出行路径上折点的经纬度坐标，并生成出行路径的几何数据，具体步骤包括：
所述交通方式包括驾车、公交、骑行和步行；
采用Python的pyshp库，依据出行路径上的折点生成所有出行路径的几何数据，并在ArcGIS软件中定义路径的地理坐标系，得到具有空间地理信息的出行路径线要素。
作为优选的技术方案，所述采用ArcGIS软件分析居民的主要出行路径，具体步骤包括：
在ArcGIS软件中将出行路径的地理坐标系转为投影坐标系，使用线密度分析工具进行分析，得到出行路径的线密度图；
对出行路径的线密度图进行二值化处理，重分类后得到能呈现出主要出行路径的栅格图，并提取出主要出行路径的中心线。
作为优选的技术方案，所述重分类后得到能呈现出主要出行路径的栅格图，并提取出主要出行路径的中心线，具体步骤包括：
在路径线密度的图层属性符号系统中分两类显示，通过调整不同的分类中断值得到不同的主要路径线密度图，根据呈现效果确定一个最终中断值M，使用重分类工具，将出行路径线密度图重分类为两类，第一类的值为0-M，赋值0，第二类的值为M以上，赋值1，得到主要出行路径栅格图；
在ArcGIS软件中使用ArcScan工具将主要出行路径栅格图的中心线提取出来，保存在线图层中，对比街景地图进行优化，包括连接断线、删除杂线和线型优化操作，最终获得主要路径中心线。
作为优选的技术方案，所述采用等距取样法均匀获取主要路径上街景图片的取景点，记录取景点在路径上的切线角度，具体步骤包括：
采用等距取样法添加取景点：在ArcGIS软件中使用构造点工具，在主要路径中心线line_final上等距添加取景点，保存在点要素pointA中；
将主要路径中心线line_final在取景点pointA处打断，得到线图层line_cut，使用分割为COGO线工具将线图层line_cut转为COGO线line_cogo；
在ArcCatalog软件中为line_cogo创建COGO字段；
在ArcGIS软件中再次打开line_cogo，使用更新COGO属性工具为line_cogo添加COGO属性，包括Direction角度属性；
添加取景点的切线角度：使用空间连接工具对取景点pointA和line_cogo进行连接，保留Direction字段的平均值，生成具有角度属性的取景点pointB；
将取景点pointB的坐标系转为地理坐标系，使用添加XY坐标工具添加经纬度信息，获得具有经纬度坐标及角度属性的最终取景点pointC。
作为优选的技术方案，所述分析研究区域内城市路径的空间构成，具体步骤包括：
将主要路径取景点的属性表导出，以取景序号、经度、纬度、角度作为表头，保存在表格中；
通过全景静态图服务批量获取每个取景点前后左右四个方向上的街景图片，命名方式采用取景序号_角度；
采用图像分割技术对街景图片进行批量处理，划分每张街景图片中天空、建筑、绿化、道路等要素，不同要素用不同颜色表示，得到要素分割后的街景图片Pi；
计算街景图片不同要素占比：在Python中使用PIL图像处理库，得到每张图片Pi中天空、建筑、绿化、道路这四种要素各自的像素占比Si％、Bi％、Gi％、Ri％，计算公式为：
Si％＝Si/P0
Bi％＝Bi/P0
Gi％＝Gi/P0
Ri％＝Ri/P0
其中，Si、Bi、Gi、Ri为图片Pi中天空、建筑、绿化、道路的像素数量，P0为图片Pi的总像素数量，并将结果和图片名为取景序号_角度的一起保存在CSV表格中；
对CSV表格中的各要素像素占比按照取景序号id进行汇总，计算每个取景点四个角度天空、建筑、绿化、道路占比的平均值Sid、Bid、Gid、Rid，并和取景点序号id一起保存在取景点街景空间构成CSV表格中，如下式：
Sid＝(SidF+SidB+SidL+SidR)/4
Bid＝(BidF+BidB+BidL+BidR)/4
Gid＝(GidF+GidB+GidL+GidR)/4
Rid＝(RidF+RidB+RidL+RidR)/4
其中，SidF、SidB、SidL、SidR分别表示取景点id前、后、左、右的天空像素占比，BidF、BidB、BidL、BidR分别表示取景点id前、后、左、右的建筑像素占比，GidF、GidB、GidL、GidR分别表示取景点id前、后、左、右的绿化像素占比，RidF、RidB、RidL、RidR分别表示取景点id前、后、左、右的道路像素占比；
将取景点空间构成CSV表格按照id字段连接到取景点PointC中，得到具有街景空间构成属性的取景点PointD；
在ArcGIS软件中使用空间连接工具，将取景点PointD的天空占比、建筑占比、绿化占比、道路占比属性连接到line_final上，并取平均值，得到具有天空、建筑、绿化、道路平均占比的主要路径line_ff，可视化后得到主要路径的平均天空视野率图、建筑视野率图、绿化视野率图和道路视野率图，形成主要路径的空间构成。
作为优选的技术方案，所述分析居民对路径的主观感受，具体步骤包括：
运用自然语言处理对出行路径CSV表格中的沿途感受进行情感倾向分析，积极的情感评分越高，消极的情感评分越低，并将分析结果保存在表格中；
将感受评分结果按照id字段连接到出行路径线要素上，得到具有感受评分的路径线要素line_feeling；
使用缓冲区工具为主要路径中心线line_final生成设定距离的缓冲区line_buffer，将处于缓冲区范围内的出行路径感受利用空间连接工具连接到缓冲区上，取line_feeling的平均值，得到具有感受评分的主要路径缓冲区line_buffer_feeling；
将line_buffer_feeling的属性表按照序号连接到主要路径line_final上，得到主要路径感受评分line_final_feeling。
作为优选的技术方案，所述综合主要路径的空间构成和感受评分，得到城市路径意象，具体包括：
按照天空、建筑、绿化、道路四个要素对城市路径意象的影响，采用层次分析法对四个要素进行打分，得到四个要素的权重Sw、Bw、Gw、Rw；
在主要路径line_ff的属性表中，对天空、建筑、绿化、道路平均占比进行归一化处理，得到归一化后的天空平均占比Snor、建筑平均占比Bnor、绿化平均占比Gnor、道路平均占比Rnor，添加一个字段空间评分，使用字段计算器求得空间评分Ss，计算公式如下：
Ss＝Snor*Sw+Bnor*Bw+Gnor*Gw+Rnor*Rw
得到主要路径的空间构成评分；
将主要路径的空间构成评分和主观感受评分结合起来，得到综合的城市路径意象。
本发明与现有技术相比，具有如下优点和有益效果：
(1)本发明采用问卷调查与街景图片结合的方式获取相关数据，既反映了城市的客观事实，又体现了人们的主观感受，实现了理论研究与规划实践的结合，具有综合性和客观性，拓展了城市意象的研究方法。
(2)本发明采用了大数据与计算机分析，将研究区域的主要路径空间构成与感受评分综合起来，形成城市路径意象，解决了传统城市意向研究耗费人力、不够客观、效率低下的技术问题，使得城市路径意象生成更加全面、高效、合理。
附图说明
图1为本实施例城市路径意象生成方法的流程示意图；
图2为本实施例的居民出行路径图；
图3为本实施例的居民出行路径线密度图；
图4为本实施例的主要路径中心线图；
图5为本实施例的街景图片图像分割示意图；
图6为本实施例的主要路径的平均天空视野率图；
图7为本实施例的主要路径的平均建筑视野率图；
图8为本实施例的主要路径的平均绿化视野率图；
图9为本实施例的主要路径的平均道路视野率图；
图10为本实施例的主要路径感受评分图；
图11为本实施例的主要路径的空间构成评分图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
本实施例采用一个应用实例，以广东省广州市越秀区作为研究对象进行实践。
如图1所示，本实施例提供一种结合问卷调查与街景图片的城市路径意象生成方法，具体包括下述步骤：
1)数据收集与整理，设计、派发并回收整理问卷，获得研究区域内居民出行路径的起点、终点、交通方式和沿途感受；
1.1)设计问卷：调查越秀区居民的日常出行路径与沿途感受，主要记录路径的起点、途经点和终点，同时记录每两点之间的交通方式和沿途感受。
1.2)问卷派发并回收整理：在越秀区内向居民派发问卷后回收，将每两点之间的记录整理为一条记录，使用序号作为唯一id，以“序号”、“起点”、“终点”、“沿途感受”作为表头存储在出行路径CSV表格中。本实施例共派发了4340份问卷，回收3772份有效问卷，得到10404段出行路径、交通方式和沿途感受。
2)数据处理，通过地址解析和路线规划转为出行路径空间数据，使用ArcGIS软件分析居民的主要出行路径，并采用等距取样法均匀获取主要路径上街景图片的取景点，记录取景点在路径上的切线角度；
2.1)获取路径起、终点的经纬度坐标
本实例通过百度地图开放平台的“地理编码服务”API接口，利用Python编写代码批量获取路径起、终点的WGS84经纬度坐标。
2.2)获取居民出行路径的线几何
2.2.1)居民日常出行交通方式主要包括驾车、公共交通、骑行和步行这四种，其中公共交通在有地铁的城市还包括地铁这种地下交通方式。由于地铁路径缺乏街景图片，无法进行路径的空间构成分析，本实施例不予以考虑，在10404段出行路径中，非地铁出行的有效路径共8068段。
2.2.2)通过百度地图开放平台的“路线规划服务”API接口，根据路径的起点、终点坐标和交通方式，利用Python编写代码批量获取所有出行路径上折点的WGS84经纬度坐标，再通过Python第三方库pyshp生成所有出行路径的线几何，最后在ArcGIS软件中使用“定义投影”工具，将出行路径的坐标系设定为WGS84坐标，如图2所示，得到具有准确空间地理信息的出行路径线要素；其中驾车、骑行和步行直接使用“路线规划服务”对应的接口，而地上公共交通在使用“公交”接口时设定“不坐地铁”的出行策略；
2.3)获取主要路径
2.3.1)将上一步获得的出行路径在ArcGIS软件中使用“投影”工具转换成WGS_1984_Web_Mercator_Auxiliary_Sphere投影坐标系，接着使用“线密度分析”工具，将投影后的出行路径作为输入折线要素，本实施例的搜索半径设为30，如图3所示，确定后分析得到出行路径的线密度图；
2.3.2)在路径线密度的图层属性符号系统中将线密度图分两类显示，通过调整不同的分类中断值得到不同的主要路径线密度图，根据呈现效果确定一个最终中断值M，本实施例选取的M值为3000；
2.3.3)在ArcGIS软件中使用“重分类”工具，输入栅格选择上一步生成的路径线密度图，将其重分类为2类，第一类0-3000，赋值0，第二类3000以上，赋值1，得到大于3000的二值化线密度图；
2.3.4)将线密度大于3000的栅格矢量化，得到主要路径中心线，在ArcGIS软件中使用ArcScan工具，设置好参数后，将线密度大于3000的中心线提取到线要素line中；
2.3.5)对比腾讯地图的全景地图，对主要路径中心线进行优化，包括连接断线、删除冗余线段、线型优化等操作，如图4所示，得到最终的主要路径中心线line_final。
2.4)获取主要路径上的取景点及其切线角度；
2.4.1)在主要路径line_final上等距离生成点要素。在ArcGIS中对line_final使用“构造点”工具，填写构造距离，本实施例选取50米，得到主要路径上的等距离点pointA；
2.4.2)为主要路径上等距离点pointA添加切线角度。首先使用“在点处分割线”工具，将line_final在pointA处打断，得到线图层line_cut。然后使用“分割为COGO线”工具，将line_cut转化为主要路径的COGO线line_cogo。接着在ArcCatalog软件中，使用“创建COGO字段”工具为line_cogo添加COGO字段。在ArcGIS软件中再次打开line_cogo，使用“更新COGO属性”工具，为line_cogo添加COGO属性，字段Direciton即为pointA的切线角度。使用“空间连接”工具，对取景点pointA和line_cogo进行连接，保留Direction字段的平均值，生成具有角度属性的取景点pointB。最后使用“投影”工具，将pointB转为地理坐标系WGS84，得到pointC，使用“添加XY坐标”，给pointC添加经纬度信息。
3)获取街景图片并分析空间构成，利用Python软件批量抓取主要路径取景点的街景图片，通过图像分割技术划分图片上的天空、建筑、绿化、道路等要素，计算得出主要路径的平均天空视野率、建筑视野率、绿化视野率和道路视野率，形成主要路径的空间构成；
3.1)获取主要路径取景点的街景图片；
3.1.1)将取景点pointC的属性表导出，以“取景序号”、“经度”、“纬度”、“角度”作为表头，保存在CSV表格中；
3.1.2)使用Python编写代码，通过腾讯位置服务的街景静态图API批量获取主要路径取景点切线角度前后左右的四张街景图片，图片大小统一为960*640像素，并按照“取景序号_角度”命名；
3.2)分析街景图片空间构成
3.2.1)使用机器学习的图像分割技术对街景图片的空间构成进行分析。PSPNet在图像分割上具有较快的速度和较高的识别率，本实施例选用GitHub网站上的Vladkryvoruchko/PSPNet-Keras-tensorflow项目对街景图片进行批量分析，如图5所示，得到每张街景图片中天空、建筑、绿化、道路等要素的划分，不同要素用不同颜色表示，。
3.2.2)在Python中使用PIL图像处理库，编写代码得到每张图片Pi中天空、建筑、绿化、道路这四种要素各自的像素占比Si％、Bi％、Gi％、Ri％，并和图片名“取景序号_角度”一起保存在CSV文件中，计算公式如下：
Si％＝Si/P0
Bi％＝Bi/P0
Gi％＝Gi/P0
Ri％＝Ri/P0
其中，Si、Bi、Gi、Ri为图片Pi中天空、建筑、绿化、道路的像素数量，P0为图片Pi的总像素数量，本实施例中统一为960*640。
3.2.3)对CSV文件中的各要素像素占比按照图片id进行汇总，计算每个取景点四个角度天空、建筑、绿化、道路占比的平均值Sid、Bid、Gid、Rid，并和取景点序号id一起保存在取景点街景空间构成CSV表格中，如下式：
Sid＝(SidF+SidB+SidL+SidR)/4
Bid＝(BidF+BidB+BidL+BidR)/4
Gid＝(GidF+GidB+GidL+GidR)/4
Rid＝(RidF+RidB+RidL+RidR)/4
其中，SidF、SidB、SidL、SidR分别表示取景点id前、后、左、右的天空像素占比，BidF、BidB、BidL、BidR分别表示取景点id前、后、左、右的建筑像素占比，GidF、GidB、GidL、GidR分别表示取景点id前、后、左、右的绿化像素占比，RidF、RidB、RidL、RidR分别表示取景点id前、后、左、右的道路像素占比。
3.3)生成主要路径空间构成图
3.3.1)在ArcGIS软件中使用“连接数据”功能，将pointC属性表按照id字段与主要路径取景点街景空间构成CSV表进行连接，并将pointC导出数据，得到具有街景空间构成属性的主要路径取景点pointD；
3.3.2)在pointD的图层属性符号系统中，选项卡选择按“数量-分级符号”显示，字段值分别选择天空占比、建筑占比、绿化占比、道路占比，得到主要路径的天空视野率图、建筑视野率图、绿化视野率图、道路视野率图；
3.3.3)在ArcGIS软件中使用“空间连接”工具，将取景点PointD的天空占比、建筑占比、绿化占比、道路占比属性连接到line_final上，并取平均值，得到具有天空、建筑、绿化、道路平均占比的主要路径line_ff，如图6、图7、图8和图9所示，可视化后得到主要路径的平均天空视野率图、建筑视野率图、绿化视野率图和道路视野率图，形成主要路径的空间构成；
4)获取主要路径感受评分，运用自然语言处理技术对居民的路径感受进行情感倾向分析，得到居民对主要路径的感受评分；
4.1)通过百度AI开放平台的“情感倾向分析”API，利用Python批量对路径感受进行情感倾向分析，积极的情感，评分越高，消极的情感，评分越低，本实例将“positive”的得分作为路径感受的评分，并将分析结果保存在CSV表；
4.2)在ArcGIS软件中将路径与情感倾向分析结果CSV表按照id进行连接并导出数据，得到具有感受评分的路径线要素line_feeling；
4.3)使用“缓冲区”工具为主要路径中心线line_final生成一定距离的缓冲区line_buffer，本实施例选取30米的缓冲距离，将处于缓冲区范围内的出行路径感受利用“空间连接”工具连接到缓冲区上，取line_feeling的平均值，得到具有感受评分的主要路径缓冲区line_buffer_feeling，将line_buffer_feeling的属性表按照序号连接到主要路径line_final上，得到主要路径感受评分line_final_feeling。
5)如图10所示，综合主要路径的空间构成和感受评分，得到城市路径意象；
5.1)按照天空、建筑、绿化、道路四个要素对城市路径意象的影响，采用层次分析法对四个要素进行打分，得到四个要素的权重Sw、Bw、Gw、Rw。本实施例中Sw＝0.5290，Bw＝0.1341，Gw＝0.2355，Rw＝0.1013。
5.2)在主要路径line_ff的属性表中，对天空、建筑、绿化、道路平均占比进行归一化处理，得到归一化后的天空平均占比Snor、建筑平均占比Bnor、绿化平均占比Gnor、道路平均占比Rnor，添加一个字段“空间评分”，使用字段计算器求得空间评分Ss，计算公式如下：
Ss＝Snor*Sw+Bnor*Bw+Gnor*Gw+Rnor*Rw
如图11所示，得到主要路径的空间构成评分；
5.4)将主要路径的空间构成评分和主观感受评分结合起来，得到综合的城市路径意象。
本实施例的城市路径意象生成方法将问卷调查与街景图片相结合，在给定地域范围内，通过问卷调查记录居民的出行的起、终点及沿途感受；抓取起、终点的经纬度坐标并生成所有出行路径；利用线密度分析法得到给定地域范围内居民的主要出行路径，并采用等距取样法均匀获取主要路径上街景图片的取景点，以及取景点在路径上的切线角度；抓取取景点上的街景图片，利用图像分割技术划分图片上的天空、建筑、绿化、道路等要素，计算得出主要路径的平均天空视野率、建筑视野率、绿化视野率和道路视野率，形成主要路径的空间构成；运用自然语言处理技术对居民的路径感受进行情感倾向分析，得到居民对主要路径的感受评分；将研究区域的主要路径空间构成与感受评分综合起来，形成城市路径意象。本发明综合考虑了城市的客观现实和人的主观感受，既体现了网络数据收集的城市测度，又反映了社会微观个体的真实感受，拓展了城市意象的研究方法。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (9)
1.一种结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，包括以下步骤：
数据收集：获取研究区域内居民出行路径的起点、终点、交通方式和沿途感受；
数据处理：通过地址解析和路线规划转为出行路径空间数据，采用ArcGIS软件分析居民的主要出行路径，并采用等距取样法均匀获取主要路径上街景图片的取景点，记录取景点在路径上的切线角度；
所述采用ArcGIS软件分析居民的主要出行路径，具体步骤包括：在ArcGIS软件中将出行路径的地理坐标系转为投影坐标系，使用线密度分析工具进行分析，得到出行路径的线密度图；
对出行路径的线密度图进行二值化处理，重分类后得到能呈现出主要出行路径的栅格图，并提取出主要出行路径的中心线；
分析研究区域内城市路径的空间构成：采用Python软件批量抓取主要路径取景点的街景图片，采用图像分割划分图片上的要素，所述要素包括天空、建筑、绿化、道路，计算得出主要路径的平均天空视野率、建筑视野率、绿化视野率和道路视野率，形成主要路径的空间构成；
分析居民对路径的主观感受：对居民的路径感受进行情感倾向分析，得到居民对主要路径的感受评分；
综合主要路径的空间构成和感受评分，得到城市路径意象。
2.根据权利要求1所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述获取研究区域内居民出行路径的起点、终点、交通方式和沿途感受，具体步骤包括：
采用问卷调查研究区域范围内居民的日常出行路径与沿途感受；
将问卷中每两点之间的信息整理为一条记录，同时以序号、起点、终点、沿途感受作为表头建立出行路径的信息表格。
3.根据权利要求1所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述通过地址解析和路线规划转为出行路径空间数据，具体步骤包括：
获取点要素：通过地理编码服务，利用Python批量获取所有路径起、终点的经纬度坐标；
获取线要素：通过路线规划服务，根据路径的起点、终点坐标和交通方式，利用Python批量获取所有出行路径上折点的经纬度坐标，并生成出行路径的几何数据。
4.根据权利要求3所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述根据路径的起点、终点坐标和交通方式，利用Python批量获取所有出行路径上折点的经纬度坐标，并生成出行路径的几何数据，具体步骤包括：
所述交通方式包括驾车、公交、骑行和步行；
采用Python的pyshp库，依据出行路径上的折点生成所有出行路径的几何数据，并在ArcGIS软件中定义路径的地理坐标系，得到具有空间地理信息的出行路径线要素。
5.根据权利要求1所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述重分类后得到能呈现出主要出行路径的栅格图，并提取出主要出行路径的中心线，具体步骤包括：
在路径线密度的图层属性符号系统中分两类显示，通过调整不同的分类中断值得到不同的主要路径线密度图，根据呈现效果确定一个最终中断值M，使用重分类工具，将出行路径线密度图重分类为两类，第一类的值为0-M，赋值0，第二类的值为M以上，赋值1，得到主要出行路径栅格图；
在ArcGIS软件中使用ArcScan工具将主要出行路径栅格图的中心线提取出来，保存在线图层中，对比街景地图进行优化，包括连接断线、删除杂线和线型优化操作，最终获得主要路径中心线。
6.根据权利要求1所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述采用等距取样法均匀获取主要路径上街景图片的取景点，记录取景点在路径上的切线角度，具体步骤包括：
采用等距取样法添加取景点：在ArcGIS软件中使用构造点工具，在主要路径中心线line_final上等距添加取景点，保存在点要素pointA中；
将主要路径中心线line_final在取景点pointA处打断，得到线图层line_cut，使用分割为COGO线工具将线图层line_cut转为COGO线line_cogo；
在ArcCatalog软件中为line_cogo创建COGO字段；
在ArcGIS软件中再次打开line_cogo，使用更新COGO属性工具为line_cogo添加COGO属性，包括Direction角度属性；
添加取景点的切线角度：使用空间连接工具对取景点pointA和line_cogo进行连接，保留Direction字段的平均值，生成具有角度属性的取景点pointB；
将取景点pointB的坐标系转为地理坐标系，使用添加XY坐标工具添加经纬度信息，获得具有经纬度坐标及角度属性的最终取景点pointC。
7.根据权利要求1所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述分析研究区域内城市路径的空间构成，具体步骤包括：
将主要路径取景点的属性表导出，以取景序号、经度、纬度、角度作为表头，保存在表格中；
通过全景静态图服务批量获取每个取景点前后左右四个方向上的街景图片，命名方式采用取景序号_角度；
采用图像分割技术对街景图片进行批量处理，划分每张街景图片中天空、建筑、绿化、道路要素，不同要素用不同颜色表示，得到要素分割后的街景图片Pi；
计算街景图片不同要素占比：在Python中使用PIL图像处理库，得到每张图片Pi中天空、建筑、绿化、道路这四种要素各自的像素占比Si％、Bi％、Gi％、Ri％，计算公式为：
Si％＝Si/P0
Bi％＝Bi/P0
Gi％＝Gi/P0
Ri％＝Ri/P0
其中，Si、Bi、Gi、Ri为图片Pi中天空、建筑、绿化、道路的像素数量，P0为图片Pi的总像素数量，并将结果和图片名为取景序号_角度的一起保存在CSV表格中；
对CSV表格中的各要素像素占比按照取景序号id进行汇总，计算每个取景点四个角度天空、建筑、绿化、道路占比的平均值Sid、Bid、Gid、Rid，并和取景点序号id一起保存在取景点街景空间构成CSV表格中，如下式：
Sid＝(SidF+SidB+SidL+SidR)/4
Bid＝(BidF+BidB+BidL+BidR)/4
Gid＝(GidF+GidB+GidL+GidR)/4
Rid＝(RidF+RidB+RidL+RidR)/4
其中，SidF、SidB、SidL、SidR分别表示取景点id前、后、左、右的天空像素占比，BidF、BidB、BidL、BidR分别表示取景点id前、后、左、右的建筑像素占比，GidF、GidB、GidL、GidR分别表示取景点id前、后、左、右的绿化像素占比，RidF、RidB、RidL、RidR分别表示取景点id前、后、左、右的道路像素占比；
将取景点空间构成CSV表格按照id字段连接到取景点PointC中，得到具有街景空间构成属性的取景点PointD；
在ArcGIS软件中使用空间连接工具，将取景点PointD的天空占比、建筑占比、绿化占比、道路占比属性连接到line_final上，并取平均值，得到具有天空、建筑、绿化、道路平均占比的主要路径line_ff，可视化后得到主要路径的平均天空视野率图、建筑视野率图、绿化视野率图和道路视野率图，形成主要路径的空间构成。
8.根据权利要求1所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述分析居民对路径的主观感受，具体步骤包括：
运用自然语言处理对出行路径CSV表格中的沿途感受进行情感倾向分析，积极的情感评分越高，消极的情感评分越低，并将分析结果保存在表格中；
将感受评分结果按照id字段连接到出行路径线要素上，得到具有感受评分的路径线要素line_feeling；
使用缓冲区工具为主要路径中心线line_final生成设定距离的缓冲区line_buffer，将处于缓冲区范围内的出行路径感受利用空间连接工具连接到缓冲区上，取line_feeling的平均值，得到具有感受评分的主要路径缓冲区line_buffer_feeling；
将line_buffer_feeling的属性表按照序号连接到主要路径line_final上，得到主要路径感受评分line_final_feeling。
9.根据权利要求1所述的结合问卷调查与街景图片的城市路径意象生成方法，其特征在于，所述综合主要路径的空间构成和感受评分，得到城市路径意象，具体包括：
按照天空、建筑、绿化、道路四个要素对城市路径意象的影响，采用层次分析法对四个要素进行打分，得到四个要素的权重Sw、Bw、Gw、Rw；
在主要路径line_ff的属性表中，对天空、建筑、绿化、道路平均占比进行归一化处理，得到归一化后的天空平均占比Snor、建筑平均占比Bnor、绿化平均占比Gnor、道路平均占比Rnor，添加一个字段空间评分，使用字段计算器求得空间评分Ss，计算公式如下：
Ss＝Snor*Sw+Bnor*Bw+Gnor*Gw+Rnor*Rw
得到主要路径的空间构成评分；
将主要路径的空间构成评分和主观感受评分结合起来，得到综合的城市路径意象。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011291615.6A CN112381301B (zh) | 2020-11-18 | 2020-11-18 | 结合问卷调查与街景图片的城市路径意象生成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011291615.6A CN112381301B (zh) | 2020-11-18 | 2020-11-18 | 结合问卷调查与街景图片的城市路径意象生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112381301A CN112381301A (zh) | 2021-02-19 |
| CN112381301B true CN112381301B (zh) | 2022-06-14 |
Family
ID=74585055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011291615.6A Active CN112381301B (zh) | 2020-11-18 | 2020-11-18 | 结合问卷调查与街景图片的城市路径意象生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112381301B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113254554B (zh) * | 2021-04-21 | 2023-09-26 | 哈尔滨工业大学（深圳） | 基于地图抓取与聚类学习的城市街区热岛建模方法及系统 |
| CN113188558A (zh) * | 2021-05-24 | 2021-07-30 | 中山大学 | 一种基于街景多维要素和评分的路径推荐方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103400200A (zh) * | 2013-07-09 | 2013-11-20 | 东南大学 | 基于大气能见度测算的超高层建筑最佳眺望点选址技术 |
| CN103425823A (zh) * | 2013-07-24 | 2013-12-04 | 东南大学 | 基于大气能见度测算城市高层建筑观看点的选址方法 |
| CN105574259A (zh) * | 2015-12-14 | 2016-05-11 | 华南理工大学 | 一种基于互联网词频的城市认知地图生成方法 |
| CN106446314A (zh) * | 2015-09-09 | 2017-02-22 | 中国科学院地理科学与资源研究所 | 基于Landsat TM和ETM影像的城市形态与碳排放相关关系量算方法 |
| KR20180000619A (ko) * | 2016-06-23 | 2018-01-03 | (주)해동기술개발공사 | Ｇｉｓ 기반 토사유실 평가 방법 |
| CN108876475A (zh) * | 2018-07-12 | 2018-11-23 | 青岛理工大学 | 一种基于兴趣点采集的城市功能区识别方法、服务器及存储介质 |
-
2020
- 2020-11-18 CN CN202011291615.6A patent/CN112381301B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103400200A (zh) * | 2013-07-09 | 2013-11-20 | 东南大学 | 基于大气能见度测算的超高层建筑最佳眺望点选址技术 |
| CN103425823A (zh) * | 2013-07-24 | 2013-12-04 | 东南大学 | 基于大气能见度测算城市高层建筑观看点的选址方法 |
| CN106446314A (zh) * | 2015-09-09 | 2017-02-22 | 中国科学院地理科学与资源研究所 | 基于Landsat TM和ETM影像的城市形态与碳排放相关关系量算方法 |
| CN105574259A (zh) * | 2015-12-14 | 2016-05-11 | 华南理工大学 | 一种基于互联网词频的城市认知地图生成方法 |
| WO2017101277A1 (zh) * | 2015-12-14 | 2017-06-22 | 华南理工大学 | 一种基于互联网词频的城市认知地图生成方法 |
| KR20180000619A (ko) * | 2016-06-23 | 2018-01-03 | (주)해동기술개발공사 | Ｇｉｓ 기반 토사유실 평가 방법 |
| CN108876475A (zh) * | 2018-07-12 | 2018-11-23 | 青岛理工大学 | 一种基于兴趣点采集的城市功能区识别方法、服务器及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 《小汽车出行者的城镇意象感知探索》;赵渺希等;《华南理工大学学报(社会科学版)》;20160131;第95-104页 * |
| 《清明上河图》城市意象的网络图景分析;赵楠楠，赵渺希，王世福;《城乡规划》;20190430;第104-109页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112381301A (zh) | 2021-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chang | Introduction to geographic information systems | |
| JP2021107683A (ja) | ひび割れ解析データ編集装置、ひび割れ解析データ編集方法、及び、ひび割れ解析データの編集プログラム | |
| US7984055B2 (en) | Method and system for presenting traffic-related information | |
| CN112381301B (zh) | 结合问卷调查与街景图片的城市路径意象生成方法 | |
| CN111325788B (zh) | 一种基于街景图片的建筑物高度确定方法 | |
| CN108921943B (zh) | 一种基于车道级高精度地图的道路三维模型建模方法 | |
| CN107609107A (zh) | 一种基于多源城市数据的出行共现现象可视化分析方法 | |
| Wang et al. | A systematic method to develop three dimensional geometry models of buildings for urban building energy modeling | |
| Tucci et al. | Using spatial analysis and geovisualization to reveal urban changes: Milan, Italy, 1737–2005 | |
| Khayyal et al. | Creation and spatial analysis of 3D city modeling based on GIS data | |
| CN112365595A (zh) | 基于报警数据点要素的鉴别交通事故多发点的分析方法 | |
| Aringer et al. | Bavarian 3D building model and update concept based on LiDAR, image matching and cadastre information | |
| Preppernau et al. | Three-dimensional versus conventional volcanic hazard maps | |
| Stoter et al. | Specifying map requirements for automated generalization of topographic data | |
| CN112066997A (zh) | 高清航线地图的导出方法及系统 | |
| Lin | A comparison study on natural and head/tail breaks involving digital elevation models | |
| CN109657728B (zh) | 样例生产方法及模型训练方法 | |
| CN112000758B (zh) | 一种三维城市建筑构建方法 | |
| CN112066998A (zh) | 用于航线地图的渲染方法及系统 | |
| CN113326339A (zh) | 一种基于gis的精细化电力气象预报数据展示方法及系统 | |
| Zhang et al. | Urban visual intelligence: Studying cities with AI and street-level imagery | |
| CN110569292A (zh) | 基于电子地图的数据标注方法及系统 | |
| CN115018536A (zh) | 区域确定方法、装置、电子设备和可读存储介质 | |
| Xu et al. | New data, integrated methods and multiple applications: a review of urban studies based on street view images | |
| Aringer et al. | Calculation and Update of a 3d Building Model of Bavaria Using LIDAR, Image Matching and Catastre Information |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |