CN115620165B - 城市建成区慢行系统设施评价方法、装置、设备及介质 - Google Patents
城市建成区慢行系统设施评价方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115620165B CN115620165B CN202211381790.3A CN202211381790A CN115620165B CN 115620165 B CN115620165 B CN 115620165B CN 202211381790 A CN202211381790 A CN 202211381790A CN 115620165 B CN115620165 B CN 115620165B
- Authority
- CN
- China
- Prior art keywords
- slow
- area
- city
- built
- moving system
- 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 49
- 238000011156 evaluation Methods 0.000 claims abstract description 49
- 238000009826 distribution Methods 0.000 claims abstract description 47
- 239000013598 vector Substances 0.000 claims description 72
- 230000009193 crawling Effects 0.000 claims description 38
- 230000011218 segmentation Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 5
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 102000040430 polynucleotide Human genes 0.000 description 1
- 108091033319 polynucleotide Proteins 0.000 description 1
- 239000002157 polynucleotide Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000003696 structure analysis method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/176—Urban or other man-made structures
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Astronomy & Astrophysics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种城市建成区慢行系统设施评价方法、装置、设备及介质，涉及城市管理技术领域。所述方法包括：基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；结合高分卫星影像数据，对城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；基于预定义城市建成区慢行系统对待评价城市的慢行系统设施进行评价。通过结合一个城市实时的高分卫星影像数据、夜间灯光数据和城市路网数据，确定建成区慢行系统分布区，并且可以对慢行系统进行分类识别，将建成区慢行系统细分为不同类型的慢行系统，从而提供实时的、具有客观性的数据，对不同的建成区慢行系统设施进行评价，提升评价的实时性和客观性。
Description
技术领域
本发明涉及城市管理技术领域，尤其涉及一种城市建成区慢行系统设施评价方法、装置、设备及介质。
背景技术
在我国，一个城市的交通规划多以满足机动车行驶需求为首要考虑，对慢行系统发展较为缺乏重视，从而造成历史街区的慢行交通规划存在大量空白、城市轨道交通系统与慢行系统之间难以优化、慢行系统规划建设和管理滞后等诸多现实问题。
目前，专用于城市慢行系统设施评价的技术较少，主要集中在历史街区慢行交通评价、城市轨道交通站点与慢行系统优化评价和居住区慢行系统评价等几个细分领域。上述几个领域所使用的方法和技术，多以可达性分析法、对比分析法、路网结构分析法和以多指标权重分配的层次分析法这四种方法为主。
上述现有的慢行系统评价技术偏重基于已有数据的空间分析，实时性较差，如可达性分析法和路网结构分析法多是针对一个城市的慢行系统空间结构进行分析，不能对城市建成区慢行系统设施现状做出实时的分析评价，也无法更为深入分类识别一个城市的慢行系统。而对比分析法则是多个城市慢行系统的统计数据之间进行横向对比，对于当地城市规划管理部门的意义不大。层次分析法则是针对多个城市慢行系统进行对比或者多指标分析，指标选择和权重设置主观性强，也同样无法实时开展评价。
发明内容
本发明提供一种城市建成区慢行系统设施评价方法、装置、设备及介质，用以解决现有技术中慢行系统评价偏重基于已有数据的空间分析和设置主观性较强的权重指标分析，实时性较差、偏向主观性，且无法分类识别一个城市慢行系统的缺陷，实现对城市建成区慢行系统的分类识别，并对慢行系统设施评价做出实时、具有客观性的评价。
本发明提供一种城市建成区慢行系统设施评价方法，包括：
基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；
结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；
基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价。
根据本发明提供的一种城市建成区慢行系统设施评价方法，所述基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区的步骤包括：
将所述夜间灯光数据进行重投影，获取第一夜间灯光影像；
对所述第一夜间灯光影像进行面向对象分割，获取多个城市斑块；
基于建成区指数对多个所述城市斑块进行合并，获取包括城市建成区慢行系统分布区的第二夜间灯光影像。
根据本发明提供的一种城市建成区慢行系统设施评价方法，所述结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取预定义城市建成区慢行系统的步骤包括：
将所述城市路网数据与所述第二夜间灯光影像进行重投影，并从所述城市路网数据中剔除预设道路，获取慢行系统路网数据；
其中，所述预设道路包括以下至少一种：城市快速路、高速路、高速引路；
对所述慢行系统路网数据进行分类识别，根据分类识别的结果获取所述预定义城市建成区慢行系统。
根据本发明提供的一种城市建成区慢行系统设施评价方法，所述预定义城市建成区慢行系统包括：以归一化植被指数确定的绿地公园内的休闲慢行系统、以建筑物矢量确定的建筑小区内的街坊慢行系统、排除所述休闲慢行系统和所述街坊慢行系统后的交通慢行系统。
根据本发明提供的一种城市建成区慢行系统设施评价方法，获取所述休闲慢行系统的步骤包括：
计算第一高分卫星影像的所述归一化植被指数，从所述第一高分卫星影像中剔除所述归一化植被指数大于预设值的区域，获取第二高分卫星影像；其中，所述第一高分卫星影像至少包括所述城市建成区慢行系统分布区的高分卫星影像数据；
对所述第二高分卫星影像进行面向对象分割，获取多个绿地斑块；
从所述第二高分卫星影像中剔除小于预设面积值的所述绿地斑块，确定所述绿地公园的矢量边界；
基于所述绿地公园的矢量边界和所述慢行系统路网数据，获取所述休闲慢行系统。
根据本发明提供的一种城市建成区慢行系统设施评价方法，获取所述街坊慢行系统的步骤包括：
基于深度学习方法获取第一高分卫星影像中的第一建筑物矢量；其中，所述第一高分卫星影像至少包括所述城市建成区慢行系统分布区的高分卫星影像数据；
对所述第一高分卫星影像中的所述第一建筑物矢量进行边界简化处理，获取第二建筑物矢量以及障碍物矢量；
将直线距离小于预设距离的所述第二建筑物矢量之间进行聚合处理，并从所述第一高分卫星影像中排除所述障碍物矢量，确定所述建筑小区的矢量边界；
基于所述建筑小区的矢量边界和所述慢行系统路网数据，获取所述街坊慢行系统。
根据本发明提供的一种城市建成区慢行系统设施评价方法，所述基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价的步骤包括：
计算所述预定义城市建成区慢行系统的慢行道密度；
基于所述慢行道密度对所述待评价城市的慢行系统设施的能力进行评价。
本发明还提供一种城市建成区慢行系统设施评价装置，包括：
第一获取模块，被配置为基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；
第二获取模块，被配置为结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；
评价模块，被配置为基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述城市建成区慢行系统设施评价方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述城市建成区慢行系统设施评价方法。
本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述城市建成区慢行系统设施评价方法。
本发明提供的城市建成区慢行系统设施评价方法、装置、设备及介质，通过结合一个城市实时的高分卫星影像数据、夜间灯光数据和城市路网数据，确定城市建成区慢行系统分布区，并且可以对慢行系统进行分类识别，将城市建成区慢行系统细分为不同类型的慢行系统，从而提供实时的、具有客观性的数据，对不同的城市建成区慢行系统设施进行评价，提升评价的实时性和客观性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明提供的城市建成区慢行系统设施评价方法的流程示意图之一；
图2是本发明提供的城市建成区慢行系统设施评价方法的获取慢行系统路网数据的流程示意图；
图3是本发明提供的一实施例中城市建成区慢行系统分布区的示意图之一；
图4是本发明提供的一实施例中城市建成区慢行系统分布区的示意图之二；
图5是本发明提供的城市建成区慢行系统设施评价方法的获取休闲慢行系统和街坊慢行系统的矢量边界的流程示意图；
图6是本发明提供的城市建成区慢行系统设施评价方法的建成区慢行系统设施评价的流程示意图；
图7是本发明提供的城市建成区慢行系统设施评价装置的结构示意图；
图8是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在本发明实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
本发明中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
下面结合图1至图4描述本发明提供的城市建成区慢行系统设施评价方法。
图1为本发明提供的城市建成区慢行系统设施评价方法的流程示意图之一。如图1所示，本发明提供的城市建成区慢行系统设施评价方法包括：
步骤110，基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区。
夜间灯光数据也是一种遥感数据，也是通过卫星上的传感器探测到夜晚地球的灯光、火光等信息，该数据能够很好地作为人类活动的表征。
可以理解的是，在夜间灯光数据中，越亮的地方表示地区灯光值越高，人类活动越频繁；反之，越暗的地方人类活动越少。在一定程度上，夜间灯光数据能够表征待评价城市的建成区建设情况以及城市建成区慢行系统的建设情况。因此，夜间灯光数据可以作为城市建成区慢行系统分布区的依据。
在一个实施例中，所述夜间灯光数据采用的是珞珈一号卫星传回的夜间灯光数据。
步骤120，结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统。
具体地，所述高分卫星影像数据是运用卫星搭载各种传感器，获取全面、真实、客观地反映地表特征的数据。
高分卫星影像数据中的“高分”是“高分辨率”的简称，在21世纪初，高分辨率的遥感数据仍被国外垄断，我国在2010年启动高分辨率对地观测系统重大科技专项，提高了高分辨率遥感数据的自给率，扭转了对国外遥感数据长期依赖的局面。
在一个实施例中，所述高分卫星影像数据采用的是高分二号卫星拍摄的影像数据。高分二号卫星广泛应用于土地利用动态监测、城乡规划管理和评价、交通运输管理和林业生态工程监测等领域。
具体地，所述预定义城市建成区慢行系统可以包括：绿地公园内的休闲慢行系统、建筑小区内的街坊慢行系统、以交通出行为主要功能的交通慢行系统。
其中，绿地公园内的休闲慢行系统是指建成区范围内各绿地、公园、广场等公共场所的慢行系统，这些场所的主要特点是休闲活动场地。
建筑小区内的街坊慢行系统是指建成区范围内各建筑楼宇、居民小区等场所周边配套的慢行系统，这些场所的主要特点是人们工作、生活的场地。
以交通出行为主要功能的交通慢行系统是指在建成区范围内各交通道路所设置的非机动车道、人行道等构成的慢行系统，这一慢行系统的主要功能是为了满足人们日常交通出行。
可以理解，上述所定义的绿地公园内的休闲慢行系统、建筑小区内的街坊慢行系统、以交通出行为主要功能的交通慢行系统，几乎可以概括一个城市建成区的慢行系统，因此，相对于现有技术，本发明的城市建成区慢行系统的分类较为合理、全面。
步骤130，基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价。
本发明提供的城市建成区慢行系统设施评价方法，通过结合一个城市实时的高分卫星影像数据、夜间灯光数据和城市路网数据这些多源数据确定城市建成区慢行系统分布区，并且可以对慢行系统进行分类识别，将城市建成区慢行系统细分为不同类型的慢行系统，从而提供实时的、具有客观性的数据，对不同的城市建成区慢行系统设施进行评价，提升评价的实时性和客观性。
图2为本发明提供的城市建成区慢行系统设施评价方法的获取慢行系统路网数据流程示意图。如图2所示，在一个实施例中，步骤110具体包括：将所述夜间灯光数据进行重投影，获取第一夜间灯光影像；对所述第一夜间灯光影像进行面向对象分割，获取多个城市斑块；基于建成区指数对多个所述城市斑块进行合并，获取包括城市建成区慢行系统分布区的第二夜间灯光影像。
在一个实施例中，夜间灯光数据可以携带有坐标信息。将夜间灯光数据进行重投影，可以得到待评价城市的夜间灯光影像，即所述第一夜间灯光影像。
在一个实施例中，夜间灯光数据可以是基于WGS84坐标系（World GeodeticSystem 1984,1984世界大地坐标系）进行重投影。在后续需要结合高分卫星影像数据、夜间灯光数据和城市路网数据的步骤中，可以统一坐标系为WGS84坐标系，采用UTM（UniversalTransverse Mercator，通用横轴墨卡托投影）进行重投影。
在一个实施例中，在进行重投影之前，对夜间灯光数据进行辐射校正预处理。具体地，夜间灯光数据作为一种遥感数据，会因传感器的灵敏度特性、外界自然条件（如太阳辐射情况和大气传输情况等）的原因引起辐射误差，因此，通过辐射校正来尽可能地消除遥感数据中辐射亮度的各种失真。
在一个实施例中，所述辐射校正的公式如下：
其中，
是校正后的辐射亮度值；
是原始夜间灯光影像的灰度值。
在一个实施例中，可以利用ENVI（The Environment for Visualizing Images）遥感图像处理平台）软件对第一夜间灯光影像进行面向对象分割。
在一个实施例中，可以采用多尺度分割的方式，将第一夜间灯光影像分割成多个城市斑块，也就是说，分割后的所述待评价城市的第一夜间灯光影像是由多个城市斑块组成。具体地，可以选取合适的分割尺度和融合尺度两个参数对第一夜间灯光影像进行分割。应该理解的是，分割尺度越大，城市斑块越破碎；融合尺度越大，融合后的城市斑块越大。在一个实施例中，将分割尺度设置为30、融合尺度设置为10进行分割。经试验，以此参数分割后的城市斑块的效果更佳，相对更符合待评价城市实际的地类。
在另一个实施例中，也可以采用其他的如棋盘分割、四叉树分割等面向对象分割方式对第一夜间灯光影像进行分割。
在一个实施例中，在获取到多个城市斑块后，可以计算每个城市斑块的建成区指数，将各城市斑块按照建成区指数的大小顺序进行排列，并将城市斑块的面积依次累加，直至累加到最接近于待评价城市建成区面积的官方统计数据结果，提取参与累加的城市斑块为最终的建成区结果。
需要理解的是，建成区是指城市行政区内实际已成片开发建设、市政公用设施和公共设施基本具备的地区，是人类活动集中、频繁的地方。一般地，城市的慢行系统分布在建成区，因此，所得到的这个建成区结果，可以表征为待评价城市的建成区慢行系统分布区。
在一个实施例中，由于缺少待评价城市的建成区面积的官方矢量数据，可以根据建成区指数将各城市斑块按照自然断点法或者阈值法分成多个类别，可以采用不同的颜色填充，从多个类别选取其中部分类别的城市斑块合并为建成区。例如，如图3所示，将各城市斑块分成8类，可以设置选取前7类合成建成区的边界，也就是说，获取的第二夜间灯光影像确定了建成区慢行系统分布区的边界，如图4所示，在待评价城市的地域范围内确定建成区慢行系统分布区的边界。
在一个实施例中，所述建成区指数的计算公式如下：
其中，
为各个对象（城市斑块）的面积大小；
为各个对象的夜间
灯光亮度的平均值。
在一个实施例中，还可以对获取的第二夜间灯光影像进行后处理。具体地，可以利用ArcGIS软件的Aggregate polygons工具，设置Distance = 500m, Minimum area = 5Kilometer square，将零碎的图斑进行融合；使用Simplify Polygon工具，算法选择POINT_REMOVE，容许的长度是400m，修整建成区慢行系统分布区边界的锯齿边缘；使用SmoothPolygon工具，算法选择PEAK，容许的长度是400m，修整建成区慢行系统分布区边界的锯齿边缘为平滑边缘。
在一个实施例中，步骤120具体包括：将所述城市路网数据与所述第二夜间灯光影像进行重投影，并从所述城市路网数据中剔除预设道路，获取慢行系统路网数据；对所述慢行系统路网数据进行分类识别，根据分类识别的结果获取所述预定义城市建成区慢行系统。
具体地，城市路网数据包括了一个城市已建设的交通道路、交通网络的数据。可以理解，交通道路包括机动车道、非机动车道、人行道等，根据慢行系统的定义，慢行系统包括非机动车道和人行道。如图2所示，将待评价城市的城市路网数据与第二夜间灯光影像进行重投影，可以得到建成区慢行系统分布区的路网数据排除待评价城市中没有慢行系统（非机动车道、人行道）的道路，从而更好地分类识别慢行系统。
在本实施例中，所述预设道路包括以下至少一种：城市快速路、高速路、高速引路。
可以理解的是，我国的城市快速路、高速路、高速引路等道路没有设置非机动车道和人行道，因此，在进行城市建成区慢行系统分类识别之前，可以剔除没有非机动车道和人行道的道路，从而获取待评价城市的慢行系统路网数据。
本发明提供的城市建成区慢行系统设施评价方法对建成区慢行系统分为了绿地公园内的休闲慢行系统、建筑小区内的街坊慢行系统、以交通出行为主要功能的交通慢行系统三个子系统。基于慢行系统路网数据进行分类识别，可以获取上述三个子系统。
具体地，绿地公园内的休闲慢行系统是以归一化植被指数所确定的，建筑小区内的街坊慢行系统是以建筑物矢量所确定的，以交通出行为主要功能的交通慢行系统是排除所述休闲慢行系统和所述街坊慢行系统后所确定的。
图5是本发明提供的城市建成区慢行系统设施评价方法的获取休闲慢行系统和街坊慢行系统的矢量边界的流程示意图。如图5所示，在一个实施例中，获取所述休闲慢行系统的步骤包括：计算第一高分卫星影像的所述归一化植被指数，从所述第一高分卫星影像中剔除所述归一化植被指数大于预设值的区域，获取第二高分卫星影像；对所述第二高分卫星影像进行面向对象分割，获取多个绿地斑块；从所述第二高分卫星影像中剔除小于预设面积值的所述绿地斑块，确定所述绿地公园的矢量边界；基于所述绿地公园的矢量边界和所述慢行系统路网数据，获取所述休闲慢行系统。
具体地，所述第一高分卫星影像至少包括所述城市建成区慢行系统分布区的高分卫星影像数据。可以是待评价城市的高分卫星影像数据，也可以是上述步骤确定的城市建成区慢行系统分布区的高分卫星影像数据。根据第一高分卫星影像可以计算出影像上的NDVI指数（Normalized Difference Vegetation Index，归一化植被指数）。归一化植被指数是通过测量近红外（植被强烈反射） 和红光（植被吸收）之间的差异来量化植被。应该理解的是，NDVI值的大小范围始终介于-1和+1之间。如果NDVI值接近+1，则很有可能是茂密的绿植或者绿地的区域。然而，如果NDVI值接近于0，则可以认为是少有或者没有绿植、绿地，这些区域可能是城市化区域，如果NDVI值为负数，则很可能是水。
因此，在提取绿地公园内的休闲慢行系统的步骤中，可以先剔除NDVI值大于0的区域，初步剔除建筑用地、水体等非绿地区域，获取的第二高分卫星影像保留了绿地区域。
具体地，对第二高分卫星影像进行面向对象分割。例如，可以采用多尺度分割的方式，在ENVI软件中设置参数scale parameter = 500, shape = 0.6, compactness = 0.5，得到多个较为破碎的绿地斑块。又如，还可以使用Merge region算法将临近的绿地斑块合并，导出至ArcGIS软件。
再使用ArcGIS软件中的Clip 工具提取建成区内的绿地斑块，提取的绿地斑块中除了大型公园绿地，还包括行道树、小区绿色景观等更为破碎、面积更小的斑块。因此，在图层属性里添加Area一栏，通过Caculate geometry得到各个绿地斑块的面积，剔除小于预设面积值的所述绿地斑块，可以剔除行道树、小区绿色景观等区域，保留公园绿地斑块。例如，将面积小于10000平方米的绿地斑块删除。再使用aggregate polygons工具，则可以得到建成区绿地公园的矢量边界，例如设置参数tolerance = 50m，从而确定所述休闲慢行系统的矢量边界。将休闲慢行系统的矢量边界和慢行系统路网数据进行空间叠加，则可以确定休闲慢行系统的路网数据，从而获取休闲慢行系统。
在一个实施例中，预设面积值可以根据待评价城市的各公园绿地面积的官方统计数据确定。具体地，可以选取待评价城市中最小的公园绿地面积值作为预设面积值，从而将非公园绿地的绿地斑块剔除。
如图5所示，在一个实施例中，获取所述街坊慢行系统的步骤包括：基于深度学习方法获取所述第一高分卫星影像中的第一建筑物矢量；对所述第一高分卫星影像中的所述第一建筑物矢量进行边界简化处理，获取第二建筑物矢量以及障碍物矢量；将直线距离小于预设距离的所述第二建筑物矢量之间进行聚合处理，并从所述第一高分卫星影像中排除所述障碍物矢量，确定所述建筑小区的矢量边界，基于所述建筑小区的矢量边界和所述慢行系统路网数据，获取所述街坊慢行系统。
具体地，可以采用基于注意力机制的深度学习方法（建筑物提取模块）提取第一高分卫星影像中的建筑物矢量。
在ArcGIS软件中使用simplify building工具简化建筑物矢量的边界，获取简化后的第二建筑物矢量。例如，设置参数simplification tolerance = 5m, minimum area =10m。
使用select by attributes工具可以导出障碍物矢量。例如，选择Type = 4 OR 5OR 6 OR 7的路网导出障碍物矢量。
使用Aggregate polygon 工具聚合相邻的建筑物矢量。例如，设置参数Aggregation Distance = 100m。并且，Barrier Features设置为上述所导出的障碍物矢量。从而可以确定所述建筑小区的矢量边界，即确定所述街坊慢行系统的矢量边界。将街坊慢行系统的矢量边界和慢行系统路网数据进行空间叠加，则可以确定街坊慢行系统的路网数据，从而获取街坊慢行系统。
在一个实施例中，还可以使用ArcGIS软件中的eliminate polygon part工具去除矢量面里的空洞。例如，设置参数Area = 100,000,000。
应该理解的是，对于获取休闲慢行系统和获取街坊慢行系统的执行顺序没有先后之分。可以先执行获取休闲慢行系统的步骤，后执行获取街坊慢行系统的步骤；也可以先执行获取街坊慢行系统的步骤，后执行获取休闲慢行系统的步骤；还可以同时执行获取休闲慢行系统的步骤和获取街坊慢行系统的步骤。
图6是本发明提供的城市建成区慢行系统设施评价方法的建成区慢行系统设施评价的流程示意图。如图6所示，在一个实施例中，获取所述交通慢行系统的步骤包括：基于所述慢行系统路网数据、所述休闲慢行系统的矢量边界、所述街坊慢行系统的矢量边界，确定所述交通慢行系统的路网数据，以获取所述交通慢行系统。
具体地，可以将提取出的休闲慢行系统的矢量边界、街坊慢行系统的矢量边界和慢行系统路网数据进行空间叠加，则可以确定休闲慢行系统的路网数据和街坊慢行系统的路网数据。除去这两种慢行系统的路网数据，剩余的路网数据则为交通慢行系统的路网数据。
可以理解的是，交通慢行系统是以交通出行为主要功能，可以遍布建成区，没有具体的区域划分，因此，无需确定交通慢行系统的矢量边界。
在一个实施例中，在ArcGIS软件中使用intersect工具，将Type = 10 OR 9 的道路导出（该图层是路网数据里的非机动车道和人行道），分别与建筑小区矢量和绿地公园矢量做空间叠加，将建筑小区内的道路分为街坊慢行系统，将绿地公园内的道路分为休闲慢行系统，其余道路则分为交通慢行系统。高分卫星影像上可以标识有建成区慢行系统的路网数据，并且，不同的慢行系统的路网数据可以通过不同颜色、粗细线条标识出来。
在一个实施例中，可以将休闲慢行系统的路网数据、街坊慢行系统的路网数据以及交通慢行系统的路网数据制图形成城市建成区慢行系统路网数据集。后续可以根据城市建成区慢行系统路网数据集，计算出城市建成区的慢行道数量、长度等。
如图6所示，在一个实施例中，步骤130具体包括：计算所述预定义城市建成区慢行系统的慢行道密度；基于所述慢行道密度对所述待评价城市的慢行系统设施的能力进行评价。
具体地，以城市建成区慢行系统路网数据集为输入，运用分析工具中的叠加分析、标识功能，可以计算建成区内各级行政边界内的慢行道数量和慢行道长度。
在一个实施例中，所述慢行道长度为休闲慢行系统长度、街坊慢行系统长度以及2倍的交通慢行系统长度之和。
在一个实施例中，所述建成区慢行道密度为建成区慢行道长度与城市建成区面积之比。
目前，本发明提供的城市建成区慢行系统设施评价方法已应用到宁波市江北区示范区城市建成区慢行系统评价的项目中。通过本发明提供的方法，提取到了宁波市江北区示范区城市建成区慢行系统路网数据集，共得到线状矢量要素7300个，即宁波市江北区的慢行道数量为7300条，慢行道总长度为840657.99米。如表1所示，根据公式计算城市建成区慢行道密度，开展慢行系统设施能力评价，得到宁波市江北区示范区城市建成区慢行道密度为12.05公里/平方公里。
表1 宁波市江北区城市建成区慢行系统分析表
本发明提供的城市建成区慢行系统设施评价方法，是面向城市监督管理实际需求，基于国产高分卫星影像数据及其他多源空间信息数据，研究城市建成区内慢行系统分类识别的方法。应用空间分析方法，融合高分卫星影像数据、夜晚灯光数据、路网数据等多源空间信息数据作为城市建成区慢行系统的数据基础，具有实时性、客观性，从而对对城市建成区慢行系统设施评价的结果具有更高的实时性、客观性为城市慢行系统设施监管及其综合服务能力评价提供数据支撑。本发明基于国产高分卫星数据，解决实时评价城市建成区慢行道设施现状的技术难题，有助于全面掌握城市慢行系统设施覆盖情况，为后期精细化智慧城市管理提供基础技术支持。
下面对本发明提供的城市建成区慢行系统设施评价装置进行描述，下文描述的城市建成区慢行系统设施评价装置与上文描述的城市建成区慢行系统设施评价方法可相互对应参照。
图7示例了一种城市建成区慢行系统设施评价装置的结构示意图，如图7所示，城市建成区慢行系统设施评价装置包括：
第一获取模块710，被配置为基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区。
第二获取模块720，被配置为结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统。
评价模块730，被配置为基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价。
图8示例了一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器（processor）810、通信接口（Communications Interface）820、存储器（memory）830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行城市建成区慢行系统设施评价方法，该方法包括：基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价。
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的城市建成区慢行系统设施评价方法，该方法包括：基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的城市建成区慢行系统设施评价方法，该方法包括：基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种城市建成区慢行系统设施评价方法，其特征在于，包括：
基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；
结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；
基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价；
其中，所述城市路网数据包括慢行系统路网数据，所述预定义城市建成区慢行系统包括：以归一化植被指数确定的绿地公园内的休闲慢行系统、以建筑物矢量确定的建筑小区内的街坊慢行系统、排除所述休闲慢行系统和所述街坊慢行系统后的交通慢行系统；
获取所述休闲慢行系统的步骤包括：
计算第一高分卫星影像的所述归一化植被指数，从所述第一高分卫星影像中剔除所述归一化植被指数大于预设值的区域，获取第二高分卫星影像；其中，所述第一高分卫星影像至少包括所述城市建成区慢行系统分布区的高分卫星影像数据；
对所述第二高分卫星影像进行面向对象分割，获取多个绿地斑块；
从所述第二高分卫星影像中剔除小于预设面积值的所述绿地斑块，确定所述绿地公园的矢量边界；
基于所述绿地公园的矢量边界和所述慢行系统路网数据，获取所述休闲慢行系统；
获取所述街坊慢行系统的步骤包括：
基于深度学习方法获取第一高分卫星影像中的第一建筑物矢量；其中，所述第一高分卫星影像至少包括所述城市建成区慢行系统分布区的高分卫星影像数据；
对所述第一高分卫星影像中的所述第一建筑物矢量进行边界简化处理，获取第二建筑物矢量以及障碍物矢量；
将直线距离小于预设距离的所述第二建筑物矢量之间进行聚合处理，并从所述第一高分卫星影像中排除所述障碍物矢量，确定所述建筑小区的矢量边界；
基于所述建筑小区的矢量边界和所述慢行系统路网数据，获取所述街坊慢行系统；
获取所述交通慢行系统的步骤包括：基于所述慢行系统路网数据、所述休闲慢行系统的矢量边界、所述街坊慢行系统的矢量边界，确定所述交通慢行系统的路网数据。
2.根据权利要求1所述的方法，其特征在于，所述基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区的步骤包括：
将所述夜间灯光数据进行重投影，获取第一夜间灯光影像；
对所述第一夜间灯光影像进行面向对象分割，获取多个城市斑块；
基于建成区指数对多个所述城市斑块进行合并，获取包括城市建成区慢行系统分布区的第二夜间灯光影像。
3.根据权利要求2所述的方法，其特征在于，所述结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统的步骤包括：
将所述城市路网数据与所述第二夜间灯光影像进行重投影，并从所述城市路网数据中剔除预设道路，获取慢行系统路网数据；
其中，所述预设道路包括以下至少一种：城市快速路、高速路、高速引路；
对所述慢行系统路网数据进行分类识别，根据分类识别的结果获取所述预定义城市建成区慢行系统。
4.根据权利要求1所述的方法，其特征在于，所述基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价的步骤包括：
计算所述预定义城市建成区慢行系统的慢行道密度；
基于所述慢行道密度对所述待评价城市的慢行系统设施的能力进行评价。
5.一种城市建成区慢行系统设施评价装置，其特征在于，包括：
第一获取模块，被配置为基于待评价城市的夜间灯光数据获取城市建成区慢行系统分布区；
第二获取模块，被配置为结合所述待评价城市的高分卫星影像数据，对所述城市建成区慢行系统分布区的城市路网数据进行分类识别，获取至少一个预定义城市建成区慢行系统；
评价模块，被配置为基于所述预定义城市建成区慢行系统对所述待评价城市的慢行系统设施进行评价；
其中，所述城市路网数据包括慢行系统路网数据，所述预定义城市建成区慢行系统包括：以归一化植被指数确定的绿地公园内的休闲慢行系统、以建筑物矢量确定的建筑小区内的街坊慢行系统、排除所述休闲慢行系统和所述街坊慢行系统后的交通慢行系统；
获取所述休闲慢行系统的步骤包括：
计算第一高分卫星影像的所述归一化植被指数，从所述第一高分卫星影像中剔除所述归一化植被指数大于预设值的区域，获取第二高分卫星影像；其中，所述第一高分卫星影像至少包括所述城市建成区慢行系统分布区的高分卫星影像数据；
对所述第二高分卫星影像进行面向对象分割，获取多个绿地斑块；
从所述第二高分卫星影像中剔除小于预设面积值的所述绿地斑块，确定所述绿地公园的矢量边界；
基于所述绿地公园的矢量边界和所述慢行系统路网数据，获取所述休闲慢行系统；
获取所述街坊慢行系统的步骤包括：
基于深度学习方法获取第一高分卫星影像中的第一建筑物矢量；其中，所述第一高分卫星影像至少包括所述城市建成区慢行系统分布区的高分卫星影像数据；
对所述第一高分卫星影像中的所述第一建筑物矢量进行边界简化处理，获取第二建筑物矢量以及障碍物矢量；
将直线距离小于预设距离的所述第二建筑物矢量之间进行聚合处理，并从所述第一高分卫星影像中排除所述障碍物矢量，确定所述建筑小区的矢量边界；
基于所述建筑小区的矢量边界和所述慢行系统路网数据，获取所述街坊慢行系统；
获取所述交通慢行系统的步骤包括：基于所述慢行系统路网数据、所述休闲慢行系统的矢量边界、所述街坊慢行系统的矢量边界，确定所述交通慢行系统的路网数据。
6.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至4任一项所述城市建成区慢行系统设施评价方法。
7.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述城市建成区慢行系统设施评价方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211381790.3A CN115620165B (zh) | 2022-11-07 | 2022-11-07 | 城市建成区慢行系统设施评价方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211381790.3A CN115620165B (zh) | 2022-11-07 | 2022-11-07 | 城市建成区慢行系统设施评价方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115620165A CN115620165A (zh) | 2023-01-17 |
| CN115620165B true CN115620165B (zh) | 2023-03-28 |
Family
ID=84877670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211381790.3A Active CN115620165B (zh) | 2022-11-07 | 2022-11-07 | 城市建成区慢行系统设施评价方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115620165B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116127786B (zh) * | 2023-04-07 | 2023-06-30 | 南京大学 | 基于城市慢行交通仿真的慢行群体安全状态测算系统和方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107038537A (zh) * | 2017-05-04 | 2017-08-11 | 中国地铁工程咨询有限责任公司 | 一种城轨交通评价方法和装置 |
| CN109816581A (zh) * | 2019-01-25 | 2019-05-28 | 东南大学 | 一种综合业态大数据与建筑形态的城市用地自动识别系统 |
| CN109948737A (zh) * | 2019-04-08 | 2019-06-28 | 河南大学 | 基于大数据和机器学习的贫困空间分类识别方法和装置 |
| CN111060119B (zh) * | 2019-12-27 | 2021-08-10 | 中电海康集团有限公司 | 基于街景图视觉要素评分的城市慢行出行导航方法和系统 |
| CN112926387B (zh) * | 2021-01-25 | 2024-05-28 | 北京工业大学 | 一种基于全景影像的慢行交通评估方法 |
-
2022
- 2022-11-07 CN CN202211381790.3A patent/CN115620165B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN115620165A (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108920481B (zh) | 一种基于手机定位数据的道路网重建方法及系统 | |
| CN100533486C (zh) | 一种数字城市全自动生成的方法 | |
| Wang et al. | Macrolevel model development for safety assessment of road network structures | |
| Moreno et al. | Application of NDVI for identify potentiality of the urban forest for the design of a green corridors system in intermediary cities of Latin America: Case study, Temuco, Chile | |
| CN103679655A (zh) | 一种基于坡度与区域生长的LiDAR点云滤波方法 | |
| Fonte et al. | Using OpenStreetMap (OSM) to enhance the classification of local climate zones in the framework of WUDAPT | |
| CN112418674A (zh) | 基于城市多源数据的街道空间品质测度评价方法和系统 | |
| Van de Voorde et al. | Improving pixel-based VHR land-cover classifications of urban areas with post-classification techniques | |
| CN102096072B (zh) | 一种城市部件自动化测量方法 | |
| Antos et al. | The morphology of African cities | |
| CN112819340A (zh) | 一种基于多源数据的城市洪涝灾害动态评估方法 | |
| CN115620165B (zh) | 城市建成区慢行系统设施评价方法、装置、设备及介质 | |
| Lopes et al. | Using OpenStreetMap data to assist in the creation of LCZ maps | |
| CN112184282A (zh) | 影院选址模型建立方法、影院选址方法及影院选址平台 | |
| CN109254290A (zh) | 一种天气雷达并行拼图方法及系统 | |
| Wu et al. | Automatic building rooftop extraction using a digital surface model derived from aerial stereo images | |
| Liu et al. | Road PV production estimation at city scale: A predictive model towards feasible assessing regional energy generation from solar roads | |
| CN108876075A (zh) | 城市轨道交通站点地区宜步行性评价方法 | |
| CN113157834B (zh) | 城市局地气候分区分类的制图方法及装置 | |
| CN111008730B (zh) | 基于城市空间结构的人群聚集度预测模型构建方法及装置 | |
| CN114331232B (zh) | 街道空间品质监测评估预警方法 | |
| CN114913475B (zh) | 基于gis和机器视觉的城市网格化管理方法及系统 | |
| Huck et al. | Delineating parameters for object-based urban structure mapping in Santiago de Chile using QuickBird data | |
| Samsonov et al. | Towards computation of urban local climate zones (LCZ) from openstreetmap data | |
| Chen et al. | The urban morphology classification under local climate zone scheme based on the improved method-A case study of Changsha, China |
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 |