测绘科学杂志已发表格式范文参考
1.视频流全景地图支持下的街道空间品质评价
作者：章子钰,张春晓,武鹏达,曹文涛,戴昭鑫
作者单位：中国地质大学;中国测绘科学研究院
关键词：视频流全景地图;街道空间品质;深度学习;视频解译;熵权法
摘 要：针对街道空间品质如何合理评价问题 ，提出一种视频流全景地图支持下的街道空间品质评价方法 ：构 建 以 “安全－协调－绿色－共享”为核心的街道 空 间 品 质 评 价 指 标 体 系； 建 立 基 于 ＨＲＮｅｔ－ＯＣＲ 模 型 的 视 频 关 键 帧 解 译 算 法，支撑各项指标计算；基于 熵 权 法 实 现 多 指 标 融 合 的 街 道 空 间 品 质 的 定 量 化 评 价 。 以 武 汉 市 解 放 大 道 ２０１８ 年、 ２０１９年两期数据进行实验，实验结果表明：２０１８年解放大道 街 道 空 间 品 质 总 体 测 度 得 分 中 等，整 体 呈 现 前 中 段 高、 后段低的特征；相较于２０１８年，２０１９年解放大道街道空间 品 质 总 体 有 一 定 程 度 的 改 善，协 调 类、共 享 类 指 标 值 提 升显著。
０ 引言
伴随全球城市化进程的加快演进，城市空间 质量成为城市发展状态与城市治理水平的重要体 现。在城市空间品质化与精细化管理需求下，如 何提升城市公共空间形象、凝练城市空间特色成 为城市发展的重要议题［１］。我国高度重视城市空间 质量，积极推进国土空间治理体系和能力现代化， ２０１９年５月，有关文件提出 “国土空间规划是国 家空间发展的指南、可持续发展的空间蓝图”，要 “建立健全国土空间规划动态监测评估预警和实施 监管机制”。自然资源部于２０２１年６月发布 《国土 空间规划城市体检评估规程》，明确提出在城市层 面以 “一年一体检、五年一评估”的方式开展城 市空间质量评估，以对城市发展特征及规划实施 效果定期进行分析和评价［２］。街道作为公共空间的 核心载体之一［３］，表征着城市的政治、经济、人文 等诸多内涵，是人民观察城市形象与特色的重要 途径与窗口［４］。街道空间品质是街道空间使用者对 所参与的物理空间客观外在的表征以及内在情感 空间认知本质两方面的适宜性综合评价［５］。通过对 街道空间品质的测度与研究，可以帮助注重以人 为本的城 市 街 道 设 计 与 建 设，为 提 升 城 市 形 象， 改善城市街道质量，打造富有生机、感受舒适的 城市街道空间提供参考［６］。
对于街 道 空 间 品 质 的 研 究 可 追 溯 到 ２０ 世 纪 ６０年代。简·雅各布斯在 《美国大城市的死与生》 一书中 率 先 对 人 本 尺 度 的 道 路 空 间 特 征 进 行 讨 论［７］，并提出基于问卷调查、现场调研的街道空间 品质评价方法。随着信息技术的发展，国内外学 者提出了定量测度与定性研究相结合的街道空间 品质评价方法，这类方法可以有效提高评估的准 确性。文献 ［８］构建了围合性、人性化尺度、通 透性、整洁度、意象化五个空间品质因子组合成 的城市设计质量指标评价体系，定量、细致地刻 画街道空间使用者的主观感受［８］。近年来随着街景 图像等新型数据的出现，加上图像分割、深度学 习等技术的发展，街道空间品质研究逐渐由传统 的依赖人工与实地调查的定性分析转向数字定量 化的测度。街景图像具有与人的视角相似的优势， 符合城市街道空间品质测度中 “人本尺度”的要 求，效率和准确度高，已成为城市街道空间研究 的新兴数据源［９］。文献 ［１０］于２０１６年利用多时 相、多角度的街景图片数据，引入图像语义分割 技术，对北京更新类居住区外围街道空间品质水 平、变化类 别 特 征 进 行 测 度 分 析［１０］。文 献 ［１１］ 从地理学视角出发，运用 ＧＩＳ结合街道空间数据 的方法对美国纽约等城市街道展开研究，通过构 建街道景观变量指标，对街道路面、界面进行定 量分析［１１］。
街景图像等数据形式的介入拓展了街道量化 研究的广度和可行性。众多学者已经应用众源地 理信息大数据，从刻画街道物理环境组成与行人 主观感受出发，研究了街道空间品质的评价方法， 并且取得了大量研究成果。但是，目前的研究方 法仍存在以下不足：①街道在空间上具有连续性、 延展性，对于街道空间品质的评价需要更加全面 和细致的数据收集和分析，以客观评价街道空间 品质的优劣。现阶段的定量化评价方法多借助于 街景数据，然而受限于街景数据拍摄方式、成像 质量和拍摄角度等，街景数据对复杂道路特征的 解译不够精准且缺乏整体性［１２］；②现有研究多集 中于单一时间节点的街道空间品质评价，缺少多 时相数据的对比分析，对于掌握街道空间品质的 发展趋势与态势演变的规律情况分析与判断的支 撑不足。视频流全景地图数据是一种可实现街道 空间立体式、实景化、动态化、连续性描述的新 型数据，在 街 道 空 间 品 质 评 价 中 展 现 出 了 新 的 潜力。
本研究以服务国土空间规划，尤其是城市体 检等国家需求为目标，以武汉市解放大道街道为 例，开展视频流全景地图支持下的城市街道空间 品质研究。利用新型时空数据－视频流全景地图数 据在评价道路空间质量中符合人眼观察视角、连 续性和整体性强等优势，运用深度学习、ＡｒｃＧＩＳ 空间分析等技术手段对数据进行解译，构建城市 街道空间品质评价模型，对街道空间品质进行测 度评价，并基于多期数据进行对比分析，研究街 道空 间 治 理 变 化 情 况， 支 撑 城 市 规 划 与 治 理 工作。
１ 研究区及实验数据
１．１ 研究区
本研究以湖北省武汉市解放大道为研究对象展开。武汉市，是中国中部的中心城市，以其重 要的地理位置成为中国内陆最重要的交通枢纽之 一。解放大道是武汉市区内一条纵贯汉口地区的 大道，横跨武汉市硚口区、江汉区和江岸区，是 武汉市区最长的一条主干道，对于开展城市街道 空间品质研究具有很好的代表性。
以筹备武汉军运会为契机，解放大道作为军 运会重点保障线路，于２０１９年初开始进行街道整 治工作。基于此，本研究以解放大道作为典型街 道案例，能够更好地验证本文基于视频流全景地 图数据的街道空间品质的评价方法的可行性。同 时基于２０１８年、２０１９年两期数据对街道空间品质 进行测度评价与对比，对阶段性街道空间治理变 化情况进行量化分析.
１．２ 实验数据
本研究主要使用的数据为视频流全景地图数 据。视频流全景地图数据是采用视频传感器采集 的多视角视频流数据，通过视频拼接生成全景视 频，同时利用 ＧＮＳＳ 或 ＳＬＡＭ 等 定 位 定 向 技 术， 或点云与视频影像融合等技术形成的一种全视角、 可量 测、沉 浸 式、语 义 化 的 新 型 实 景 三 维 产 品， 如图１所示。除此之外，本研究还用到武汉市路网 数据、ＰＯＩ数 据、ＫＩＴＴＩ－ＳＴＥＰ 数 据 集 等，具 体 的数据来源以及相关介绍如下表１所示。
２ 研究方法
２．１ 街道空间品质评价指标体系构建
本研究以服务城市体检等国家需求开展研究，以 国家层面对城市更新、城市体检等相关政策依据为参 考，通过文献查阅，考虑现有学术研究成果，以能够 系统反映街道整体风貌、空间格局等特征为基本要 求，选取与街道空间相关的安全、协调、绿色、共享 ４个维度，１２个具体指标构建研究区街道空间品质 评价指标体系。指标体系及各指标计算方法见表２。
２．２ 视频关键帧提取与语义分割
为了从大量的非结构化视频数据中提取出具 有较好代表性的少量视频帧图像来表征视频的主 要内容，从而减少对视频中相似或冗余帧图像的 分析计算，降低视频分析所需要的运算量和复杂 性。考虑到车辆拍摄行驶速度不同、路况复杂等 限制，建立时间约束的基于灰度质心的视频关键 帧提取方法对视频流全景地图数据进行关键帧提 取。具体而言，并考虑车辆拍摄速度（约１０ｍ／ｓ）， 设置关键帧提取时间约束阈值为５ｓ，根据约束筛 选有效视觉相似视频帧序列，并最终选取灰度质 心与该有效视觉相似视频帧序列平均灰度质心距 离最小的帧作为该视频序列的关键帧［１６］。具体计 算方法如下。
首先逐帧读取视频帧，将视频帧图像转换为 灰度图像，计算灰度质心并使用其序列代表视频 帧序列；计算当前帧灰度质心与前序视频帧序列 平均灰度质心间距离和当前帧灰度质心与原点间 距离的比值，当比值小于视觉相似阈值时，认定 当前帧与前序视频帧序列具有视觉相似性，即当 满足式（１）～式（３）的约束时，划分当前帧与前一 帧为同一个视觉相似视频帧序列；最后从视觉相 似视频帧序列中，选取灰度质心与该有效视觉相 似视频帧序列平均灰度质心距离最小的帧作为本 序列的关键帧，见式（４）。
式中：（ｘ，ｙ）表示视频第ｋ帧Ｘ（ｋ） 的前序视觉相似 视频帧序列的平均灰度质心，Ｙ（ｉ） Ｃ 表示第ｉ帧的灰 度质心，ε１、ε２ 为视觉相似阈值，本研究设置ε１ ＝ ０．０５，ε２＝０．０３，
Ｋｅｙｊ 表示从第ｊ 个有效视觉相似视频帧序列 中选取的视频关键帧的帧序号，Ｖｊ 为第ｊ 个有效视 觉相似视频帧序列包含的所有视频帧帧序号集合。 提取的关键帧图像结果示例见图２。
本 研 究 选 用 ＨＲＮｅｔ－ＯＣＲ （ｈｉｇｈ－ｒｅｓｏｌｕｔｉｏｎ ｎｅｔｗｏｒｋ－ｏｂｊｅｃｔ－ｃｏｎｔｅｘｔｕａｌ ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｏｒ ｓｅｍａｎｔｉｃ ｓｅｇｍｅｎｔａｔｉｏｎ）的深度学习模型方法对关键帧数据 进行语义分割，提取街景要素，用于后续的指标 计算。 实 验 的 模 型 参 数 量 为 ６３．６ Ｍ，ＧＦＬＰＯｓ 为３２．９。
ＨＲＮｅｔ打破了以往大多数语义分割模型常用 的串联结构，采用四组多分辨率子网并联的方式， 在整个网络过程中保持了高分辨率的表示，能够 更好地捕捉图像的细节信息。ＨＲＮｅｔ主干网络结 构见图３。网络第一个阶段后的每个阶段均会产生 一个低分辨率子网分支，同时高分辨率的表示一 直存在，单行子网在进行卷积操作时的分辨率和 通道数保持不变。之后引入重复的多尺度融合的 机制，进行多级别的特征整合［１７］。ＨＲＮｅｔ的网络 结构减少了不同层级特征整 合 时 的 语 义 差 距［１８］。 ＨＲＮｅｔ网络 采 用 ＲｅｓＮｅｔ 模 型 的 特 征 残 差 机 制， 主要使用 ＢａｓｉｃＢｌｏｃｋ 和 Ｂｏｔｔｌｅｎｅｃｋ 两种基本残差 模块，有效抑制了网络梯度消失问题。
ＯＣＲＮｅｔ模型方法用于捕捉对象级的上下文信 息，从而帮助网络更好地理解关键帧图像中不同对象 的全局和局部关系。其核心思想是通过计算像素和多个目标区域之间的相互关系，来强化该像素对所属类 别区域的表达能力［１９］。ＯＣＲ方法显式地增强了物体 信息，通过引入物体区域作为上下文信息，能更好地 捕捉物体之间的语义联系，从而提高分割精度。
ＯＣＲＮｅｔ模型方 法 流 程 见 图 ４。 将 骨 干 网 络 图 像 信 息 与 区 域 信 息 聚 合 产 生 粗 分 割 结 果 并 划 分出 Ｋ 个软 物 体 区 域，生 成 每 个 类 别 的 对 象 区 域ｆｋ ，见式（５）。 考 虑 到 像 素 点 与 所 有 物 体 区 域的关系，将 Ｋ 个 对 象 区 域 聚 合 到 每 个 像 素 的 表示上，把 对 象 区 域 进 行 特 征 加 权 聚 合 处 理， 进而得到像素－区域关系 ｗｉｋ ，见式（６）。最 后 对 ｆｋ 和 ｗｉｋ 进 行 加 权 聚 合 得 到 上 下 文 信 息 ｙｉ ， 见 式（７）。
式中：Ｘｉ 表示骨干网络输出像素点；ｍｋｉ 表示像素 点属于第ｋ 类的概率，ｋ（Ｘ，ｆ）＝φ（Ｘ）Ｔ ψ（ｆ），表 示关系函数，ρ、δ、ψ、φ表示变换函数。
本文实验使用 ＫＩＴＴＩ－ＳＴＥＰ 数据集及人工标 注的关键帧图像数据（图５）作为数据集模型训练集 验证。ＫＩＴＴＩ－ＳＴＥＰ与 ＫＩＴＴＩ－ＭＯＴＳ相同，具有 ２１个训练序列和１９个测试序列，训练序列进一步 拆分为训练集１２个序列和验证集９个序列。其中 训练数据集５ ０２７张图像，验证数据集２９８１张图 像。原标注类别采用与 Ｃｉｔｙｓｃａｐｅ数据集定义相同 的１９个城市街景要素类别，结合研究需求与实际 街道情况，增强分割类别在研究中的针对性，将 标注类别进行合并、删除后，最终选取与本次研究 相关的１２个街景要素类别进行后续的研究与指标计 算，分别为车行道、步行道、建筑物、墙、围栏、 路灯、红绿灯、交通标识、绿色植被、天空、行人、 机动车。本研究实验模型在 ＫＩＴＴＩ－ＳＴＥＰ数据测试 集上的 ｍＩｏＵ 为８４．７４％，与人工标注数据对比的 ｍＩｏＵ 为７７．６８％。
２．３ 指标综合评价
熵权法是一种客观的可以用于多对象、多指 标的综合评价方法，不受主观因素影响，其评价 结果仅依赖于客观数据本身的离散程度［２０］。考虑 指标设计与实际情况，采用客观赋权方法，能够 快速、便捷地获取数据特征反映出的权重。本研 究采用熵权法确定各项指标的权重，对街道空间 品质进行综合评价，各项评价指标权重值见表３。 由此得出街道空间品质（ｓｔｒｅｅｔ ｓｐａｔｉａｌ ｑｕａｌｉｔｙ， ＳＳＱ）测度总分计算，见式（１）。
３ 结果与分析
３．１ 解放大道街道空间品质
考虑道路的总体长度及街道空间品质的评价基 元，采用相等间隔法将解放大道分为２０段路段进行 评价研究。划分后每段街道约８００ｍ，路段内部街 道空间整体风格变化不大，也便于观察到与邻近路 段的差异。将安全、协调、绿色、共享四个维度计 算得到的指标进行归一化处理，通过街道空间品质 总体测度得分计算公式得到２０１８年１２月武汉市解 放大道街道空间品质总分，并使用 ＡｒｃＧＩＳ软件将街 道空间品质总分进行空间可视化，得到如下结果。
２０１８年解放大道街道空间品质总体测度得分 在０．２～０．７区间，各路段整体街道空间品质呈现 前中段高，后段低的趋势，见图７及图８。其中９ 号路段 的 街 道 空 间 品 质 总 体 测 度 得 分 最 高， 为 ０．６５４，其次是６号路段，得分为０．６０４。９号路段 途径 武 汉 国 际 广 场，商 业、公 共 设 施 尤 其 丰 富， 视野开阔，绿植茂盛，街道空间品质较高；６号路 段街道尺度感高，街道高宽比合适，界面围合度 低，街道开阔舒适，街道空间品质也较高。而１４号、 １８号路段的街道空间品质总体测度得分最低，分 别为０．２２７和０．２３８。１４号路段存在高架遮挡，视 野狭窄，天空可见度低，界面围合度高，周边分 布的商业与公共设施较少，导致街道空间品质低； １８号路段位于住宅区，周边多为小区等居住设施， 商业与公共设施分布较少，道路两侧建筑与树木 较高使得天空可见度、街道尺度感较低，导致街 道空间品质低。１４号路段开始出现的高架遮挡以 及商业与公共设施服务的减少，使绿色与共享维 度的指标得分降低，１３到１４号路段的街道空间品 质出现一个明显的大幅下降趋势。
３．２ 解放大道街道空间品质的变化分析
３．２．１ 解放大道街道空间品质总体变化
经过两期数据处理、指标计算得到 ２０１８ 年、 ２０１９年解放大道街道空间品质总体测度得分，见 图９。
对比两 个 时 期 街 道 空 间 品 质 测 度 总 分 可 知， ２０１９年解放大道街道空间品质相比２０１８年总体有 了一定的提升，两期街道空间品质总分保持在０．２～ ０．８区间，整体趋势仍呈现前中段高，后段低的特 点。其中７号路段街道空间品质在２０１９年略有下 降，其余路段的街道空间品质均有改善，尤其３、 １９号路段街道空间品质提升最为明显。结合解放 大道街道空间品质总体测度得分与现实道路情况 来看，在７号路段，由于街道整修，街道墙面上的 绿色植被减少，间接使得了街道绿视率降低，而 其他指标的变化不大，导致整体的街道空间品质 略有降低。街道空间品质提升最为明显的３号路段 主要在建筑色彩一致性的指标上有很好的提升，表 明该路段在建筑墙面整修工作上有很不错的效果。 同时周边商业设施增加，对街道空间品质改善有积 极的正向影响。１９号路段的街道空间品质提升则主 要体现在绿视率、车辆干扰指数的改善，车流量的 减少与绿色植被的增加同时改善了街道尺度感与界 面围合度，整体街道空间品质有了较好的改善。
３．２．２ 解放大道街道空间品质评价指标变化
２０１８年、２０１９年解放大道街道空间品质各类 指标结果见图１０。
两年间解放大道的交通设施齐全度、视觉熵 指标的变化较小，基本趋于平衡。个别特殊路段 某些指标值的变化较大，如路段１１，途径宝丰路 高架与解放大道的交叉口与立交桥，街道两侧基本没有绿色植被分布，导致绿视率指标极低。
将各指 标 结 果 对 照 解 放 大 道 实 际 情 况 来 看， 随着解放大道向西延伸，安全维度得分变化趋势 平缓，其中６号路段在两年间的得分均最低，该路 段途径商务办公与住宅用地，车流量大，交通较 为拥挤，街道空间品质的安全感低。协调维度品 质大致呈现逐渐降低趋势，２０１９年品质在道路前 段均高于２０１８年，１３号路段两年的品质均最好， 该路段在建筑墙面整修的效果较好，两侧建筑高 度较低，街道尺度协调开阔。绿色维度品质也呈 逐渐下降趋势，道路后段由于高架桥的遮挡导致绿 色维度品质较低。而２０１９年相比于２０１８年的共享 维度品质均有了一定程度的提升，尤其是道路中段， 解放大道中段途径汉口地区的中央商务区，经济发 展势头迅猛，各类设施丰富，ｐｏｉ密集，共享维度品 质优良，对街道空间品质提升起到了积极影响。
4 结束语
本文以 服 务 城 市 体 检 等 国 家 需 求 开 展 研 究， 提出一种视频流全景地图支持下的街道空间品质 评价的方法，利用新型时空数据－视频流全景地图 数据在 街 道 空 间 品 质 评 价 的 优 势， 通 过 构 建 以 “安全－协调－绿色－共享”为核心的街道空间品质评 价指标体系，运用深度学习、ＡｒｃＧＩＳ空间分析等 技术手段，以２０１８年、２０１９年武汉市解放大道街 道为例，实现多指标融合的街道空间品质的定量 化评价与对比分析，研究街道空间治理变化情况。 结果表明，２０１８年解放大道街道空间品质总体测 度得分在０．２～０．７区间，整体呈现前中段高、后 段低的特征。２０１９年解放大道街道空间品质相比 ２０１８年总体有了一定的提升，其中协调类、共享 类指标值 提 升 稳 定，各 路 段 品 质 改 善 均 较 明 显。 武汉市城乡建设局相关新闻［２１］显示，以筹备武汉 军运会为契机，作为军运会重点保障线路，解放 大道于２０１９年初开始进行街道整治工作，主要包 括建筑立面整治、交通梳理、公共服务设施的改 造等。整治后，街道空间质量得到明显提升，此 报道侧面验证了本研究的有效性。
本文主要选择视频流全景地图数据与 ＰＯＩ数 据对街道空间品质进行测度，然而视频流全景地 图数据也受到采集时间、交通状况等客观因素影 响，容易使得部分指标的计算产生一定误差，研 究的前提是需要保证视频拍摄的质量，建议研究 者尽量选取在晴天、无雪雾时间段作为采集时间， 避免极端天气影响数据质量。今后考虑加入其他 多源数据、构建更为丰富的指标体系、结合更加 全面细致的评价方法加以分析，更好地对街道空 间品质进行测度与分析。同时，本文仅以武汉市 解放大道为研究案例，在今后的研究中需要将方 法推广应用到其他的街道空间场景，以提高方法 的适用性，使得对街道空间品质的测度更加具有 全面性、科学性。
