街景數據在城市專用自行車道的體檢評估應用

彭婧麟 張澍

一、引言

隨著中國城市化進程的發(fā)展，交通擁堵、住房緊張等“城市病”不斷涌現，許多城市建立了實時監(jiān)測、定期評估、動態(tài)維護的城市體檢評估機制[1，2]。城市專用自行車道作為重要的體檢指標，在綠色出行設施評估方面扮演著重要角色[3]。然而，由于部門獲取渠道不暢、人工調研成本較高等問題，增加了該指標的獲取難度。街景數據憑借其開放性等特征，廣泛應用于街巷視角的城市問題分析中，為專用自行車道的提取提供可能[4，5]。本研究通過OSM道路交叉口設置采樣點，爬取贛州市建成區(qū)百度街景數據，利用圖像識別技術、特征提取算法和隨機森林分類含有自行車道的圖像，對采樣點重新賦值，提取專用自行車道，應用于城市體檢工作之中。本研究應用的方法能夠應用于贛州專用自行車道的提取工作，有助于為城市專用自行車道等體檢指標提供數據和方法支撐。

二、研究區(qū)與數據

本研究選擇贛州市建成區(qū)作為研究區(qū)域。市轄區(qū)建成區(qū)范圍為市轄區(qū)內實際已開發(fā)建設并集中連片、基本具備基礎設施和服務設施的區(qū)域，截至2020年底，市轄區(qū)建成區(qū)面積為202.48平方公里，人口197.52萬人。

本次研究選擇OSM（OpenStreetMap）道路數據作為贛州市建成區(qū)路網數據，選擇百度街景數據作為街景圖像數據源。對OSM路網進行合并多車道、簡化路網和拓撲處理，獲取簡化后的道路網數據。本研究選擇道路端點采樣采集街景數據，即在道路交叉口設置采樣點，兩個相鄰交叉口均含有自行車道的，將兩個交叉口之間的路段視為含有專用自行車道。因此在簡化處理后的路網交叉口設置采樣點。而后，基于百度開放平臺街景API、采樣點坐標采集贛州市建成區(qū)街景數據。

三、方法與結論

自行車道通常指地面劃線或物理隔離的自行車獨立路權的道路，不允許行人或其他車輛進入，通常包含劃線自行車道、物理隔離的自行車道和混行自行車道。本研究主要針對地面劃線或設置物理隔離的專用自行車道進行提取，這類自行車道具有顏色鮮艷或被花壇、柵欄等物理設施分隔的特征。Smith等人（2013）利用計算機圖像識別技術和隨機森林，分類街景圖像中的人行道[6]。本研究從街景圖像分類出專用自行車道的工作流程構建基于此框架：分別收集訓練和測試數據，利用圖像識別和特征提取算法分割每個街景圖像，同時基于MATLAB半自動方式注釋每個分割片段的真實標簽。從圖像中提取特征集，包括水平、垂直幾何背景、RGB和HSV直方圖以及分割片段位置信息等。采用隨機森林對自行車片段進行學習，分類出含有專用自行車道的測試圖像。最終，對采樣點重新賦值，提取完整的專用自行車道。本流程基于MATLAB和ArcGIS實現，完成對專用自行車道的提取工作。

而后，通過人工檢驗方式，對機器學習的專用自行車道識別結果進行評價。通過圖片識別正確率、節(jié)點識別正確率、路段識別正確率對評估精度進行評價，并采用路段識別正確率作為結果精度。進而，選擇專用自行車道密度指標，對贛州專用自行車道建設情況進行評價。結果顯示：（1）本研究所應用的方法針對專用自行車道提取的圖片識別正確率為77.24%，道路識別正確率為83.56%，精度較高，能夠應用于專用自行車道提取工作中。（2）贛州建成區(qū)整體專用自行車道密度達到1.51 km/km2，達到《城市道路交通規(guī)劃設計規(guī)范》（GB502220-95）要求。

本研究通過對贛州建成區(qū)及各個組團專用自行車道密度進行計算，結合空間分布分析，分析其在城市體檢工作中的應用。結果顯示：（1）贛州各個組團專用自行車道建設情況存在較大差異，章貢區(qū)和蓉江新區(qū)相對較高，贛州經開區(qū)和贛縣區(qū)相對較低。（2）章貢區(qū)、蓉江新區(qū)綠色出行設施和綠色出行占比較高，南康區(qū)、贛縣區(qū)在公交站點覆蓋率方面，贛州經開區(qū)、贛縣區(qū)在專用自行車道方面相對薄弱，有待在城市建設中予以補足。

四、討論

結果顯示，本次研究中利用提取方法總體上能夠很好地應用于提取專用自行車道。未來的自行車道的提取工作可以從合理利用多源數據、改善分類方法等方面進行優(yōu)化。互聯網地圖在線標記功能為用戶提供自愿分享和共享信息的接口，這類眾包數據可以作為專用自行車道可靠、廣泛的數據來源。無人機遙感數據也可以作為補充性數據匯入圖像數據集。同時，在道路節(jié)點中間段位置增加采樣點提高數據精準性。在算法方面，采用改進的圖像識別和特征提取算法增加特征集精確度，加入更多提取特征如車道寬度等用于自行車道分類。

同時，針對結果應用方面，本研究在城市整體層面對專用自行車道密度進行計算外，從空間分布、指標關聯兩個角度對專用自行車道密度進行分析，分析各個組團綠色出行特征。由于本研究主要針對單個城市、單期數據進行分析，缺乏其他城市、其他年份的指標數據，有待從多時段、多城市對比等角度對贛州專用自行車道建設情況進行系統性的分析。

參考文獻：

[1] 張文忠，何炬，諶麗.面向高質量發(fā)展的中國城市體檢方法體系探討[J].地理科學，2021，41（01）：1-12.

[2] 石曉冬，楊明，金忠民，等.更有效的城市體檢評估[J].城市規(guī)劃，2020，44（03）：65-73.

[3] 中華人民共和國住房和城鄉(xiāng)建設部.住房和城鄉(xiāng)建設部關于開展2021年城市體檢工作的通知：建科函〔2021〕44號[A/OL]. （2021-04-30）[2022-01-07]. https：//www.mohurd.gov.cn/gongkai/fdzdgknr/tzgg/202104/20210430_250011.html.

[4] 葉宇，張昭希，張嘯虎，等.人本尺度的街道空間品質測度—結合街景數據和新分析技術的大規(guī)模、高精度評價框架[J].國際城市規(guī)劃，2019，34（1）：18-27.

[5] 李澤，關睿，李雪，等.基于多源數據的老城街區(qū)建成環(huán)境對居民BMI指數的影響研究[J].住區(qū)，2021（02）：47-55.

[6] Smith V， Malik J， Culler D. Classification of sidewalks in street view images[C]// International Green Computing Conference. IEEE Computer Society， 2013.