基于網絡熱度的道路景觀評價與最美路徑推薦

張　霞， 趙瑋丹， 江文萍， 唐爐亮

(1. 武漢大學 城市設計學院，湖北 武漢 430072； 2.武漢大學 資源與環(huán)境科學學院，湖北 武漢 430079；

3. 武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

?

基于網絡熱度的道路景觀評價與最美路徑推薦

張霞1， 趙瑋丹2， 江文萍2， 唐爐亮3

(1. 武漢大學 城市設計學院，湖北 武漢 430072； 2.武漢大學 資源與環(huán)境科學學院，湖北 武漢 430079；

3. 武漢大學 測繪遙感信息工程國家重點實驗室，湖北 武漢 430079)

摘要：基于道路景觀搜索量、簽到和點贊等網絡熱度大數據建立道路景觀熱度綜合評估模型，結合景觀視域得到道路美麗度，并以距離、時間等為約束條件，設計和實現了最美路徑優(yōu)化算法.最后以武漢市28處道路景觀進行實驗，并將最美路徑算法與傳統(tǒng)最短路徑算法進行比較，結果表明，在起止點相同情況下，最美路徑算法可以在距離(時間)閾值約束范圍內找到更美路徑，提高出行過程中的愉悅感.

關鍵詞：網絡熱度； 道路美麗度； 最美路徑； 路徑優(yōu)化； 大數據

隨著人民生活質量的不斷提高，公眾對出行有了更高的期望，不管是私家車休閑兜風還是公務上下班，在滿足一定時間或距離約束下，都會盡可能追求一條舒適性高、自然風光美、人文歷史厚的最美路徑，而不再滿足于簡單可達路徑，但是現有研究大都是追求效率高、路徑短的最快路徑或最短路徑，忽略了出行公眾的心理需求.完善的街景數據庫和網絡上高度共享的地理信息為這一需求提供了可能，如何從網絡大數據中挖掘出道路景觀信息，并將其應用在路徑規(guī)劃中，為公眾提供更加舒適的可選路徑，成為國內外學者研究的熱點.

傳統(tǒng)路徑規(guī)劃一般都是追求距離最短、出行時間最短、費用最小，有一些學者提出前K條最短路徑算法[1-2]，用于最短路徑不符合條件時，次短或第k短路徑的推薦.近年來，研究者更加關注公眾出行的物質和心理等個性化偏好與需求[3-5]，如于海璁等[3]提出了一種適宜多模式交通網絡環(huán)境下的多標準路徑搜索方法；Meng等[4]在路徑規(guī)劃時考慮了用戶購物、就餐、看風景等一系列出行目的，利用蟻群算法為出行者推薦經過更多目標點的路線；Quercia等[5]研究了散步者的心理特征，將數據庫圖片眾包到評價網站中進行投票，以美麗、安靜和高興三方面的得分生成網絡圖，推薦最美麗、最安靜或最高興路徑.

大數據時代的到來為個性出行需求的路徑規(guī)劃帶來了新機遇，社交網絡共享圖片與軌跡大數據成為個性化出行需求的數據源，一類是基于社交網絡共享圖片大數據[6-8]，如Choudhury等[8]基于Flickr用戶上傳的帶有位置和時間信息的照片構建POI(point of interest)圖，在路徑規(guī)劃時鏈接該數據為出行者推薦最適合該用戶的路徑；另一類則是手機等移動設備全球定位系統(tǒng)(global positioning system, GPS)軌跡和車載GPS軌跡數據的眾包軌跡數據[9-10]，如唐爐亮等[9]基于浮動車數據(floating car data)研究了出租車司機路徑選擇規(guī)律，建立經驗知識模型，設計基于經驗知識的路徑優(yōu)化算法.此外，隨著基于位置的服務(location based service，LBS)興起產生的網絡搜索與簽到數據因信息量豐富、方便獲得、成本低等優(yōu)點，也逐漸被應用到旅游路徑規(guī)劃[11].

本文通過景觀的網絡搜索、簽到和點贊等網絡熱度信息綜合評價景觀的熱度和品質，從街景數據庫中獲取道路前進方向的景觀視域范圍，評估道路美麗度，并設計和實現了最美路徑規(guī)劃算法，提高出行的愉悅感和舒適性.

1基于網絡熱度的道路景觀評價

1.1景觀網絡熱度數據采集與預處理

現有景觀評估主要針對城市、大型景區(qū)等旅游目的地或專門旅游道，通過組織調查獲得景觀公眾評價，進行統(tǒng)計分析得到定量值[12].互聯網的普及和大數據時代的到來為景觀評估提供了豐富且低廉的數據源，公眾評價可以通過網絡調查或現有網絡數據獲得[5,13].本文中道路景觀熱度評估以網絡大數據為基礎，首先挖掘城市景觀中具有歷史意義、文化價值或令人賞心悅目的道路景觀，以與景觀熱度密切相關的文字和照片網絡搜索量(T)、網絡簽到人數(N)、網絡點贊數(S)和景觀等級(L)為評判標準，對道路景觀熱度進行定量評估.

本文以谷歌搜索為引擎，采集道路景觀文字和照片搜索量，然后抓取微博簽到數和點贊數，景觀等級劃分參考國家景區(qū)等級劃分標準，3A、4A、5A級景觀分別得3、4、5分，其余景觀得分2.采用對數法對T、N和S做量綱一化處理，其中x表示量綱一化后的數據，x*為原始數據，如式(1)所示.

(1)

1.2景觀熱度評估

景觀熱度評估分為三個環(huán)節(jié)，依次是景觀模糊關系計算、景觀模糊聚類分析、景觀熱度評估.模糊聚類分析是用數學方法定量確定樣本之間的親疏關系，本文用景觀屬性聚類得到的景觀親疏關系指導并修正景觀熱度評估模型，具體建模過程如圖1所示.

(1)建立景觀模糊關系矩陣

研究了T， N， S和L四個屬性，采用最大最小法建立Fuzzy關系矩陣R=(rij)，rij表示第i個景觀和第j個景觀的相似度(親密程度)，計算方法如下：

(2)

式中：xik表示第i個景觀的第k個屬性，m為景觀屬性個數，本文中m=4.

圖1　景觀熱度評估建模流程

(2)景觀模糊聚類分析

在此基礎上，根據隸屬度α將景觀分為n類，依據同一類景觀相似度高，不同類之間差異度大的特征，并結合人的認知，按照以下規(guī)則指導和調整景觀熱度定量評估模型：

① 景觀熱度定量評估結果的相對大小應該符合大多數人的認知，即景觀熱度值的相對大小不能與人們的習慣認識相差太遠；

② 將景觀按熱度升(降)序排列的結果稱為景觀序列h，同一類景觀在h中的映射是連續(xù)的.劃分在同一類的景觀的4個屬性之間較為親密，因此其景觀熱度值也應具有較高相似度；

③ 不同類景觀在序列h中的映射不能有交叉，類內部可以交叉.如圖2所示，Ai表示景觀i的熱度，景觀2和景觀3屬于不同類，則熱度值也應屬于不同類，對應的景觀熱度A2和A3不能交叉，而景觀3和景觀4屬于同一個類別，它們所對應的景觀熱度A3和A4可以交叉.

圖2　模型調整規(guī)則

(3) 景觀熱度評估

依據以上規(guī)則，對模型進行修正，直到景觀熱度評估結果符合該規(guī)則，最終得到景觀熱度表達式如下：

(3)

式中：Ai表示第i個景觀的熱度；Li表示等級；Si表示點贊數；Ti為網絡搜索量；Ni為簽到人數；w1和w2分別為Ti和Ni對應的權重，w1=w2=0.5.

1.3顧及拓撲方向的道路美麗度評估

1.3.1道路景觀視域分析

道路美麗度是出行者對出行環(huán)境的心理感知，其中景觀視域是不可忽略的因素，道路的網絡拓撲關系決定了視域的有向性，本文的視域搜索建立在道路前進方向上.顧及拓撲方向的道路景觀視域受景觀高度、地勢、周圍建筑物以及景觀與道路的位置關系等多種因素影響，街景地圖是沿著車輛前進方向拍攝的實景地圖，完整地保持了視域的方向性，因此通過在街景數據庫中跟蹤搜索得到景觀視域范圍l.

1.3.2道路美麗度

道路美麗度是指道路前進方向上道路景觀熱度與景觀視域對出行者吸引力的總和.本文對道路美麗度的評估建立在道路景觀熱度的基礎上，熱度值高但在視野中出現時間短的景觀對道路美麗度的貢獻同樣較小，另外，道路景觀數量越多，對道路美麗度的影響越大.綜上所述，道路景觀熱度、景觀視域和道路景觀數量是道路美麗度的三個評判標準.道路的美麗度的數學模型表達如下：

(4)

式中：Bi為第i條道路的美麗度；q表示視域投影在道路i上的景觀總數；lj表示道路i上第j個景觀的道路景觀視域；Aj為道路i上的第j個景觀的熱度.

如在圖3中，道路a的美麗度為景觀P1、P2和P3各自的熱度A1、A2、A3與相應景觀視域l1、l2、l3a的乘積之和,即Ba=A1l1+A2l2+A3l3a，而道路b的美麗度Bb=A3l3b+A4l4.

圖3　道路美麗度評估模型

2基于道路景觀的最美路徑規(guī)劃

2.1公眾對路徑美麗度的認知

以道路景觀為導向尋找最美路徑往往需要考慮以下兩方面因素的影響：

(1)道路美麗度：道路美麗度對出行安全和出行者的舒適度影響很大，在時間充裕的情況下，人們往往會選擇有更高品質景觀的道路.

(2)路徑長度：具有目的地的出行一般都需要在預期時間內到達，出行者不會純粹為了追求美麗而完全忽略距離(時間)，因此將路徑距離(時間)作為約束條件.

在路徑規(guī)劃時同時考慮道路美麗度和距離(時間)約束，建立最美路徑規(guī)劃模型，如式(5)所示，其中，Route(s,t)表示起點s到終點t的最美路徑,F表示距離(時間)約束下的最美路徑優(yōu)化算法，Br表示路徑美麗度，Lr表示路徑距離(時間).

(5)

2.2最美路徑規(guī)劃思路

路徑美麗度Br是起點與終點之間可達路徑經過的所有道路的美麗度之和，如式(6)所示，其中n表示路徑所經過的道路數，Bi為道路i的美麗度.

(6)

基于道路景觀的最美路徑規(guī)劃要求在約束范圍內尋找美麗度最大的路徑，出行者可以根據自己的時間控制路徑美麗度和路徑消耗(時間或距離)之間的平衡點，一般情況下，路徑美麗度越大，消耗越大.這種路徑規(guī)劃思想給公眾提供了自主安排的空間，體現了人性化思想，增強了路徑的體驗性.

2.3距離(時間)約束下的最美路徑規(guī)劃算法

在單標準路徑規(guī)劃中，通常采用Dijkstra或Frod算法得到單標準最短路徑，而本文的路徑規(guī)劃結果需要滿足兩個條件：①路徑美麗度最大；②路徑消耗不超過閾值，其本質是距離(時間)約束下的最長路徑，最長路徑規(guī)劃的非確定多項式(non-deterministic polynomial, NP)性導致問題難以在多項式內求得最優(yōu)解.若忽略算法運行的時間成本，一種簡單的方法是通過暴力搜索找出起止點之間所有可行路徑，然后在其中找出美麗度最大且符合消耗或約束限制的，隨著道路節(jié)點的增多，算法復雜度呈指數形式增長.

本文將問題分解為兩步求解：①運行Martins的前k條最短路徑算法[2]，得到起始點s和終止點t之間的前k條最短路徑集合p，k的取值由距離(時間)閾值而定；②在集合p內找到美麗度最大的路徑，即為距離(時間)約束下的最美路徑，算法與流程圖如圖4所示.

圖4　最美路徑算法

輸入：路網G=(V,E)，起止點s，t，距離(時間)約束d

輸出：最美路徑BestRoute，路徑長度Length和美麗度Beauty

初始化KRoute和BestRoute；

ShortestRoute=Dijkstra(s,t,G)；//求最短路徑

If ShortestRoute.Length

KRoute= ShortestRoute；

For KRoute.Length

G=ReNewRoadNode(V,E,s,t)；//更新路網圖G

KRoute= Dijkstra(s,t,G)； //求第k條最短路徑

If KRoute.Beauty> BestRoute.Beauty；//更新最美路徑

BestRoute=KRoute；

Else

Break；

3實驗分析與比較

本實驗以武漢市為實驗區(qū)域，采集了以2014年12月31日為截止時間，以二環(huán)線以內為主的28個道路景觀的數據.通過式(1)對景觀網絡搜索量、簽到數和點贊數這三組數據做量綱一化處理；用式(2)計算任意兩個景觀之間的模糊關系，建立模糊矩陣；通過模糊聚類分析，得當隸屬度α=0.93時，道路景觀被分為5類，在表1中，1為第一類，2～8為第二類，9～12為第三類，13～14為第四類，15～28為第五類；在此基礎上，根據模型調整規(guī)則修正景觀熱度評估模型，得到式(3)并計算道路景觀熱度，結果按降序排列于表1中.

以28個景觀為中心，在一定大小的緩沖區(qū)周圍跟蹤搜索SOSO街景地圖，采集景觀視域，根據式(4)計算道路美麗度，武漢市景觀評估結果與道路美麗度如圖5所示.

本文以C#為開發(fā)工具，以ArcGIS10.1為地理信息系統(tǒng)(GIS)平臺進行路徑規(guī)劃實驗，實現了距離約束下最美路徑規(guī)劃算法.還選取9個離散點構成一個環(huán)形線路，分別用傳統(tǒng)最短路徑算法和本文算法作路徑規(guī)劃，距離閾值分別設為1.5倍和2倍最短距離，共得到18條路徑，選取路徑長度、路徑美麗度和每米平均美麗度3個指標進行比較，結果列于表2中，其中l(wèi)表示最短路徑長度.

表1　道路景觀評估

圖6中五角星表示起止點，虛線為最短路徑規(guī)劃結果，實線表示1.5倍閾值約束下的最美路徑.可以看出，當不追求距離最短時，出行者可以通過繞行沿著美麗度更高的道路前進.

表2　兩種算法實驗結果對比

圖5　評估結果可視化圖

圖6　兩種方法規(guī)劃路徑對比圖

Fig.6Routes contrast planned by the proposed model and shortest route model

4結論與展望

本文基于道路景觀搜索量、簽到和點贊等網絡熱度大數據建立道路景觀熱度綜合評估模型，結合景觀視域得到道路美麗度，并以距離(時間)作為約束條件，設計和實現了最美路徑優(yōu)化算法.最后以武漢市為例，選取28處道路景觀進行實驗，并將本文算法與傳統(tǒng)的最短路徑算法進行比較.結果表明，在起止點相同情況下，本文提出的模型方法可以在距離(時間)閾值約束內找到更美路徑，提高出行過程中的愉悅感.本文后續(xù)在費用、道路擁擠等因素對出行的影響進行進一步研究.

參考文獻:

[1]Eppstein D. Finding the k shortest paths [J]. Siam Journal on Computing, 1999, 28(2):652.

[2]Martins E Q, Santos J L. A new shortest paths ranking algorithm [J]. Investigacao Operacional, 2000, 20(1): 47.

[3]于海璁, 陸鋒. 一種基于遺傳算法的多模式多標準路徑規(guī)劃方法[J]. 測繪學報, 2014(1): 89.

YU Haicong, LU Feng. A Multi-modal multi-criteria route planning method based on genetic algorithm [J].ActaGeodaeticaetCartographicaSinica, 2014(1): 89.

[4]MENG Xiangxu, LIN Xinye, WANG Xiaodong. Intention oriented itinerary recommendation by bridging physical trajectories and online social networks[C]// Proceedings of the ACM SIGKDD International Workshop on Urban Computing. Beijing: ACM, 2012: 71-78.

[5]Quercia D, Schifanella R, Aiello L M. The shortest path to happiness: recommending beautiful, quiet, and happy routes in the city [C]// Proceedings of the 25th ACM conference on Hypertext and social media. New York: ACM, 2014:116-125.

[6]Lucchese C, Perego R, Silvestri F,etal. How random walks can help tourism[C]// Advances in Information Retrieval. Barcelona: ECIR, 2012:195-206.

[7]Orsi F, Geneletti D. Using geotagged photographs and GIS analysis to estimate visitor flows in natural areas [J]. Journal for Nature Conservation, 2013, 21(5): 359.

[8]Choudhury M D, Feldman M, Sehim A Y,etal. Automatic construction of travel itineraries using social breadcrumbs[C]// Proceedings of the 21st ACM Conference on Hyper Text. Toronto: ACM, 2010:35-44.

[9]唐爐亮, 常曉猛, 李清泉. 出租車經驗知識建模與路徑規(guī)劃算法[J]. 測繪學報, 2010(4): 404.

TANG Luliang, CHANG Xiaomeng, LI Qingquan. The knowledge modeling and route planning based on taxi' experience [J].ActaGeodaeticaetCartographicaSinica, 2010(4): 404.

[10]Broach J, Dill J, Gliebe J. Where do cyclists ride? A route choice model developed with revealed preference GPS data [J]. Transportation Research Part A: Policy and Practice, 2012, 46(10):1730.

[11]宋曉宇, 許鴻斐, 孫煥良,等. 基于簽到數據的短時間體驗式路徑搜索[J]. 計算機學報, 2013,36(8): 1693.

SONG Xiaoyu, XU Hongpei, SUN Huanliang,etal. Short-term experience route search based on check-in data [J]. Chinese Journal of Computers, 2013, 36(8): 1693.

[12]Akbar K F, Hale W H G, Headley A D. Assessment of scenic beauty of the roadside vegetation in northern England [J]. Landscape and Urban Planning, 2003, 63(3): 139.

[13]Song Lili, Qi Lina, Qi Ji,etal. Evaluation of the Attractiveness of Tourism Destinations Based on Link Analysis[C]// 18th International Conference on Geoinformatics. Beijing: International Conference on Geoinformatics, 2010:18-20.

Landscape Evaluation and Most Beautiful Route Planning from Big Website Date

ZHANG Xia1, ZHAO Weidan2, JIANG Wenping2, TANG Luliang3

(1. School of Urban Design, Wuhan University, Wuhan 430072, China; 2. School of Resource and Environmental Sciences, Wuhan University, Wuhan 430079, China；3. State Key Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China)

Abstract：This paper presents a roadside landscapes evaluation model (RLEM) based on big website data about web hotspots, such as web searching data, web check-in data and web voting data. Then, Road beauty degree(RBD) is calculated by the proposed RLEM and the roadside landscapes’ visual ranges along road. Finally, the most beautiful route planning algorithm is designed and realized based on road networks RBD. An experiment was applied in Wuhan (China), where twenty-eight landscapes were measured by RLEM, and the road networks RBD were calculated. Comparing between the proposed model and the traditional shortest path model, the results show us that routes planned by the proposed method have higher RBD than the routes planned by the traditional shortest method.

Key words：web hotspots; road beauty degree; most beautiful route; route planning; big data

文獻標志碼：A

中圖分類號：P208

通訊作者：趙瑋丹(1992—)，女，碩士生，主要研究方向為三維地理信息，地理信息可視化.E-mail: zhaoweidan @whu.edu.cn

基金項目：國家自然科學基金資助項目(41571430；41371428；41271442)

收稿日期：2015-05-05

第一作者： 張霞(1975—)，女，工學博士，副教授，主要研究方向為三維地理信息與城市空間動態(tài)性分析、建筑空間生態(tài)優(yōu)化.

E-mail: Xiazh75@126.com