基于街景影像的交通護(hù)欄空間分布特征研究

杜 坤，寧津生，田 莉，閆 利，常 坤

（1.武漢大學(xué) 測繪學(xué)院，湖北 武漢 430079；2.清華大學(xué) 建筑學(xué)院，北京 100084）

交通護(hù)欄作為道路交通設(shè)施，是傳遞交通管理信息的道路語言，對交通安全和日?；顒佑酗@著作用和影響。基于傳統(tǒng)的城市空間數(shù)據(jù)，研究交通護(hù)欄提取及其分布情況將面臨較大挑戰(zhàn)，相關(guān)研究也較少。近年來，隨著以街景影像為代表的新興數(shù)據(jù)和計算機(jī)視覺技術(shù)的快速發(fā)展，為更好地了解交通護(hù)欄分布提供了新的數(shù)據(jù)源和更好的處理辦法。

本文主要研究利用街景影像獲取交通護(hù)欄空間分布特征的方法，擬利用卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型[1]對街景影像中是否包含護(hù)欄進(jìn)行識別判定，并根據(jù)判定的包含護(hù)欄的街景位置信息，對護(hù)欄空間分布特征進(jìn)行研究。本文選取的研究區(qū)域為北京五環(huán)內(nèi)和上海外環(huán)內(nèi)地區(qū)，它們分別作為我國的政治中心和經(jīng)濟(jì)中心，具有典型意義。

1 街景影像的獲取與應(yīng)用

街景地圖作為實(shí)景地圖，沿城市街道采集，具有覆蓋范圍廣、數(shù)據(jù)量大的特點(diǎn)，可實(shí)現(xiàn)360°全景圖像的瀏覽體驗，解決了二維電子地圖完整性和直觀性欠缺的問題，在城市基礎(chǔ)設(shè)施管理、景點(diǎn)展示、公眾出行和安全應(yīng)急等方面具有廣泛的應(yīng)用價值。地圖供應(yīng)商通常會提供API開發(fā)接口，供公眾免費(fèi)下載使用。街景影像移動測量系統(tǒng)主要包括在機(jī)動車上裝載的全球定位系統(tǒng)、視頻系統(tǒng)、慣導(dǎo)系統(tǒng)（INS）等傳感設(shè)備。當(dāng)車輛行駛時，采集系統(tǒng)可對車輛周圍環(huán)境進(jìn)行快速攝錄，經(jīng)過處理即可制作為采集點(diǎn)的全景地圖，再通過采集點(diǎn)之間的無縫切換，展現(xiàn)街景地圖[2]。

2007年谷歌街景地圖誕生后，相關(guān)研究表明，與費(fèi)時費(fèi)力的實(shí)地考察相比，利用街景影像來審視建成環(huán)境具有很好的效果[3-4]。2012年以來深度學(xué)習(xí)極大地推動了圖像識別的研究進(jìn)展，突出體現(xiàn)在ILSVRC和人臉識別等方面，且正快速推廣到城市空間研究領(lǐng)域，這不僅為研究街景影像內(nèi)容提供了更有效的方法，而且促進(jìn)了城市空間領(lǐng)域研究內(nèi)容的拓展革新。Doersch C[5]等利用計算機(jī)視覺和深度學(xué)習(xí)等方法，基于街景影像分析了巴黎的視覺元素。Khosla A[6]等試圖證明通過深度學(xué)習(xí)技術(shù)，電腦可以和人腦一樣通過觀察一張簡單的街景圖片來判斷周邊潛在的場所以及犯罪率。YIN L[7]等基于谷歌街景地圖，運(yùn)用機(jī)器學(xué)習(xí)方法自動識別了街道的行人數(shù)量。Naik N[8]等使用計算機(jī)識別技術(shù)對海量的街景圖像進(jìn)行了測算，將獲得的數(shù)據(jù)與社會經(jīng)濟(jì)學(xué)指標(biāo)相結(jié)合進(jìn)行分析，探索城市在社會經(jīng)濟(jì)方面的演變與物質(zhì)形態(tài)變化之間的關(guān)系。近年來，在城市空間領(lǐng)域，利用深度學(xué)習(xí)技術(shù)對街景影像的研究逐漸增多并日趨成熟，這將有助于提升該領(lǐng)域的研究深度和廣度，為大范圍高精度地刻畫街道空間要素信息（交通護(hù)欄等）提供可能。

2 提取護(hù)欄分布道路的方法

基于街景影像，融合深度學(xué)習(xí)和GIS技術(shù)，可較為準(zhǔn)確地提取護(hù)欄分布道路，具體步驟為爬取街景影像、識別交通護(hù)欄、道路數(shù)據(jù)處理和提取護(hù)欄分布道路4個階段。

2.1 爬取街景影像

本文采用網(wǎng)絡(luò)爬蟲法，以ID查詢的方式獲取騰訊街景地圖上北京五環(huán)、上海外環(huán)以內(nèi)帶有位置信息的街景影像。騰訊街景地圖API提供的URL下載鏈接為：http://apis.map.qq.com/ws/steetview/v1/image?sieze=600*400&location=39.908,116.398&heading=328&pitch=0&key=AYRBZ-QA3WO-36QWM-SKS4H-T7VGE-7KBMD。其中，size為街景圖片分辨率，單位為像素；location為騰訊街景地圖使用的火星坐標(biāo)系（GC-J-02）坐標(biāo)，第一項為緯度，第二項為經(jīng)度；heading為航向角，表示拍攝圖片時相機(jī)鏡頭的水平朝向與正北向之間的夾角，取值范圍為0～360°；pitch為俯仰角，表示拍攝時相機(jī)鏡頭與水平基準(zhǔn)線的夾角。

水平視角下（pitch=0），在每個點(diǎn)位東西南北4個角度（heading=0、90、180、270）各抓取一張影像，圖片大小為600像素×400像素。北京和上海分別累計采點(diǎn)193 549個和193 022個，共分別爬取街景774 180張和772 060張；各點(diǎn)位平均間隔距離分別為20.3 m和21.1 m；北京和上海街景采集日期主要集中在2015年10月和2014年7月。

2.2 識別交通護(hù)欄

CNN作為深度學(xué)習(xí)中的一種基本模型，是多層次結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)。它通過局部感知區(qū)域、下采樣和權(quán)值共享等方式，減少了網(wǎng)絡(luò)學(xué)習(xí)參數(shù)，提高了特征的魯棒性和穩(wěn)定性。CNN在處理復(fù)雜圖像時具備一定優(yōu)勢，可自動完成特征提取，減少了人為干預(yù)[1,9]。ImageNet作為著名的計算機(jī)視覺系統(tǒng)識別項目，擁有目前世界上可供圖像視覺訓(xùn)練最大的數(shù)據(jù)庫。本文基于ImageNet模型提取預(yù)訓(xùn)練權(quán)重值，在已構(gòu)建的隨機(jī)人工選取的北京、上海各500張含有交通護(hù)欄街景影像的樣本庫中進(jìn)行微調(diào)，進(jìn)而得到影像中含有交通護(hù)欄的高維特征及其對應(yīng)的權(quán)重參數(shù)（圖1）；再利用該參數(shù)處理所有待匹配影像，結(jié)果（圖2）表明識別含有交通護(hù)欄街景影像的準(zhǔn)確率可達(dá)98%。本文隨機(jī)選取北京和上海各250張模型中判斷包含護(hù)欄概率大于50%的影像進(jìn)行人工判讀，結(jié)果表明，圖像成功辨別率分別為92.8%和90.4%，其中路邊圍欄、斑馬線、建筑立面等包含類似護(hù)欄的圖像特征會對正確判別護(hù)欄有一定影響。

2.3 道路數(shù)據(jù)處理

本文選用Open Street Map（OSM）作為道路源數(shù)據(jù)。OSM作為開源地圖，數(shù)據(jù)更新快，實(shí)用性強(qiáng)，在使用中影響因素較少，且在北京、上海等大城市的數(shù)據(jù)信息（包括道路等級信息）較為完善?？紤]護(hù)欄主要分布的街道等級和后續(xù)拓?fù)涮幚砉ぷ鳎瑒h除非道路類數(shù)據(jù)（河流水系等）以及快速交通路、街坊路和小區(qū)內(nèi)部路等數(shù)據(jù)。根據(jù)道路等級將保留數(shù)據(jù)重新劃分為主干路、次干路和支路3類（表1）。為提高研究精度，將保留數(shù)據(jù)進(jìn)行拓?fù)涮幚恚沟盟械缆吩谙嘟惶帞嚅_。

圖1 基于ImageNet預(yù)訓(xùn)練模型的CNN識別判斷結(jié)果示例

圖2 識別出含交通護(hù)欄的街景位置點(diǎn)

表1 OSM保留的數(shù)據(jù)類型

2.4 提取護(hù)欄分布道路

在識別單張街景影像中是否含有交通護(hù)欄以及對道路進(jìn)行拓?fù)涮幚淼幕A(chǔ)上，判斷各條道路是否包含交通護(hù)欄，并進(jìn)行提取。經(jīng)多次比較試驗，最終確定以統(tǒng)計主干路在27.5 m緩沖區(qū)范圍內(nèi)、次干路在22.5 m緩沖區(qū)范圍內(nèi)和支路在10 m緩沖區(qū)范圍內(nèi)含有的交通護(hù)欄影像次數(shù)作為判定結(jié)果較為理想。為提高判別護(hù)欄分布道路的精度，降低圍欄等類似圖像特征造成的影響，將包含交通護(hù)欄次數(shù)不小于兩次且長度大于20 m的道路作為最終的護(hù)欄分布道路。通過上述步驟，可保證經(jīng)確定的護(hù)欄分布道路有很高的準(zhǔn)確性。

3 北京與上海護(hù)欄空間分布特征

3.1 護(hù)欄分布的長度與密度特征

因街景采集覆蓋較為全面，經(jīng)過上述處理能較全面地反映交通護(hù)欄在北京、上海不同圈層和不同等級道路的總體分布情況和細(xì)節(jié)特征（圖3）。

北京五環(huán)內(nèi)，設(shè)置護(hù)欄的道路總長度約為799.49 km，設(shè)置護(hù)欄的主干路、次干路和支路的總長度分別約為114.44 km、239.22 km和445.831 km，占對應(yīng)等級道路總長度的比重約為58.53%、50.84%和13.68%。五環(huán)各圈層內(nèi)，設(shè)置護(hù)欄的道路總長度呈由內(nèi)環(huán)向外環(huán)逐漸增加的趨勢（表2）；從不同道路等級來看，二環(huán)、三環(huán)內(nèi)主干路上，三環(huán)、四環(huán)內(nèi)次干路和支路上設(shè)置的護(hù)欄長度更長，其比重超過同等級道路的其他圈層。在護(hù)欄分布的密度方面，設(shè)置護(hù)欄的道路密度為0.001 19 m/m2，總體呈由內(nèi)環(huán)向外環(huán)逐漸降低的趨勢；各圈層內(nèi)不同等級道路按道路密度大小排序依次為支路、次干路和主干路（表3）。

上海外環(huán)內(nèi)，設(shè)置護(hù)欄的道路總長度約為889.35 km，主干路、次干路和支路的總長度分別約為293.84 km、270.47 km和325.04 km，占對應(yīng)等級道路總長度的比重約為55.79%、48.08%和10.26%。不同圈層內(nèi)，護(hù)欄分布在各等級道路的長度排序依次為中環(huán)、外環(huán)和內(nèi)環(huán)（表2），其中內(nèi)環(huán)、中環(huán)內(nèi)主干路上，中環(huán)內(nèi)次干路和支路上設(shè)置的護(hù)欄長度更長。在護(hù)欄分布的密度方面，設(shè)置護(hù)欄的道路密度為0.001 34 m/m2，總體呈由內(nèi)環(huán)向外環(huán)逐漸降低的趨勢（表3）。

綜上所述，北京五環(huán)和上海外環(huán)內(nèi)護(hù)欄分布較為一致的特征為：設(shè)置護(hù)欄的道路總長度由內(nèi)環(huán)向外環(huán)逐漸增加，分布密度由內(nèi)環(huán)向外環(huán)逐漸降低；道路等級越低，設(shè)置護(hù)欄的長度越長。比較而言，北京設(shè)置護(hù)欄的主干路和次干路總長度占對應(yīng)等級道路的比重約高于上海5%，但支路比重高于上海33%。兩地最主要的差異在于，北京各等級道路不僅在機(jī)動車道間、機(jī)動車道與非機(jī)動車道間設(shè)置交通護(hù)欄，而且在非機(jī)動車道與人行道間也設(shè)置了大量護(hù)欄，設(shè)置總長度超過370 km（圖4），這也解釋了為何北京與上海中心區(qū)域內(nèi)在主干路與次干路上設(shè)置護(hù)欄的長度比重差異不十分顯著的情況下，直觀感覺北京交通護(hù)欄分布更多的原因。

圖3 交通護(hù)欄分布圖

表2 交通護(hù)欄在各等級道路上分布的長度情況

表3 交通護(hù)欄在各圈層內(nèi)分布的密度情況

圖4 北京街道上設(shè)置的多重交通護(hù)欄

3.2 護(hù)欄分布的空間集聚特征

為更好地展示護(hù)欄分布特點(diǎn)，在研究區(qū)域內(nèi)建立漁網(wǎng)，設(shè)定漁網(wǎng)每個正方形網(wǎng)格邊長為500 m，以每個網(wǎng)格內(nèi)護(hù)欄分布長度之和為研究字段進(jìn)行全局空間自相關(guān)分析。結(jié)果表明，北京、上海地區(qū)的Moran’s I指數(shù)均大于0且p值均為0，z值分別為20.67和17.38，在1%顯著水平下可通過假設(shè)檢驗，說明北京五環(huán)內(nèi)和上海外環(huán)內(nèi)的交通護(hù)欄分布均存在空間正相關(guān)，即護(hù)欄分布存在較為明顯的聚集趨勢。通過熱點(diǎn)分析（圖5）可知，北京的熱點(diǎn)區(qū)域主要分布在三環(huán)以內(nèi)以及北四環(huán)的奧體中心和中關(guān)村區(qū)域，絕大部分冷點(diǎn)區(qū)域分布于五環(huán)圈層區(qū)域；上海的熱點(diǎn)區(qū)域主要分布在內(nèi)環(huán)的陸家嘴和上?；疖囌?，中環(huán)的世博園、古北區(qū)和大寧商圈，大部分冷點(diǎn)區(qū)域分布于外環(huán)圈層。此外，北京的熱點(diǎn)、冷點(diǎn)區(qū)域面積比重均明顯高于上海，不顯著面積比重低于上海（圖6），表明北京交通護(hù)欄分布的聚集區(qū)域和零散區(qū)域均多于上海，不同于上海呈現(xiàn)的若干塊區(qū)域護(hù)欄聚集的特征，北京三環(huán)以內(nèi)已表現(xiàn)出連片的護(hù)欄聚集態(tài)勢。

圖5 護(hù)欄空間分布熱點(diǎn)分析

圖6 熱點(diǎn)、冷點(diǎn)區(qū)域面積比重比較

4 結(jié) 語

本文基于街景影像，利用ImageNet預(yù)訓(xùn)練模型的CNN和GIS技術(shù)，提出了一種提取設(shè)置交通護(hù)欄道路分布的方法，并利用該方法對北京和上海中心城區(qū)的護(hù)欄空間分布特征進(jìn)行了比較研究。結(jié)果表明，街景影像為研究城市街道空間提供了豐富的內(nèi)容和位置信息，該方法能有效識別交通護(hù)欄，為研究護(hù)欄空間分布提供較為準(zhǔn)確的位置信息。本文根據(jù)識別的護(hù)欄位置信息進(jìn)一步研究表明，北京五環(huán)和上海外環(huán)內(nèi)設(shè)置護(hù)欄的道路總長度分別約為799.45 km和889.35 km，設(shè)置護(hù)欄的道路密度分別為0.001 19 m/m2和0.001 34 m/m2。兩地較為一致的空間特征包括設(shè)置護(hù)欄的道路總長度由內(nèi)環(huán)向外環(huán)逐漸增加，分布密度由內(nèi)環(huán)向外環(huán)逐漸降低；道路等級越低，設(shè)置護(hù)欄的長度越長。兩地護(hù)欄分布的主要差異在于，盡管北京設(shè)置護(hù)欄道路的長度和密度均低于上海，但北京在各等級道路設(shè)置的多重護(hù)欄長度超過370 km。兩地的護(hù)欄分布均存在較為明顯的聚集趨勢，北京交通護(hù)欄分布的聚集區(qū)域和零散區(qū)域均多于上海，不同于上海呈現(xiàn)的若干塊區(qū)域護(hù)欄聚集的特征，北京三環(huán)以內(nèi)已表現(xiàn)出連片的護(hù)欄聚集態(tài)勢。

本文仍有相關(guān)問題有待關(guān)注和進(jìn)一步完善：①雖然城市整體層面的護(hù)欄分布趨勢較為穩(wěn)定，但本文僅基于短期內(nèi)的街景影像進(jìn)行研究，是對城市的截面固態(tài)研究，而非連續(xù)動態(tài)研究，未包含對城市設(shè)置護(hù)欄存在變化以及因道路施工等原因而臨時設(shè)置護(hù)欄的考慮；②研究中交通護(hù)欄在不同等級道路的分布、長度并不能保證完全精準(zhǔn)，因為街景采集雖在北京、上海等大城市覆蓋區(qū)域較廣泛，但并未完全覆蓋研究區(qū)域內(nèi)的所有車行道路。