基于街景影像和深度學(xué)習(xí)技術(shù)的城市流動(dòng)商販空間分布制圖

劉昱辰，陳曉純，劉軼倫,2，吳小芳，陳飛香

（1.華南農(nóng)業(yè)大學(xué) a.公共管理學(xué)院；b.資源環(huán)境學(xué)院，廣州 510642；2.自然資源部華南熱帶亞熱帶自然資源監(jiān)測重點(diǎn)實(shí)驗(yàn)室//廣東省地理科學(xué)數(shù)據(jù)中心，廣州 510700）

流動(dòng)商販?zhǔn)浅鞘蟹钦?guī)經(jīng)濟(jì)（Informal Economy）中最典型的一種業(yè)態(tài)類型。由于其具有隱匿性的特點(diǎn)且長期缺乏監(jiān)管，其經(jīng)濟(jì)規(guī)模一直以來被忽視，無論是在發(fā)達(dá)國家還是在發(fā)展中國家，流動(dòng)商販均占據(jù)不小的比例，與正規(guī)經(jīng)濟(jì)共同塑造了城市商業(yè)經(jīng)濟(jì)（Garcia-Bolivar, 2006; Deore et al., 2019;Lemessa et al., 2021）。在西方發(fā)達(dá)國家，相關(guān)調(diào)查研究表明，近年來流動(dòng)商販等城市非正規(guī)經(jīng)濟(jì)占?xì)W洲各國GDP10%～20%不等的份額（Schneider et al.,2013）。伴隨著中國城市化進(jìn)程的發(fā)展以及市場化經(jīng)濟(jì)的活躍，超大規(guī)模的非正規(guī)經(jīng)濟(jì)已成為中國經(jīng)濟(jì)的重要組成部分（胡鞍鋼 等，2012）。一方面，有助于緩解大量低收入或新移民群體的失業(yè)問題，使他們擺脫極端貧困，獲得滿足生存所需的收入（Garcia-Bolivar, 2006；馬寧 等，2010）。另一方面，對(duì)于城市而言，它滿足了低端消費(fèi)的需求，提升了城市社區(qū)的活力和安全性（Wilson et al., 2006;Linzner et al., 2013）。

盡管流動(dòng)商販?zhǔn)浅鞘猩鐣?huì)生態(tài)系統(tǒng)不可或缺的組成部分，但其經(jīng)營活動(dòng)不可避免的存在負(fù)外部性，帶來諸如擠占公共空間、影響市容、阻塞交通、擾亂治安、污染環(huán)境等問題，因而在現(xiàn)代城市中常被污名化為“非法”或“地下交易”的經(jīng)濟(jì)部門（Bromley, 2000; Garcia-Bolivar, 2006）。由于缺乏對(duì)流動(dòng)商販的全面了解和有效的治理措施，許多城市都采取“以禁代管”的簡單方式對(duì)流動(dòng)商販進(jìn)行取締，導(dǎo)致當(dāng)前的地?cái)偨?jīng)濟(jì)合法性存在爭論而被視為城市的邊緣經(jīng)濟(jì)形式。流動(dòng)商販為了避免被驅(qū)逐出城市空間，常常需要躲避城管等城市執(zhí)法人員，甚至成立自治組織監(jiān)視或反抗執(zhí)法行為（Sung, 2011; Turner et al., 2012; Huang et al., 2014）。

這種簡單粗暴的排斥治理手段主要目標(biāo)是保護(hù)城市正規(guī)經(jīng)濟(jì)部門的發(fā)展、提升城市形象以吸引更多投資，但這導(dǎo)致大量處于社會(huì)低收入階層的從業(yè)者失去就業(yè)崗位，一系列社會(huì)沖突事件愈演愈烈，也嚴(yán)重阻礙了個(gè)體私營經(jīng)濟(jì)的發(fā)展（Huang et al.,2014; Boonjubun, 2017）。2020-06-01 李克強(qiáng)總理在地方考察時(shí)指出“地?cái)偨?jīng)濟(jì)、小店經(jīng)濟(jì)是就業(yè)崗位的重要來源，是人間的煙火，和‘高大上’一樣，是中國的生機(jī)”（中國政府網(wǎng)，2020）。為了緩解矛盾同時(shí)提振個(gè)體私營經(jīng)濟(jì)，一些城市提出采用正規(guī)化政策，試圖通過劃定經(jīng)營疏導(dǎo)區(qū)或辦理營業(yè)執(zhí)照的方式將流動(dòng)商販進(jìn)行“正規(guī)化”管理，但管理部門劃定的經(jīng)營疏導(dǎo)區(qū)往往遠(yuǎn)離消費(fèi)群體，并未充分考慮地?cái)偨?jīng)濟(jì)自身特性、需求和規(guī)律，使得所劃定的疏導(dǎo)區(qū)并不為流動(dòng)商販所接受，大部分商販選擇重回街道經(jīng)營（黃耿志 等，2019）。

從城市公共空間治理角度看，地?cái)偨?jīng)濟(jì)實(shí)際上是商販的“生存空間”和城市居民“公共空間”擠壓與共生的矛盾，是商品擺賣經(jīng)營活動(dòng)與其應(yīng)在位置的“錯(cuò)位（Misallocation）”問題（Yatmo, 2008;2009）。因此，針對(duì)流動(dòng)商販的經(jīng)營行為和空間聚集特征，制定科學(xué)有效的空間治理政策一直以來是學(xué)者和城市管理者關(guān)注的焦點(diǎn)。而如何獲取城市范圍內(nèi)的流動(dòng)商販的調(diào)查樣本和空間分布特征是最基本的問題。

目前針對(duì)流動(dòng)商販調(diào)查的方法主要有2類——人工調(diào)查和城市普查。其中，人工調(diào)查方法主要采用田野調(diào)查或個(gè)案訪談的方式開展主動(dòng)調(diào)查。選取非正規(guī)經(jīng)濟(jì)從業(yè)人員活躍的典型地區(qū)，通過觀察、訪談、問卷調(diào)查等方式對(duì)從業(yè)者、消費(fèi)者、社區(qū)居民和城市執(zhí)法者，逐個(gè)案收集數(shù)據(jù)（Huang et al.,2014; Boonjubun, 2017；尹鐸 等，2019）。如Boonjubun（2017）基于對(duì)流動(dòng)商販、行人和城市管理者進(jìn)行的為期9個(gè)月訪談收集到的數(shù)據(jù)，探討了泰國曼谷街頭流動(dòng)商販、城市管理部門和幫派之間的沖突；黃耿志等（2015；2016）通過分析基于流動(dòng)商販面對(duì)面訪談收集得到的200個(gè)從業(yè)人員樣本數(shù)據(jù)集，揭示了廣州市的流動(dòng)商販參與非正規(guī)經(jīng)濟(jì)活動(dòng)的動(dòng)機(jī)和區(qū)位選擇機(jī)制。該類方法可以獲得被調(diào)查者的性別、年齡、收入、民族、籍貫、經(jīng)營種類等詳細(xì)的個(gè)案社會(huì)經(jīng)濟(jì)信息，但由于個(gè)案數(shù)據(jù)收集成本較高，通常選取的調(diào)查區(qū)域僅局限于城市少數(shù)幾個(gè)街道或社區(qū)，無法覆蓋全市范圍且更新周期緩慢。因此，這些研究雖然有助于對(duì)流動(dòng)商販治理問題進(jìn)行實(shí)證探究，但由于城市大部分地區(qū)的商販信息存在缺失，而商販的經(jīng)營行為在城市不同區(qū)域顯然存在空間異質(zhì)性，使得制定的治理政策很大概率會(huì)產(chǎn)生偏差。

為了解決樣本數(shù)據(jù)覆蓋面不足的問題，城市普查方法試圖借助城市普查數(shù)據(jù)來研究地?cái)偨?jīng)濟(jì)的經(jīng)營就業(yè)情況。目前大多數(shù)國家還沒有建立專門針對(duì)流動(dòng)商販的普查機(jī)制。然而，一些綜合性的人口普查、家庭調(diào)查或勞動(dòng)力調(diào)查成果包含有關(guān)非正規(guī)經(jīng)濟(jì)就業(yè)的有價(jià)值信息。如Charmes（2012）采用國際勞工組織統(tǒng)計(jì)局和聯(lián)合國統(tǒng)計(jì)司國民核算科的人口普查數(shù)據(jù)，評(píng)估1975—2010年非正規(guī)部門就業(yè)的全球趨勢。Li 等（2022）結(jié)合城管執(zhí)法數(shù)據(jù)和“12345熱線”的居民投訴數(shù)據(jù)，分析了中國寧波市的流動(dòng)商販經(jīng)營行為和時(shí)空格局。采用官方普查數(shù)據(jù)可以描述城市整體的流動(dòng)商販經(jīng)營宏觀狀況，然而城市普查并不是專門針對(duì)地?cái)偨?jīng)濟(jì)開展，而且由于長期的利益沖突，流動(dòng)商販不信任服務(wù)于政府部門的調(diào)查人員，為避免被執(zhí)法人員驅(qū)逐，往往不愿意向調(diào)查人員如實(shí)透露職業(yè)信息。因此，商販的一些關(guān)鍵信息，特別是其所從事經(jīng)營活動(dòng)的地點(diǎn)往往無法獲取，然而非正規(guī)經(jīng)濟(jì)活動(dòng)的空間分布對(duì)于管治決策的制定尤其重要。盡管在少數(shù)城市，管理人員在執(zhí)法過程中會(huì)主動(dòng)收集從業(yè)人員信息并建立專門的數(shù)據(jù)庫（張延吉 等，2017）。但這本質(zhì)上也是依賴人力進(jìn)行調(diào)查收集，且采集到的流動(dòng)商販的空間分布主要反映執(zhí)法部門和市民對(duì)流動(dòng)商販排斥偏好較強(qiáng)的個(gè)案，存在較顯著的采樣偏差。因此，在城市范圍精細(xì)尺度下針對(duì)具有規(guī)模大、流動(dòng)性高和隱匿性強(qiáng)等特點(diǎn)的流動(dòng)商販的空間分布調(diào)查仍是一項(xiàng)重大挑戰(zhàn)。

掌握流動(dòng)商販在城市中的空間位置和分布模式，不僅有助于改善其治理政策，而且對(duì)于促進(jìn)非正規(guī)經(jīng)濟(jì)的地理研究也至關(guān)重要。首先，準(zhǔn)確測度流動(dòng)商販的規(guī)模和空間位置是對(duì)城市非正規(guī)經(jīng)濟(jì)部門進(jìn)行監(jiān)測和評(píng)估的基礎(chǔ)。如通過研究流動(dòng)商販經(jīng)營活動(dòng)的空間分布格局，可以分析流動(dòng)商販的空間聚集模式及其經(jīng)營活動(dòng)外部性的空間異質(zhì)性。其次，流動(dòng)商販空間分布的刻畫能加深對(duì)非正規(guī)經(jīng)濟(jì)活動(dòng)與城市建成環(huán)境、社會(huì)經(jīng)濟(jì)環(huán)境之間的地理聯(lián)系的理解，并進(jìn)一步理解非正規(guī)經(jīng)濟(jì)就業(yè)經(jīng)營行為的影響因素。第三，流動(dòng)商販的經(jīng)營活動(dòng)地圖對(duì)于改善治理政策非常重要。基于城市精細(xì)尺度的流動(dòng)商販空間分布信息制定的空間正規(guī)化策略，與以個(gè)案研究為基礎(chǔ)而制定的治理策略相比，能更全面地顧及到流動(dòng)商販經(jīng)營行為規(guī)律和區(qū)位偏好的異質(zhì)性。

近年來隨著深度學(xué)習(xí)技術(shù)的發(fā)展，結(jié)合大規(guī)模開放獲取的街景影像等社會(huì)感知數(shù)據(jù)源，使得城市尺度大規(guī)模的社會(huì)經(jīng)濟(jì)信息調(diào)查的成本大幅下降。街景影像結(jié)合深度學(xué)習(xí)技術(shù)已被成功應(yīng)用于城市經(jīng)濟(jì)、社會(huì)和環(huán)境的信息監(jiān)測與相應(yīng)的規(guī)劃、治理等決策方案的制定，如土地利用和景觀評(píng)價(jià)（Zhu et al., 2016; Naik et al., 2017），社區(qū)安全（Ki et al.,2021; Arietta et al., 2014; Yin et al., 2016），城市職住分區(qū)和房地價(jià)格評(píng)估（Law et al., 2019; Yao et al.,2021），以及社會(huì)不平等（Suel et al., 2019）等。流動(dòng)商販活躍于城市街巷，沿著路網(wǎng)采集的街景影像蘊(yùn)涵了豐富的商販信息，基于街景影像的調(diào)查技術(shù)為城市大規(guī)模的流動(dòng)商販空間分布調(diào)查提供了獨(dú)特的契機(jī)。但就目前的文獻(xiàn)看，尚缺少將街景影像應(yīng)用于流動(dòng)商販等非正規(guī)經(jīng)濟(jì)調(diào)查的模型和標(biāo)注樣本集。因此，如何利用開放獲取的街景影像與深度學(xué)習(xí)技術(shù)構(gòu)建流動(dòng)商販空間分布自動(dòng)調(diào)查方法是亟待研究的問題。本研究提出一種基于街景影像和深度學(xué)習(xí)目標(biāo)識(shí)別模型的流動(dòng)商販空間分布自動(dòng)調(diào)查方法，用于：1）從街景影像中識(shí)別流動(dòng)商販個(gè)體；2）繪制商販經(jīng)營活動(dòng)的空間分布格局；3）評(píng)估其集聚模式和區(qū)位偏好。以期為流動(dòng)商販空間治理政策的制定和實(shí)施提供有價(jià)值的輔助信息。

1 基于街景影像和深度學(xué)習(xí)技術(shù)的流動(dòng)商販空間分布調(diào)查方法

以流動(dòng)商販為研究對(duì)象，按城市路網(wǎng)的固定間隔距離采集街景影像，建立基于圖像目標(biāo)檢測的深度學(xué)習(xí)模型識(shí)別街景影像庫中的流動(dòng)商販，實(shí)現(xiàn)覆蓋城市主要道路的流動(dòng)商販數(shù)量和位置的調(diào)查，再應(yīng)用核密度分布模型評(píng)估流動(dòng)商販的空間分布格局。如圖1所示，調(diào)查模型主要包括3個(gè)模塊：（i）街景數(shù)據(jù)采集與處理；（ii）基于目標(biāo)識(shí)別算法的商販自動(dòng)識(shí)別模型；（iii）商販空間分布制圖與聚集分析。

圖1 基于街景影像和深度學(xué)習(xí)技術(shù)的流動(dòng)商販空間分布調(diào)查模型流程Fig.1 Process of spatial survey model of street vendors based on street view images

1.1 數(shù)據(jù)采集與處理

該模塊主要負(fù)責(zé)采集并制備調(diào)查區(qū)域的道路網(wǎng)絡(luò)、街景影像及商販樣本。3 個(gè)數(shù)據(jù)集用于商販空間分布的自動(dòng)調(diào)查，路網(wǎng)數(shù)據(jù)和租金數(shù)據(jù)用于流動(dòng)商販空間制圖。

1.1.1 路網(wǎng)數(shù)據(jù) 路網(wǎng)數(shù)據(jù)用于建立采集街景影像的坐標(biāo)點(diǎn)集以及流動(dòng)商販空間制圖。道路網(wǎng)絡(luò)數(shù)據(jù)集來源于OpenStreetMap①OpenStreetMap數(shù)據(jù)獲取網(wǎng)址：https://www.openstreetmap.org，按調(diào)查區(qū)覆蓋范圍的最小包絡(luò)矩形獲取一、二、三及四級(jí)道路。然后，沿每條道路以30 m間隔生成街景影像采集坐標(biāo)點(diǎn)集。1.1.2 街景影像 街景影像來源于騰訊地圖的街景服務(wù)API②街景服務(wù)API獲取網(wǎng)址：http://lbsyun.baidu.com。使用Python 編寫爬蟲程序，輸入道路采樣點(diǎn)集作為街景影像采樣點(diǎn)坐標(biāo)，為了獲得盡可能廣闊的街道監(jiān)測視角，每個(gè)采樣點(diǎn)設(shè)置獲取拍攝角度為90°、180°和270°3個(gè)視角的影像。

1.1.3 商販樣本集 現(xiàn)有文獻(xiàn)及共享數(shù)據(jù)資源中未有公開的流動(dòng)商販目標(biāo)檢測標(biāo)簽數(shù)據(jù)，因此，基于自行收集的街景影像，通過人機(jī)交互的方式建立流動(dòng)商販標(biāo)簽數(shù)據(jù)。在已收集的街景影像數(shù)據(jù)集中，通過人工目視判讀的方式選取1 957 張包含一個(gè)或以上商販的圖像，再使用開源目標(biāo)檢測標(biāo)注工具LabelImg③LabelImg項(xiàng)目網(wǎng)站：https://github.com/CSAILVision/LabelMeAnnotationTool人工標(biāo)記商販的標(biāo)簽框，標(biāo)注工具自動(dòng)將其存儲(chǔ)為標(biāo)簽對(duì)象并構(gòu)建樣本庫。為提高目標(biāo)識(shí)別模型的精度，標(biāo)注的類別標(biāo)簽根據(jù)流動(dòng)商販在擺賣時(shí)所使用的貨物載具進(jìn)行細(xì)分，共分為4類，包括：地面攤位（C0）、桌子攤位（C1）、三輪車攤位（C2）和小貨車攤位（C3），各類的識(shí)別特征和樣例圖見表1所示。

表1 流動(dòng)商販分類及識(shí)別特征Table 1 The identification characteristics of four types of street vendors

1.1.4 租金數(shù)據(jù) 租金數(shù)據(jù)采用爬蟲從安居客④安居客數(shù)據(jù)獲取網(wǎng)址：https://guangzhou.anjuke.com獲取房租掛牌數(shù)據(jù)，得到的每一條數(shù)據(jù)都記錄了房屋面積、出租價(jià)格和地理坐標(biāo)，進(jìn)而將重復(fù)發(fā)布或錯(cuò)誤數(shù)據(jù)進(jìn)行清洗，將數(shù)據(jù)轉(zhuǎn)換為包含面積單位租金信息的矢量點(diǎn)，并使用空間插值工具得到廣州市的住宅租金空間分布。

1.2 基于目標(biāo)識(shí)別算法的流動(dòng)商販識(shí)別模型

流動(dòng)商販自動(dòng)識(shí)別模型的目的是獲取街景影像中所記錄的流動(dòng)商販的個(gè)體數(shù)量及其空間位置。通過構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型檢測每張街景影像中的商販個(gè)體數(shù)量，并與對(duì)應(yīng)的街景影像采樣點(diǎn)進(jìn)行關(guān)聯(lián)，即可獲取其開展經(jīng)營活動(dòng)的空間位置。由于街景影像獲取時(shí)攝像機(jī)與被攝物存在空間距離，因而使用攝像機(jī)坐標(biāo)點(diǎn)代表所在位置所能觀察到的商販位置不可避免地會(huì)存在距離誤差。受城市建成環(huán)境影響，這個(gè)位置誤差是有限的，在90°和270°拍攝角度探測到的商販，其位置誤差不超過道路寬度的1/2，即約1.5 m（單行道）～10.5 m（四車道）。而對(duì)于街景車正前方180°的街景影像，則可通過控制標(biāo)準(zhǔn)識(shí)別標(biāo)簽框大小，設(shè)置視距太遠(yuǎn)的對(duì)象不進(jìn)行識(shí)別，從而控制該方向的位置誤差在30 m以內(nèi)。

目前，主要有YOLO（Redmon et al., 2016）、SSD （Liu et al., 2016）、faster-RCNN （Ren et al.,2016）等基于深度神經(jīng)網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別算法可用于解決圖像目標(biāo)識(shí)別的問題。其中，YOLO算法已迭代了多個(gè)改進(jìn)版本，能在不同光照條件、觀察視角、目標(biāo)物被部分遮擋、復(fù)雜背景或場景中高效檢測目標(biāo)物，已被廣泛應(yīng)用于目標(biāo)檢測、自動(dòng)駕駛領(lǐng)域中，是目前最先進(jìn)的算法之一（Morera et al.,2020; Cai et al., 2021）。因此，本研究基于YOLO v4（Bochkovskiy et al., 2020）算法構(gòu)建流動(dòng)商販識(shí)別模型，模型構(gòu)建包括3 個(gè)步驟：YOLO 深度神經(jīng)網(wǎng)絡(luò)搭建、模型訓(xùn)練與參數(shù)校準(zhǔn)、模型檢驗(yàn)與精度評(píng)估。

1.2.1 YOLO 深度神經(jīng)網(wǎng)絡(luò)搭建 識(shí)別模型基于YOLO v4算法，從街景影像中檢測出屬于流動(dòng)商販的標(biāo)注框，并輸出每個(gè)流動(dòng)商販的預(yù)測概率。模型的深層網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示，包括4個(gè)部件：

圖2 基于YOLO v4的商販檢測器深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Deep neural network structure of street vendor detector based on YOLO v4

1）輸入，由已標(biāo)注的商販圖像樣本集及其子集組成；

2）Backbones，用于從訓(xùn)練圖像中提取特征。采用CSPDarknet53（Wang et al., 2020）作為Backbones；

3）Neck，由SPP和PANet組成，SPP用于特征池化（He et al., 2015），PANet 用于特征融合（Liu et al., 2018）；

4）Heads，用于預(yù)測流動(dòng)商販的類別和邊界框（Redmon et al., 2018）。

1.2.2 模型訓(xùn)練與參數(shù)校準(zhǔn) 將訓(xùn)練樣本集輸入識(shí)別模型中，為了消除不同影像中復(fù)雜顏色和背景的干擾，同時(shí)擴(kuò)充訓(xùn)練樣本規(guī)模，對(duì)全彩圖像樣本集進(jìn)行翻轉(zhuǎn)、縮放和色域變化等多種組合的轉(zhuǎn)換，然后再導(dǎo)入Backbones進(jìn)行識(shí)別模型訓(xùn)練。

模型有3個(gè)關(guān)鍵參數(shù)需設(shè)置，包括：標(biāo)準(zhǔn)識(shí)別標(biāo)簽框的大小、置信度閾值和IoU（Intersection over union，標(biāo)簽框交并比）閾值。為了提高識(shí)別效率和控制位置誤差，首先使用K-means根據(jù)已標(biāo)注樣本的邊界框尺寸的分布均值確定一組寬、高分別為（17，24）、（29，34）、（38，51）、（50，76）、（65，54）、（69，108）、（91，81）、（107，34）、（165，181）像素的標(biāo)準(zhǔn)識(shí)別標(biāo)簽框。這些標(biāo)準(zhǔn)框?qū)⒂糜诳蜻x模型后續(xù)識(shí)別到的商販。

置信度閾值和IoU 閾值是商販識(shí)別模型的另外2 個(gè)關(guān)鍵參數(shù)，用于控制輸出結(jié)果并影響模型精度和性能。閾值越高檢測結(jié)果的誤差容忍度越低，一般來說，置信度閾值和IoU閾值均不適宜設(shè)置過低，否則會(huì)產(chǎn)生過多的錯(cuò)檢結(jié)果。為了校準(zhǔn)這2個(gè)參數(shù)，設(shè)置不同參數(shù)的對(duì)照實(shí)驗(yàn)測試閾值的敏感性。置信閾值的取值以0.1為間隔，設(shè)置范圍為0.4～0.8，IoU閾值的取值以0.1 為間隔，設(shè)置范圍為0.5～0.8，不同的閾值實(shí)驗(yàn)設(shè)置及其結(jié)果見表2所示。通過對(duì)比2個(gè)閾值的不同取值組合所得到結(jié)果的模型性能，最終確定性能最優(yōu)時(shí)的參數(shù)取值。

表2 不同置信度和IoU閾值的實(shí)驗(yàn)結(jié)果對(duì)比Table 2 Comparison of experimental results with different confidence and IoU thresholds

1.2.3 模型檢驗(yàn)與精度評(píng)估 模型性能使用F1值和平均精度（mAP）評(píng)估。當(dāng)模型輸出的預(yù)測標(biāo)簽框滿足2 個(gè)條件時(shí)可被視為1 個(gè)預(yù)測正確（TP）的識(shí)別結(jié)果：（i）置信度得分≥置信度閾值，（ii）邊界框相交區(qū)域≥IoU閾值。F1值的計(jì)算公式為：

式中：P是精度，由檢測正確的商販標(biāo)簽數(shù)（TP）與檢測到的總的邊框數(shù)（TP+FP）的比值計(jì)算；R是召回率，由檢測正確的商販標(biāo)簽數(shù)（TP）與真實(shí)的邊框數(shù)（TP+FN）的比值計(jì)算。mAP精度-召回率曲線與x 軸所圍成的區(qū)域的面積；K為標(biāo)簽類的數(shù)量。

采用十則交叉驗(yàn)證方法進(jìn)行模型的參數(shù)校準(zhǔn)和驗(yàn)證。通過對(duì)比置信度閾值和IoU閾值的不同取值所得結(jié)果的模型性能來確定最佳的參數(shù)設(shè)置。如表2所示，當(dāng)置信閾值單調(diào)遞減時(shí)，召回率單調(diào)遞增，精度總體趨勢為下降，局部趨勢為上升或下降。而當(dāng)IoU閾值單調(diào)增加時(shí)，召回率和精確度單調(diào)遞減。通過對(duì)比可知，當(dāng)2個(gè)閾值均取0.5時(shí)（即第2組參數(shù)），模型性能最高，平均F1值為0.77、mAP為0.67。因此，該組閾值參數(shù)可用于校準(zhǔn)識(shí)別模型，應(yīng)用于整個(gè)街景影像數(shù)據(jù)集的檢測。

1.3 流動(dòng)商販空間分布制圖與集聚分析

將街景影像數(shù)據(jù)集輸入已訓(xùn)練好的識(shí)別模型中，每張圖像調(diào)整為統(tǒng)一的608×608大小，經(jīng)過層層卷積最終輸出一組19×19×9×（5+4）的一維數(shù)組，19×19代表將一張圖像分割成19×19個(gè)像元，9代表9個(gè)標(biāo)準(zhǔn)識(shí)別標(biāo)簽框，（5+4）代表像元中檢測到目標(biāo)的概率、預(yù)測框的中心坐標(biāo)和寬高以及4個(gè)識(shí)別類型的概率。YOLO使用概率閾值對(duì)每個(gè)像元的9個(gè)標(biāo)準(zhǔn)識(shí)別標(biāo)簽框的4個(gè)分類概率值進(jìn)行篩選，首先，選出概率值最高的類型再與置信度閾值比對(duì)，保留大于置信度閾值的標(biāo)準(zhǔn)識(shí)別標(biāo)簽框；然后，計(jì)算預(yù)測框與標(biāo)準(zhǔn)識(shí)別標(biāo)簽框的IoU 并與IoU閾值比對(duì)，保留＞IoU 閾值的標(biāo)準(zhǔn)識(shí)別標(biāo)簽框；最后，選取概率值最高的作為最終結(jié)果，所有預(yù)測框會(huì)根據(jù)原圖像尺寸校正。模型對(duì)包含有流動(dòng)商販的影像輸出預(yù)測標(biāo)簽框，街景影像對(duì)應(yīng)的點(diǎn)位記錄出現(xiàn)的預(yù)測框數(shù)量，該數(shù)量反映在該點(diǎn)位檢測到的流動(dòng)商販數(shù)量。因此，識(shí)別模型輸出從每幅街景影像中識(shí)別出的商販對(duì)應(yīng)的空間點(diǎn)位分布及商販數(shù)量。

由于流動(dòng)商販經(jīng)濟(jì)活動(dòng)普遍存在外部性和空間溢出效應(yīng)，簡單地沿道路網(wǎng)記錄商販出現(xiàn)的點(diǎn)位并不能準(zhǔn)確地反映其經(jīng)營活動(dòng)對(duì)周邊的影響。因此，使用核密度分析基于識(shí)別出的商販點(diǎn)位和數(shù)量繪制其經(jīng)營活動(dòng)的空間分布。輸入每個(gè)點(diǎn)位的商販數(shù)量作為權(quán)重參數(shù)，采用4次核函數(shù)方程計(jì)算空間上每個(gè)位置商販分布的核密度，根據(jù)經(jīng)驗(yàn)法則自動(dòng)確定核函數(shù)的帶寬參數(shù)（Silverman et al., 1989）。模型輸出的是一個(gè)平滑的柵格表面，每個(gè)像元的值反映商販分布密度的高低，分布密度越高，其像元值越大，表明在該點(diǎn)商販分布越集中。因此，通過核密度圖可以直觀地表現(xiàn)城市流動(dòng)商販的熱點(diǎn)分布，被識(shí)別出的熱點(diǎn)可認(rèn)為是流動(dòng)商販的空間集聚區(qū)。

2 研究區(qū)概況

選擇廣東省廣州市作為研究區(qū)域，以驗(yàn)證城市流動(dòng)商販空間分布調(diào)查模型的可行性。廣州市地處中國南部，是廣東省的省會(huì)，同時(shí)是粵港澳大灣區(qū)的核心城市。廣州號(hào)稱“千年商都”，具有悠久的商業(yè)文化，是海上絲綢之路的重要起點(diǎn)，各地商賈來往不絕。同時(shí)也是一個(gè)人口規(guī)模巨大且外來人口占比較高的城市，2021年廣州市常住人口數(shù)量達(dá)到1 881.06萬人，其中外來人口占比46.23%，城鎮(zhèn)就業(yè)人口達(dá)1 163萬人（廣州市統(tǒng)計(jì)局，2022）。

據(jù)不完全統(tǒng)計(jì)，廣州約有流動(dòng)商販25萬～30萬人，相當(dāng)于2021 年城鎮(zhèn)就業(yè)人數(shù)的2.5%。為了對(duì)流動(dòng)商販進(jìn)行有效管治，管理部門進(jìn)行了多年的探索，在1986年首次頒布《廣州市市容環(huán)境衛(wèi)生管理規(guī)定》，確立了流動(dòng)商販影響市容的違法性質(zhì)，并于1996、2007 和2020 年分別進(jìn)行修訂，每次修訂都加強(qiáng)對(duì)流動(dòng)商販的管治力度（黃耿志 等，2011；廣州市人民政府，2023）。而在2010 年后，廣州提出“疏堵結(jié)合”的商販管治策略，通過劃定疏導(dǎo)區(qū)讓流動(dòng)商販進(jìn)駐使其正規(guī)化，但仍有大量的商販選擇在疏導(dǎo)區(qū)外經(jīng)營。目前廣州市已制定了《廣州市流動(dòng)商販?zhǔn)鑼?dǎo)區(qū)管理辦法》和《廣州市流動(dòng)商販臨時(shí)疏導(dǎo)區(qū)設(shè)置手冊(cè)》，建成流動(dòng)商販臨時(shí)疏導(dǎo)區(qū)和臨時(shí)擺賣點(diǎn)超過60 個(gè)，設(shè)置經(jīng)營攤位8 400 多個(gè)（黃耿志 等，2015；廣州市城市管理和綜合執(zhí)法局，2020）。鑒于廣州流動(dòng)商販規(guī)模巨大，而且缺乏對(duì)流動(dòng)商販的全面監(jiān)管，因此該市是本研究理想的實(shí)驗(yàn)區(qū)。

3 結(jié)果分析

3.1 流動(dòng)商販識(shí)別結(jié)果與空間分布格局

本文共采集了研究區(qū)3 339 062張街景影像（圖3）。將訓(xùn)練好的識(shí)別模型應(yīng)用于整個(gè)研究區(qū)的街景影像集，共識(shí)別出26 119個(gè)商販，識(shí)別結(jié)果的空間分布和模型輸出的樣例如圖4所示。為進(jìn)一步分析商販的空間聚集模式，使用核密度分析基于識(shí)別結(jié)果繪制其空間分布核密度圖（圖5）。較顯著的商販聚集點(diǎn)包括越秀區(qū)站西路（核密度值61.17），荔灣區(qū)黃沙地鐵站出口（55.82）、天河區(qū)沙河頂（50.72）、五山路（66.90），海珠區(qū)瀝滘村（78.76）、敦和路（45.09）以及番禺區(qū)的洛溪地鐵站出口（62.63）、廈滘地鐵站出口（39.54）等（圖5-b），這些地區(qū)均是當(dāng)?shù)亟?jīng)濟(jì)活動(dòng)活躍且人口流動(dòng)量大的區(qū)域，且與基于人工調(diào)查方法的文獻(xiàn)（黃耿志 等，2016）對(duì)同一研究區(qū)所得的流動(dòng)商販聚集點(diǎn)可相互印證。

圖3 研究區(qū)街景影像的空間分布Fig.3 The study area and the spatial distribution of street view images

圖4 識(shí)別商販的空間分布及標(biāo)簽框預(yù)測樣例Fig.4 The spatial distribution of identified street vendors and the example of predicted label boxes

圖5 識(shí)別結(jié)果的核密度分布 [a.研究區(qū)識(shí)別結(jié)果核密度分布概覽；b.中心城區(qū)局部放大圖；c.商販建議擺賣點(diǎn)與政府劃定的疏導(dǎo)區(qū)的核密度概率分布]Fig.5 The kernel density of identification results[a.The overview of kernel density distribution; b.The partial enlarged view of the central city; c.The probability distribution of kernel density of street vendors' suggested selling sites and official permitted sites]

同時(shí)，對(duì)流動(dòng)商販與路網(wǎng)等級(jí)的空間位置關(guān)系進(jìn)行分析，統(tǒng)計(jì)了流動(dòng)商販在一、二、三以及四級(jí)道路兩側(cè)50 m范圍的數(shù)量。表3表明，流動(dòng)商販的數(shù)量在道路50 m范圍隨道路等級(jí)下降而上升，流動(dòng)商販更加偏好在低等級(jí)道路經(jīng)營，以獲得更多潛在消費(fèi)者，這也符合流動(dòng)商販經(jīng)常在城市的低等級(jí)道路占道經(jīng)營導(dǎo)致道路擁堵的狀況。

表3 道路等級(jí)、租金等級(jí)同流動(dòng)商販的數(shù)量關(guān)系Table 3 The quantitative relationship between road grade,rent grade and street vendors

另外，將流動(dòng)商販與廣州的租金進(jìn)行關(guān)聯(lián)分析，將租金按幾何間隔分為低廉、較低、較高及高昂4 級(jí)。表3 顯示，流動(dòng)商販多集中于租金較低及較高2個(gè)等級(jí)的地區(qū)，而很少出現(xiàn)在租金高昂或租金低廉的地區(qū)。一方面，租金高昂的高檔社區(qū)對(duì)流動(dòng)商販具有鄰避效應(yīng)，其住戶往往無法忍受流動(dòng)商販所帶來的交通擁堵、環(huán)境污染及噪聲擾民等負(fù)外部性影響，即使沒有足夠的官方力量來管理，私人物業(yè)和安保人員通常也會(huì)自行對(duì)流動(dòng)商販進(jìn)行驅(qū)逐。另一方面，流動(dòng)商販大多屬于低收入群體，集中居住再租金低廉地區(qū)，為獲取更多的潛在客源，他們傾向于向租金中等地區(qū)流動(dòng)經(jīng)驗(yàn)。但由于流動(dòng)商販銷售的產(chǎn)品較廉價(jià)且缺乏售后保障，他們通常不會(huì)選擇到高租金地區(qū)獲取高收入人群的潛在客源。

總的來說，流動(dòng)商販呈現(xiàn)多中心分布且主要聚集于人流量大的區(qū)域，同時(shí)流動(dòng)商販的分布受道路等級(jí)以及住宅租金的影響，這些影響最終決定流動(dòng)商販在城市中的分布是多方因素平衡的結(jié)果。

為了驗(yàn)證商販聚集區(qū)的準(zhǔn)確性，將實(shí)驗(yàn)中繪制的商販聚集區(qū)與實(shí)際的商販聚集點(diǎn)進(jìn)行比較，收集了2類聚集點(diǎn)：1）通過訪談形式從實(shí)際的流動(dòng)商販推薦的48 個(gè)擺賣經(jīng)營點(diǎn)（圖5-b，主要集中在天河區(qū)）；2）政府管理部門公布的已劃定并開放的60個(gè)商販?zhǔn)鑼?dǎo)區(qū)（見圖5-b）。將識(shí)別商販的核密度分布圖與2 類聚集點(diǎn)進(jìn)行疊加分析，結(jié)果顯示，有83%的商販建議擺賣點(diǎn)的核密度值均高于10，但僅有13%的官方疏導(dǎo)區(qū)的核密度值高于10。圖5-c顯示2類點(diǎn)的核密度的概率分布，核密度均值達(dá)到22.77，表明商販推薦的實(shí)際經(jīng)營點(diǎn)與模型預(yù)測的結(jié)果符合度較高；疏導(dǎo)區(qū)的核密度均值為10.97，表明政府劃定的疏導(dǎo)區(qū)核密度值普遍較低，可能的原因是疏導(dǎo)區(qū)周邊街巷的商販已被吸納入疏導(dǎo)區(qū)內(nèi)經(jīng)營，因此這些商販未被街景影像記錄，亦有可能是疏導(dǎo)區(qū)劃定時(shí)并未參考實(shí)際的商販聚集位置和偏好，具體原因有待進(jìn)一步探究。

3.2 流動(dòng)商販的空間分布對(duì)其空間治理政策的啟示

現(xiàn)代城鎮(zhèn)普遍采用的流動(dòng)商販治理政策可歸納為包容、排斥、及疏導(dǎo)安置3類。本研究所提出的流動(dòng)商販空間分布調(diào)查方法能在城市尺度下獲取大規(guī)模的流動(dòng)商販空間分布信息，且信息獲取的成本及效率相較傳統(tǒng)方法及數(shù)據(jù)源具有明顯的優(yōu)勢，可為治理政策制定及實(shí)施提供輔助決策的重要基礎(chǔ)信息。

包容政策通常在城鎮(zhèn)的早期發(fā)展階段或快速發(fā)展區(qū)域被采用。城鎮(zhèn)管理部門默認(rèn)地?cái)偨?jīng)濟(jì)是低收入群體或新移民的重要就業(yè)形式和收入來源（Maneepong et al., 2013），因而對(duì)其發(fā)展不過多的干涉與限制。這種包容政策使城市街道和公共空間成為流動(dòng)商販可自由攫取的公共池塘資源，隨著其規(guī)模的持續(xù)擴(kuò)大，外部成本的負(fù)面效應(yīng)在城市發(fā)展過程中日益凸顯（Boonjubun, 2017），有必要監(jiān)控其發(fā)展規(guī)模、趨勢及影響?；诖笠?guī)模街景影像的自動(dòng)調(diào)查方法有助于監(jiān)測城市街頭流動(dòng)商販群體的增長，識(shí)別其空間聚集熱點(diǎn)，進(jìn)而分析商販規(guī)模的擴(kuò)大和聚集與負(fù)外部性（如交通擁堵、犯罪或環(huán)境污染）的空間關(guān)系。

在大多數(shù)現(xiàn)代城市的核心區(qū)域，排斥政策是更為普遍的一種管治策略，流動(dòng)商販被視為新時(shí)期經(jīng)濟(jì)發(fā)展的“絆腳石”，“鄰避效應(yīng)”在從業(yè)者與社區(qū)居民爭奪公共空間使用權(quán)中逐漸涌現(xiàn)，因而對(duì)地?cái)偨?jīng)濟(jì)實(shí)施的公共政策轉(zhuǎn)向苛刻與排斥性（Cresswell, 1996; Boonjubun, 2017）。管理部門普遍采用“取締、驅(qū)逐、監(jiān)控”等手段驅(qū)逐流動(dòng)商販。排斥政策的實(shí)施依賴于執(zhí)法人員，但由于人力所限往往僅在城市有限區(qū)域執(zhí)行，商販的空間分布和聚集地點(diǎn)有助于優(yōu)化執(zhí)法資源分配，在聚集區(qū)配置更多執(zhí)法資源加強(qiáng)執(zhí)法力度。

為了保障流動(dòng)商販的生計(jì)不受嚴(yán)重影響，同時(shí)管治其負(fù)外部性，一些城市采用正規(guī)化政策，試圖通過劃定疏導(dǎo)經(jīng)營區(qū)或辦理營業(yè)許可證的方式，將流動(dòng)商販進(jìn)行正規(guī)化管理（Kamete, 2018）。商販需支付一定的場地費(fèi)或管理費(fèi)，而且疏導(dǎo)經(jīng)營區(qū)通常區(qū)位欠佳且存在大量競爭者，導(dǎo)致經(jīng)營收益有所降低，因此，在實(shí)踐中正規(guī)化政策往往不被大部分從業(yè)者所接納（Huang et al., 2019）。本研究獲取的城市精細(xì)尺度的空間調(diào)查結(jié)果及其聚集特征可進(jìn)一步與城市社會(huì)經(jīng)濟(jì)要素進(jìn)行相關(guān)分析，如將流動(dòng)商販聚集特征與人口空間分布、住宅租金分布及城市道路分布進(jìn)行比較，分析流動(dòng)商販聚集區(qū)域與人口密度、收入及消費(fèi)水平以及與城市道路等級(jí)之間的關(guān)系，或者將其與城市設(shè)施（如地鐵站、正規(guī)市場等）疊加進(jìn)行分析，以檢測是否存在空間同位模式或“鄰避效應(yīng)”，進(jìn)而輔助制定更合理的疏導(dǎo)區(qū)規(guī)劃方案。

4 結(jié)論與討論

4.1 討論

本文提出了基于街景影像的流動(dòng)商販空間分布調(diào)查模型，實(shí)現(xiàn)了城市尺度的流動(dòng)商販的空間分布調(diào)查。但由于街景影像數(shù)據(jù)存在的局限性，實(shí)驗(yàn)中所識(shí)別的流動(dòng)商販數(shù)量毫無疑問被低估了。這些局限性主要包括街景影像空間覆蓋以及時(shí)間覆蓋的局限性。

本研究使用的街景影像來自開放的在線地圖街景服務(wù)，影像主要由街景拍攝汽車采集。由于汽車在狹窄道路的可達(dá)性較低，街景影像的空間覆蓋范圍僅局限于城鎮(zhèn)主要街道，無法覆蓋低等級(jí)街巷。然而，流動(dòng)商販更偏向于在農(nóng)貿(mào)市場、批發(fā)市場、學(xué)校周邊、社區(qū)或城中村的內(nèi)部道路經(jīng)營。因此，在狹小街巷經(jīng)營的大量商販并沒有被街景車記錄，本研究提出的方法也無法識(shí)別出位于這些區(qū)域的流動(dòng)商販。

街景影像時(shí)間覆蓋的局限性體現(xiàn)在2 個(gè)方面：首先，街景影像從采集、處理到發(fā)布需數(shù)月時(shí)間，而且影像的采集時(shí)間通常不是同一個(gè)時(shí)點(diǎn)，因此無法獲取這些商販出現(xiàn)的具體時(shí)點(diǎn)，識(shí)別結(jié)果僅能體現(xiàn)在街景影像獲取的時(shí)刻，該位置存在流動(dòng)商販，即表明該位置曾經(jīng)有商販出現(xiàn)過，但具體的時(shí)間不清楚。其次，為了保證成像的質(zhì)量，在線地圖的街景影像均在日間采集。然而，實(shí)地走訪發(fā)現(xiàn)，研究區(qū)所在城市夜間的流動(dòng)商販經(jīng)營活動(dòng)更為活躍，但夜間出現(xiàn)的流動(dòng)商販未能被街景影像記錄，這也導(dǎo)致本研究的識(shí)別結(jié)果低估了流動(dòng)商販的數(shù)量。

目前有2種方式可以提高街景影像數(shù)據(jù)的時(shí)空覆蓋率，從而提高流動(dòng)商販調(diào)查的準(zhǔn)確性與全面性。一方面，可集成多源街景影像數(shù)據(jù)集，除了在線地圖提供街景服務(wù)外，許多基于位置的服務(wù)和社交網(wǎng)絡(luò)都有公眾自愿上傳的街景影像，如Twitter、Facebook、新浪微博、Panoramio 等。最近的幾項(xiàng)基于街景影像的研究有成功應(yīng)用多源街景影像數(shù)據(jù)集的案例，如Zhang 等（2020）結(jié)合騰訊地圖和Panoramio 的街景影像用于發(fā)現(xiàn)城市街巷中不起眼的地標(biāo)，多源數(shù)據(jù)的結(jié)合有效地彌補(bǔ)了城市街巷街景影像的缺失。另一方面，可以使用小型化設(shè)備主動(dòng)采集街景影像作為補(bǔ)充數(shù)據(jù)源，如使用摩托車、自行車、行人搭載街景拍攝設(shè)備，甚至采用城市安防系統(tǒng)的攝像頭，可以輕松采集汽車無法到達(dá)區(qū)域的街景影像。尤其是近年來隨著移動(dòng)互聯(lián)網(wǎng)、智能手機(jī)以及小型化拍攝設(shè)備（如Insta360）的快速發(fā)展，行人已成為街景影像的重要貢獻(xiàn)者。一些眾包平臺(tái)，如Mapillary、OpenStreetCam，甚至傳統(tǒng)的在線地圖（如谷歌地圖）都提供了便于自愿者上傳街景影像的渠道（Mahabir et al., 2020），這些數(shù)據(jù)如能與在線地圖街景進(jìn)行融合，將有助于對(duì)城市流動(dòng)商販等社會(huì)經(jīng)濟(jì)要素開展更全面的觀測。

4.2 結(jié)論

本文旨在從城市范圍精細(xì)尺度下對(duì)流動(dòng)商販的空間分布開展自動(dòng)調(diào)查，以輔助其空間治理政策的制定和實(shí)施，提出了基于街景影像和深度學(xué)習(xí)的流動(dòng)商販自動(dòng)調(diào)查方法，以廣州市為案例，采集了全市3 339 062張街景影像，通過構(gòu)建YOLO深度神經(jīng)網(wǎng)絡(luò)，識(shí)別出26 119個(gè)商販，并繪制其核密度空間分布圖，同時(shí)分析了流動(dòng)商販與住宅租金、道路等級(jí)之間的關(guān)系。結(jié)果表明，流動(dòng)商販在中心城區(qū)以多中心聚集模式分布，主要集中在地鐵站、城中村附近等人流量大的區(qū)域，且隨著道路等級(jí)的下降其數(shù)量上升，另外流動(dòng)商販主要分布于租金中等的地區(qū)。識(shí)別結(jié)果可用于對(duì)從業(yè)者的區(qū)位偏好分析、“鄰避效應(yīng)”探究以及疏導(dǎo)區(qū)的劃定提供決策參考。盡管街景影像存在時(shí)空覆蓋度不足的缺陷，但相較于傳統(tǒng)調(diào)查方法和數(shù)據(jù)源，利用街景影像開展流動(dòng)商販調(diào)查不失為一種低成本高效率的方法。

此外，本文所提出的方法可通過耦合多任務(wù)深度學(xué)習(xí)算法，實(shí)現(xiàn)更多維度的流動(dòng)商販信息調(diào)查，如商販的性別、年齡、經(jīng)營種類等，相關(guān)研究有待下一步開展。本文提出的方法有助于實(shí)現(xiàn)高效、低成本和城市尺度的街頭攤販分布制圖，所得結(jié)果有助于制定和實(shí)施非正規(guī)經(jīng)濟(jì)的空間治理政策，并進(jìn)一步為街景圖像豐富且開放的城市的空間治理政策的改進(jìn)和實(shí)施提供建議。