跳到主要内容

示例项目

街景分析

用语义分割、目标检测与色彩分析处理街景影像,大规模量化街道的物理特征。

分析路网
310 km 街道
采样点
6,200 个点位
处理影像
24,800 张(4 个朝向)
指标
每路段 7 项
周期
5 周
分析路网
310 km

每 50 米采样一次

处理影像
24,800

每个采样点四个朝向

每路段指标数
7

语义分割、目标检测与色彩

校验一致性
±3.2 pp

对照 200 个点位的人工标注基准

问题

需要回答什么

一个城市研究团队想横向比较全市街道的物理品质:有多绿、围合感多强、临街面有多少是活跃的、被车辆主导到什么程度。

这类品质通常靠派人上街逐条打分来评估。这种做法在小样本上判断力不错,但一旦超过几十条街就贵到做不下去,同时还会引入评分员之间的不一致。

团队需要的是这样一组指标:在整个路网上口径一致、重跑能复现,并且透明到规划委员会可以对任何一个具体数值提出质疑,并看清它是怎么算出来的。

数据来源

输入了什么

  • 街景影像

    沿路网按固定间隔采样的授权全景影像,每个点位四个朝向。

  • 路网几何

    开放地图数据,用于界定采样点所依附的路段。

  • 语义分割模型

    一个开源的城市场景语义分割模型,输出逐像素类别标签。

  • 目标检测模型

    一个开源目标检测模型,用于识别车辆、行人、街道家具与临街面要素。

  • 行政边界

    用于把路段级指标聚合到可对外汇报的区域。

方法

具体怎么做的

采样点沿路网每 50 米布设一个,每点四个相机朝向,共得到 24,800 张影像。按距离而不是按路段采样,可以避免长干道相对于短的居住区街道被低估。

语义分割为每张影像给出各类别的像素占比:天空、建筑、植被、车行道、人行道、车辆、行人与街道家具。四个朝向的占比取平均,每个点位得到一份画像。

植被占比即绿视率,这是从街道视角衡量绿量感知的通行指标。建筑与天空占比合起来给出围合比,是衡量街道封闭感的标准代理指标。

目标检测并行运行,统计车辆、行人与临街面要素的数量。检测与分割回答的是不同问题:分割说的是视野里有多大比例是车辆,检测说的是有多少辆车,一条街完全可能在一项上很高、在另一项上很低。

色彩分析提取每张影像的主色调,从而把材质风貌统一的历史街区与新旧临街面混杂的地段区分开。所有指标都聚合到路段与片区两级,同时保留逐张影像的原始数值,任何一个数字都能回溯到产生它的那些影像。

处理过程

数据管道

每个阶段都产出一件明确的中间成果,供下一阶段使用。因此任何结论都能回溯到产生它的那份输入。

  1. 01

    街景影像

    影像集

    沿 310 公里路网每 50 米采样,共 24,800 张授权影像,每个采样点四个朝向。

  2. 02

    语义分割

    类别占比

    逐像素划分为天空、建筑、植被、车行道、人行道、车辆、行人与街道家具,并在各朝向间取平均。

  3. 03

    目标检测

    检测结果表

    统计车辆、行人、街道家具与活跃临街面要素的数量,置信度阈值全程保持一致。

  4. 04

    色彩分析

    色彩画像

    逐张影像提取主色调,聚合后用于刻画每个路段沿线的材质一致性。

  5. 05

    城市环境分析

    指标图层

    每个路段 7 项指标,关联到路网并聚合到片区级别,交付为地图与可查询数据集。

可视化

输出成果

01 · 原始画面
02 · 语义分割
car · 0.96car · 0.91person · 0.88storefront · 0.74
03 · 目标检测
  • 建筑31.6%
  • 天空24.1%
  • 道路20.7%
  • 植被11.6%
  • 人行道8.3%
  • 车辆2.9%
  • 行人0.8%

数据

结果表

示例项目 · 街道路段指标
路段绿视率 %围合比天空占比 %车辆占比 %行人数 / 张
Elm Avenue31.40.8418.26.12.4
High Street8.21.6211.414.89.1
Canal Road22.70.4129.89.20.8
Park Terrace38.90.7221.63.43.7
Station Approach4.11.948.921.312.6

关键发现

核心对比

  • Park Terrace绿视率最高38.9
  • Elm Avenue31.4
  • Canal Road22.7
  • High Street8.2
  • Station Approach最低4.1
绿视率:街景视野中被植被占据的比例,按每个采样点四个朝向取平均。

结论

分析说明了什么

  • 全路网的绿视率从 4.1% 到 38.9%,其分布与行政区边界的吻合程度远超团队预期。两个相邻片区在街道类型没有变化的情况下,相差超过二十个百分点。

  • 围合比与绿视率之间只有弱相关。有几条街道在绿量上得分不低,走在其中却开阔而缺少遮蔽;这一点值得注意,因为街道空间政策里常把这两种品质当成一回事。

  • 车辆像素占比与车辆计数在十一个路段上出现分歧。每一处的情形都是车少但车身很大:分割会给它很高的权重,检测不会。两项一起报,避免了得出误导性的结论。

  • 对 200 个点位的校验样本做人工打分,与自动计算的绿视率平均相差在 3.2 个百分点以内;作为相对比较而非绝对取值使用,这一致性被认为足够。

交付物

最终交付了什么

  • 全部 24,800 张已处理影像的逐张类别占比表
  • 路段级指标图层,含 7 项指标,已关联到路网
  • 供对外汇报使用的片区级聚合表
  • 检测计数结果,并记录置信度阈值与模型版本
  • 各路段的主色调画像
  • 可切换指标的交互式地图,另附说明模型、阈值与校验方式的方法说明

下一步

想在你的市场做一个类似的项目?

告诉我们地域范围、品类和要做的决策。我们会把对应项目的范围定下来,并在开工前给出固定报价。