基于街景图像的古镇旅游地商业同质化空间测度——以大理古城为例

古镇类旅游地的商业同质化是该类旅游目的地同质化的主要表现,这种现象在一定程度上促进了旅游地的经济发展,但也影响到了游客的旅游体验,导致了目的地商业经营的无序局面。论文以大理古城为例,通过编程获取大理古城内部的街景图像数据,并利用计算机视觉、机器学习等技术识别出街景图像中的店铺标牌文字信息。在此基础上构建指标模型,对案例地商业同质化进行测度,探讨了古镇旅游地商业同质化的空间特征及其形成机制。结论如下：(1)大理古城总体商业同质化的空间分布呈现核心—外围特征。商品经营型店铺在旅游核心区的商业同质化程度高,表现出街道分布的特点;而服务经营型店铺在旅游外围区的商业同质化程度高,表现出街区分布的特点。(2)旅游资源分布、规划调控、区位条件和资本介入是导致商业同质化的主要因素,竞争和聚集是形成商业同质化的2种主导机制。(3)利用计算机视觉与机器学习等技术提取街景图像中的店铺标牌文字信息,将同类型店铺的重复数量和集聚水平作为指标构建模型并结合GIS空间分析方法,能够实现对古镇旅游地商业同质化的空间测度。该研究的数据处理方法与模型构建方法可丰富利用街景图像进行的社会景观研究,相关结论可为古镇旅游地的管...     

基于街景影像多特征融合的广州市越秀区街道空间品质评估

全面准确地描述街景影像的多层次特征在基于街景影像对街道空间品质进行评估的研究中具有重要意义。以广州市越秀区为例,获取前后左右各视角街景影像中手工设计的特征（SURF特征、HOG特征）和基于深度学习的特征（语义特征）,基于单一特征和多特征融合采用支持向量机（Support Vector Machine, SVM）、随机森林（Random Forest, RF）训练各视角的评估模型。结果表明,以基于SVM建立的单特征模型为例,基于HOG特征（73.03%）、语义特征（72.28%）的模型平均精度优于SURF特征（56.00%）,基于SVM前后左右各视角模型的最优分类精度为82.8%（前）、81.7%（后）、76.6%（左）、76.6%（右）,而基于RF各视角模型的最优分类精度为82.8%（前）、85.0%（后）、78.1%（左）、70.3%（右）。前后视角的模型精度略优于左右视角。各视角最优模型均为多特征融合模型,最优模型平均分类精度和Kappa系数可达80.6%和0.62。利用街景影像评估街道空间品质时,各算法之间性能差异微弱,而特征选择及组合方式是提升精度的关键。越秀区街道空间品质存在明显空间分异,其西南部的街道空间品质亟待提升。本研究构建了基于街景影像多特征融合的大规模高精度街道空间品质测度方法,实现了对越秀区街道空间品质的评估,研究结果可为相关部门进行街道环境综合整治提供参考。     

建筑物立面精细建模的多视街景影像几何纠正与拼接方法

同时搭载差分卫星定位系统、惯性测量单元和街景全景相机的移动测量系统,可高效获取具有精确位姿信息的城市环境高分辨率街景图像,为建筑物立面结构实景三维精细建模提供了重要的数据源.由于地面遮挡、视野限制、影像畸变等因素,单视街景影像难以有效覆盖较大建筑物立面结构.本文提出多视街景影像几何纠正与拼接方法,消除多视影像间的几何、曝光不一致性.利用谷歌开源街景影像数据实验,结果表明该方法可提高建筑物立面重建的纹理质量,同时也具有较高的几何精度.     

城市微环境与盗窃犯罪关系研究进展

城市微观社会环境和微观建成环境（即“城市微环境”）失序是影响盗窃犯罪时空格局和形成机理的两大关键因素,直接影响犯罪的机会、成本和手段,掌握微环境与盗窃的关系是CPTED、犯罪地理学的核心内容。本文聚焦国内外城市微环境与盗窃关系的研究进展,系统梳理了影响盗窃时空分异的城市微环境特征,总结了微环境的测度方式。总体上有4类问题待解决：① 当前利用手机大数据求算的环境人口指标主要为人口数量和流动性,少有从人口属性、社交规律等方面深层刻画微观社会环境。② 缺乏对微观建成、社会环境的系统性整合,易导致伪相关或不相关。③ 西方犯罪学理论的“本土化”实证研究不够充分,理论内涵和概念存在本土操作化困难,中国实证研究产生的“本土”知识对西方理论有补充性和挑战性,但还需“国际概念化”。④ 街景已被用于微观建成环境的虚拟测量,但随机选取测量地点的做法因未顾及微观社会环境的非均衡性而缺乏针对性。未来有4方面研究趋势：① 与公安部门紧密合作,结合敏感数据,刻画微观尺度人口属性、社交规律等特征,拓展“风险人口”的概念外延,准确反映微观社会环境,开展理论和政策导向的实证研究。② 耦合微观社会和建成环境,从社会、环境、行为等多维理论层面辨析两种微观环境的互嵌依据和耦合路径,诉诸“大”数据刻画“微”环境,探索微环境对盗窃的条件交互机制和尺度依赖性。③ 把握犯罪学理论内涵,兼顾中国城市社会情境,开发理论核心概念“本土”操作化新可能。④ 持续发展基于街景的远程化、虚拟化、自动化、智能化建成环境观测手段,注重针对性采样和系统性整合研究。     

一种用于街景影像窗户提取的神经网络

针对现有方法受类内多样性以及窗户间距较近的影响，造成漏提取和分割不足等问题。该文提出一种面向窗户提取的WBSNet模型。根据窗户在影像上的密集分布特点，加入CEB模块，用于扩大感受野，减少了目标的漏提取问题。针对相邻窗户间距较近引起的分割不足现象，引入了一种特征提取模块，在保证细节信息编码的基础上，加强网络的特征提取能力。该文在自制的街景数据集上进行实验，实验结果表明，该文方法精确率、召回率、F1-Score和交并比分别达到了76.42%、91.34%、81.82%和70.46%,验证了该文方法的有效性和可行性。