EN中文

Journal of Geo-information Science >

2021 , Vol. 23 >Issue 5: 785 - 801

DOI: https://doi.org/10.12082/dqxxkx.2021.200353

Approach to Quantify Spatial Comfort of Urban Roads based on Street View Images

  • YANG Cancan , 1, 2 ,
  • XU Fangnian 1 ,
  • JIANG Ling , 1, 2, * ,
  • WANG Ruifan 1 ,
  • YIN Li 1 ,
  • ZHAO Mingwei 1, 2 ,
  • ZHANG Xianxian 1
Expand
  • 1. School of Geographical Information and Tourism, Chuzhou University, Chuzhou 239000, China
  • 2. AnHui Province Key Laboratory of Physical Geographic Environment, Chuzhou 239000, China
*JIANG Ling, E-mail:

Received date: 2020-07-08

  Request revised date: 2020-09-03

  Online published: 2021-07-25

Supported by

Key Project of Natural Science Research Project of Anhui Universities(KJ2020A0721)

Key Project of Natural Science Research Project of Anhui Universities(KJ2020A0722)

Anhui Province Universities Outstanding Talented Person Support Project(gxyq2019093)

China Postdoctoral Science Foundation(2018M642146)

Program of Provincial Natural Science Foundation of Anhui(1808085QD103)

Jiangsu Planned Projects for Postdoctoral Research Funds(2018K144C)

National Undergraduate Training Program for Innovation and Entrepreneurship(201910377054)

Copyright

Copyright reserved © 2021
Fold

Abstract

Urban road spatial comfort is an useful indicator to comprehensively quantify urban road environment, which plays an important role in urban-related researches such as construction planning, environment assessment, and traffic optimization. Based on the data of street view images, firstly, the concept of urban road spatial comfort is defined from the perspective of space vision. To represent the concept accurately, five quantitative indexes including road unobstructed degree, road spaciousness, greening degree of vegetation, proportion of sky view, and space openness, and a model to quantify urban road spatial comfort are constructed. Secondly, the urban road spatial comfort measurement method is established. To establish the model, an approach that comprehensively combines the semantic segmentation of street view images, weight assignment based on entropy weight, and analytic hierarchy process and dual-constrained interpolation is designed. Finally, we take the local urban area of Nanjing as the experimental area to assess the performance of the proposed approach. The results show that (1) The segmentation accuracy of the main elements meets the requirements, with an overall segmentation accuracy of 84.92% and a Kappa coefficient of 80.06%; (2) The 200-m sampling distance can comprehensively reflect the road spatial comfort degree in the study area considering the processing time and the quantitative expression; (3) The dual-constrained interpolation method proposed in this paper can eliminate the abnormal interpolation phenomena such as abrupt point, trapezoid shape, and disordered texture, and effectively maintain the directional characteristics of road spatial comfort; (4) The method proposed in this paper can effectively measure the urban road spatial comfort with an accuracy above 80%; (5) There is a positive correlation between the spatial comfort degree and the road grade, that is to say, the higher the road grade, the higher proportion of high-degree spatial comfort in roads. The spatial comfort of urban roads in the experimental area is higher in the south and lower in the north and is higher in Jianye district and lower in Gulou and historical old urban area.

Key words： urban road; spatial comfort; street view image; equidistance sampling; semantic segmentation; index quantification; spatial interpolation; spatial distribution

Cite this article

YANG Cancan , XU Fangnian , JIANG Ling , WANG Ruifan , YIN Li , ZHAO Mingwei , ZHANG Xianxian . Approach to Quantify Spatial Comfort of Urban Roads based on Street View Images[J]. Journal of Geo-information Science, 2021 , 23(5) : 785 -801 . DOI: 10.12082/dqxxkx.2021.200353

1 引言

舒适度是指人们对客观环境从生理与心理方面所感受到的满意程度而进行的综合评价。城市道路既是城市内部信息与物质流动的关键通道也是对外交通交流的纽带延伸,其空间舒适度是综合刻画城市道路环境特征的重要指标之一,对城市道路建设规划、城市环境评估以及交通优化起到不可忽视的作用。
现有舒适度研究涵盖了物理、生物、心理、情感等多重因素,其研究对象既可以是单一实体[1],又可以是复合实体[2];既包括了普通开敞环境[3],又包括了特定几何空间或密闭环境[4];其研究内容既可以包含客观实体或自然环境被接触时的人为感知[5],又包含非接触下的心里或视觉感受[6]。目前相关研究成果已在医学、地理、旅游、环境、设计等方面得到广泛应用。
城市作为人类生活的重要载体之一,其空间舒适度的研究受到众多学者的关注。依据温婷等人的观点,城市舒适性与人居环境相关,且已成为城市评估的新视角[7]。目前,国内外针对城市空间舒适度的研究主要集中在温度、湿度、风速等影响人体舒适度的自然环境[8,9,10],以及人口、交通、绿地面积、建筑设置等人工构筑环境和社会经济因素等方面[11,12],特别是旅游城市的空间舒适度研究曾成为关注的热点之一[13],甚至有学者对城市空间舒适度如何影响劳动力流失和自然死亡人数进行了应用研究[14,15]。上述研究进一步明晰了空间舒适度的含义,城市空间舒适度研究从主观走向了客观,从定性转为定量,从评价拓展到应用。
城市道路承载着城市内部及城市之间的信息、物质与行人的交互流通,是城市重要组成要素之一。现有研究中对城市道路环境构成要素的研究较多,包括城市道路的提取、道路绿化程度及其降噪降温作用[16,17]、道路范围内的天空可视域和道路周边建筑识别等[18,19]。上述从城市道路环境和场景构成要素为对象的研究成果为城市道路空间舒适度指标选择及量化提供了较好的借鉴,而现有研究中针对城市道路空间舒适度的研究较少。一些学者从道路设计是否满足出行舒适的角度进行了道路结构和参数研究[20,21],为道路设计和优化提供支撑。有学者对驾车舒适度进行了评价[22,23],此研究主要从物理和生物的角度考虑驾驶员的身体和心理感受,对外界道路环境考虑较少。另外,一些学者从道路交通设施、行车状态、道路质量、出行意愿等不同角度进行了道路出行舒适度指标体系构建及影响分析[24,25]。这类研究分别考虑了行人心理感受和道路环境、道路自身特征等主观和客观因素,丰富了城市道路空间舒适度的内涵,同时也为指标选择和模型构建提供了参考。然而,此类研究中未对城市道路的范围进行界定,除文献[24]外其他研究中未从行车者角度和道路场景考虑道路空间舒适度,且文献[24]对其方法的普适性未进行说明。
本文以行车为主要功能的城市骨架性道路为主要研究对象,对城市道路空间构成及空间特征进行分析,研究城市道路空间舒适度。然而,现有能够表现城市道路空间的地理数据中,航空和航天遥感数据主要从俯视的角度获取影像,缺少立面空间信息,点云及雷达数据获取相对困难且昂贵。作为开源数据,街景影像已被广泛应用到城市环境评价、道路场景信息提取等方面[18-19,26-28]。其中,从道路视觉感知出发的天空可视域指数、城市道路绿化指数等信息的提取以及影像场景分割方法[29]为本研究提供了思路和可能,也为研究中指标量化方法提供了良好的参考。鉴于此,本文以街景影像为基础,利用影像语义分割技术,开展城市道路空间舒适度研究,以期为城市环境评估及城市道路建设和交通优化提供参考。

2 研究区概况与数据来源

2.1 研究区概况

本文选择了南京市建邺区、鼓楼区、秦淮区和雨花台区四区相邻区域为研究样区（图1）。其中,鼓楼区和秦淮区是南京市中心城区中开发较早的地区之一,区域内包含鼓楼-清凉山历史城区和城南历史城区;雨花台区是南京主城东进南延的重要发展区域;建邺区境内交通发达,道路网相对规则。样区中老城区及历史城区范围根据《南京历史文化名城保护规划（2010—2020）》[30]中的“老城历史文化保护规划图”进行界定。境内的主要道路有梦都大街、应天大街、汉中门大街等一级主干道路,漓江路、清河路和兴隆大街等二级道路,石头城路、汉江路和集贤路等三级道路以及其其它低等级道路。其中一级道路以四幅式道路为主,机动和非机动分开,上行和下行分开,也有部分路段是三幅式道路。二级道路以三幅式道路为主,也有少量4幅式道路但宽度明显变窄。另外,老城区二级道路会出现二幅式或单幅式。三级道路以单幅式为主,特别是老城区内机动车和非机动车辆混行、上行和下行不分,但建邺区存在二幅或者三幅式道路。三级以下道路基本上以单幅式为主。样区道路类型丰富,道路场景错落,结构相对完整,宽窄不一,纵横交错,具有代表性。
图1 南京市城区样区位置

Fig. 1 Location of urban study area of Nanjing

2.2 数据来源及预处理

本文采用的街景影像来源于百度地图平台,通过设定采样点并进行坐标转换获取（图2(a)）。对于每一采样点,考虑到道路使用者（驾驶/副驾驶员）视角,并通过对比分析不同角度的图像特征,街景影像的垂直视角取3°,水平视角从0°开始以30°为间隔取值。每一采样点共下载5幅街景影像,并筛选偏向道路前进方向的街景影像作为实验数据。街景影像的高度和宽度分别为630像素和470像素,单幅街景影像的视域范围与人眼观察时的视域保持一致为120°（图2(b)）。样区内街景影像更新采集时间为2019年3月27日—2019年4月1日,并以3月27—29日为主,少量道路采集时间为周六和周日,如虎踞路部分路段、江东快速路、广州路、泰山路等。另外,个别道路影像未进行更新（2017年）但采集时间主要集中在工作日,如集贤路、云南路等。为增强街景影像特征以满足语义分割要求,对街景影像进行了灰度化处理（图2（c））。
图2 实验数据采样点分布

Fig. 2 Spatial distribution of experimental sampling points

对于采样点设定,本文借鉴Long等[16]研究思路采用矢量路网等距采样的方式,其中矢量路网数据从OpenStreetMap开源平台获取。由于本文的研究对象是城市骨架道路及以行车功能为主的较高等级道路,故对道路网数据进行了筛选,去除了三级以下道路,且小区内部道路不在本文考虑的范围内。

3 研究方法

3.1 研究技术路线

综合王海涛等[24]和Cheng等[28]的研究成果,本文对城市道路空间舒适度的概念进行了界定。城市道路空间舒适度是指使用者在可视范围内对道路行车、景观及天空等道路综合环境所产生视觉和心理上的舒适程度。某种意义上而言,城市道路空间舒适度是视野范围内城市道路环境中空间均质性和异质性要素的综合体现。考虑到城市道路骨架的行车功能及行车时驾驶员的视角局限,本文主要以前进视线内的道路场景为基础研究分析城市道路空间舒适度。
城市道路空间舒适度测度的技术路线如图3所示,主要思路为：首先,对获取的街景影像进行语义分割;其次,根据构建的量化指标,进行指标量化值计算;然后,通过组合赋权法进行权重计算及测度模型构建;最后,利用双向约束插值方法进行区域插值,从而获取样区的舒适度。
图3 城市道路空间舒适度测度技术路线

Fig. 3 Flow chart of spatial comfort measurement of urban road

3.2 城市道路空间舒适度测度方法

3.2.1 道路场景语义分割
Deeplab是基于卷积神经网络开发的基于像素的语义分割模型,此模型于2015年被提出且在不断更新[29]。为了解决传统语义分割中存在的物体多尺度问题,Deeplab3设计了串行和并行的带孔卷积模块,将深度卷积神经网络架构中的最后一个块使用了空洞卷积来代替。空洞卷积是具有扩展滤波器视野功能的常规卷积,以3×3卷积滤波器为例（图4）,当扩张率等于1时,它的行为类似于标准卷积;将扩张率增加时,具有扩大卷积核的效果。
图4 不同扩张率的空洞卷积

Fig. 4 Different rates of expansion

为了提供多尺度信息模型,Deeplab3最后一个模块的顶部使用了空洞空间金字塔池化(Atrous Spatial Pyramid Pooling, ASPP),意图使用不同扩张率的卷积来对任意尺度的区域进行分类。此外,为了增加全局的语境信息,ASPP通过全局平均池化结合图像级别的特征。Deeplab3的ASPP包含4个并行的操作,它们分别是一个1×1的卷积以及3个3×3的卷积,扩张率分别是6、12和18（图5）。
图5 Deeplab3 串行模块和并行的ASPP模块

Fig. 5 Deeplab3 serial module and parallel ASPP module

发布于2016年的Cityscapes是关于城市街道场景的语义理解图片数据集,它包含来自50个不同城市复杂场景的分割图像,已成功应用于深度学习训练和检测[31]。本文以Cityscapes为训练样本,采用Tenserflow机器学习系统实现城市道路街景影像的语义分割。为增强场景分割类型适用性,本文将Cityscapes所提供的30种类别精简概括为道路、天空、建筑、车辆、树木、灌木、围栏及附属8个类别,其中附属指电线杆、路灯和广告牌等道路附属设施。深度学习相关参数设置为：初始学习率0.0007,学习策略poly,权重衰减0.0003,迭代次数30 000次,训练张数2975张。
3.2.2 道路空间舒适度量化指标构建
针对行车道,城市道路环境的主要构成要素包 括车辆、植被、天空和建筑等。综合参考前人研究成果[24-25,28],本文从道路交通状态、道路几何空间以及道路行车环境等视角出发,并结合视觉感官和心理感受,选择了5个核心指标来评价城市道路空间舒适度,分别是道路通畅度（ R U road car ）、道路宽广度（ R W SVI road ）、植被绿化度（ G D SVI plant ）、天空呈现度（ S V SVI sky ）和空间开敞度（ S O SVI building ）,并在此基础 上采用加权求和方式构建了城市道路空间舒适度 计算模型。
Co m street = W RU R U road car + W RS R W SVI road + W GD G D SVI plant + W SV S V SVI sky + W SO S O SVI building
式中： Co m street 代表道路空间舒适度; W RU 为道路通畅度的权重系数; W RS 为道路宽广度的权重系数; W GD 、 W SV 、 W SO 分别为植被绿化度、天空呈现度和空间开敞度的权重系数。
（1）道路通畅度（Road Unobstructed Degree, RU）
道路通畅度是指道路使用者在城市道路上运行顺畅、方便的程度。道路通畅度大,表明道路上行车辆少,行车状态好,情绪愉悦度高;反之,通畅度低,道路拥挤度高,心情容易烦躁。本文以街景影像道路面上的汽车像元所占整个道路像元的比例作为道路行车状态的测度。因部分道路区域会被车辆覆盖,故本文将道路像元和车辆像元之和作为道路整体像元的近似测度,且本文暂不进行静止和行驶车辆的区分。通畅度的计算公式为：
R U road car = 1 - Coun t car Coun t car + Coun t road
式中： Coun t car 是指街景影像中汽车像元数; Coun t road 是指街景影像中道路像元数量。
（2）道路宽广度（Road Spaciousness, RS）
道路宽度可描述行车道路几何空间,在其他环境因素保持不变的情况下,道路宽度越大,空间舒适度相对越高。考虑到样区街景影像是在同一条件下（如垂直视角、视域范围和图像大小等）获取的,城市道路宽度的相对大小可以用街景影像中道路像素占比进行描述,但是影像中的道路像素计算容易受道路上车辆及道路两侧停车辆的影响。故本文利用刘学军等[32]的方法,在城市道路基本双向等宽的前提下,以城市道路的分车标识线宽度为参考宽度（车速小于60 km/h时参考宽度为10 cm,大于时参考宽度为15 cm[33]）,进行基于街景影像的单向机动车道几何宽度量测,从而代替上述像素占比。宽度量测公式见式（3）。
Widt h M 1 , M 3 = K × d m 1 , m 3 d ( m 2 , p ) d ( m 1 , m 2 ) d ( m 3 , p )
假设街景影像上 m 1 和 m 3 为行车道边界上两点, m 2 为与其共线的辅助点。式中 Widt h M 1 , M 3 表示实际道路两边点之间的距离, d m i , m j 表示街景影像上各点间的像素距离, cr 为共线点 m i (i=1,2, 3)构成的交比,三点组成直线的灭点为 p ,K为参考线段实际宽度。若当前道路全部被车辆覆盖时,可以通过邻近街景影像获取宽度。本文将归一化的宽度称之为道路宽广度,计算公式见式（4）。
R S SVI road = Widt h road - Widt h min Widt h max - Widt h min
式中： Wid t h road 是道路量测宽度; Widt h max 为最大宽度; Widt h min 为最小宽度。
（3）植被绿化度（Greening Degree of Vegetation, GD）
植被绿化度指的是道路两侧植被绿化的程度。相关研究表明植被的茂密程度与情绪相关,绿色的植被能够降噪、愉悦心情,且可缓解视力疲劳[17]。本文通过街景影像中绿化植被像元与街景影像总像元的占比计算植被绿化度,计算公式见式（5）。
G D SVI plant = Coun t plant Coun t SVI
式中： Coun t plant 表示绿化植被像元数; Coun t SVI 表示街景影像总像元数。
（4）天空呈现度（Proportion of Sky View, SV）
天空呈现度为可视域范围内未被遮挡的天空占比。借鉴文献[18]和文献[27]中天空视域因子计算方法,本文从城市道路空间舒适度的角度出发,在考虑行车安全的基础上,基于前进视角的街景影像计算天空呈现度,计算公式见式（6）。
S V SVI sky = Coun t sky Coun t SVI
式中： Coun t sky 是街景影像中天空像元数; Coun t SVI 表示街景影像总像元数。
（5）空间开敞度（Space Openness, SO）
城市道路往往处在其周边建筑群构成的一个围合空间内。与植被围合效应不同,此类围合会增加道路使用者的压抑感和空间紧凑感,从而给心理造成负面情绪。空间开敞度可描述当前场景下周边建筑群实体外的空间大小。建筑群实体越高大密集,空间围合效应越大,空间开敞度越小。本文通过当前街景影像的建筑占比来衡量建筑实体的围合度,则空间开敞度计算公式见式（7）。
S O SVI building = 1 - Coun t building Coun t SVI
式中： Coun t building 是街景影像中建筑像元数; Coun t SVI 表示街景影像总像元数。
3.2.3 指标权重设定
借鉴张晨、陈然等的研究[34,35],本文采用熵值和层次分析法组合的赋权法进行权重赋值,以期减少权重的主观性并修正小样本下的客观指标值,其中组合权重系数分配规则见式（8）和式（9）。作为一种客观赋权法,熵值法根据各项指标观测值所提供信息的大小来确定指标权重,计算公式如式（10）和式（11）[11,34-35]。同时,本文通过专家评价打分（37个专家）的层次分析法进行权重赋值[24,34],并进行了一致性检验,通过计算可知一致性比率小于0.1,即权重结果合理。从最终权重计算结果（表1）来看城市道路宽度和城市道路拥挤度的权重相对较大,与参考文献[24]得出的交通流量、路面宽度、道路景观对广义舒适度影响的排序由高到低的结论相似。
W sc = a W i + b W j
式中：a、 b必须满足以下条件：
d ( W i , W j ) 2 = a - b 2 a + b = 1
式中： W sc 表示空间舒适度组合指标权重; W i 是根据信息熵值计算的权重; W j 是根据层次分析法计算的权重;a, b分别为熵值法和层次分析法的权重分配系数;d是2种方法获得的权重之间的几何距离函数。
W i = 1 - E i ∑ 1 n ( 1 - E i )
其中,
E i = - K ∑ i = 1 n F si ln F si
F si = r s i ∑ s = 1 m r s i
式中： E i 是信息熵值; K=1/ln(s); F为评价指标出现的频率;r为标准化后的指标值; s代表采样点数; i代表影响指标因素; n表示指标因素总个数; m表示采样点总个数。
表1 城市道路空间舒适度测度指标权重

Tab. 1 Weight of urban road spatial comfort measurement index

舒适度指标 权重/%
道路通畅度（RU） 31.09
道路宽广度（RS） 23.76
植被绿化度（GD） 18.70
天空呈现度（SV） 16.51
空间开敞度（SO） 9.94
3.2.4 双向约束插值
为了连续表达城市道路的空间舒适度,本文对离散样点舒适度进行空间插值计算。城市道路空间舒适度因道路几何形态的影响而具有明显的方向特征,即横向上保持不变,纵向上随着道路延伸方向变化。为顾及城市道路的双向特征,本文提出了双向约束的城市道路空间舒适度插值方法。此插值方法具体思路为主要包括3个方面。① 纵向约束。以当前采样点为基础,沿着道路线利用反距离加权方法对采样点进行插值。② 横向约束。首先,以当前处理路段包含的采样点的宽度平均值为缓冲半径对开源路网做缓冲,获得粗略道路面数据。然后从任意道路线上节点出发作垂直于道路线的横向辅助线,并在与道路两边界相交处停止。最后沿着横向辅助线进行等值插值。③ 整体插值。利用反距离权插值方法对上述纵横双向点进行整体插值。考虑到道路空间舒适度最终以格网方式示意表达,且格网表达范围为上述缓冲面范围,加之实验区内道路空间舒适度在道路横向上不会有特殊变化,故本文选择3 m为输出分辨率。

3.3 城市道路空间舒适度关键技术分析

3.3.1 语义分割精度分析
图6为本文针对城市道路街景影像的语义分割结果示意。可以看出,道路场景中各语义类别可被有效分割,且边界基本准确。为了定量描述语义分割的精度,本文随机选取总样本个数的10%作为评价街景影像数据,并以手工标注样本（图6（c））为参考,利用图像分类精度评价指标经统计得出语义分割精度（表2）。表2表明,城市道路和天空错分误差最小,分别为4.33%和5.03%,而围栏、附属、建筑的错分误差较大。从漏分误差来看,天空和建筑的漏分误差分别为4.73%和6.75%,而道路附属和围栏的漏分误差高达75.95%和59.57%。从制图精度来看,天空和建筑的制图精度较高,分别为95.27%和93.25%,道路、树木和灌木次之,围栏和附属设施最低。整体而言围栏和附属的提取精度较低,可能的原因是围栏和道路附属的特征不明显,且占比较小,加上阴影遮挡等原因,造成了标注或分割不准确。由于本文的城市道路空间舒适度量化指标涉及的主要地物类型为天空、道路、建筑、车辆和植被,附属和围栏不参与分子的量化计算,故二者的低精度分割对本文的影响较小。经计算语义分割总体精度为84.92%, Kappa系数为80.06%,研究所需的主要类别可以满足精度检验要求。
图6 道路场景语义分割示意

Fig. 6 Semantic segmentation of road scene

表2 城市道路街景影像语义分割精度评价

Tab. 2 Accuracy assessment of semantic segmentation

分类类别 评价指标
错分误差/% 漏分误差/% 制图精度/% 用户精度/% Kappa系数/% 总体精度/%
道路 4.33 14.94 85.06 95.67 80.06 84.92
天空 5.03 4.73 95.27 94.97
建筑 41.96 6.75 93.25 58.04
车辆 26.00 21.93 78.07 74.00
树木 17.92 15.69 84.31 82.08
灌木 39.43 19.20 80.80 60.57
围栏 50.89 59.57 40.43 49.11
附属 44.75 75.95 24.05 55.25
3.3.2 采样间距影响分析
采样间隔对城市道路空间舒适度整体评价精度具有一定影响。本文对不同的采样间隔结果进行了对比分析（图7）,以期从计算耗时和表达效果上选择出整体表达城市道路舒适度的较优方案。图7分别为50、100、200和400 m采样间隔的实验结果。从整体来看（图7（a）—图7（d））,不同采样间隔下的舒适度空间分布情况整体上变化不大,其中虎踞路、集庆门大街、水西门大街、汉中门大街和清凉门大街等路段以高舒适等级为主,裕盛路、裕盛东路、凤凰西街、湛江路部分路段和凤凰街以不舒适和非常不舒适为主。但随着采样间隔的增加,舒适度的平滑度增高,部分道路的空间舒适度等级发生了变化,如图7中的1、2、3、4、5局部路段。当采样间隔增加到400 m时,图7中1处的汉江路与湛江路交叉口附近的由最低舒适等级变为较不舒适;标记2处的凤凰东街由较舒适最终变为不舒适和非常不舒适,标记3处的集庆门大街左侧变为不舒适等级,且在标记4处的南湖东路左侧逐渐变为一般舒适等级,而标记5处的莫愁湖东路因采样间隔的增加向较低舒适等级过渡,见 图7（e）—图7（x）。
图7 不同采样间隔下的城市道路空间舒适度局部图

Fig. 7 Results with various sampling intervals in local area

另外,数据获取和语义分割是本文的关键实验环节之一。从时间上来看,当采样间隔为50 m时,样区需要采集17 495张图像,街景影像获取和数据筛选耗时累计约为21 h,语义分割时间接近2 h。当采样间隔增加时,街景影像获取和筛选时间明显减少,同时语义分割运行时间也逐渐减少。当采样点间隔为200 m和400 m时,采样图像个数分别为4320和2185,二者语义分割时间分别为0.5 h和 0.3 h。考虑到空间舒适度量化效果,当采样间隔增加到200 m时基本可以整体保持道路的空间舒适度状态,当采样间隔为400 m时,部分路段空间舒适度发生了变化,故本文在整体评价实验区道路空间舒适度的前提下综合选择200 m为采样间隔。
3.3.3 插值方法分析
为了验证本方法的插值精度,本文将实验区内2个子区的插值结果与传统反距离加权及克里金插值方法进行对比（图8）。从图8可以看出,整体而言本文插值方法和反距离加权插值方法的结果呈现出了一致性,克里金插值结果受周围低值的影响,较低舒适区的差异较大。在A区内1、2两个标记处,传统反距离加权插值方法出现突变点;且在B区5、6、7 个标记处,此插值方法出现了梯形渐变和突变点。克里金插值结果除了受周围点值影响较大外,在A区标记的3、4处以及B区的8、9处,道路空间舒适度出现花斑状分布,与道路空间舒适度在道路横截面上基本相同的前提相违背。道路空间舒适度是人对道路综合环境的感知。依据实地勘测与观察可知,通常情况下较短路段的城市道路固态场景如道路绿化、道路宽度、道路设施及道路周边建筑类型在短时间内不会发生突变,甚至在一定程度上呈现出一致性。道路拥挤度的变化使城市道路舒适度发生近似渐进的变化,但空间舒适度在主干道上不应出现突变点。所以上述9处标记位置均出现了不合理的插值结果,而本文的插值方法减弱甚至消除了上述问题。另外,本文插值方法还具有以下3个优势：① 保证了主干道的舒适度插值优先等级;② 限制了当前路段的舒适度插值状态,即此条道路的舒适度高低并不会影响相邻但不连通的其他道路的舒适度;③ 满足了本文提出的“城市道路舒适度在横向上一致、纵向上变化”的方向特征。
图8 双向约束插值与传统插值方法对比

Fig. 8 Comparison of dual-constrained interpolation and traditional interpolation methods

4 结果及分析

4.1 各指标维度分析

（1）道路通畅度
道路通畅度的最大值为0.999,最小值为0.421。为了方便展示其空间分布特征,本文对采样结果数据进行空间插值如图9所示。从图中可以看出在一级道路中道路通畅度较高的路段较多,经统计其占比51.25%,二级道路上占比35.42%。三级道路上低通畅度出现的频率最高,占比50.17%。高通畅度在建邺区出现相对集中区,其他区域十分离散。低通畅度在以下3个位置出现高聚集状态： ① 道路交叉口处,如江东快速路段及虎踞路在与其他道路交叉处出现低通畅现象;② 以汉中门大街为界限的鼓楼区;③ 以虎踞路为分界的老城区。另外,通畅度在一定程度上还受行车时间的影响,如虎踞路部分路段、江东快速路、广州路、泰山路等道路上的街景数据采集时间为周末。
图9 研究区道路通畅度量化结果

Fig. 9 Quantitative results of road unobstructed degree in study area

（2）道路宽广度
从统计结果来看,较高和最高等级的道路宽广度在一级道路上路段占比63.44%,在二级道路上占比33.95%,在三级道路上占比17.51%。从图中（图10）也可以看出,一级道路宽广度整体较高、二级道路次之、三级较小。但是也存在一级道路宽度等于小于二级道路宽度和二级道路宽度等于或小于三级道路宽度的现象。如老城区内的中山北路、虎踞关路和建邺区的漓江路都是三幅式道路,在部分路段行车道都是4车道,但是中央路路段在进行地铁维修,从而道路面被占用,宽度减少。应天大街路段中含有高架,虽然属于一级道路,但是从单向行车方向而言,单向行车宽度不高。图中少量点处的宽度比此路段其他采样点处的宽度大,原因有： ①此路段车道增加;② 采样点处存在外拓的公交站台或停车位;③ 处在与其他道路相交的交叉口。
图10 研究区道路宽广度量化结果

Fig. 10 Quantitative results of road spaciousness in study area

（3）天空呈现度
天空呈现度的最大值为0.501,最小值为0。从插值结果（图11）来看,天空可视度小的区域主要集中在老城区、鼓楼区及三级道路上,主要是各区域内建筑较多,路边植被占比较大,遮挡了道路视域范围内的天空。天空可视度比较大的点主要集中在高等级道路上,主要原因是高等级道路宽广度较大,即使道路两旁存在植被和建筑,对天空占比的影响也比较小。与文献[28]比较（紫色框线内）,本文的天空可视度结果与文献结果相似,具体为江东北路、梦都大街、应天大街部分路段、南湖西街以及水西门大街的天空可视度较高,黄山路、南湖街次之,松花江西路、苍山路以及与江东北路交叉口西段的应天大街较低。
图11 研究区天空呈现度结果及局部对比

Fig. 11 Sky view proportion results and local comparison in the study area

（4）植被绿化度
从图12来看,植被绿化度在二三等级道路上呈现较高数值,在一级道路上,特别是应天大街,江东北路、虎踞路上的数值较小。扬子江大道虽然绿化较好,但因路面较宽所以可视范围内的绿化度适中。从城区隶属来看,建邺区和雨花台区偏小,鼓楼区和秦淮区整体偏大。本文局部结果与文献[28]的结果呈现极相似规律,可间接说明本文提取的植被占比度结果准确。
图12 研究区植被绿化度结果及局部对比

Fig. 12 Greening degree results and local comparison in the study area

（5）空间开敞度
从结果来看（图13）,开敞度在道路等级上并没有明显的相关性,与道路宽度的关系性也不强。如扬子江大道的宽度较大,此路的空间开敞度也高,然而江东北路的宽度偏高,其空间开敞度却较低。究其原因是道路周边建筑较多,另外个别采样点受隧道的影响。在一级道路及南部建邺区空间开敞度呈现出与植被绿化度相似的特征,但在北部鼓楼区及东部鼓楼与秦淮交界区附近,空间开敞度与植被绿化度表现出相反的特征。
图13 研究区空间开敞度量化结果

Fig. 13 Quantitative results of space openness in the study area

4.2 空间舒适度样点评价

结合文献[36,37]并考虑到分级后特征显著程度,本文利用自然裂点法进行了城市道路空间舒适度分级。城市道路空间舒适度共分为5个等级,分别为非常舒适（0.63<舒适度值<0.76）、较舒适（0.59<舒适度值≤0.63）、一般舒适（0.55<舒适度值≤0.59）、不舒适（0.49<舒适度值≤0.55）和非常不舒适（舒适度值≤0.49）。
为了验证城市道路空间舒适度的准确性以及分级的客观性,本文参考现有研究方法,通过问卷调查的方式进行主观评价实验[6,38]。实验的评价对象为样区内随机挑选的30个样点对应的街景影像。主观评价的受试者共37人,且均具有独立判断和感知能力,同时具有驾车出行经验。实验中采用一致的打分方式分别对评价对象进行五等级打分：非常舒适（5）、较舒适（4）、一般舒适（3）、不舒适（2）、非常不舒适（1）,并以对当前街景影像统计比例最高的打分作为当前样点的主观评价等级分值（表3）。经统计,主观评价等级与本文量化等级数值相同的有24个样点数据,占比80%,二者等级数值差1的占比为16.67%,等级数值差2的数据共1组,占比3.33%。其中,主观评价等级比本文定量评价等级高出或低于一个等级的主要原因是由于专家判断时存在保守或者开放的人为不确定性偏差。本实验中相差2个等级的数据共1组,可能的原因是人为判断比量化结果更主观。整体而言,本实验中主观评价的结果基本与定量评价一致。
表3 城市道路空间舒适度主观评价统计表

Tab. 3 Statistics of subjective evaluation results of spatial comfort

样点
序号		 本文量化等级 主观评价等级 等级差 样点
序号		 本文量化等级 主观评价等级 等级差
1 3 3 0 16 1 2 -1
2 3 3 0 17 3 3 0
3 2 2 0 18 4 4 0
4 3 2 1 19 1 1 0
5 5 5 0 20 5 5 0
6 3 3 0 21 5 5 0
7 4 3 1 22 4 4 0
8 5 5 0 23 5 5 0
9 4 4 0 24 4 4 0
10 3 3 0 25 5 5 0
11 1 1 0 26 1 1 0
12 2 2 0 27 4 5 -1
13 4 3 1 28 1 3 -2
14 2 2 0 29 1 1 0
15 2 2 0 30 3 3 0

4.3 舒适度空间差异性特征

本文利用双向约束的空间插值方法获取了样区城市道路空间舒适度空间分布情况,如图14所示。可以看出,样区中各个区划内高等级道路的空间舒适度整体高于低等级道路;另外,城市道路空间舒适度等级整体上呈现南高北低、新城区高老城区低的空间分布状态;高舒适度等级的道路集中在建邺区,其他区域零散分布,而低舒适度等级的道路集中在鼓楼区及鼓楼和秦淮区交界附近。
图14 研究区城市道路空间舒适度空间分布

Fig. 14 Spatial distribution of spatial comfort degree of urban road in the study area

从道路等级来看（图14）,非常舒适等级的道路主要分布在主干道及一级道路中,如江东北路、虎踞路、梦都大街和扬子江大道等路段。江东北路为4幅式道路,道路宽广度较大,且进行了机动与非机动分离;同时区域内天空呈现度较高,道路通畅度整体较好并伴有植被绿化。虎踞路为四幅式道路,整体车道较宽,但是在虎踞路的个别路段因采样点处的车辆较多,道路通畅度较小,建筑围合度增大,道路空间舒适度降低为一般舒适等级。扬子江大道属于快速通道,道路宽广度、空间开敞度、天空呈现度均较高、植被绿化占比一般,整体为非常舒适等级。
较高舒适度等级的道路主要为一级道路与二级道路的部分路段,如水西门大街、集庆门大街、清凉门大街、内环西线等部分一级路段和黄山路、西城路等二级道路部分路段。一般舒适度等级的道路包含了一、二、三级道路中的部分路段。如北京西路、水西门大街部分路段,长虹路、湖西街、云锦路等。不舒适度和非常不舒适度等级的道路在样区北部以三级道路为主,如裕盛路、湛江路、王府大街、水佐岗等。一级道路中舒适度降低的主要因素是部分采样点的空间开敞度、植被绿化度和道路通畅度较低,特别是受道路通畅度的影响较大。二、三级道路中部分路段舒适度等级为一般等级或少量较高等级的主要原因是植被绿化度和道路通畅度偏高。从道路交叉来看,除了扬子江大道和梦都大街外,其他交叉口附近的舒适度等级整体偏低。
本文对不同等级道路的空间舒适度量化等级进行统计,结果见表4。从表4中可以看出,非常舒适等级（5级）在一级道路中的占比为31.02%,在二级道路中的占比为18.82%,在三级道路中的占比为7.41%;而非常不舒适（1级）在三级道路中的占比最大为30.98%,在一级道路中的占比最小为10.25%。从每个道路等级来看,一级道路中占比最高的为非常舒适等级,二级道路中占比最高的为一般舒适等级,三级道路中占比最高的为非常不舒适等级。从平均值来看,一级道路的空间舒适度平均值为3.52,二级和三级道路的空间舒适度分别为2.93和2.45。从以上分析可以看出,舒适度等级跟道路等级整体上呈现正相关关系,道路等级越高,高等级空间舒适度的路段占比越高;但因道路具有方向性,且每个较长路段的植被绿化度、开敞度、天空呈现度、通畅度均有可能出现变化,故同一路线中的不同路段舒适度会有所变化。
表4 不同道路等级的空间舒适度统计

Tab. 4 Spatial comfort degree statistics of different road levels

道路等级 空间舒适度等级 等级占比/% 等级平均值
一级 1 10.25 3.52
2 14.96
3 18.01
4 25.76
5 31.02
二级 1 19.93 2.93
2 21.77
3 22.88
4 16.61
5 18.82
三级 1 30.98 2.45
2 22.22
3 24.92
4 14.48
5 7.41
从城市区划来看,不舒适（2级）和非常不舒适等级（1级）道路主要分布在北部的鼓楼区与东部的秦淮区两个城区;而南部建邺区的道路空间舒适度等级相对较高。经统计（表5）,各区划内最低舒适度等级（1级）的占比来看,鼓楼区最高为27.27%,秦淮区次之为22.52%,建邺区为9.01%,雨花台区为8.12%;从最高等级（5级）的占比来看,鼓楼区最少,秦淮区和雨花台区相当,建邺区最高。同时,对各区划内的平均舒适度等级进行统计,鼓楼区最低为2.63、秦淮区次之为2.82,雨花台稍高为3.14,建邺区最高为3.55。从以上数据可以看出,建邺区道路空间舒适度等级最高,雨花台区次之,秦淮区第三,鼓楼区的空间舒适度等级整体最低。雨花台空间舒适度等级整体低于建邺区的原因在于本实验范围内的雨花台区数据占比较少,且受到了城南历史城区的影响。
表5 不同城市区划内的空间舒适度等级统计

Tab. 5 Statistics of spatial comfort degree in different districts

区划 空间舒适度等级 等级占比/% 等级平均值 区划 空间舒适度等级 等级占比/% 等级平均值
鼓楼区 1 27.27 2.63 雨花
台区		 1 8.12 3.14
2 22.97 2 24.32
3 21.77 3 27.03
4 15.78 4 27.03
5 12.20 5 13.51
秦淮区 1 22.52 2.82 建邺区 1 9.01 3.55
2 19.82 2 15.92
3 23.42 3 18.62
4 20.72 2 24.32
5 13.51 5 32.13
值得注意的是,受鼓楼区及内部的“鼓楼-清凉山历史城区”和秦淮区内部的“城南历史城区”的影响,部分隶属于高等级道路的路段出现低舒适度等级。如北京西路贯穿于“鼓楼-清凉山历史城区”,集庆门大街的右侧路段集庆路隶属于“城南历史城区”、而汉中路即是2个区划的分界又是2个历史城区的分界,中山路作为民国轴线,同时也是“鼓楼-清凉山”、“明故宫”和“城南”3个历史城区的分界线和连接线,其整体舒适度以低等级为主。
综上所述,城市道路空间舒适度与城市道路等级及其所在新老城区位置有关,但其根本制约因素是文中的5种量化指标。在城市道路规划设计时期,若想提升其空间舒适度,需增加道路通畅度、道路宽广度、植被绿化度、空间开敞度和天空可视度等指标量值,特别是进行同向和不同向的车辆分流以提高道路通畅度、通过增设行车道数量提高道路宽广度、加强道路绿植建设以提高植被绿化度。针对已建成的城市道路,但周边环境（如绿化设施及建筑群）处在规划期,其空间舒适度提升的首要措施是首先通过限行或分流提高道路通畅度,其次是增加植被绿化度、控制道路两侧建筑群以保障空间开敞度和天空呈现度。而对于建成后固定场景下的城市道路,特别是老城区及其历史保护区,其城市结构及其道路空间构造基本固定,在不破坏现有道路场景及环境的情况下,增加道路通畅度（限流、错峰出行、减少路面临时停车等）是提升道路舒适度的必要手段。另外,城市道路空间舒适度是城市人居环境评价的指标之一,在细化尺度上城市道路环境评估可着重评价植被绿化度和通畅度,其他指标为辅;而城市交通优化则需重点考虑提高道路通畅度。

5 结论和讨论

5.1 结论

本文基于街景影像数据,开展了城市道路空间舒适度量化与分析研究。通过解析城市道路特征,从空间视觉视角界定了城市道路空间舒适度概念,构建了包括道路畅通度、道路宽广度、植被绿化度、天空呈现度与空间开敞度5个指标的城市道路空间舒适度计算模型,建立了以街景影像语义分割、指标权重确定和舒适度空间插值为基础的城市道路空间舒适度测度方法,并以南京市典型区域为例进行了验证分析。研究结果表明：
（1）文中语义分割总体精度为84.92%, Kappa系数为80.06%,研究所需的道路、车辆、建筑、植被、天空等主要要素分割精度可以满足检验要求。
（2）综合考虑数据处理时间和城市道路空间舒适度量化表达精细程度, 200 m采样距离可以综合描述城市道路空间舒适度状态。
（3）与传统反距离加权方法和克里金插值方法相比,本文提出的双向约束插值方法,一方面可消除突变点、梯形插值、花斑状纹理等异常插值现象,另一方面,可在有效保持道路空间舒适度方向特征的基础上,依据道路主次关系限制舒适度插值状态。
（4）本文提出的城市道路空间舒适度测度方法可以有效度量城市道路空间舒适度,测度等级与主观评价等级完全一致的占80%。
（5）空间舒适度等级与道路等级整体呈现正相关关系,道路等级越高,高等级空间舒适度路段的占比越高。在研究区内城市道路空间舒适度整体呈现南高北低、鼓楼及历史老城区低、建邺区高的空间分布状态。

5.2 讨论

（1）由于数据的限制本研究未考虑早晚高峰及特殊时期的影响,亦未对路面或非路面车辆进行区分,从而导致整体上可客观描述通畅度指标但细节上可能会与现实之间存在些许偏差。若要减少此偏差,需在区分非路面车辆的同时,将数据获取时段细化到小时尺度,并建议从两个维度对舒适度进行处理分析,即平时时段和高峰时段,工作日和非工作日时间。
（2）空间舒适度具有“因人而异、因地而异”的特点,不同的分级方法得到的分级结果会有所差异,其所呈现的空间特征可能也会随之波动。现有研究中针对道路空间舒适度的分级标准欠缺,后续可从舒适度的内涵及各指标的分级标准出发,探讨具有相对普适性和绝对性的分级方法。
（3）本文是在对街景影像进行语义分割等处理的基础上,以实验区道路整体空间舒适度为研究重点,研究中忽略了数据源和数据处理误差对指标量化计算产生的影响。另外,本文综合各种因素选择了较大的采样间隔,在一定程度上忽略了舒适度变化细节,若对城市道路空间舒适度做细化研究需减小采样间隔。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
孙守迁, 吴群, 吴剑锋, 等. 一种基于支持向量回归的驾驶座椅舒适度评价方法[J]. 中国机械工程, 2008,19(11):1326-1330.

[ Sun S Q, Wu Q, Wu J F, et al. An evolution method of driving seat comfort based on support vector regression[J]. China Mechanical Engineering, 2008,19(11):1326-1330. ]

[2]
黄志甲, 余梦琦, 郑良基, 等. 徽州传统民居室内环境及舒适度[J]. 土木建筑与环境工程, 2018,40(1):97-104.

[ Huang Z J, Yu M Q, Zheng L J, et al. Indoor environment and comfort of Huizhou traditional dwellings[J]. Journal of Chongqing Jianzhu University, 2018,40(1):97-104. ]

[3]
吴菲, 李树华, 刘娇妹. 林下广场、无林广场和草坪的温湿度及人体舒适度[J]. 生态学报, 2007,27(7):2964-2971.

[ Wu F, Li S H, Liu J M. The effects of greening, none-greening square and lawn on temperature, humidity and human comfore[J]. Acta Ecologica Sinica, 2007,27(7):2964-2971. ]

[4]
景国勋, 李欢, 张坤. 基于多层次模糊综合评判的作业工人整体舒适度研究[J]. 安全与环境学报, 2014,14(3):80-83.

[ Jing G X, Li H, Zhang K. On the comprehensive evaluation of the worker comfort based on multi-stage fuzzy synthetic judgment[J]. Journal of Safety and Environment, 2014,14(3):80-83. ]

[5]
吴志丰, 陈利顶. 热舒适度评价与城市热环境研究:现状、特点与展望[J]. 生态学杂志, 2016,35(5):1364-1371.

[ Wu Z F, Chen L D. Thermal comfort assessment and urban thermal environment research: Review and prospective[J]. Chinese Journal of Ecology, 2016,35(5):1364-1371. ]

[6]
王颖, 郁梅, 应宏微, 等. 基于视差重映射的立体图像视觉舒适度提升[J]. 中国图象图形学报, 2017,22(4):452-462.

[ Wang Y, Yu M, Ying H W, et al. Visual comfort enhancement for stereoscopic images based on disparity remapping[J]. Journal of Image and Graphics, 2017,22(4):452-462. ]

[7]
温婷, 林静, 蔡建明, 等. 城市舒适性:中国城市竞争力评估的新视角及实证研判[J]. 地理研究, 2016,35(2):214-226.

DOI

[ Wen T, Lin J, Cai J M, et al. Urban amenity: A new perspective and empirical testimony on China's City competitiveness assessment[J]. Geographical Research, 2016,35(2):214-226. ]

[8]
曹云, 孙应龙, 吴门新. 近50年京津冀气候舒适度的区域时空特征分析[J]. 生态学报, 2019,39(20):7567-7582.

[ Cao Y, Sun Y L, Wu M X. Spatial and temporal characteristics of the periods of climate comfort in the Beijing-Tianjin-Hebei region from 1966 to 2015[J]. Acta Ecologica Sinica, 2019,39(20):7567-7582. ]

[9]
孔锋. 中国人居环境气候舒适度的多时相尺度评价及区域差异研究[J]. 干旱区资源与环境, 2020,34(3):102-111.

[ Kong F. Multi-temporal scale assessment of climate comfort of habitat environment and spatial differences in China[J]. Journal of Arid Land Resources and Environment, 2020,34(3):102-111. ]

[10]
闫业超, 岳书平, 刘学华, 等. 国内外气候舒适度评价研究进展[J]. 地球科学进展, 2013,28(10):1119-1125.

[ Yan Y C, Yue S P, Liu X H, et al. Advances in assessment of bioclimatic comfort conditions at home and abroad[J]. Advances in Earth Science, 2013,28(10):1119-1125. ]

[11]
刘俊. 基于模糊数学的环鄱阳湖生态城市群城市舒适度评价[D]. 南昌:东华理工大学, 2019.

[ Liu J. The evaluation of urban amenities based on fuzzy mathematics method in ecological urban agglomeration around Poyang lake[D]. Nanchang: East China University of Technology, 2019. ]

[12]
高超, 申双和, 蒋烨林, 等. 影响杭州人体舒适度的城市因素分析[J]. 气象, 2019,45(6):854-861.

[ Gao C, Shen S H, Jiang Y L, et al. Analysis of urban factors impacting human comfort degree in Hangzhou[J]. Meteorological Monthly, 2019,45(6):854-861. ]

[13]
柏秦凤, 霍治国, 贺楠, 等. 中国20座旅游城市人体舒适度指数分析[J]. 生态学杂志, 2009,28(8):1607-1612.

[ Bai Q F, Huo Z G, He N, et al. Analysis of human body comfort index of 20 tourist cities in China[J]. Chinese Journal of Ecology, 2009,28(8):1607-1612. ]

[14]
张青, 李颖, 骆月珍, 等. 杭州地区人体舒适度对自然死亡人数的影响[J]. 气象与环境学报, 2017,33(3):101-106.

[ Zhang Q, Li Y, Luo Y Z, et al. Influence of human body comfort degree on natural mortality in Hangzhou[J]. Journal of Meteorology and Environment, 2017,33(3):101-106. ]

[15]
张亚丽, 方齐云. 城市舒适度对劳动力流动的影响[J]. 中国人口·资源与环境, 2019,29(3):118-125.

[ Zhang Y L, Fang Q Y. The impact of City amenity on labor migration[J]. China Population Resources and Environment, 2019,29(3):118-125. ]

[16]
Long Y, Liu L. How green are the streets- An analysis for central areas of Chinese cities using Tencent street view[J]. Plos One, 2017,12(2):e0171110.

DOI

[17]
陈龙, 谢高地, 盖力强, 等. 道路绿地消减噪声服务功能研究——以北京市为例[J]. 自然资源学报, 2011,26(9):1526-1534.

[ Chen L, Xie G D, Gai L Q, et al. Research on noise reduction service of road green spaces—A case study of Beijing[J]. Journal of Natural Resources, 2011,26(9):1526-1534. ]

[18]
Liang J M, Gong J H, Sun J, et al. Automatic sky view factor estimation from street view photographs- A big data approach[J]. Remote Sensing, 2017,9(5):411-428.

DOI

[19]
Gong F Y, Zeng Z C, Zhang F, et al. Mapping sky, tree, and building view factors of street canyons in a high-density urban environment[J]. Building & Environment, 2018,134:155-167.

[20]
贾瑞雨. 基于行车舒适性的高速公路沉降评价和扩建纵面设计研究[D]. 杭州:浙江大学, 2016.

[ Jia R Y. Study on expressway settlement evaluation and profile design of extension project based on driving comfort[D]. Hangzhou: Zhejiang University, 2016. ]

[21]
王海涌, 党建武, 王晓明. 基于舒适度的高速铁路线路设计与优化[J]. 铁道工程学报, 2014,31(11):30-34.

[ Wang H Y, Dang J W, Wang X M. Design and optimization of high-speed railway lines based on comfort[J]. Journal of Railway Engineering Society, 2014,31(11):30-34. ]

[22]
李晓玲, 张鄂, 陆长德. 人体生物力学模型的驾驶舒适度仿真研究[J]. 西安交通大学学报, 2008,42(5):556-560.

[ Li X L, Zhang E, Lu C D. Driving comfort simulation based on human biomechanics model under vibration[J]. Journal of Xi'an Jiaotong University, 2008,42(5):556-560. ]

[23]
罗仕鉴. 基于生物学反应的驾驶舒适度研究[D]. 杭州:浙江大学, 2005.

[ Luo S J. Study on driving comfort based on biological response[D]. Hangzhou: Zhejiang University, 2005. ]

[24]
王海涛, 黄鑫, 陈火根. 公路行车广义舒适度评价指标体系研究[J]. 公路, 2015(10):184-190.

[ Wang H T, Huang X, Chen H G. Virtual integrated investment estimation method for traffic engineering project[J]. Highway, 2015(10):184-190. ]

[25]
靳增鑫. 人均出行舒适度评定研究[D]. 长沙:长沙理工大学, 2011.

[ Jin Z X. Assessment of the level of travel comfortable per capita[D]. Changsha: Changsha University of Science & Technology, 2011. ]

[26]
Li X, Ratti C, Seiferling I. Quantifying the shade provision of street trees in urban landscape: A case study in Boston, USA, using Google street view[J]. Landscape & Urban Planning, 2018,169:81-91.

[27]
Zeng L, Lu J, Li W, et al. A fast approach for large-scale sky view factor estimation using street view images[J]. Building & Environment, 2018,135:74-84.

[28]
Cheng L, Chu S S, Zong W W, et al. Use of tencent street view imagery for visual perception of streets[J]. International Journal of Geo-Information, 2017,6(9):265-285.

[29]
Chen L C, Papandreou G, Kokkinos I, et al. DeepLab: Semantic image segmentation with deep convolutional nets, atrous convolution, and fully connected CRFs[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2018,40(4):834-848.

DOI

[30]
南京市规划和自然资源局. 南京历史文化名城保护规划(2010-2020) [EB/OL]. http://ghj.nanjing.gov.cn/ghbz/ztgh/201705/t20170509_874088.html, 2019-12-27.

[ Nanjing Municipal Bureau of planning and natural resources. Nanjing Conservation Plan of Historic City (2010-2020)[EB/OL]. http://ghj.nanjing.gov.cn/ghbz/ztgh/201705/t20170509_874088.html, 2019-12-27. ]

[31]
李威, 王蒙. 基于渐进多源域迁移的无监督跨域目标检测[J/OL]. 自动化学报, 2020,6:1-14.

[ Li Wei, Wang Meng. Unsupervised cross-domain object detection based on progressive multi-source transfer[J]. Acta Automatica Sinica, 2020,6:1-14. ]

[32]
刘学军, 王美珍, 甄艳, 等. 单幅图像几何量测研究进展[J]. 武汉大学学报·信息科学版, 2011(8):941-947.

[ Liu X J, Wang M Z, Zhen Y, et al. Geometric measurement based on single image: A survey[J]. Geomatics and Information Science of Wuhan University, 2011(8):941-947. ]

[33]
中华人民共和国住房和城乡建设部, 中华人民共和国国家质量监督检验疫总局. 中华人民共和国国家标准-城市道路交通标志和标线设置规范(GB51038-2015)[S]. 北京: 中国计划出版社, 2015.

[ Ministry of housing and urban rural development, general administration of quality supervision. Code for layout of urban traffic signs and markings (GB51038-2015)[S]. Beijing: China Planning Press, 2015. ]

[34]
张晨, 王清, 陈剑平, 等. 金沙江流域泥石流的组合赋权法危险度评价[J]. 岩土力学, 2011,32(3):831-836.

[ Zhang C, Wang Q, Chen J P, et al. Evaluation of debris flow risk in Jinsha River based on combined weight process[J]. Rock and Soil Mechanics, 2011,32(3):831-836. ]

[35]
陈然, 姚小军, 闫超, 等. 基于GIS和组合赋权法的农村生态功能适宜性评价及管制分区[J]. 长江流域资源与环境, 2012,21(6):720-725.

[ Chen R, Yao X J, Yan C, et al. Ecological function suitability assessment a regulation division based on GIS and combination weighting method[J]. Resources and Environment in Yangtze Basin, 2012,21(6):720-725. ]

[36]
谢晓议, 曾咺, 李军. 基于移动窗口法和栅格数据的重庆市人居环境自然适宜性评价[J]. 长江流域资源与环境, 2014,23(10):1351-1359.

[ Xie X Y, Zeng X, Li J. Evaluation of nature suitability for human settlement in Chongqing[J]. Resources and Environment in Yangtze Basin, 2014,23(10):1351-1359. ]

[37]
苏巧梅, 赵尚民, 郭建立. 霍西煤矿区地表滑坡灾害敏感性数值建模与等级划分[J]. 地球信息科学学报, 2017,19(12):1613-1622.

DOI

[ Su Q M, Zhao S M, Guo J L. Numerical modeling and degree division to landslide susceptibility in the ground surface of huoxi coal mine area[J]. Journal of Geo-information Science, 2017,19(12):1613-1622. ]

[38]
姜颖, 洪军, 王崴, 等. 面向VDT显示界面的视觉舒适度客观描述方法[J]. 中南大学学报(自然科学版), 2017,48(1):77-83.

[ Jiang Y, Hong J, Wang W, et al. An objective description method of visual comfort for VDT display interface[J]. Journal of Central South University (Science and Technology), 2017,48(1):77-83. ]

Options
Outlines

/

〈 〉