人本尺度下结合街景数据和新分析技术的夜间街道空间视觉要素量化研究及聚类丨城市数据派

导言

又到了一年一度的“大创结项”时节，有许多优秀的大创论文来稿。根据大创项目研究方向不同，因此，论文类型多种多样，内容丰富多彩。围绕着建筑设计，建筑技术，建筑历史，建筑发展….等对方面进行了大量的研究，整理，汇总以及总结。

我们今天将分享一篇《人本尺度下结合街景数据和新分析技术的夜间街道空间视觉要素量化研究及聚类 》。

大创信息

大创名称

人本尺度下结合街景数据和新分析技术的夜间街道空间视觉要素量化研究及聚类

指导老师

吴亮

组员

陈泽京 张世曦 张梓航 陈实

文章速览

在中国夜间经济繁荣发展的当下，夜间城市街道空间作为夜间经济发生的重要空间载体，其空间特征、色彩等相较于白天有较大变化。为了更好地研究这些变化，我们基于城市街道空间品质、色彩心理学理论提出了一套新的研究夜间城市街道的量化体系，同时我们结合新技术（机器智能识别、图像分析）与新数据（街景漫游视频数据）对夜间城市街道展开量化分析研究。

01

研究背景及对象

1.1 推动夜间经济高质量发展要求下对夜间城市街道空间品质的新需求

中国城市夜间经济由来已久，大力发展夜间经济可以促进经济活动时间延长、各种设施利用率提高、就业机会增多，激发夜间消费活力，持续释放消费潜能，拉动经济快速增长，夜间经济也受到越来越多城市的重视。夜间街道空间起到引导人流，同时承载夜间城市活动的双重作用，因此塑造良好的夜间城市街道空间对塑造夜间城市空间秩序，提升慢行体验具有重要意义。

1.2 新技术、新数据的运用与夜间街道空间研究方法的新可能

随着计算机领域的的发展和诸多机器人算法的引入，我们可以通过机器智能识别街景图片中的不同要素，同时，基于机器智能识别的处理办法，我们能快速地分析街景图片、量化其中的街道空间特征。

目前，我国已经有许多基于街景数据的街道空间的量化研究，这些研究大多运用各地图平台提供的街景图像（SVI）数据。这种数据由测绘车辆收集，能够做到图像与地理信息的对应，便于学者将街景数据和与空间相关的数据进行叠加研究。但是，这种数据也存在一些缺陷，如拍摄视点与人视点不同，具体为视点在城市车行道上且高度与人视点不同；分辨率低，给机器识别带来困难等。随着互联网和城市社会与文化的发展，越来越多城市居民开始记录城市空间环境并分享与网络，其中出现的街道漫游视频对于以人视点研究街道空间有较大帮助。通常，视频作者在人行道上沿街道前进，通过录像机对沿途景观进行记录，这种数据缺少相对应的地理信息，其优势在于基于人视点、人行路径拍摄，分辨率较高，且街景是连续的。

1.3 研究对象

本次截取的街景图片来源于上海

徐家汇商业区：美罗城、上海六百、太平洋百货、恒隆广场

前滩太古里

淮海中路—陕西南路：市中心老街区商业街

老城隍庙—豫园

南京东路步行街：上海第一百货/东方商厦、世贸广场、上海第一食品商店、上海服装商店/永安百货、丝绸商厦/世纪广场、上海置地广场、悦荟广场、

宏伊国际广场、恒基名人购物中心、华为上海旗舰店、和平饭店

南京西路-吴江路-茂名北路

02

研究基础

2.1街道空间品质

回顾街道空间品质相关的研究，简•雅各布斯提到了空间多样性的重要性，罗杰•特兰杰西克则突出了封闭性、连续性和建筑界面的影响。近年来，关于街道空间品质的量化研究多从和谐感、街道家具、道路机动化、路段形态、可步行性、建筑界面、绿视率、街道尺度、天空可见度、多样性等方面开展，其中后五者常被量化作为街道空间量化研究的评价指标。

2.2色彩心理学

色彩心理学是十分重要的学科，在自然欣赏、社会活动方面，色彩在客观上是对人们的一种刺激和象征；在主观上又是一种反应与行为。色彩心理透过视觉开始，从知觉、感情而到记忆、思想、意志、象征等，其反应与变化是极为复杂的。

夜间城市街道的色彩由其本身的固有色和照明设施的光源色共同确定，不同的色彩/色相具有不同的象征意义、人们对其的心理感知也会有所不同（表1）。

03

研究设计

本次研究基于网络夜间城市街道漫游视频开展，截取其中部分街景照片进行分析量化。

研究步骤包括：数据搜集、特征定义、特征提取

数据搜集：从网络街景漫游视频中搜集夜间城市街道的漫游视频，对其中的典型街道进行截取收集。

特征定义：根据城市街道空间品质的相关特征的定义，我们提出以下适用于夜间城市街道空间研究的特征：

        a.围合度=建筑界面面积（街景画面面积-天空面积-地面面积）/街景画面面积

        围合度反映了不同街道尺度、不同高宽比，也是划分夜间街道类型的重要指标，夜间街道除天空与街道及不发光的建筑（画面中的深色部分）

        b.透明度=窗、洞面积/建筑界面面积

        夜间街道的透明界面，是室内光源影响夜间街道亮暗的中介，这些通透界面往往会成为夜间街道的视觉中心（部分发光屏幕、广告牌也会影响视觉）

        c.复杂度=识别单元数

        构成夜间街道空间街景画面的要素数量

        d.焦点度=最大识别单元面积/画面面积

        画面中的亮度最高点或最大面积亮度块，最容易引起视觉聚焦的部分

        同时，根据色彩心理学，我们赋予不同色彩的街道以不同特征：

        黄=快乐  红=热情  橙=温暖  棕=朴实  紫=神秘  绿=宁静  蓝=镇静  白=纯净

        a.主色调 画面占比超过30%，画面中色彩占比最大的主导色调

        b.辅助色 画面占比超过20%或色彩亮度最高

        c.点缀色 画面占比小于20%，

        d.色温 街景画面色彩中各冷色与暖色面积占比，占比高者决定色温

04

视觉要素量化分析成果

以其中的夜间围合度为例，我们利用计算机图像处理技术对街景图像进行了批量处理，并对得出的数据结果进行了聚类分析。对21张街景图片的3组数据进行聚类分析，最终将街道根据夜间围合度分为3类：高围合度、中围合度、低围合度街道。

数据统计及聚类分析

街景要素识别（天空、车行道、人行道、树、车、人、门窗洞）

色彩实时分析

05

基于目前成果的后期工作展望

5.1研究的突破

        a)初步构建夜间城市街道识别体系，开创街道空间研究新视角。

        b)总结各类街道的夜间特征，并进行分类研究，为夜间街道设计相关原则、规范提供量化研究基础。

        c)与传统的基于车行视角的街景的相关研究不同，以人行视角对街道空间进行量化。

5.2展望

        a)夜间街道设计原则的提出，评价方法和体系的构建

        b)白天与夜晚街道相关数据的对比研究，提出提高夜间街道识别度的方法。

        c)夜间街景数据库的构建，利用机器学习等技术搭建智能设计平台。

论文作者：陈泽京 张世曦 张梓航  陈实

图文来源：大创小组

排版编辑：张世曦

本文转载自：DUT筑梦营造