规划问道
小编：今日为大家推荐来自微信号“印象城小数据”的文章： “数据为王”时代的街景数据获取思考，作者刘丙乾，文末附上作者以往的一则分享PPT，介绍了街景数据分析的一些相关技术路径。
相信随着AI的发展，街景领域也会产生新的研究范式，欢迎大家留言探讨。原文如下：
作者：有一段时间没有更新自己的技术研究新思路新方法了（自身研究视角），趁年底简单总结一下自己对于街景研究的最新思考与探索。本次分享主要聚焦开源视频数据如何成为有效街景点位的方法与技术思考。
首先，为什么一直关注街景？本质的原因是街道作为城市交通运行与市民生活的重要空间载体与公共产品，是人们认知和感知城市建成环境的重要空间场所。而街景作为表征街道空间环境的新型影像数据，是“自下而上”研究城市建成环境与人类活动和社会经济环境相互作用的全新数据视角。
启蒙阶段的街景研究最早可以追溯到奥斯曼的巴黎改造，就学术意义而言，个人觉得是在二战之后的考现学中成为系统化量化研究的方法体系，其本质是建成环境审计。当然，之后扬·盖尔的PSPL调查方法、威廉·怀特的定时拍照方法、阿兰·B·雅各布斯的空间图解方法等都对当前新数据环境下的街景图像研究提供了体系化的方法论。
量化研究阶段的代表相对就比较多，比如里德·尤因等等。从技术方法来说，大家无非是利用开源街景数据对街道空间品质、情绪感知、行为活动等进行量化分析与感知预测；此外，近年来也有大量的研究者开始通过自采式街景数据来构建更为精准和完善的量化分析体系。从总体上来看，这些研究并未脱落计算机视觉研究的方法本身，这个也是近年来街景图像量化研究的局限性与同质化的核心原因。
但如果你转换视角，从数据本身而言，研究的方法和技术就出现了全新的视角与方向，比如研究者利用自采式街景去评估街道步行和自行车通行空间宽度、评估街道停车占道、评估人群出行活动，无论你使用图像识别还是目标检测、亦或是边缘检索，方法依旧是计算机视觉的技术方法，但视角发生了全新的转变。
另外一些研究者则利用多时相街景数据来评估街道空间更新治理的成效，关联城市治理的底层逻辑，当然这个也是大家研究的热点和关键。
然而对于我们这种自由研究者而言，首先你很难有时间、精力和金钱去搞定自采式街景的设备、路线等等问题，那么在“数据为王”的阶段，你很难有新的视角和技术性的突破。
3. 有没有可能进行数据涌现？
原文始发于微信公众号（国匠城）：“数据为王”时代的街景数据获取思考
