论文推荐 | 基于自采集街景和深度学习的北京骑行环境风险评估

本期为大家推荐的内容为论文《基于自采集街景和深度学习的北京骑行环境风险评估》，作为封面文章发表在 装饰 期刊，欢迎大家学习与交流。

根据中国自行车协会的最新数据，截至2022 年，中国电动自行车的保有量已攀升至3.5 亿辆，逐渐成为众多市民的首选出行方式。然而，传统自行车与新型电动自行车的大规模并行使用，无疑加剧了骑行环境的安全风险。现有研究缺乏针对骑行环境安全评价的指标体系，无法对骑行环境中的潜在风险进行量化分析。在此背景下，本研究聚焦北京市四环内骑行环境的现状，以自采集的方式获取了北京四环内2963.4 公里道路共116107张骑行图像作为数据基础，构建了一套包含12 项风险因素的指标体系，并确定各风险因素的权重，以进行加权计算得到风险指数，最后构建计算机视觉模型识别各风险因素，并对识别结果进行聚类。本研究还在梳理北京市近年来慢行交通政策的基础上，结合风险因素识别结果，为未来北京市骑行环境建设提供了建议与参考。

更多相关的研究工作详见BCL的【Street Urbanism】单元链接：

https://www.beijingcitylab.com/projects-1/22-street-urbanism/

BCL北京城市实验室“街道城市主义” （Street Urbanism）项目还包括《中国城市步行友好性评价——步行设施改善状况研究 2021》《中国城市步行友好性评价——城市活力中心的步行性研究》《中国城市步行友好性评价——基于街道功能促进步行的研究》《街道城市主义与数据增强设计》等研究内容，欢迎探索。