何處安放的街道?

作者:徐望悅 劉瀏

清晨,工人大叔駕著小電瓶輕車熟路地從一個牆壁內找到了早點攤,然後買了點上海人最愛吃的大餅油條開始了一天的生活。而類似這一幕的情景想必也在最近的日子裡,已然出現在上海的各個角落,作為上海正在持續不斷推行的「五違四必」環境綜合整治的一個組成部分,「砌牆封店」成了成立一道獨特的「風景線」。

先不提技術環節,首先不言而喻的一點是,大家都知道這屬於街道整改的一個重要組成部分,不過通過我們的獨立研究看來,至少牆砌的多了,給人們的安全感就少了。街道何處安放?所幸至少在安全感、街道活力上,我們通過人工智慧和大數據,找到了一些科學依據。

前不久我們團隊發布了一篇名為「魔都安全出行指南」的文章(近期也會發布一篇帝都的,委託人大的王偉老師團隊撰寫),除了正常的引起關注以外,我們收到的最多的提問主要集中在一件事情上,那就是我們自己構建了什麼評價指標?關於這一點,不少的提問者可能並沒有了解我們的計算方法並不是根據自己構建評價指標來打分的。沒錯,專家打分的方法挺好,在我們今後的工作中我們也會引入,只是我們覺得僅憑專家打分一點都不酷,挺無聊的,我們喜歡嘗試創新的方法。事實上,在街道感知度評分中,我們更關注的是市民個體對於城市環境的評價,藉助人工智慧的手段,我們讓機器學習大量的個體打分,然後就可以讓機器擬人化的來給街道圖像進行打分了。具體可以參考這篇文章的內容來理解:StreeTalk,給你一個感觀世界 - 知乎專欄

1 方法

進入正題,這次我們進一步分析了整體感知和物體感知的關係。建立計算機評分的道路安全感和相應的街景照片中各個要素佔比的回歸模型,分析對安全感有重要影響的要素及它們的正負影響效果,為城市研究、城市設計提供決策支撐。

其實在StreeTalk里,我們也已經提及了一部分的解析,即利用CAM的方案來解讀機器在打分過程中,具體到底「感知」到了些什麼。我們從圖像中看到高亮的區域有綠化、有人、有店鋪,但這種模糊的匹配並不是我們所想要的,我們需要更精準的對應研究,這就需要圖像識別的segmentation了。

2 結果

通過場景語義分割,我們將上海外環內的35萬張街景照片分解為各個要素,比如行人、小汽車、公交車、自行車、牆體、建築、植被、天空等等(見下圖要素分類表),並記錄其在圖像中的佔比。測試集的總體像素級準確率為75.29%,對於2年前做的基於30個多個分類來說,這一切割還算可以,我們主要是希望研究感知與環境的相關性。

採用隨機森林演算法建立回歸模型。變數重要性評價如下圖。選取變數重要程度最高的10個要素,分別是:植被、牆體、道路、卡車、交通信號燈、隧道、交通指示牌、天空、停車位和橋樑。根據這些要素的直方圖可以看到,植被、道路、天空和牆體在照片中的比例較高,而卡車、交通信號燈、交通指示牌、隧道、橋樑和停車位的比例較低。

下圖為選取的10個變數對數值的響應的邊緣效應圖。從總體趨勢上來看,植被、道路、交通信號燈、交通指示牌和停車位對安全感有積極影響,而牆體、卡車、隧道、天空和橋樑則有負面影響。

植被在圖中的佔比越大意味著景觀較好,可能增加道路的可識別性和行人的心理愉悅性。道路在圖中的佔比越大意味著露出的路面面積大,即道路較寬或機動車較少,可能增加安全感。交通信號燈、指示牌和停車位的存在則可能意味著較為有秩序的交通情況。

牆體(非建築立面)佔比大可能意味著街道空間和周邊建築之間的隔離,從而導致心理舒適度下降。卡車佔比大可能意味著這條道路的等級較高、有較多大型機動車通過,導致安全感下降。隧道和橋樑作為特殊的道路空間,其主要功能為供機動車通行,行人的心理感受較差。天空比例過高意味著圍合感的降低,可能導致安全感的下降。

3 驗證

對比外環內安全感Top5和Bottom5的街道中上述選出的10個要素的比例,進一步驗證。可以看到,高安全感的街道照片中的道路、指示牌和植被的比例明顯高於低安全感的街道,而牆體、隧道和橋樑的比例則明顯較低。

影響道路安全感的因素非常多樣化,可能不僅僅是照片分割後看到的植被、道路、信號燈等等物體。而本篇評測希望能從空間要素的角度,為街道設計提供一定參考,營造更有安全感的街道。

回到我們的開頭,可以說,簡單粗暴的「砌牆封店」給道路安全感帶來的是負面影響。即使是拆除違章建築,也不應該直接臨街樹一堵牆。希望海納百川的上海可以更包容、更多元。

最後再貼一組街景中識別出牆的圖片,個人希望他們不要大量出現在我們生活的街道上。我們的研究才剛剛開始,我們的觀察還未停止。歡迎有緣人,歡迎有心人,歡迎投資人。


推薦閱讀:

淺析中央銀行數字貨幣對大數據應用的影響
人大的CDA數據分析師培訓以及考試怎麼樣?
賓夕法尼亞大學MSSP項目——探索美國第一所現代意義上的大學
DMP應立足內部步步為營【業務類】

TAG:道路 | 大数据 | 图像识别 |