一种基于多源大数据的城市活力测度与表征方法及系统

技术领域

本发明涉及城市规划技术领域，尤其涉及一种基于多源大数据的城市活力测度与表征方法及系统。

背景技术

目前，中国正处于城市化快速发展阶段，盲目、粗放、忽略空间品质的城市扩张方式盛行，导致交通拥堵、城市品质下降以及区域发展失衡等问题。构建“以人为本、城乡统筹、绿色节约、宜居和谐”的城市发展模式，深入推进新型城镇化及生态文明建设已成为当前时代发展的新诉求。城市活力研究能评价城市内部的活力现状，有效检验城市空间品质及分布特征，为优化城镇布局和形态提供了新的视角。截止2018年，我国的城镇化率已经达到59.8％。具有高度活力的城市能够满足人群的食住行等各种需求，提供丰富的工作机会，支撑更加美好生活的城市。感知城市活力是监测城市空间发展现状，辅助进行数据驱动城市发展规划，实现城市可持续发展的重要基础。

街道在城市生活中扮演着极为重要的角色，它不仅是交通的主要载体，也是重要的城市开放空间，是居民认识城市和城市生活的基本单元。街道作为城市品质和活力的重要载体，对其进行深入研究具有深刻的意义。

在此前已有一些专家针对传统的城市活力测度和表征方法做了相关研究，这些方法可以划分为基于统计调查的方法和基于模型的方法。但回头看，目前无论是国内还是国际上，紧扣街道空间的研究大多以质性研究为主，量化研究较少；限于数据的获取成本，已有研究通过实地调研和专家打分的方法，选择单个城市的个别典型街道展开研究。现场调研的费时性决定了该方法不可能用于大范围的研究，而目前关于活力的大范围研究，粒度较大，难以精确到街道尺度。这些研究不足以应对当前正在快速变迁的街道空间。

其次，以往的研究依赖于单一来源的城市数据来描绘城市活力，尽管城市大数据为城市研究提供了前所未有的机遇，但他们伴随着渗透人口、空间覆盖或采样方法等方面的潜在偏差问题，这可能会引起城市研究人员和城市规划者的误解。

发明内容

为了解决上述问题，本发明提供了一种基于多源大数据的城市活力测度与表征方法及系统。

一种基于多源大数据的城市活力测度与表征方法，包括以下步骤：

S1、获取研究区域内的OSM路网数据、兴趣点数据和社交媒体签到数据；

S2、对步骤S1中所述OSM路网数据、兴趣点数据和社交媒体签到数据进行预处理，获得预处理后的OSM路网数据、兴趣点数据和社交媒体签到数据，并基于所述预处理后的OSM路网数据，按照一定距离等间隔获取若干个街景采样点，并获取每个街景采样点的经纬度信息；

S3、基于步骤S2中所述街景采样点及经纬度信息，通过网络API获得每个街景采样点所对应的街景图片；

S4、基于深度学习算法提取步骤S3中所述街景图片中的高维情感特征，获得每一街景图片的街景感知活力评分；

S5、基于步骤S4中所述街景图片、步骤S2中所述预处理后的兴趣点数据和预处理后的社交媒体签到数据，获得度量城市活力的测度及量化指标，并基于GIS软件将所述城市活力的测度及量化指标进行可视化，构建所述研究区域内根据不同数据量化的城市活力的表征结果及分布图；其中，所述不同数据包括街景图片数据、兴趣点数据和社交媒体签到数据；

S6、基于步骤S5中所述城市活力的测度及量化指标，通过信息熵和权重赋值法计算每一条街道对应的城市综合活力指数；

S7、将步骤S6中所述城市综合活力指数与对应的街道进行空间连接和空间匹配，基于GIS软件获得城市综合活力表征结果及城市综合活力指数分布图；

进一步地，步骤S2中，提取所述预处理后的OSM路网数据中的主要交通道路，包括城市快速路、主干道、次干道和支路，分别以城市快速路、主干道、次干道、支路为中心线，左右各一定距离建立缓冲区作为所述研究区域的基本空间研究单元；

进一步地，步骤S2中，对步骤S1中所述OSM路网数据、兴趣点数据和社交媒体签到数据进行预处理，具体为：

针对所述OSM路网数据，对所述OSM路网数据进行简化、合并以及拓扑处理操作，获得预处理后的OSM路网数据；

针对所述兴趣点数据，保留位于所述基本空间研究单元内且与城市活力相关的兴趣点数据，并对这些兴趣点数据进行分类，这些兴趣点数据即为预处理后的兴趣点数据；

针对所述社交媒体签到数据，保留位于所述基本空间研究单元内、签到次数至少为1次且签到位置有效的社交媒体签到数据，这些社交媒体签到数据即为预处理后的社交媒体签到数据；

进一步地，在步骤S3中，针对每一街景采样点，抓取同一水平四个方向的街景图片，所述同一水平四个方位分别为0°、90°、180°和270°，具体为：根据每个街景采样点的经纬度信息以及该街景采样点所在街道的朝向，分别获取平行于该街道的前、后视角下的街景图片和垂直于该街道方向的左、右视角下的街景图片；

进一步地，步骤S4中，每一张街景图片的高维情感特征包括：美丽、安全、无聊、压抑、富裕和活力，且上述每一种特征都有相对应的分值，将活力特征的评分作为每一街景图片的街景感知活力评分；

进一步地，步骤S5中，度量城市活力的测度及量化指标包括：

(1)由街景图片量化得到的城市活力：

由街景图片量化得到的城市活力，即：使用街景活力感知评分定量化表征城市活力，具体为：

①针对任意一条街道，获取该街道上的街景采样点数量及每一个街景采样点对应的街景图片，且每一张街景图片都有对应的街景活力感知评分；

②获取任一街景采样点的评分：针对任一街景采样点，计算该街景采样点对应的所有街景图片的街景活力感知评分的均值，该均值即为该街景采样点的评分；

③获取该街道由街景图片量化得到的城市活力：计算该街道对应的所有街景采样点的评分的均值；

④对每条街道对应的所有街景采样点的评分的均值进行归一化操作，即获得由街景图片量化得到的城市活力；

(2)由预处理后的兴趣点数据量化得到的城市活力：

①针对任意一条街道，计算该街道对应的所述基本空间研究单元中所述预处理后的兴趣点数据的混合度，具体公式如下：

其中，dty表示预处理后的兴趣点数据的混合度，n表示预处理后的兴趣点数据的类别总数；p

②对每条街道对应的所述基本空间研究单元中所述预处理后的兴趣点数据的混合度进行归一化操作，即获得由预处理后的兴趣点数据量化得到的城市活力；

所述混合度范围为0～1，该混合度值的大小反映该基本空间研究单元的功能混合程度，该混合度值越小，则表示该基本空间研究单元的功能越单一，否则，则表示该基本空间研究单元的功能越多样；

(3)由预处理后的社交媒体签到数据量化得到的城市活力：

①针对任意一条街道，计算该街道对应的所述基本空间研究单元中所述预处理后的社交媒体签到数据的密度，具体公式为：

其中，v

②对每条街道对应的所述基本空间研究单元中所述预处理后的社交媒体签到数据的密度进行归一化操作，即获得由预处理后的社交媒体签到数据量化得到的城市活力；

进一步地，基于信息熵和权重赋值法计算每一条街道对应的城市综合活力指数的具体过程为：

S61、针对任意一条街道，计算该街道对应的所述基本空间研究单元中，分别由街景图片、预处理后的兴趣点数据和预处理后的社交媒体签到数据量化得到的城市活力的信息熵，具体为：

其中，H

S62、基于步骤S61中所述信息熵计算该街道对应的所述基本空间研究单元中分别由街景图片、兴趣点数据和社交媒体签到数据量化得到的城市活力的影响权重，具体为：

其中，w

S63、基于步骤S62中每一种数据量化的城市活力的影响权重，计算该街道对应的城市综合活力指数，具体为：

v

其中，v

进一步地，将步骤S5中获得的根据不同数据量化的城市活力的分布图与步骤S7中所述城市综合活力指数分布图进行综合判读，通过上述分布图的一致性来分析城市活力的分布模式及规律。

一种基于多源大数据的城市活力测度与表征系统，包括：数据获取模块、数据预处理模块、街景图片获取模块、街景感知活力评分获取模块、城市活力的测度及量化指标构建模块、城市综合活力指数计算模块和城市活力测度指标可视化模块；

所述数据获取模块用于获取研究区域内的OSM路网数据、兴趣点数据和社交媒体签到数据；

所述数据预处理模块用于将研究区域内的OSM路网数据、兴趣点数据和社交媒体签到数据进行预处理，获得预处理后的OSM路网数据、预处理后的兴趣点数据和预处理后的社交媒体签到数据；

所述街景图片获取模块用于基于所述预处理后的OSM路网数据，获取若干个街景采样点，并根据每个街景采样点的经纬度信息以及该街景采样点所在街道的朝向，分别获取平行于该街道的前、后视角下的街景图片和垂直于该街道方向的左、右视角下的街景图片；

所述街景感知活力评分获取模块用于基于所述街景图片获取模块获取的街景图片，获得街景感知活力评分；

所述城市活力的测度及量化指标构建模块用于基于所述街景图片、所述预处理后的兴趣点数据和预处理后的社交媒体签到数据，构建度量城市活力的测度及量化指标；

所述城市综合活力指数计算模块用于计算出每一条街道对应的城市综合活力指数；

所述城市活力测度指标可视化模块用于基于GIS平台，将由街景图片、预处理后的兴趣点数据和预处理后的社交媒体签到数据分别量化得到的城市活力以及所述城市综合活力指数进行可视化展示。

本发明提供的技术方案带来的有益效果是：基于多源大数据实现快速、精确、大范围小尺度下城市活力的测度及表征，解决了现有技术中使用单一数据源表征城市活力的单一且有偏性问题，具体体现在以下：

1、基于多源城市感知数据(街景数据、兴趣点和社交媒体签到数据)和深度学习技术量化城市活力的方法可覆盖较大区域，代替传统耗时、费力、难以在大范围展开的现场调研和问卷采访方式，新兴的城市大数据和城市分析方法使我们量化整个城市的活力成为了可能；

2、多源数据从主客观维度综合考虑活力多方面信息来测度城市活力，较单一数据源、单一维度量化得到的城市活力更加可靠，最小化大数据使用过程中因人口渗透、采样方法、空间覆盖范围等偏性问题带来的误差。

3、是一种有效的识别城市用地活力模式的方法，为城市活力的测度提供了新的视角。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例中一种基于多源大数据的城市活力测度与表征方法的流程图。

具体实施方式

为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。

本发明的实施例提供了一种基于多源大数据的城市活力测度与表征方法及系统。

请参考图1，图1是本发明实施例中一种基于多源大数据的城市活力测度与表征方法的流程图，包括以下步骤：

S1、获取研究区域内的OSM路网数据(https://www.openstreetmap.org)、兴趣点数据和社交媒体签到数据；

S2、对步骤S1中所述OSM路网数据、兴趣点数据和社交媒体签到数据进行预处理，获得预处理后的OSM路网数据、兴趣点数据和社交媒体签到数据，并基于所述预处理后的OSM路网数据，按照一定距离等间隔获取若干个街景采样点，并获取每个街景采样点的经纬度信息；

针对原始路网道路细节过多的问题，对原始路网进行必要的简化、合并操作，然后进行拓扑处理，获得预处理后的OSM路网数据；基于预处理后的OSM路网数据，借助GIS软件，以100m为间隔进行等间距打点，并记录下采样点的经纬度，采用的是wgs-84坐标系；

针对所述兴趣点数据，保留位于所述基本空间研究单元内且与城市活力相关的兴趣点数据，并对这些兴趣点数据进行分类，这些兴趣点数据即为预处理后的兴趣点数据；

针对所述社交媒体签到数据，保留位于所述基本空间研究单元内、签到次数至少为1次且签到位置有效的社交媒体签到数据，这些社交媒体签到数据即为预处理后的社交媒体签到数据；

本实施例中共采集了北京市街道近32140个街景采样点，提取了研究区域内城市道路网络数据中的主要交通道路，以城市快速路、主干道、次干道、支路为中心线分别以左右距离为100m、50m、25m、10m建立缓冲区作为基本空间研究单元；

对采集到的356253个兴趣点进行筛选，将筛选后的兴趣点分为10大类：购物(20.1％)、餐饮(15.8％)、娱乐(18.9％)、住宅(3.6％)、交通服务(8.2％)、教育和文化(3.5％)、医疗(2.5％)、公司企业(12.6％)、政府机构(2.7％)、其他(17.1％)；

对抓取到的社交媒体签到数据(32205条有效记录)进行预处理操作；

S3、基于步骤S2中所述街景采样点及经纬度信息，通过网络API获得每个街景采样点所对应的街景图片；

在腾讯地图平台的API接口中批量捕捉街景图片，具体为：每个街景采样点以固定的水平俯仰从四个方向(0、90、180和270度)捕获街景图片，即根据每个街景采样点的经纬度信息以及该街景采样点所在街道的朝向，分别获取平行于该街道的前、后视角下的街景图片和垂直于该街道方向的左、右视角下的街景图片，这样的采集形式正好可以对视点周围的建成环境进行全面囊括，本实施例中共采集了128560张街景图片；

S4、基于深度学习算法提取步骤S3中所述街景图片中的高维情感特征，获得每一街景图片的街景感知活力评分；

其中，每一张街景图片的高维情感特征包括：美丽、安全、无聊、压抑、富裕和活力，且上述每一种特征都有相对应的分值，将活力特征的评分作为每一街景图片的街景感知活力评分；

获得每一街景图片的街景感知活力评分的具体过程为：

首先，采用ADE-20K数据集训练全卷积神经网络模型(FCN-8s)，训练好的FCN-8s可以将一张任意大小的图片分割为N种自然地物类别(例如车辆、道路、树木等)并得到每种地物所占有的像素比例，可以得到一个描述某街景的151维向量。

然后，将训练好的(FCN-8s网络模型整合到人机对抗评分系统中，用于拟合人的打分倾向；

为了获得人机对抗模型评分系统的训练样本，先是邀请一定数量具有当地文化社会背景志愿者为随机选取的一定数量的街景图片手工打分，获取当地人工标注的打分数据集；当志愿者评分达到一定数量图片的时候，人机对抗模型评分模型中随机森林模块将街景图像分割得到的语义特征与志愿者的评分训练拟合模型并自校正；在接下来的打分过程中，人机对抗评分模型会给出推荐分数，同时会根据用户的打分行为自动调整推荐分数，当拟合模型误差达到最小时，人机对抗训练样本收集结束；

最终，利用人机对抗将城市尺度上的所有街景图片的街景感知活力评分计算出来；

S5、基于步骤S4中所述街景图片、步骤S2中所述预处理后的兴趣点数据和预处理后的社交媒体签到数据，建立度量城市活力的测度及量化指标，并基于GIS软件将所述城市活力的测度及量化指标进行可视化，获得所述研究区域内根据不同数据量化的城市活力的表征结果及分布图；其中，所述不同数据包括街景图片数据、兴趣点数据和社交媒体签到数据；

首先，城市街道与城市居民行为有着密切的联系，城市街景可以通过大数据和计算机技术对城市外观进行虚拟评估，通过训练模型来建立“街景图片与人的主观联系”，对道的活力、安全、压抑等方面进行评分，从而为研究城市居民行为提供了一种新的视角；

其次，兴趣点语义丰富、分布广泛且容易获得，是人活动发生的地点并对人的活动产生一定的影响，计算每条街道形成缓冲区内兴趣点的混合度并归一化以量化城市活力，用于间接表征城市功能的多样性；

最后，社交媒体签到数据反映了不同城市群体对活动地点和活动类型的偏好，在某种程度上，社交媒体签到可以被看作是按人气加权的兴趣点。

综上，从主客观维度基于街景图片、兴趣点和社交媒体签到三种大数据设计并构建定量度量城市活力的测度及量化指标，具体为：

主观维度：通过深度学习模型建立“街景影像与人的主观联系”，对街道的活力、安全等方面进行评分从而对城市外观进行虚拟评估；

客观维度：兴趣点的混合度用于反映城市活力分布的空间特征和城市功能设施完善程度；社交媒体签到密度用于反映人群对活动地点和活动类型的偏好。

因此，度量城市活力的测度及量化指标包括：

(1)由街景图片量化得到的城市活力：

由街景图片量化得到的城市活力，即：使用街景活力感知评分定量化表征城市活力，具体为：

①针对任意一条街道，获取该街道上的街景采样点数量及每一个街景采样点对应的街景图片，且每一张街景图片都有对应的街景活力感知评分；

②获取任一街景采样点的评分：针对任一街景采样点，计算该街景采样点对应的所有街景图片的街景活力感知评分的均值，该均值即为该街景采样点的评分；

③获取该街道由街景图片量化得到的城市活力：计算该街道对应的所有街景采样点的评分的均值；

④对每条街道对应的所有街景采样点的评分的均值进行归一化操作，即获得由街景图片量化得到的城市活力；

例如：假设一条街道上包括5个采样点，每个采样点包括至少4张街景图，每一张街景图片均对应一个街景活力感知评分；那么一个街景采样点就包括至少四个评分，取均值作为这个街景采样点的评分，最后这5个街景采样点的评分取均值，并进行归一化操作后，得到一条街道的由街景图片量化得到的城市活力。

(2)由预处理后的兴趣点数据量化得到的城市活力：

①针对任意一条街道，计算该街道对应的所述基本空间研究单元中所述预处理后的兴趣点数据的混合度，具体公式如下：

其中，dty表示预处理后的兴趣点数据的混合度，n表示预处理后的兴趣点数据的类别总数；p

②对每条街道对应的所述基本空间研究单元中所述预处理后的兴趣点数据的混合度进行归一化操作，即获得由预处理后的兴趣点数据量化得到的城市活力；

所述混合度范围为0～1，该混合度值的大小反映该基本空间研究单元的功能混合程度，该混合度值越小，则表示该基本空间研究单元的功能越单一，否则，则表示该基本空间研究单元的功能越多样；

(3)由预处理后的社交媒体签到数据量化得到的城市活力：

①针对任意一条街道，计算该街道对应的所述基本空间研究单元中所述预处理后的社交媒体签到数据的密度，具体公式为：

其中，v

②对每条街道对应的所述基本空间研究单元中所述预处理后的社交媒体签到数据的密度进行归一化操作，即获得由预处理后的社交媒体签到数据量化得到的城市活力；

S6、基于步骤S5中所述城市活力的测度及量化指标，通过信息熵和权重赋值法计算每一条街道对应的城市综合活力指数；具体为：

S61、针对任意一条街道，计算该街道对应的所述基本空间研究单元中，分别由街景图片、预处理后的兴趣点数据和预处理后的社交媒体签到数据量化得到的城市活力的信息熵，具体为：

其中，H

S62、基于步骤S61中所述信息熵计算该街道对应的所述基本空间研究单元中分别由街景图片、兴趣点数据和社交媒体签到数据量化得到的城市活力的影响权重，具体为：

其中，w

S63、基于步骤S62中每一种数据量化的城市活力的影响权重，计算该街道对应的城市综合活力指数，具体为：

v

其中，v

S7、将步骤S6中所述城市综合活力指数与对应的街道进行空间连接和空间匹配，基于GIS软件获得城市综合活力表征结果及城市综合活力指数分布图。

最后，将步骤S5中获得的根据不同数据量化的城市活力的分布图与步骤S7中所述城市综合活力指数分布图进行综合判读，通过上述分布图的一致性来分析城市活力的分布模式及规律(例如：可直接根据城市活力值的高低分布情况来判读城市活力的模式，比如内侧高、外环低)，同时，通过上述分布图，间接互相验证本发明中所提评价方法的可行性。

本发明提供的技术方案带来的有益效果是：基于多源大数据实现快速、精确、大范围小尺度下城市活力的测度及表征，解决了现有技术中使用单一数据源表征城市活力的单一且有偏性问题，具体体现在以下：

1、基于多源城市感知数据(街景数据、兴趣点和社交媒体签到数据)和深度学习技术量化城市活力的方法可覆盖较大区域，代替传统耗时、费力、难以在大范围展开的现场调研和问卷采访方式，新兴的城市大数据和城市分析方法使我们量化整个城市的活力成为了可能；

2、多源数据从主客观维度综合考虑活力多方面信息来测度城市活力，较单一数据源、单一维度量化得到的城市活力更加可靠，最小化大数据使用过程中因人口渗透、采样方法、空间覆盖范围等偏性问题带来的误差。

3、是一种有效的识别城市用地活力模式的方法，为城市活力的测度提供了新的视角。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。