北京公园环境及游客分布特征数据收集

公园环境及游客分布特征数据收集

 

 

针对北京公园物理空间环境，采用传统的二维地形图建模手段[14-15]和使用方块模型抽象代替[16-18]等方法存在成果制作耗时长、精度差和过于理想化等缺点，因此目前公园建模方法常采用航空摄影测量技术和激光雷达扫描建模技术。当前航空摄影测量技术相关研究主要为无人机倾斜摄影测量；激光雷达扫描技术则主要包括机载激光扫描、车载激光扫描和地面激光扫描[19]。

本研究的地块为无人机限飞区，因此笔者创造性地结合倾斜摄影原理与激光雷达扫描技术，利用手机的拍照功能对公园进行实地拍摄扫描，提取拍摄照片及其所记录的经纬度和手机姿态信息（即手机惯性测量单元信息），生成倾斜摄影相机控制点，结合手机搭载激光雷达生成的深度图片，利用Pix4D软件进行计算处理，从而生成三维点云，构建公园物理空间实景模型。

 

2.2公园游客数据收集

 

获取人群时空定位数据是研究城市公园人群活力的前提，在城市公园风环境评价中，明确游客人群主要活动范围有利于提高评价结果的针对性和准确性。以往研究多利用问卷调查和访谈等传统方法，随着数字信息时代的到来，社交媒体签到数据[20]、百度人口热力数据[21]以及基于位置的服务（locationbasedservice,LBS）定位数据[22]等时空大数据被广泛应用。然而目前城市研究中使用的时空定位数据因其粗粒度的特性，主要应用于大尺度城市人群时空行为研究，其精度不能满足小尺度公园绿地空间定位的高精度需求。

针对传统问卷访谈工作量大和时空大数据识别较小范围人群精度差的问题，本研究采取实地调研的方式，在公园内布置通讯探针（即WiFi探针，仅收集游客手机mac地址、时间戳和信号强度信息）及全景相机，每组设备覆盖范围为50m，每隔30min记录一次游客数据，通过设备经纬度和收集信号强度，利用三角定位算法[23]捕获游客实时位置。对于儿童、老人等无手机群体，利用人工智能（artificialintelligence,AI）人体检测技术对全景照片进行识别，验证采集人数，保证样本完整性，从而获得特征日（工作日、周末及其他国家法定节假日）公园开园时间内游客数量及分布数据。

 

2.3公园游客分布特征计算

 

通过前文人群时空定位信息收集方法，获得4个典型公园不同时期人群活动信息。但由于公园游客游憩行为受时间和季节变化等不确定性因素影响，游客游憩范围并非固定不变，这导致公园人群热力图不断变化，影响后文对于风环境的分析，因此本研究引入公园人群平均热力图概念，排除偶发事件对公园整体游憩特征的影响，计算式为式中：P为公园任意一点平均游客数；pi为某次测得该点公园人数；n为探测次数。将计算结果导入ArcGIS软件进行处理，绘制公园人群平均热力图，形成稳定的游憩范围图示，有利于系统评价区域内风环境对人的影响程度。