城市街道视域景观指数与邻里尺度特征效应

摘要：城市街道景观指数提取为城市街景研究量化途径之一。结合已有指数，提出用全景静态图的不同数据类型，分类计算视域景观指数的优化方法；提出基于计算机视觉尺度不变特征转换（SIFT）的关键点邻域尺度区间频数；采用层次聚类分析指数不同的邻里尺度最优簇数、贡献度，确定分布特征重要指数组成；探索不同指数作用于不同邻里尺度的特征效应。研究发现视域景观指数具有不同邻里尺度效应。研究指数中城市街道空间的绿视率和天空开阔度（空间组成层面）、关键点邻域尺度（0，10]和（10，20]区间频数（对象尺度层面），以及色彩丰富度指数（颜色层面）是构成城市街道分布特征的重要特征指数。通过确定不同邻里尺度城市街道特征分布，可以为城市街道空间的景观质量提升、量化管理和城市微更新提供参照。

关键词：城市街道；视域景观指数；邻里尺度；SIFT算法；全景静态图；量化管理

研究背景与重要性

在公共领域，没有什么元素比街道更重要，这是工作、购物、外出就餐和从事日常活动的活跃场所，也是步行锻炼的主要场所[1]。居民更有可能在具有吸引力的街道散步休闲，这有助于身心健康，而负面的视觉因素和街道空间结构则阻碍居民参与到街区的体能活动中[2-3]。

城市街道空间的景观质量提升、量化管理和城市微更新往往需要宏观把握城市开放空间特征分布，进而确定规划区域、内容和时序。

现有研究方向综述

目前对城市街道的研究涉及多个方面，依据相关研究方向，可分为身心健康[4-6]、体能活动[3,7-10]、健康福祉[11-14]、感知安全[15-16]、视听质量[17-18]、热舒适性[19]、交通安全[20]、经济与种族[21-22]、街道犯罪[23]、可获取的街道绿化与量化[6,24-25]，及视觉图像与实际调查审计比较[26]和在线审计的可靠性[27]等。虽然其中Tang等结合图像语义分割对北京历史街区（胡同）进行物理和感知的视觉质量评价[17]，但在城市宏观尺度下，基于视域景观指数探索城市街道微观尺度特征分布，尤其是邻里尺度效应等内容鲜见。

相较由平面类数据计算景观指数，城市街道视域景观往往从地面人视点观察空间组成、结构和特征，因此传统宏观调研的遥感影像、局部无人机航拍结合实地调查分析的方法则不完全适合。而海量的街道全景图则使反映城市街道微观尺度景观特征的城市宏观尺度分析成为可能。

研究核心内容与创新

本研究提出城市街道视域景观指数与邻里尺度特征效应，这部分研究的核心包括3部分内容：

1）视域景观指数删选，以及新指数的提出与计算；

2）城市街道视域景观特征提取和分布，以及视域景观指数对特征分布的贡献度和特征重要指数组成；

3）邻里尺度特征效应及影响，包括比较层次聚类时不同邻元数聚类结果变化特征，并以绿视率单指数聚类和15min步行生活圈多指数聚类下特征信息熵空间分布变化，说明邻里尺度效应的影响。

确定研究的核心问题和研究内容后，在具体分析过程中尝试改进已有的景观指数计算精度：

1）在通过视域景观指数提取城市街道特征时，虽然已有研究，例如Ye等通过街景4个方向的图像语义分割来尝试改进视域下绿视率计算方法和精度[24]，但是并未根据不同景观指数选择不同全景数据类型来进一步提升计算的精度，因此本研究提出根据全景图不同数据类型，对应提取视域景观指数的方法。

2）提出新的视域景观指数，依据计算机视觉尺度不变特征转换（scale-invariant feature transform, SIFT）提出关键点邻域尺度区间频数，优化城市街道视域景观特征的提取。SIFT可以在影像空间尺度中寻找局部性特征，这里的邻域尺度为可以表征空间不同尺寸对象各像素单元（关键点）的计算半径。