基于百度街景数据的沈阳主要道路绿化研究

基于百度街景数据的沈阳主要道路绿化
研究
摘要：街道绿化对城市居民尤其是街道行人的出行舒适度至关重要，是评估
城市绿化的重要指标之一。

研究通过抓取沈阳20条主要街道的街景数据，基于
机器学习算法提取街道绿视率，对相应街道绿化水平进行评判，为今后改善街道
绿化水平做出一定帮助。

关键词：街景数据、沈阳、图像识别
1研究背景
城市街道，作为人们生活中接触最多的公共活动空间，在公共领域的重要性
越来越引起人们重视。

随着生活水平的日益提高，人们对街道的认知不仅仅停留
在街道的流通性上，更多的是把街道和其社会属性联系起来，赋予其更多的意义。

街道是最常见的步行、骑自行车和体育锻炼的场所街道绿化的提升，不仅能有效
改善空气质量、消减噪音、提供体育锻炼环境，同时对增加邻里的社交联系等也
有较大帮助。

近几年城市大数据迅猛发展，为人们研究城市街道提供了新的方法。

近些年我国城市发展方式从经济导向转向人本导向，注重生态环境与街道品质的
提升，更加符合以人为本的理念研究也从二维的平面转向三维的多角度分析。

本文以沈阳城市中有代表性、有特点的二十条街道为研究对象，尝试应用新
兴的百度街景数据和图像语义分析软件实现较大范围、定量化的城市街道绿化研究，分析街道绿化现状，对后续街道绿化提升工作具有指导意义。

2研究范围与数据
2.1研究对象
沈阳市计划在“十四五”期间对主城区中具有代表性、有特点的街道进行有
机更新，重点更新街道有“两环十横十纵”，本文对“十横十纵”道路的绿化进
行研究。

研究对象分别为：“十横”为沈北路、昆山路、联合路-榆林大街、市
府大路-东陵路、北二马路-中山路、中华路-南顺城路-大东路、开发大路-沈新
路-文艺路-富民街、浑南大道、全运五路、雪松路；“十纵”为卫工街、西江街、怒江街、黄河大街-南京街、东望街、和平大街、三好街、青年大街、五爱街、
沈营大街。

2.2研究数据
2.2.1路网数据
为获取每条街道上不同位置的街景图片，本次研究的道路网络数据通过百度
地图数据获取，本次道路平均采样间距设置为50米，共计2313个采样点，9252
张街景图像。

2.2.2街景图片数据
街景地图是一种基于互联网的实景电子地图服务，可提供城市街道360°的
全景图片，人们可在电子地图开放平台中查询街景图片。

在当前的互联网街景地
图服务中，百度全景地图已成为最受欢迎的互联网地图平台之一，在用户数量和
口碑上均位于行业领先地位。

本次研究将每个采样点的视线垂直角度均设置为0°，即平视角度；每个样本点的视线水平角度均设置为360°，即整幅全景图；
每张图片大小为1600×700像素。

3 研究方法
3.1 研究框架
研究共分5个步骤：基础数据准备，通过百度地图获取研究区域街道路网数据，并与百度街景轨迹地图对照，删除个别没有街景图片数据的道路；以按键精
灵的固定周期模式获取大量采样点街景图片数据；采用机器学习相关算法对街景
图片进行语义分割，提取每个采样点的绿视率；对每条路上采样点的绿视率进行
统计分析，得出每条道路的平均绿视率，并通过ArcGIS平台对研究结果进行可
视化处理；研究区域街道绿化现状，并对研究结果进行描述与讨论。

3.2 评估指标
以往研究多以绿化率作为街道绿化程度的主要评价标准，但此种自上而下的
俯视视角不一定完全等同于人们的实际感受。

研究将绿视率作为评估指标，绿视
率是指人们眼睛所看到的绿色部分占整个视野面积的比例。

相较于传统的绿化率，绿视率可更实际地反映人们能够感受到的绿化程度，更接近人们的真实生活，可
更好地反映城市街道绿化环境的品质。

在研究中，每条街道上都有多个位置点获
取街景图片，每个位置点会有一个绿视率值，故一条街道的绿视率即为该街道上
多个位置点绿视率的平均值。

3.3 评估标准
研究将绿视率分为差（≤10%）、一般（10%～25%）、好（25%～40%）及非
常好（>40%）4个等级。

研究表明，当绿色在人们的视野中占比达25%时，人们
感到舒适；当街道绿视率大于25%时，可将该街道视为绿色舒适型街道；当街道
绿视率低于10%时，表明该街道绿化水平较差，应对其重点关注。

3.4 基于机器学习的街景绿化分析
目前，经典的图像分割方法均是基于卷积神经网络的方法，此类方法首先将
图像分为多个像素块，然后将每个像素块输入到卷积神经网络中进行识别与分类。

本次研究通过来自CUG.HPSCIL的影像识别工具，提取街景图片绿视率，其可将
图片中的天空、人行道、车道、建筑、绿化等要素准确有效识别出来。

运用上述
工具，可将图片中的全部像素点识别为各种要素类型，并以此为基础，计算每张
街景图片中绿化要素所占的比例，即为该张图片的绿视率。

4 研究结果
所选取所有街道的平均绿视率为14.37%，低于25.00%（让人感觉舒适的街道绿视率），处于一般水平。

统计不同等级绿化的街道占比发现，此次研究的20条街道的绿视率水平均为差和一般的街道。

其中绿视率水平为差的街道占比为20%；绿视率水平为一般的街道占比为75%，绿视率水平为好的街道占比5%。

多数绿视率在10%~15%之间。

卫工街
西
江街
怒
江街
黄
河大
街-南
京路
东
望街
和
平大
街
三
好街
青
年大
街
五
爱街
沈
营大
街
2 0.73%
1
5.08%
2
6.15%
1
5.48%
7
.57%
1
5.29%
1
4.00%
1
3.96%
1
6.30%
7
.77%
沈北路
昆
山路
联
合路-
榆林
大街
市
府大
街-东
陵路
北
二马
路-中
山路
中
华路-
南顺
城路-
大东
开
发大
路-沈
新路-
文艺
路-富
浑
南大
道
全
运五
路
雪
松路-
创新
路
对此次研究的街道进行道路等级划分后，可发现绿视率与道路等级存在一定
的相关性。

主干道的平均绿视率为12.42%、次干路略高为16.83%。

分析其原因
是由与主干道普遍以道路通行功能为主，道路路面宽阔，车道较多，因此绿化在
视野范围内占比较小，而次干路路面窄于主干路，两侧绿化易在视野范围内占据
较大面积。

5总结
本文通过提取百度街景图片中绿化要素占整张图片的比例作为绿视率，并以
1条街道上多个位置点的绿视率的平均值作为该条街道的绿视率，对沈阳20条主
要的街道绿化进行实证研究。

研究发现：①研究对象的街道绿视率整体水平为一般；②街道绿化水平与道路等级有关，主干道绿视率低于次干道。

研究通过百度街景数据和机器学习算法实现较大范围、定量化的城市街道绿
化研究，突破传统研究方法在数据收集和处理等方面的局限，同时利用机器学习
法降低评价的主观性，使对街道绿化的评估更加科学，具有一定的实践意义。

通
过对街道绿化进行评价，将街道绿化水平分为差、一般、好以及非常好4个等级，得出的研究结果对城市绿地系统规划、步行系统规划、街道品质提升等工作具有
指导意义。

参考文献
[1]郝新华，龙瀛.街道绿化：一个新的可步行性评价指标[J].上海城市规划，2017（1）：32-36.
[2]唐婧娴，龙瀛.特大城市中心区街道空间品质的测度：以北京二三环和上
海内环为例[J].规划师，2017，33（2）：68-73.
[3] 叶宇，张灵珠.街道绿化品质的人本视角测度框架——基于百度街景数据和机器学习的大规模分析[J].风景园林，2018（8）：24-29.
[4]缪岑岑.基于街景图片数据的城市街道空间品质测度与影响机制研究——以南京中心城区为例[D].南京：东南大学，2018.。