基于街景图像的城市物质空间与城市长期活动时空模式定量关系研究

The reciprocal interactions between urban physical environment and human activity have long been interested in a wide variety of fields, including geography and urban planning. However, Understanding the relationship between the two factors quantitatively has been limited by the lack of computational tools and approaches to representing urban physical environment comprehensively. Due to the fast development of web mapping services and mobile internet, street-level imagery is being generated at a rapid speed and densely covers every corner of a city, potentially offering new approaches for researchers to observe, perceive and understand the urban environment. To learn and grasp the high-level visual knowledge of a streetscape automatically and further to facilitate perceiving the urban activity and socioeconomic environment, in this study, we employ a deep convolutional neural network (DCNN). The objective of this study is threefold: (1) Designing a DCNN architecture to represent the urban physical environment comprehensively and quantitatively; (2) Quantifying the relationship between urban built environment and urban spatiotemporal activity patterns; (3) Exploring the visual objects that highly correlated with urban spatiotemporal activity patterns. This project is of significance both scientifically---in shedding light on connections between the physical settings and human activities of a place---and practically---in taking advantage of street-level imagery to derive fine-scale socioeconomic information of an urban area and to help urban planners and geographers in urban observation, urban studies, and planning.

城市物质空间与人类活动之间存在着密切的联系与相互作用关系。如何定量地研究二者之间的关系一直是地理学、城市规划等领域关注的问题。然而，目前尚缺少对于城市物质环境的量化分析工具，和对二者关系定量研究的方法体系。密集覆盖城市路网的街景图像以及海量个体位置数据的出现，为观察和量化城市物质空间、城市活动时空模式带来了新的机遇。本项目将结合深度学习和计算机视觉的影像分析方法，旨在1）设计一种面向城市物质空间定量表达的深度卷积神经网络模型；2）利用模型提取出的城市场景特征，建立城市活动时空模式回归估计模型；3）挖掘与城市活动模式相关性较强的城市视觉要素。最终，形成一个利用街景大数据的城市物质空间与城市活动时空模式定量关系分析的方法体系，并对北京地区开展实证分析。研究成果将为基于大数据的人地关系研究、建成环境量化研究、空间数据挖掘与知识发现研究提供新的思路，对城市规划等领域具有潜在的理论和应用价值。

项目执行以来，针对如何量化城市建成环境、如何量化城市物质空间与人类活动之间存在着密切的联系与相互作用关系研究的问题，分别利用计算机视觉方法，城市图片大数据标注方法，以及多种统计计量工具进行研究，物质空间与人类活动之间存在着密切的联系与相互作用分析的基本框架，主要工作可以总结为三个方面：1） 以城市物质空间特征与人类活动模式之间的关系为例，基于深度卷积神经网络，构建城市物质空间特征与人类活动模式之间的非线性关系； 2） 以城市物质空间特征与不动产价值为例，提出以场所为中心的房价建模模型（Place-based Hedonic model）, 提出了一种融合多源地理大数据的框架来建模和分析房产增值率； 3） 以基于城市物质空间特征的“安全感”与城市犯罪率为例，通过构建两者之间的差异度量，提出“感知偏差”的概念，并通过各项社会经济指标进行量化。该课题完成了项目的既定研究目标，实现了该方法体系实现了城市物质空间量化分析方法、以及城市物质空间与人类活动之间关联研究的原始创新。在研究过程中，在论文发表方面，在本基金资助下，共发表14篇论文，其中包括第一、通讯作者论文9篇、SSCI/SCIE论文12篇、EI论文1篇（遥感学报）。论文发表在地理信息科学与城市研究领域的知名期刊《Landscape and Urban Planning》、《Computers, Environment and Urban Systems》、《Land Use Policy》、《Transactions in GIS》、《IEEE Transactions on Intelligent Transportation Systems》、《Annals of the American Association of Geographers》、《International Journal of Geographical Information Science》、《Building and Environment》和《Cities》中。在科研奖励方面，项目主持人获得国际学术奖两项，包括Geospatial World, Rising Stars，WGDC全球前沿科技青年科学家，获得省部级奖励一项，即《城市居民时空行为感知与分析方法研究》获得江西省人民政府自然科学二等奖。