基于街景图像的城市景观与交通安全分析

摘要：

一直以来人们认为视觉环境是影响交通安全的重要因素,然而受限于图像分析手段,现有的关于环境视觉因素与交通安全关系的研究主要以定性为主,很难进行大规模的视觉环境定量分析.本研究利用丰富性、易提取性和不断増长的街景图像作为环境因素的数据来源,通过膨胀残留网络(DRN)等方法提取街景的图像特征信息、位置信息和感官信息,并采用皮尔逊相关系数和岭回归筛选量化指标来构建基于深度学习的视觉环境与交通安全关联的量化分析框架,为研究城市景观提供了新的量化手段.此外,统计分析方法被用于确定导致道路交通安全状况改变的影响因素.结果表明:一方面,探究了关联城市景观的影响因素对不同城区事故率的贡献差异性,例如商业区和老城区内"植物"占比的增加会对交通安全有积极影响,但在郊区却恰恰相反等.另一方面,还发现了可能推动城市规划理论发展的规律.例如越靠近市中心的道路单元其交通状况越安全等.本文为定量研究城市景观与交通安全之间的联系提供了一种新的思路,并为高效率和大规模地评估城市交通安全状况提供了可能性.

关键词：城市景观;深度学习;街景图像;交通安全

所属期刊栏目：49

分类号：U491.31(交通工程与公路运输技术管理)

资助基金：国家自然科学基金资助项目51778242,51978283

在线出版日期：2021-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：22-30