<tbody id="zfvfr"><div id="zfvfr"></div></tbody>
  • <bdo id="zfvfr"><dfn id="zfvfr"></dfn></bdo>
    1. <tbody id="zfvfr"></tbody>

      歡迎訪問長沙市勘察設計協會官網!

      湖南設計 ▎榮獲第六屆“城垣杯·規劃決策支持模型設計大賽”一等獎

      693

      湖南設計  ▎榮獲第六屆“城垣杯·規劃決策支持模型設計大賽”一等獎



      圖片關鍵詞

      圖片關鍵詞


      2022年7月,第六屆“城垣杯·規劃決策支持模型設計大賽”成功落幕。湖南省建筑設計院集團股份有限公司(以下簡稱HD)選送的參賽作品《顧及公眾情緒的城市騎行空間友好度評價與選線優化研究》從150余個參賽作品中脫穎而出,榮獲大賽一等獎。


      圖片關鍵詞


      本次大賽由北京城垣數字科技有限責任公司、世界規劃教育組織、北規院弘都規劃建筑設計研究院有限公司聯合主辦,北京城市實驗室、百度地圖慧眼、中國聯通智慧足跡共同協辦,并由吳志強院士擔任大賽主席,由黨安榮教授、鄔倫教授等15位國內城市量化研究及相關領域的行業權威專家組成終評專家組。


      作為國內城市量化研究領域的高水平賽事,本次大賽吸引了來自海內外高校、規劃研究機構、規劃編制與管理單位數百名學者踴躍參加,不僅包括清華大學、北京大學、同濟大學等國內知名學府的學術菁英,中國城市規劃設計研究院等知名規劃編制單位、科技企業的技術專家,同時還有來自曼徹斯特大學、新加坡國立大學等世界頂尖大學的學者報名,匯聚了全球尖端科研人才。以下是HD獲獎作品具體內容:



      #1

      研究問題

      HUNAN   DESIGN


      在“面向高質量發展的城市綜合治理”的主題下,HD獲獎作品聚焦于城市騎行空間的品質評價與騎行線路空間布局優化,擬解決的問題是:在政府投入資源約束條件下,如何通過城市騎行線路布局優化來最大化滿足城市居民的騎行需求?即在最需要的地方提供最怡人的騎行空間。


      研究將“最需要的地方”理解為“大家騎得多的路”,將“最怡人的騎行空間”理解為“大家覺得好的路”?!白畲蠡瘽M足”便是要盡可能地將“大家騎得多的路”和“大家覺得好的路”選取出來,構建互聯互通的騎行路網。那研究的問題就分解成:(1)如何挖掘公眾真正的騎行需求?(2)如何界定最怡人的騎行空間?(3)如何提升騎行空間友好度?

       

      圖片關鍵詞

      研究問題剖析示意圖


      #2

      研究方法

      HUNAN   DESIGN


      圖片關鍵詞

      研究理論基礎


      基于“地理空間認知理論、街道城市主義、社會感知“等理論基礎和研究框架,本研究使用街景圖像和共享單車大數據,結合圖像語義分割、機器學習、人機對抗、地圖匹配等技術,提出一種顧及公眾情緒的城市騎行空間友好度評價和選線方法。


      其中,大規模共享單車數據能真實反映城市騎行活動時空特征,基于街景圖像數據能快速收集公眾對騎行空間的真實感受。


      主要分以下3個步驟:

      1. 搭建一種基于“人機對抗-迭代反饋”機制的打分平臺,通過網絡眾包方式邀請志愿者面對給出的街景圖像直接賦分,訓練得到穩定的評分模型,從而快速獲得整個研究區街道尺度的騎行友好度評分數據集。


      2. 對共享單車數據進行出行鏈重構,針對出行OD數據,提取出騎行OD熱點;同時,用騎行軌跡數據與路網進行地圖匹配,得到騎行線路利用率。


      3. 基于包含了騎行友好度和騎行線路利用率屬性的路網,以提取的騎行熱點為起終點,使用最短路徑規劃算法,得到在全局最優和局部最優兩種情景下的騎行路網選線方案。

       

       

      #3

       數據說明

      HUNAN   DESIGN


      1. 共享單車數據預處理

      出行鏈重構與數據清洗

      首先根據經緯度去重,計算OD直線距離、騎行時間等字段。保留同時滿足以下條件的記錄:騎行距離在300m至6000m;騎行時間在2min至60min;騎行速度在10m/s以內。

      OD熱點提取

      采用DBSCAN點聚類的方法,將5天高峰時段的停車、還車和停放三種駐車點統一進行聚類,通過調整搜索半徑參數識別并輸出5天的駐車熱點區域。

      地圖匹配

      采用基于隱馬爾科夫模型(HMM)的地圖匹配技術,將一段段騎行軌跡較為準確的映射到道路上,繼而統計每個路段上的騎行頻次。


      2. 街景圖像數據預處理

      街景圖像數據獲取

      街景圖像通過百度地圖開放的全景靜態圖API接口獲取?;谔幚砗玫穆肪W前后50米間隔取點,使用網絡爬蟲收集街景圖像。

      圖像語義分割

      用基于CityScape數據集訓練好的PSPNet深度神經網絡模型進行遷移學習,對每個采集點前后左右四張街景圖像進行要素級語義分割,取均值得到每個采集點的19類地物要素占比。


      圖片關鍵詞

       街景圖像數據處理示意圖


      #4

      實踐案例

      HUNAN   DESIGN


      以廈門島為例,按照上述方法步驟開展實例研究。


      1. 數據處理結果

      圖片關鍵詞

      軌跡數據處理示意圖

       

      2. 耦合分析結果

      友好度和騎行頻次均按照各自的平均值進行高低劃分,再進行笛卡爾積運算,得到4種組合關系,即{友好度高,騎行頻次高},{友好度高,騎行頻次低},{友好度低,騎行頻次高},{友好度低,騎行頻次低}。

       

      圖片關鍵詞

      耦合分析結果


      3. 選線結果

      提取出的142個騎行熱點為騎行線路建設需連通的重要節點,以重要節點和加權道路為輸入,運用構建Floyd最短路徑選線模型得出整個廈門島全局最優騎行空間選線方案。

       

      圖片關鍵詞

       選線結果


      #5

      總結推廣

      HUNAN   DESIGN


      1. 模型創新點

       模型設計理念:基于“人本主義、公眾參與”理念提出一種基于“人機對抗-迭代反饋”機制的騎行友好度評分方法,能快速、高效地收集公眾基于街景圖像對城市騎行空間的友好度感知情緒。


      模型數據支撐:基于真實且大樣本的個體騎行出行行為數據,提取騎行熱點和高頻路段,滲透了“自下而上”的規劃理念,發揮數據支撐決策的優勢。


       模型實用性:提出一種資源約束條件下的智能化綠道選線方法,為綠道布局方案的確立提供科學、明確的技術依據,且考慮全局最優和局部最優兩種情景。


      2. 推廣與應用

      在這次比賽中,HD團隊繼續發揮”數據-算法-平臺“三方面的優勢,運用互聯網產品思維,總結沉淀了“1項算法-1套機制-1種數據集-1個平臺“的成果。

      圖片關鍵詞

      ·  1項顧及公眾情緒的騎行(步行)路徑規劃導航算法

      ·  1套互聯網新媒體下的公眾參與機制

      ·  1種城市騎行空間“情緒感知”數據集

      ·  1個搭建城市空間感知評分平臺/社區


      圖片關鍵詞

       評分平臺示意圖



      本次大賽,HD團隊積極與武漢大學等高校學者開展合作,找到了學術與生產的有效結合點,精進了時空大數據挖掘、圖像語義分割、知識圖譜等前沿技術。未來,HD團隊將繼續完成相關成果轉化與推廣,達到 “以研帶產、以產促研”的良性循環,助力公司十四五數字化轉型發展。


      供稿 |  方立波

      部門 |  HD創新研究院


      版權聲明:本平臺為湖南設計所有。任何單位、個人使用、轉載或者傳播湖南設計官微版權內容的,必須事先獲得授權。除法定合理使用范疇外,未經許可,不得轉載、傳播其享有版權的作品(作品形式不限于文字)。

      版權所有:長沙市勘察設計協會       辦公地址:湖南省長沙市雨花區韶山中路18號

      聯系方式:0731-85206440     協會郵箱:1655228016@qq.com

      網站備案號 湘ICP備2022011534號-1

      技術支持:米拓建站 7.7

      協會官方微信

      網站首頁
      培訓報名
      技術咨詢
      加入我們
      亚洲欧美综合国产精品二区|久久精品亚洲热综一区二区|欧美国产日韩在线观看成人|国产专区综合另类日韩一区

      <tbody id="zfvfr"><div id="zfvfr"></div></tbody>
    2. <bdo id="zfvfr"><dfn id="zfvfr"></dfn></bdo>
      1. <tbody id="zfvfr"></tbody>