基于遗传算法的淄博市主干道绿视率测算和评价
2024-01-12沈照庆苏志恒
沈照庆, 苏志恒
(长安大学公路学院, 西安 710064)
日本学者青木阳二[1]于1987年提出绿视率这一概念,绿视率是指基于人眼视角呈现的图像,绿色植物区域占整个图像的比率,用于评价城市道路三维立体绿化效果[2]。之后由日本学者大野隆造补充和完善绿视率的概念,形成了一套完整的理论,日本政府最早将绿视率作为城市绿化水平评价标准的国家,从而得到广泛推广与应用[3-4]。传统的二维绿化评价指标有绿化面积、绿化率等,但其仅反映二维平面的城市绿化效果,无法建立与人的感官的关系,二维评价指标容易误导城市治理者简单地认为绿地面积越大,城市绿化建设效果越好,然而绿视率可以准确、直观地反映人群对于道路绿化空间品质的满意度,是遵守以人为本理念的践行,从人眼视角出发,真正做到城市居民与城市设计者和建设者的互动,让城市建设者和设计者作为城市居民参与到城市生活中[5-7]。通过建立绿视率与人的主观能动意识的数学分析模型,可以总结出人对绿视率的满意区间,从而得出人眼视角下品控化的城市绿地的量化评价[8-9]。绿植元素与个体的空间满意度评价呈现强相关性,随着绿视率的增长,人们对景观满意度有较大程度的提升;这表明在城市休闲空间中,要想提高绿量,可以采用种植大量绿植的方式来提升视觉景观品质和提高居民对休闲空间的景观评价[10]。Ghekiere等[11]认为美丽干净的街道可以促进青少年骑行游玩。美丽的街道可以形成优美的天际线,促进人们的出行[12]。绿视率作为城市道路绿化的三维评价指标,建立城市道路绿视率研究道路类型、周围建筑与绿化模式之间的关系,找到最优搭配形式,从而建设绿视率高值空间和营造舒适的道路体验空间,进而形成人性化城市道路系统具有重要指导意义[13-14]。
依靠地图软件、互联网的数据库,将绿视率作为评价手段,检测城市道路绿化建设中的短板和不足,为城市治理者提供可视化的城市绿视率分布情况,有助于治理者从问题的关键入手,更好地为城市居民提供良好的生活空间。谷歌地图和百度地图提供的街景图片数据,具有覆盖面广、图像清晰、数据准确等优点,使人能够快速准确地浏览街道级的自然景观;数学软件的引入,绿视率的计算方法逐渐呈现多样化、精度化和大数据化的特点,地图街景开放平台API接口供地图使用者获取海量街景图片,再利用数学软件计算每张街景图的绿视率,并做出科学的分析,为研究者提供了足不出户做研究的条件[15-20]。彭巍等[21]通过调用城市吧实景地图获取海量街景数据,利用MATLAB软件将街景图片转成HSL色彩空间,HSL即色相(hue)、饱和度(saturation)、亮度(lightness),提取绿色部分计算绿视率。李凤仪等[22]调用百度地图API接口获取海量街景数据,通过调节图片参数可以获取人眼视角下的街景图像,调节视线方向与人眼视线方向一致,设置为0°(即为平视),为获取全景图片,爬取全景图片的水平方向的参数为360°,利用MATLAB进行识别并提取绿量计算绿视率。Wang等[23]通过 Google Street View API使用 Python 脚本输入坐标获得街景图像,为了获取全景街景图片,每个样本点至少拍摄了6 个角度的街景图像,并为无法生成全景照片的单个点添加了6个额外的角度,使用OpenCV的拼接器算法拼接了45 000张街景照片,使用SegNet模型进行图像分割并计算绿视率。李苗裔等[24]调用腾讯地图开放平台获取街景图片,绿视率测算GVI(green view index)采用机器识别的方式。
上述研究方法,通过调用地图开放平台,设置参数获取海量街景图片,检查街景图片是否真实反映道路状况一般通过人工核对街景图片,若绿色植物被广告牌、汽车或因拍摄角度原因造成该采样点的真实绿视率下降,从而影响整条道路绿视率测算的准确性。地图开放平台可以使研究者获取上千张或者上万张街景图片,人工处理数据工作量巨大。因此需要引入一种智能化算法帮助研究者快速地筛选出符合绿视率测算要求的图片,遗传算法恰恰符合这项工作的要求。遗传算法是模拟自然界生物进化机制,是一种寻找全局最优解的搜索算法,它会随机生成不同种类的问题解决方案,占据生存优势的种群才有可能保留下来,通过基因的选择、迭代与优化,建立适应度函数,初始种群的随机化与遗传中不断进行的变异,最终找到全局的最优解,适合用于进行全局的搜索与优化[25-26]。
现以淄博市市辖区主要道路作为研究对象,结合淄博市市辖区的路网特点及道路路况,首次引入遗传算法筛选视野开阔、绿色特征明显的采样点图片,计算每条道路绿视率平均值及不同行政区划的绿视率平均值,评价淄博市市辖区道路绿化水平,为淄博市的城市道路绿化建设提供有效参考依据。
1 测算和评价模型建立
1.1 研究方法
第一步,通过Bigemap Gis Office地图软件提取淄博市路网矢量数据,使用AutoCad软件每隔250 m划分路线,通过ArcGIS软件获取地理坐标,采样点的视线方向分别为前视线(180°)和后视线(-90°),调用百度地图API获取街景图片,引入遗传算法筛选清晰、无遮挡的街景图片,最优种群作为研究对象。第二步,由RGB色彩空间转换为HSV色彩空间使用MATLAB软件计算各样本点的街景图片的绿视率。第三步,ArcGIS软件的自然间断点分级法将绿视率分级,实现采样点绿视率的空间分布特征的可视化。第四步,分析不同水平绿视率的采样点空间分布规律,总结影响绿视率大小的因素和发掘绿视率水平具备发展潜力的道路并提出解决措施。
1.2 数据获取
首先,通过BigemapGisOffice地图软件提取淄博市辖区路网矢量数据,Bigemap Gis Office是一款获取地理相关数据的地图软件,通过选中需要的区域,区域包括张店区、周村区、博山区、淄川区及临淄区,下载5个区域的路网矢量数据;导入路网矢量数据到AutoCad,使用等距取点的命令,根据人眼能正常看清事物的最远距离,对路网进行250 m的等距采样,共采集样本点1 401个。其次,使用ArcMap的数据管理工具,添加XY坐标到属性表中,获取采样点地理坐标。最后,通过Python调用百度地图API接口,为了获得贴近人眼视角的图片,需要设置API的图片参数:图片规格采用高度和宽度为720和960像素,每一个采样点的垂直视角为0°,水平视角范围为0°~120°。一个采样点采集前(180°)和后(-90°)两张图片(图1),共计2 802张。
图1 街景图片示例Fig.1 Schematic representation of street scene image
1.3 遗传算法模型
1.3.1 遗传算法
遗传算法是通过模拟生物遗传机制,建立适应度函数,在全局搜寻最优解的搜索算法。通过百度地地图API获取的街景图片,会有广告牌、标志牌和公交车等遮挡道路周边乔木和光线影响图片清晰度的情况,从而影响采样点绿视率测算的精确性。同时,若采样点处于交叉口,交叉口应保证足够的转弯视距,对绿视率要求较小,因此交叉口也不属于采样的区域。针对上述情况,引进遗传算法,发挥遗传算法的搜索全局最优解的优点,筛选清晰、无遮挡的街景图片作为测算对象。
1.3.2 算法步骤
如图2所示,引入遗传算法,筛选清晰、无遮挡的街景图片。第一步,编码:把道路表达方式进行编码,一个基因表示一个采样点的前(180°)和后(-90°)方向的街景图片,一组基因串表示一条道路。第二步,初始种群:把淄博市调研的所有道路作为初始种群。第三步,适应度计算:通过MATLAB软件建立适应度函数,筛选有遮挡、光线不足等外界因素影响绿视率的图片,比较同一采样点前后街景图片的绿视率大小。第四步,遗传操作:一条道路的每一个基因上有前后两个方向的街景图片,选择保留外界影响程度最小的图片,去除影响较大的图片,重新组合基因形成新的基因串。第五步,终止:一组新形成的基因串代表一条道路,最终形成新的优良种群。
图2 遗传算法步骤Fig.2 Steps of genetical gorithm
图3 遗传算法筛选街景图片示例Fig.3 Example of genetic algorithm screening street view images
1.3.3 遗传算法对绿视率的影响
通过引入遗传算法筛选清晰、无遮挡的街景图片,对比前后两个方向的采样点绿视率大小,选取测算绿视率最佳的图片。如图 3所示,遗传算法对筛选最佳街景图片和提升绿视率测算准确性具有一定效果。最终,筛选拍摄方向为前(180°)和后(-90°)的图片,共获得有效街景图片1 356张。
1.4 绿视率评估
1.4.1 自然间断点分级法
导入采样点的绿视率到ArcMap属性表中,使用自然间断点分级法,将采样点的绿视率进行分级,使得每组之间的差异最大化,从而实现绿视率空间分布特征的可视化。
1.4.2 绿视率计算
如图4所示,使用MATLAB软件遍历遗传算法筛选后的图片,绿视率(green view index,GVI)是绿色植物的面积与整张图片面积的比率。绿视率计算公式为
图4 绿视率计算流程Fig.4 Process of calculation of the GVI
在HSV颜色空间下,当像素点的色调(H)的取值范围0.13
2 结果与分析
2.1 研究区域
选择淄博市的张店区、淄川区、博山区、临淄区及周村区作为研究区域,结合路网分布及城市居民主要分布的特点,对5个辖区内的部分道路进行采样取值,分区域下载矢量路网数据。
2.2 淄博市绿视率总体数值特征
如表1所示,淄博市市辖区共采集1 401个样本点,实际有效样本点数是1 356个,淄博市5个市辖区整体的绿视率平均值为20.483%。将绿视率划分为4个等级,分别为0.339 6%~11.460 6%(低水平)、11.460 7%~20.226 1%(一般水平)、20.226 2%~30.540 9%(较高水平)、30.540 9%~67.263 3%(高水平)。
2.3 基于行政区划的空间分布特征
如图5所示,绿视率整体分布差异明显,较高水平和高水平采样点集中分布在房屋聚集区域,低水平和一般水平采样点远离房屋聚集区域。为进一步调查差异化明显的原因,选择绿视率水平较高的道路,如共青团西路、金晶大道等(图6),周边乔木生长高大,树冠繁茂,乔木冠层可以遮住道路上空。绿化模式与车道数的搭配会影响采样点绿视率的大小,车道数与绿视率的关系符合双向双车道>双向三车道>双向单车道>双向四车道,有30条道路设置隔离绿化带,如大顺路、稽下路等(图7),部分非机动车与机动车隔离绿化带采用疏林灌木式这一绿化模式,乔木和灌木的组合提高了绿视率。
图5 绿视率空间分布情况Fig.5 Spatial distribution of green view index
图6 部分高水平绿视率街景示例Fig.6 Partialstreetviewexamplesofhigh-levelgreenvisionspaces
图7 部分设置隔离绿化带道路Fig.7 Part of roads setting isolated green belt
如表2和表 3所示,低水平和一般水平的采样点共有774个,占总数的57%,主要分布在博山区、周村区和淄川区(图5)。路面宽度较宽、绿化模式搭配不合理和道路周边乔木较矮,树冠无法覆盖道路上空容易造成绿视率处于一般水平以下。同时,双向四车道的道路路面宽度较宽,绿色植物在图片中的比率下降,如雪宫路、金晶大道、柳泉路、正阳路。
表2 各区划的绿视率数值特征Table 2 Numerical characteristics of the GVI for each districts
表3 各区划绿视率分布情况Table 3 Distribution of the GVI in different districts
2.4 基于道路的空间分布特征
在研究区域内,覆盖90条道路,超过绿视率平均值的道路有32条,仅占总体的36%,制作箱型图观察绿视率的分布情况。各区划内均存在道路的绿视率分布不均匀,最大值与最小值相差较大,存在低水平的采样点。
图8表明,小提琴图呈现最低绿视率值和最高绿视率值差异大,表明可能存在显著区别的采样点。造成这一显著区别的原因是,部分路段采用不同绿化模式,不同采样点的绿视率大小也随之产生较大的变化,基本符合关系:密林式>疏林灌木式>疏林草坪式>灌木/草坪式。部分路段由疏林灌木式变成灌木/草坪式,会导致整条道路绿视率减少;道路周边采用高度和树冠大小不一致的乔木,同样会显著降低整条道路绿视率平均值。淄博市各区划间的绿视率差异性较大,并且大部分道路绿视率的最大值与最小值相差较大,从而造成绿视率分布不均匀。
图8 部分道路差异性分布Fig.8 Part of roads differential distribution
2.5 绿视率影响因素
2.5.1 最优绿化模式
道路绿化模式是由乔木、灌木和草坪的不同搭配方式组成的,按种植密度分为密林式、疏林灌木式、疏林草坪式、灌木/草坪式[21]。由表4中绿视率结果证实,密林式>疏林灌木式>疏林草坪式>灌木/草坪式。如表5所示,淄博市有54%的道路采用疏林灌木式的绿化模式,采用疏林灌木式的道路绿视率水平达到了较高水平,虽然密林式对绿视率的影响更为显著,但由于密林式维护成本较大并且需要占据更多的土地资源,因此疏林灌木式更加适用于城市道路绿化。
表4 绿视率与绿化模式关系表Table 4 Relationship between green view rate and road greening pattern
表5 绿化模式与车道数关系表Table 5 Relationship between road greening pattern and the number of lanes
2.5.2 车道数与绿视率的联系
在淄博市调研共有90条道路,按车道数分为:双向单车道、双向双车道、双向三车道和双向四车道。调研区域多以双向单车道和双向双车道居多,绿视率平均值大小为双向双车道>双向三车道>双向单车道>双向四车道(表6)。其中,双向四车道绿色植物占据图片面积较小,因此绿视率最小。双向三车道和双向双车道比双向单车道的绿视率高的主要原因是,双向三车道和双向双车道的道路设置非机动车道与机动车道隔离绿化带,有23条道路的隔离绿化带采用疏林灌木式这一绿化模式,由绿化模式与绿视率的关系分析得,双向三车道和双向单车道要比双向单车道绿视率高。双向双车道比双向三车道绿视率高的主要原因是,双向双车道的绿色植物占据面积要多于双向三车道。淄博市共有27条双向单车道道路,有52%的道路采用灌木/草坪式,低水平和一般水平的道路受这一绿化模式影响较多。
表6 绿视率与车道数关系表Table 6 Relationship between green view rate and the number of lanes
3 结论
本次调研区域是淄博市市辖区,采用分区域调研的方法,选择居民生活和工作主要区域,得出以下结论。
(1)绿视率大小是由车道数和绿化模式共同影响。密林式可以最大化提升绿视率水平,但是需要占据更多的土地资源。疏林灌木式可以提供较高水平的绿化效果并且占据城市土地资源较少,比密林式更适合城市道路绿化。
(2)绿视率与车道数的关机基本符合:双向双车道>双向三车道>双向单车道>双向四车道,双向双车道和双向三车道与疏林灌木式和疏林草坪式这两种绿化模式结合,道路绿视率处于较高水平。
(3)应遵从区分区划和区分道路的原则,有针对性地对绿视率处于低水平和一般水平的道路,提出解决措施,疏林灌木式这种绿化模式更适用于城市道路,绿视率提升效果显著,积极推行疏林灌木式。保证乔木生长旺盛,树冠越大,绿色植物占据图片面积就会增加,绿视率会显著提升。