城市创新空间的时空动态及其影响因素：以中国广州为例 柯美红、 谢慧兰、 陈旭、 程斌

《Urban Science》：Spatiotemporal Dynamic and Influencing Factors of Urban Innovation Space: A Case Study of Guangzhou, China Meihong Ke, Huiran Xie, Xu Chen and Bin Cheng

　　摘要 冬季道路积雪显著改变了路面摩擦条件和交通容量，成为导致交通事故、交通拥堵和临时交通控制措施的关键因素。与分布稀疏的道路传感器和劳动密集型的现场检查相比，交通监控摄像头具有空间覆盖密集、部署成本低和持续观测能力等优点，为路段级别的冬季道路状况监测提供了可行的解决方案。为了满足交通管理需求，本研究将道路积雪对通行性的影响分为四个等级：清晰（Clear）、轻微（Light）、中等（Medium）和严重（Heavy）。研究构建了一个包含10,498张图片的道路积雪覆盖数据集，并已公开发布。此外，系统评估了九种代表性的深度学习模型，以比较它们的识别性能和适用性。实验结果显示，所有模型在测试集上的分类准确率均超过89%。为了进一步检验模型的跨区域泛化能力，选择了来自加拿大和挪威的48个监控摄像头进行实际验证。在所有模型中，Swin Transformer在复杂光照条件和不同视角下取得了最高的81.2%的准确率，显示出优异的稳定性和迁移能力。这些发现为基于摄像头的冬季道路监测系统的模型选择和工程部署提供了定量指导。

1. 引言
冬季降雪和道路积雪会显著改变路面附着力条件和交通容量，成为引发交通事故、交通拥堵和临时交通控制措施的关键因素[1]。对于交通管理部门来说，快速识别道路状况不仅需要判断是否有积雪，还需要评估积雪对交通运营的影响程度。这种分级评估有助于决策过程，包括分级预警、动态速度调节、除雪调度，以及在必要时实施道路封闭或交通暂停。目前，冬季道路状况监测主要依赖于路面传感器、气象站推断和人工检查。然而，这些方法通常存在空间覆盖范围有限、安装和维护成本高以及严重依赖现场条件的问题[2,3]。基于卫星和遥感的观测可以提供更广泛的宏观覆盖范围，但其有效性受到重访间隔和云层遮挡的限制，无法满足交通管理所需的近实时、路段级别的监测需求[4,5,6]。因此，迫切需要探索一种能够提供广泛覆盖、可控成本和可持续长期运行的道路积雪影响监测方法。最近的研究提出了多种技术方法来感知道路积雪，其中两种代表性的方法是基于车载视觉的方法和基于交通监控摄像头的方法[7,8]。基于车辆的视觉系统可以从驾驶员的角度捕捉高分辨率、细粒度的路面信息[9,10]，对单个车辆的安全性具有直接相关性。然而，它们的空间覆盖范围受到车辆轨迹和交通流量分布的限制，导致连续性和区域一致性较差，难以支持大规模、全天候的道路状况监测。相比之下，交通监控摄像头利用现有的城市道路基础设施，具有广泛的空间覆盖、密集的部署、相对较低的操作成本以及长期连续观测的能力[11,12,13,14,15]。因此，交通监控摄像头作为道路积雪监测的研究和实际应用中的有前景的传感平台，越来越受到关注。

基于交通监控摄像头的道路积雪检测可以追溯到20世纪末的探索性研究[16,17]。早期的工作主要集中在粗粒度的道路状况分类上，例如区分雨天、雪天或干燥路面[18,19]，主要依赖传统的计算机视觉和模式识别技术。随着深度学习的快速发展，这一研究方向逐渐转向数据驱动模型，特别是卷积神经网络，这些模型在复杂光照、背景干扰和遮挡条件下具有更高的鲁棒性[20,21]，并能够实现更细粒度的道路状况分类[22]。同时，新兴的成像传感器和多模态观测方案（包括近红外成像[23]、热成像[24]和可见光-近红外融合[25]）也被越来越多地纳入其中，提高了在低光照和复杂环境下的感知能力。此外，一些研究将外部信息（如气象变量）整合到视觉识别框架中，以提高在实际交通管理场景中的适用性和决策价值[26,27,28]。表1提供了以往研究中使用的数据集的比较概览，包括数据集大小、传感平台、道路类型、类别数量、可用性以及应用的深度学习方法。表1显示，一些最近的研究没有公开他们的数据集，这限制了研究的可重复性和进一步比较的可行性。在提供公开数据集的研究中，有些数据集的规模仍然相对有限。例如，Qian等人[32]使用的数据集仅包含100张图片。Cordes和Broszio[9]使用FLIR Blackfly摄像头收集的数据集，而非传统的交通监控摄像头，这降低了其代表现实交通监测场景的能力。相比之下，Karaa等人[38]发布了一个包含249,000张图片的大规模数据集，与我们的研究最为接近；然而，它主要关注城市场景，因此缺乏更广泛的场景多样性。

尽管近年来用于道路积雪感知的深度学习方法迅速增多，但现有研究往往依赖于自构建的数据集和定制的训练协议[30,34]。因此，报告的性能高度依赖于基础数据分布和场景组成，难以进行公平的跨研究比较或在统一环境下重现结果。更严重的是，目前尚未就道路积雪状况的标签定义和分类标准达成共识。例如，Kawai等人采用基于道路外观的分类方案（如干燥/潮湿/积雪[33]），而Ishizuki等人将结冰和泥泞等表面状态归为同一分类[36]，这进一步增加了研究之间的评估不一致性。此外，研究目标的差异也导致了标记策略的差异。例如，Karaa等人将道路积雪状况分为四个等级：清晰、轻微覆盖、中度至重度覆盖和清除[38]。这些分类方案的差异阻碍了统一标记标准的建立，并使模型性能的直接比较变得复杂。因此，有必要为交通监控应用建立统一的评级标准和可重复的基准协议，以提高跨场景的可比性，并促进道路积雪监测的实际部署和决策支持。受交通管理和冬季道路安全保障的实际需求驱动，本研究做出了三个主要贡献。首先，它引入了一种面向监控摄像头的四级冬季道路状况分类体系，并构建了一个包含10,498张图片的专用数据集，解决了这一任务缺乏标准化基准的问题。其次，它首次在统一的评估框架下系统地、可控地比较了九种代表性的深度学习架构用于道路积雪覆盖分类。第三，通过在加拿大和挪威进行的跨区域实验验证了模型的泛化能力，证明了基于摄像头的积雪覆盖监测在不同现实条件下的可行性。

本文的其余部分组织如下。第2节介绍方法和数据集。第3节报告实验结果和分析。最后，第4节总结全文。

2. 方法和数据集
受交通管理和冬季道路安全保障的实际需求驱动，本研究开发了一个道路积雪覆盖识别框架，将视觉表示与基于风险的评级联系起来。首先，建立了一个工程可解释的积雪覆盖分类标准，以实现视觉道路状况与相应交通控制和除雪响应之间的直接映射。其次，基于交通监控图像制定了一个四类图像分类任务，并在统一的数据划分和基准协议下系统地评估了多种主流深度学习模型。最后，构建了一个跨场景、多源的数据集，以验证模型在真实交通监控条件下的泛化能力。如图1所示，所提出的框架强调了积雪覆盖评级标准、可观察的视觉证据和交通风险响应级别之间的明确联系，从而为实际部署提供了可重复的基准和模型选择参考。

2.1. 道路积雪覆盖级别的定义
从交通监控的角度来看，道路积雪覆盖对交通容量和安全风险的影响不仅取决于其物理厚度，还体现在有效驾驶空间的压缩程度以及对于驾驶至关重要的结构视觉线索（如轮胎痕迹、车道标记和路面纹理）是否被遮挡。由于交通监控摄像头通常面向道路安装，道路区域通常占据场景的主要部分，并表现出相对稳定的几何结构和消失点方向。在这种观测特性下，可以通过整体外观的变化和结构道路线索的退化来一致地捕捉积雪覆盖的变化。因此，本研究将道路积雪状况概念化为一种“视觉通行性级别”，以支持冬季道路安全保障和分级响应策略。基于上述考虑，本研究将道路积雪覆盖状况分为四个类别——清晰（Clear）、轻微（Light）、中等（Medium）和严重（Heavy），并根据它们对道路表面可见性和交通操作性的影响进行量化，使用积雪覆盖比率（SCR）进行进一步量化。清晰表示道路上只有少量散落的积雪，通常SCR小于10%，车辆可以正常行驶。轻微表示存在连续的积雪，但轮胎痕迹仍然清晰可见，SCR大约在10-40%之间，对交通流量的影响较小，只需要适度的减速。中等表示道路表面的大部分被积雪覆盖，但轮胎痕迹仍然部分可见，SCR大约在40%-80%之间，导致交通容量明显减少，需要除雪操作和速度控制措施。严重表示道路表面几乎完全被积雪覆盖，SCR超过80%，轮胎痕迹难以区分，交通安全受到显著影响，通常需要紧急除雪或临时交通控制措施。

这种分类方案将空间积雪覆盖特征与实际交通状况相结合，为使用监控图像和相关交通气象应用提供了一致且可量化的道路积雪覆盖识别基础。图2展示了不同积雪覆盖类别在白天和夜间条件下的典型示例。图2. Cam-SNOW数据集概览。(a) 白天和夜间条件下四种道路积雪覆盖类别的示例图片。(b) Cam-SNOW数据集中每个类别在训练集、验证集和测试集中的样本数量。(c) 说明Light和Medium类别之间以及Medium和Heavy类别在白天和夜间条件之间的边界案例的示例图片，以及相应的SCR值。道路积雪图片来自Windy（https://www.windy.com/，访问日期为2026年4月19日）。与通过语义分割划分积雪覆盖区域的前期工作[39,40]相比，本研究将道路积雪状况定义为图像级别的四类分类问题。这种选择是基于交通监控的操作需求，其主要目标是快速评估整体道路状况和相应的分级干预，而不是像素级的边界提取。因为道路通常占据摄像头视野的主要部分，并且具有相对稳定的几何形状，整个图像的分类可以可靠地利用全局场景上下文和显著的局部线索（如轮胎痕迹、车道标记和路面纹理）来推断积雪覆盖级别。这种表述还支持数据集的可扩展性和跨异构摄像头和地区的统一基准测试，同时产生的输出与交通管理响应强度自然对齐。此外，由此产生的推理流程更简单、更高效，更好地满足了实时监测和大规模部署的工程要求。总体而言，所提出的评级策略直接将可观察的监控证据与可操作的交通响应联系起来，增强了工程可解释性和实际效用。

2.2. 积雪覆盖分类的深度学习基准
根据第2.1节定义的道路积雪覆盖评级标准，该任务被构建为一个四类图像分类问题。考虑到交通监控场景的实际限制，包括昼夜光照变化、摄像头视角和成像规模的差异、背景干扰（如车辆遮挡、路边设施和阴影/反射效应）以及跨区域分布的变化，本研究引入了多种代表性的视觉模型进行系统比较评估。研究的目标是评估不同网络架构在识别道路积雪覆盖程度方面的稳定性和泛化能力。具体来说，选择了九种具有代表性的深度学习模型，包括经典的卷积神经网络（CNNs）、轻量级高效架构、现代卷积设计、基于Transformer的模型以及状态空间模型。在经典的CNNs中，VGG16 [41]、ResNet-50 [42] 和 DenseNet-121 [43] 分别代表了堆叠式深度卷积结构、残差学习和密集连接范式，它们作为可靠的基线模型。在轻量级高效网络方面，MobileNet [44] 采用深度可分离卷积来降低计算成本，而 EfficientNetV1-B0 [45] 则采用复合缩放策略来平衡模型大小和准确性，使其适用于资源受限或实时部署场景。对于现代卷积架构，ConvNeXt-B [46] 在保留卷积的归纳偏见的同时，结合了受Transformer启发的设计原则，从而增强了表示能力。在基于注意力机制的模型中，Vision Transformer (ViT) [47] 通过全局自注意力捕捉长距离依赖性，而 Swin Transformer [48] 则利用分层窗口注意力来平衡多尺度建模和计算效率，使其非常适合处理涉及道路积雪条件的局部纹理变化和全局结构变化的任务。此外，还引入了基于状态空间建模的 MambaOut-Tiny [49] 作为代表性架构，以探索其在复杂交通监控环境中的适用性和潜在优势。

研究的流程图如图3所示。道路积雪图像来源于Windy（https://www.windy.com/，访问日期为2026年4月19日）。

2.3 基于监控摄像头的积雪覆盖数据集构建
本研究基于公开可用的ViSnow [38]，从中精心挑选了符合交通监控视角、道路场景特征以及本研究中定义的四级积雪覆盖分类标准的样本，而并非完全采用其数据。此外，还从多个公开可访问的交通监控平台收集了补充图像，包括Windy（https://www.windy.com/，访问日期为2026年4月19日）、Fintraffic（https://www.fintraffic.fi/fi，访问日期为2026年4月19日）、DriveBC（https://www.drivebc.ca/cameras，访问日期为2026年4月19日）和Tirol（https://www.tirol.gv.at/，访问日期为2026年4月19日）等。基于这些精心策划和扩展的数据源，构建了一个针对交通监控场景的冬季道路积雪覆盖图像数据集，命名为Cam-SNOW。从ViSnow中选取样本和额外数据收集都遵循了一致的标准：道路必须清晰可见，积雪覆盖程度必须可区分，图像质量必须满足识别要求。该数据集涵盖了典型的交通环境，包括城市道路、高速公路和桥梁，并有意包含了现实监控因素，如白天和夜晚的变化、照明反射、车辆遮挡和压缩伪影，从而增强了在真实世界部署条件下的代表性和复杂性。Cam-SNOW数据集共包含10,498张图像，其中清晰积雪样本3318张，轻度积雪样本2339张，中度积雪样本2253张，重度积雪样本2588张。类别分布相对均衡，有助于在不同积雪覆盖程度下实现稳定的训练和泛化。数据集包含了来自欧洲的奥地利、德国和荷兰以及美国和中国的数据，从而确保了广泛的地理多样性，并排除了实际验证集中使用的地区，因为使用不同的地理区域可以有效防止潜在的数据泄露。所有数据都是在冬季各种天气条件下收集的，包括晴天、阴天和雪天。在道路类型方面，数据集包含了多种类型，包括城市道路、农村道路和高速公路，从而增强了其多样性和实际相关性。为了保证可重复性和公平评估，数据集被划分为训练集、验证集和测试集，比例为7:2:1，同时保持各子集之间的类别比例一致，以最小化由于分布不平衡引起的偏差。图2展示了白天和夜晚条件下不同积雪覆盖程度的代表性示例。

Cam-SNOW数据集可以从以下链接下载：https://pan.baidu.com/s/1LcdvpddsYTOTUwKik1pXpg?pwd=w912（访问日期为2026年4月19日）。

在真实世界验证中，共使用了48个摄像头。每个摄像头选择了3-10张图像，总共形成了包含330张图像的测试集。数据集包括了白天和夜晚的条件，以及多种天气场景，包括晴天、阴天和雪天。此外，数据集中包含了所有四种积雪覆盖类别。由于地面积雪覆盖通常会逐渐变化，因此手动选择了图像以确保所有四个类别都得到充分代表，从而能够更全面地评估模型性能。如图2c所示，某些边界案例之间的区分仍然具有挑战性。为了解决这个问题，标签是通过九名经过培训的注释者手动标注的。使用Cohen’s Kappa系数 [50] 评估了注释者之间的共识度，对于自构建的Cam-SNOW数据集，该值为0.9；对于真实世界验证，该值为0.85，表明道路积雪覆盖标签的一致性很高。

3. 实验结果与分析
3.1 模型的训练细节
模型训练的硬件和软件配置总结在表2中。所有模型都使用224 × 224的输入分辨率和1 × 10^-4的初始学习率进行训练。训练进行了最多100个周期，并启用了早期停止（耐心度=10）以减少过拟合。采用交叉熵损失作为模型训练的优化目标。所有模型都使用Adam优化器进行训练，学习率固定，批量大小设置为8。没有应用任何数据增强策略。所有架构都使用ImageNet预训练的权重进行初始化。为了确保公平比较，没有进行模型特定的超参数调整；相反，所有架构都使用相同的优化器、学习率计划和训练超参数进行训练。

3.2 评估指标
我们报告了总体准确率（Overall Accuracy）以及精确度（Precision）、召回率（Recall）和F1分数（F1-score），以评估各类别的性能，并呈现混淆矩阵来分析不同积雪覆盖程度之间的误分类模式。上述四个指标的计算方法如下：
(1) 表示实际为正，预测也为正。
(2) 表示实际为负，预测也为负。
(3) 表示实际为负，预测为正。
(4) 表示实际为正，预测为负。

为了进一步评估判别能力和阈值敏感性，使用一对多策略绘制了多类接收者操作特征（ROC）曲线，并计算了每个类别的ROC曲线下面积（AUC）[51]。

3.3 在Cam-Snow数据集上的实验
在本节中，系统地在Cam-SNOW测试集上评估了九种具有代表性的深度学习模型。选择准确率（Accuracy）、精确度（Precision）、召回率（Recall）和F1分数（F1-score）作为主要评估指标，详细结果展示在表3中。总体而言，所有模型都取得了稳定且具有竞争力的性能，准确率超过了89%。其中，ViT取得了最高的准确率（93.7%），其次是Swin Transformer（93.5%）和ConvNeXt-B（92.7%）。与传统卷积神经网络（例如VGG16、ResNet-50和MobileNet）相比，这些模型展示了更出色的整体性能，表明更具表现力的架构设计对交通监控场景中的积雪严重程度分类有积极贡献。

为了进一步评估每个模型在不同决策阈值下的判别能力，首先进行了ROC曲线分析。ROC曲线表征了真正例率（True Positive Rate）和假正例率（False Positive Rate）之间的权衡，从而反映了模型在不同阈值下的分类行为。对于多类设置，采用一对多策略计算了类别级别的ROC曲线，并使用宏观平均法总结了整体判别性能。不同模型的ROC曲线显示在图4中。图4显示了Cam-SNOW测试集上深度学习模型的ROC曲线。对角虚线表示随机分类器的性能。如图4所示，所有模型的ROC曲线都接近左上角，宏观平均AUC值接近1.0，表明不同积雪严重程度之间的区分能力强。值得注意的是，基于Transformer的模型，包括ViT和Swin Transformer，显示出更平滑和更稳定的宏观平均曲线，始终更接近理想操作点。这表明自注意力机制所实现的全局特征建模能力增强了积雪覆盖道路场景中大规模结构模式的表示能力，从而提高了类别间的区分度。

在分析了整体区分能力后，使用混淆矩阵进一步研究了误分类的具体来源。混淆矩阵将真实标签显示在行上，预测标签显示在列上，对角元素表示正确分类的样本，非对角元素表示误分类。这个工具提供了哪些类别最常被混淆的详细视图，并揭示了分类任务固有的挑战。所有模型的混淆矩阵显示在图5中。从图5可以看出，“清晰”类别在所有模型中实现了最高的识别准确率，误分类最少。这表明无雪的道路条件具有易于区分的独特视觉特征。相比之下，“轻度”和“中度”类别之间的混淆最为显著，这一现象在ViT、Swin Transformer和各种基于CNN的模型中都是一致的。这种现象表明，轻度和中度积雪条件在积雪覆盖比例、纹理密度和表面可见性方面表现出逐渐过渡，导致决策边界相对模糊。同时，“重度”类别在不同模型中的分类性能相对稳定，因为重度积雪条件通常具有更明显的视觉特征，如广泛的覆盖范围和降低的表面对比度，使其更容易检测。

总之，ROC分析确认所有模型都具有很强的判别能力，基于Transformer的模型（ViT和Swin Transformer）在整体区分能力上略占优势。混淆矩阵分析进一步揭示了误分类主要来源于相邻的严重程度级别，特别是轻度和中度类别之间。这些发现不仅突出了架构设计对分类性能的影响，还为未来的改进提供了明确的方向，例如增强中间严重程度特征的建模。

3.4 在真实世界应用中的实验
在本节中，我们从开放访问的监控平台Windy（https://www.windy.com/）中选择了48个来自挪威和加拿大的交通监控摄像头，以评估在Cam-SNOW数据集上训练的不同深度学习模型的真实世界性能。所选摄像头涵盖了白天和夜晚的条件，并代表了多样化的交通环境，包括城市道路、高速公路和桥梁。在挪威，摄像头位置分布在Vest-Agder、Aust-Agder和Telemark地区；在加拿大，地点位于Alberta和Saskatchewan。所选摄像头位置的空间分布显示在图6中。基础地图来自MapTiler（https://cloud.maptiler.com/maps/openstreetmap/，访问日期为2026年4月19日）。定量结果，包括准确率（Accuracy）、精确度（Precision）、召回率（Recall）和F1分数（F1-score），总结在表4中。如表4所示，与测试集（第3.3节）相比，在真实世界场景中所有模型的性能都有所下降。这种下降可以归因于环境复杂性，如照明变化（白天/夜晚转换、背光）、道路表面反射、车辆遮挡和图像质量波动。不同架构在真实世界条件下的鲁棒性差异显著。在所有模型中，Swin Transformer取得了最佳的整体性能（准确率81.2%，F1分数81.0%），显示出更强的泛化稳定性。相比之下，几种基于CNN的架构，包括DenseNet-121、ResNet-50和MobileNet，准确率在55-61%之间，表明它们对领域变化和环境扰动的敏感性较高。值得注意的是，ConvNeXt-B（准确率70.3%）的表现优于大多数传统CNN基线，表明改进的特征表示能力部分缓解了跨场景性能下降。同时，ViT和MambaOut-Tiny（约65%）取得了中等性能，表明在受控环境中的架构优势并不总是直接转化为更好的真实世界鲁棒性。因此，泛化性能不仅受模型结构的影响，还受到训练数据分布的多样性和代表性的影响。从基于自助法的95%置信区间的宏观F1分数来看，Swin Transformer（75.3-84.3）在性能上明显优于所有其他模型，其置信区间与Swin Transformer的置信区间不重叠。相比之下，ConvNeXt-B（61.8–71.8）、ViT（59.4–69.6）、MambaOut-Tiny（57.4–67.9）、VGG16（52.7–62.8）、EfficientNet-B0（51.9–62.2）、MobileNet（51.8–62.1）、ResNet-50（51.2–61.6）和DenseNet-121（47.0–57.4）之间存在显著的重叠，这表明这些模型之间的性能差异相对有限且不具有统计学意义。这些结果表明，在现实世界条件下，Swin Transformer提供了更强大和可靠的分类能力。此外，Swin Transformer相对较窄的置信区间进一步表明其稳定性和预测一致性优于其他架构。为了进一步检验现实世界条件下的整体可分性，分析了ROC曲线，如图7所示。图7显示了现实世界中深度学习模型的ROC曲线。对角虚线代表随机分类器的性能。与测试集上的结果相比，几个模型的宏观平均曲线明显偏离了理想的左上角区域，表明在环境干扰下类别间的可分性降低了。在所有评估的模型中，Swin Transformer的宏观平均曲线仍然相对接近左上角，反映了其在复杂场景中更稳定的判别能力。相比之下，DenseNet-121和ResNet-50的曲线退化更为明显，表明它们对光照变化、遮挡和背景变化的适应性有限。尽管ViT的性能相比测试集有所下降，但它仍优于大多数CNN基线模型，表明基于Transformer的架构在领域变化下仍保持了一定的鲁棒性优势，尽管仍受到视角和分辨率变化的影响。从网络架构的角度来看，现实世界条件下泛化性能的差异与不同模型的特征建模策略密切相关。Swin Transformer通过自注意力机制捕获大规模空间结构信息，因此对光照变化和视角差异等环境干扰具有更强的适应性。相比之下，传统的基于CNN的模型主要依赖于局部卷积特征，对反射、阴影和部分遮挡更为敏感，导致在复杂的现实世界场景中性能下降更为明显。ConvNeXt-B的相对较好性能表明，改进的卷积设计可以部分增强特征表示能力，尽管它们仍然不如具有显式全局上下文建模能力的层次化Transformer架构有效。这些结果表明，多尺度空间结构建模在提高基于监控的道路积雪覆盖分类任务的鲁棒性方面起着重要作用。

为了进一步识别现实世界设置中的误分类来源，图8展示了混淆矩阵。总体而言，误分类在相邻的严重程度级别之间更加集中，且不同架构之间的混淆模式各不相同。首先，“清晰”类别相对稳定，尽管与测试集相比误分类略有增加。一些清晰的道路样本被错误地分类为“轻度”。这种现象可能与非雪的视觉干扰有关，例如湿路面反射、融化的雪残留物、车辆轮胎痕迹和阴影变化，这些可能在外观上类似于轻度积雪覆盖。这些干扰因素改变了路面的局部反射率和纹理特征，引入了视觉表示的模糊性，增加了相邻类别之间混淆的概率。其次，现实世界场景中的错误主要集中在“中度”类别，这表现在两个方面：首先，“轻度”和“中度”之间的混淆显著增加；其次，一些模型在“中度”和“重度”之间出现了双向误分类。这些错误的原因可以归因于以下因素：（1）路面上积雪覆盖的空间不均匀性。在现实世界的道路环境中，积雪覆盖通常表现出强烈的空间不均匀性。例如，局部区域可能会经历不连续的覆盖，或者路肩上的积雪可能与暴露的轮胎痕迹共存，导致不同区域的纹理密度和覆盖强度有显著差异。这种不均匀性导致雪的视觉特征高度变化，使分类任务复杂化。如图9e,f所示，风和过往车辆的影响使雪的分布变得更加不均匀，增加了分类的复杂性，从而导致误分类。（2）复杂成像条件的影响。复杂的成像条件常常干扰雪覆盖的可见性，增加了误分类的可能性。例如，在图9a中，强烈的阳光和路面反射干扰了雪的可见性。在图9b中，夜间的低光照条件降低了雪覆盖的可见性，进一步增加了误分类的可能性。此外，恶劣的天气条件可能导致相机镜头污染，引入噪声到图像中，进一步提高错误率，如图9c,d所示。（3）监控视角引入的尺度效应。在实际应用中，监控相机的位置和视角显著影响雪覆盖的表示方式。如图9a,b所示，相机俯仰角、焦距和观察距离的变化会影响图像中路面纹理的投影区域。这种变化导致不同场景中雪覆盖比例的差异。例如，在远距离或低分辨率的视角下，“中度积雪”和“重度积雪”之间的视觉差异被压缩，改变了模型的决策边界，导致分类错误。这些由视角变化引起的尺度效应是误分类的主要来源。（4）过往车辆和其他动态环境因素的影响。图9g,h表明，当车辆遮挡、路面反射、阴影变化和图像噪声重叠时，即使它们的SCR值已经达到重度类别的阈值，关键视觉线索（如覆盖比例、纹理粒度和对比度变化）也会在局部受到干扰，导致相邻类别之间的混淆。这些干扰不仅影响雪覆盖的视觉外观，还增加了“轻度积雪”和“中度积雪”之间的混淆。这些结果表明，基于监控的道路积雪监测中的分类不确定性与多个实际因素密切相关，包括雪分布的空间异质性、照明和成像条件的变化以及监控视角引入的几何尺度差异。这些因素共同影响了现实世界场景中雪覆盖特征的可见性和可分性，从而影响了模型在不同环境下的性能。为了在这些条件下提高鲁棒性，需要更好地表示空间结构和尺度变化，例如通过结合视频序列中的时间信息、采用多尺度特征建模策略以及扩展跨场景数据覆盖来提高分类一致性和长期运行稳定性，特别是在动态交通条件下的中等雪严重程度级别。

与白天相比，夜间环境更为复杂，监控相机捕获的成像方法和图像特征也有显著不同。夜间，监控相机通常会根据照明条件在不同成像模式之间切换。在低光照环境下，相机可能会自动切换到近红外成像模式，导致路面特征与白天使用可见光成像时的表现不同，尤其是在雪表面反射率方面。近红外成像更适合在低光照条件下捕捉物体，但在细节表现上较弱，特别是在光滑的雪面上。在一些有街灯的夜间场景中，相机可能仍然使用可见光成像，但不同的照明条件（如光照强度和光源方向）可能会干扰图像中的雪特征，导致图像质量波动，影响分类准确性。为了应对夜间环境中的这些挑战，未来的工作将关注以下几个方面。首先，将开发一种针对夜间的数据增强策略来处理复杂的照明条件，特别是关注近红外和可见光模式之间的切换，使用增强算法来减轻照明变化引起的干扰并提高图像稳定性。此外，我们计划收集和补充来自不同监控场景的数据集，涵盖不同的照明条件（如街灯照明和完全黑暗的环境）和各种天气条件（如降雪和雾），以帮助模型更好地适应夜间特征并提高分类准确性。此外，还将探索多模态数据（如近红外和视频信息）的整合，以弥补夜间单模态成像的不足，进一步提高夜间雪分类的稳定性和准确性。表5展示了Swin Transformer在不同类别上的性能，包括准确性、精确度、召回率和F1分数等评估指标。对于“清晰”类别，Swin Transformer的精确度为0.86，与ConvNeXt-B相当，同时比表现最差的模型DenseNet-121高出0.13。对于“轻度”类别，Swin Transformer的精确度为0.84，比第二好的模型ConvNeXt-B高出0.10，超过表现最差的模型MobileNet 0.33；对于“中度”类别，其精确度为0.69，超过第二好的模型MambaOut-Tiny 0.19，超过表现最差的模型DenseNet-121 0.35；对于“重度”类别，其精确度为0.81，比第二好的模型ViT高出0.14，超过表现最差的模型DenseNet-121 0.30。值得注意的是，Swin Transformer在各个类别上的分布更为平衡，特别是在区分“轻度”和“中度”类别方面表现更好。这进一步解释了其在现实世界场景中的优越整体性能。在实际应用中，推理速度是评估模型适用性的另一个关键因素，应与分类准确性一起考虑。因此，不同模型的计算复杂性根据参数大小和FLOPs进行了评估，如表6所示。轻量级模型如EfficientNet-B0和MobileNet的计算成本显著较低，适合资源有限的部署场景，而基于Transformer的模型（如ViT和Swin Transformer）和ConvNeXt-B虽然在计算开销上较高，但提供了更强的表示能力。然而，应该注意的是，道路积雪监测通常在离散的时间间隔内进行（例如，每分钟一次或更长时间），而不是在严格的实时连续处理模式下进行。这种基于间隔的观察策略大大减少了实际部署期间的计算负担，使得在现实世界监控系统中应用相对复杂的模型成为可能。因此，可以根据具体应用需求和硬件条件灵活地实现模型准确性和计算效率之间的平衡。

关于挪威和加拿大之间的区域气候差异，本研究中使用的现实世界验证数据来自这两个地区，它们在冬季气候条件上存在某些差异。例如，挪威受到海洋性气候的影响更大，冬季温度相对温和，降雪量较多；而加拿大大部分地区则具有大陆性气候，冬季温度较低，降雪量较少，积雪覆盖持续时间较长。应该注意的是，本研究的主要目的是评估模型在异构现实世界监控环境下的跨场景泛化能力，而不是进行国家层面的分类性能比较。由于道路积雪覆盖分类主要依赖于监控图像中观察到的表面雪覆盖的局部结构特征，这些特征主要反映路面条件，较少依赖于区域尺度的气候变化，因此性能差异更可能与成像相关因素（如照明变化、遮挡和相机视角差异）有关。更严格的国家级比较分析将需要一个更具区域平衡性的数据集，并控制采样条件，这将在未来的工作中考虑。

4. 结论

本研究使用交通监控相机调查了冬季道路积雪覆盖分类，并证明了基于相机的传感方法用于段级冬季道路条件监控的可行性。构建了一个包含10,498张图像的开放访问道路积雪覆盖数据集，并在统一的实验框架下系统地评估了九种代表性的深度学习架构。结果显示，所有模型在标准测试集上的分类准确率均超过89%，证实了监控图像在受控场景中识别雪严重程度的有效性。跨区域验证实验进一步表明，模型性能受到照明变化、相机视角差异和现实世界环境中雪分布的空间异质性的强烈影响。在评估的架构中，Swin Transformer实现了最高的准确率（81.2%），在复杂成像条件下表现出更好的鲁棒性。混淆矩阵分析表明，大多数误分类发生在相邻的严重程度等级之间，尤其是在“轻微”和“中等”类别之间，这反映了在不同表面状态下雪覆盖形态的逐渐变化。总体而言，本研究对基于深度学习的冬季道路积雪分类算法进行了系统的定量比较，并强调了环境变异性和成像几何因素在决定模型性能方面的重要性。研究结果为模型选择、跨区域部署以及基于摄像头的冬季道路监测系统的性能评估提供了实际指导，同时为在冬季条件下开发可扩展且成本效益高的智能交通管理传感解决方案提供了支持。