功能重于形态:通过基于无人机的跟踪理解城中村的街道环境与人流
《Computers, Environment and Urban Systems》:Function over morphology: Understanding street environment and pedestrian flow in urban villages through UAV-based tracking
【字体:
大
中
小
】
时间:2026年08月20日
来源:Computers, Environment and Urban Systems 8.9
编辑推荐:
无无人机追踪四种街道类型的微尺度行人行为。
功能性特征在解释行人流量模式方面胜过视觉美观性。
街道延伸面积因空间容量匹配不同而表现出相反效应。
跨区域验证证实了模式在多个聚落间的可迁移性。
引言
联合国人居署指出,全球超过一半的人口居住在城市地区,这一比例预计将在2
无无人机追踪四种街道类型的微尺度行人行为。功能性特征在解释行人流量模式方面胜过视觉美观性。街道延伸面积因空间容量匹配不同而表现出相反效应。跨区域验证证实了模式在多个聚落间的可迁移性。引言联合国人居署指出,全球超过一半的人口居住在城市地区,这一比例预计将在2050年上升至68%,其中低收入国家的城市化率尤为显著。这种快速且无序的城市化带来了基础设施不足、空间拥堵和环境退化等挑战。在发展中地区的城市中,这一过程产生了大量非正规住区,目前容纳超过十亿居民。中国产生了一种独特的城市形态——城中村,其特点是建筑高度密集、基础设施老化以及复杂的街道布局。这些高密度环境中有限的街道空间容纳了高度混合的功能和密集的行人流量,给日常出行体验带来挑战。虽然规律步行能有效降低慢性疾病风险并改善心理健康,但城中村的居民常常暴露于较低质量的建成环境中,影响其出行意愿。尽管城中村在宏观尺度上可能呈现形态同质性,但其高度压缩的特性放大了微观环境变化对行为的影响。在这些资源受限的非正规住区中,即使是微小的功能转变或空间占用都可能大幅改变行人日常活动。因此,理解这些细微的街道环境特征如何影响行人行为,对于提升步行友好性和推进超越宏观层面概括的非正规住区理论至关重要。然而,以往研究主要依赖问卷调查和GPS追踪等传统方法,忽视了高频实时轨迹追踪,这可能导致对环境与行为关系的理解不完整。为填补这些空白,本研究采用无人机遥感技术结合深度学习算法,追踪深圳四种街道类型中的行人时空行为模式。本研究旨在探究街道环境特征——包括人体尺度视觉特征和空间功能属性——如何影响行人流量。此处,空间功能属性定义为客观运营参数,如商铺营业时间和营业面积;客观人体尺度视觉特征指可测量的形态指标,包括围合度、通透性和绿化率。我们聚焦于三个核心研究问题:第一,在高度密集的非正规住区中,商铺营业时间等具体功能属性与天空可视度等视觉感知特征在驱动微尺度行人流量方面的比较如何;第二,这些环境影响机制在四种不同街道类型——公共空间、主街、市场和巷道——中的差异程度如何;第三,所提出的视觉特征提取框架在多个地理多样的城中村中的可扩展性如何。通过回答这些问题,本研究建立了以无人机为核心的深度学习建模框架作为其主要贡献,为量化微尺度环境与行为关系提供了稳健且可复制的方法论。在实际应用层面,该框架为评估城中村现有街道条件和行人流量模式提供了循证分析工具,可在再生前后支持规划评估,但并不直接声称衡量再生效果。片区摘要步行友好的定义与维度步行友好是一个多维概念,描述建成环境支持和鼓励步行的程度。Kim Dovey和Elek Pafka提出了城市DMA框架,认为步行友好根本上由密度、功能混合和空间可达性三者的协同决定。密度提供支撑本地服务所需的人口集中度,功能混合确保多样化目的地在可达距离内,可达性指……研究区域背景与多阶段抽样策略作为超快速城市化的典范,深圳在过去四十年经历了非凡的城市扩张过程,形成了深刻的二元城市结构。自1979年设立经济特区以来,深圳已从边陲小镇发展成为人口超过1800万的巨型城市。外来人口占其总人口的75%以上,由此产生的非正规住区为理解城市化提供了关键的比较视角。行人时空行为模式的轨迹可视化分析基于YOLOv8多目标追踪算法对280分钟无人机视频的分析,图4呈现了一天内七个时间节点(6:00、8:00、10:00、12:00、14:00、16:00、18:00)四种街道类型的行人移动轨迹可视化结果。不同颜色的轨迹线代表不同个体的移动路径,揭示了城中村街道空间使用的时空异质性特征。街道公共空间(第一列)表现出……微尺度行人追踪技术在城中村研究中的意义通过整合无人机遥感技术和深度学习算法,本研究实现了城中村街道上行人行为的高精度时空追踪,构成了本研究的核心方法论贡献。该框架提供了一个综合建模平台,克服了传统方法的分辨率限制,能够在混乱的城市环境中精确提取行为动态。与传统GPS追踪或手机……相比结论本研究提供了技术示范,说明如何将无人机遥感与机器学习整合起来,以验证高密度非正规环境中的环境—行为模型。通过YOLOv8多目标检测系统追踪四种街道类型——街道公共空间、主街、街市和巷道——中的行人轨迹,并分析功能属性(如商铺营业时间和营业面积)与视觉特征(如绿化率……)作者贡献声明陈帆:可视化、方法论、调查研究、数据整理、初稿撰写。文霖:可视化、软件、资源、方法论、调查研究。梓萱:可视化、软件、形式分析。金睿:验证、监督、概念构思、审阅与编辑。作者声明所有作者已仔细审读修订后的稿件以及本次向《计算机、环境与城市系统》期刊第二次修回准备的相关回复文件。我们确认稿件已根据审稿人1至5的意见进行了修订,特别关注了方法论透明度、稳健性检验、术语一致性以及研究结果的合理解释。本次修订中,我们澄清了……陈帆|文霖|梓萱|金睿
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号