基于深度学习的城市滨河绿道景观视觉感知评价研究

摘要

【目的】城市滨河景观视觉质量对城市滨河景观品质和城市空间品质有重要的影响。在城市化快速发展的今天,筛选对城市滨河绿道视觉感知有重要影响的因素,并通过视觉感知量化处理,实现智能化分析滨河景观,是未来滨河景观的发展趋势。【方法】基于深度学习算法,模拟人的视觉感知,训练一套用于城市滨河绿道景观的图像语义分割模型,并建立一套可量化的视觉景观指标体系。运用多元线性回归模型,挖掘各项量化的景观特征与视觉感知之间的关系。最后,以北京二环水系为例,分析视觉感知下的景观特征,总结关于滨河绿道景观视觉感知提升的策略。【结果】(1)训练出的城市滨河绿道图像语义分割模型达到了0.93的准确率;(2)回归模型的结果显示,在10项指标(绿视率(GVI)、蓝色视野指数(BVI)、驳岸硬质度(HRI)、滨河建筑密度(RBD)、桥梁可视度(BV)、干扰因素指数(IFI)、滨河自然开阔度(WO)、滨水围护度(WG)、道路宽广度(RWI)、乔灌草比率(RTG))体系中,有5项对视觉感知的影响作用显著,分别为GVI、WO、BVI、IFI和RTG,其中GVI、WO与视觉感知呈正相关,其余3项呈负相关;(3)北京二环水系绿视率北部高于南部,WO与BVI呈较为均质的状态,IFI整体较低,RTG呈现按河道划分的特征;(4)当提升视觉感知效果时,可重点从影响显著的5项指标出发,根据影响作用的强弱进行权衡。【结论】本文为研究城市滨河景观提供了一种基于图像语义分割的测度方法,为人本视角的大规模滨河绿道景观的量化分析提供更多可能。