一种基于安全感知的寒地街道空间品质评价方法、系统、计算机设备和可读存储介质

摘要

一种基于安全感知的寒地街道空间品质评价方法、系统、计算机设备和可读存储介质，属于街道空间品质评价技术领域，解决寒地街道空间品质安全感知评价结果的可靠性与合理性低问题。本发明的方法包括：确定寒地街道安全感知相关的街道空间环境要素指标；分别对交通安全要素指标、防卫安全要素指标和活动安全要素指标进行软件建模；获取不同等级要素指标的赋值方式；获取目标街道的交通安全、防卫安全和活动安全的评价结果；利用李克特量表，以专家打分的方式，获取目标街道的心理安全评价结果；对交通安全、防卫安全、活动安全和心理安全评价结果进行权重计算，获取目标街道的安全感知评价结果。本发明适用于基于安全感知的寒地街道空间品质评价。

说明书

技术领域

本申请涉及街道空间品质评价技术领域，尤其涉及基于安全感知的寒地街道空间品质评价。

背景技术

街道是与人们日常生活联系最为紧密城市公共开放空间，安全需求是人们除生理需求之外最重要的基本需求，寒地街道相比于普通街道来说存在更多安全方面的问题，了解寒地街道空间品质要素与安全感知的关系有助于揭示其构成要素和作用机理。

安全感知是指当行人处于街道空间时，空间环境是否会对行人的心理与精神状况造成焦虑、恐惧等负面影响的一种安全意识或评价，这种安全感知不局限于犯罪恐惧感，还与街道物质空间环境本身及人在街道中进行各项活动的安全性存在关联。安全感知既关系着人的幸福，也影响公共空间的活力。当人们感到不安全时，可能会约束自己的行为，减少出行活动。因此，对于与人们的生活息息相关的街道来说，提升安全感知是必不可少的重要环节。

现有的街道安全感知的测量方法大多为专家打分法，通过文献整理统计与街道安全感知相关的空间环境要素，通过匿名方式征询有关专家的意见，对每个指标要素进行打分与权重的赋值，对专家意见进行统计、处理、分析和归纳，客观地综合多数专家现有的经验，经过多轮意见征询、反馈和调整后，最终得到街道安全感知的评价体系。

大多数既有研究在确立街道安全感知评价体系的过程中采用的专家打分法通常是基于专家现有的经验累积，这种打分方式较为客观，鲜少有研究从使用者的主观角度对安全感知做出回应，且没有对各个指标要素有直观的视觉感受，从而导致评价结果的准确性低、合理性低，从而不能全面准确地反映寒地街道空间品质。

发明内容

本发明目的是为了解决现有寒地街道空间品质评价结果的准确性与合理性低的问题，提供了一种基于安全感知的寒地街道空间品质评价方法、系统、计算机设备和可读存储介质。

本发明是通过以下技术方案实现的，本发明一方面，提供一种基于安全感知的寒地街道空间品质评价方法，所述方法包括：

步骤1、确定寒地街道安全感知相关的街道空间环境要素指标，所述街道空间环境要素指标包括交通安全要素指标、防卫安全要素指标、活动安全要素指标和心理安全要素指标；

步骤2、分别对所述交通安全要素指标、防卫安全要素指标和活动安全要素指标进行软件建模，具体为：

分别将所述交通安全要素指标、防卫安全要素指标和活动安全要素指标划分若干个等级，对每个等级的交通安全要素指标、防卫安全要素指标、活动安全要素指标进行街景图像模拟；

步骤3、利用李克特量表，根据所述模拟的街景图像进行安全感知，获取不同等级要素指标的赋值方式；

步骤4、根据所述赋值方式，获取目标街道的交通安全、防卫安全和活动安全各要素指标的评价结果；

步骤5、利用李克特量表，以专家打分的方式，获取目标街道的心理安全要素指标评价结果；

步骤6、通过软件以专家打分的方式计算交通安全、防卫安全、活动安全和心理安全各要素指标的权重，，对所述交通安全、防卫安全、活动安全和心理安全的评价结果进行加权计算，获取目标街道的安全感知评价结果。

进一步地，所述交通安全要素指标包括街道绿视率、街道高宽比、街道围墙视率、机动车干扰度、标识设施密度；

防卫安全要素指标包括人行道宽度、活动空间宽度、休憩设施密度、环卫设施密度；

活动安全要素指标包括街道功能密度、出入口密度、界面渗透性、灰空间遮蔽度；

心理安全要素指标包括维护和清洁、路面铺装度、建筑设计美感、空间色彩丰富度。

进一步地，所述交通安全要素指标、防卫安全要素指标和活动安全要素划分为四个等级。

进一步地，所述对每个等级的交通安全要素指标、防卫安全要素指标、活动安全要素指标进行街景图像模拟，具体包括：

对所述街道绿视率、街道围墙视率的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对树木间距、围墙高度建立四个等级的划分，通过Photoshop直方图计算四个等级树木间距、围墙高度的街道绿化率、街道围墙视率；

所述街道高宽比、机动车干扰度、标识设施密度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对车行道宽度、机动车间距、标识设施间距建立四个等级的划分，计算四个等级车行道宽度、机动车间距、标识设施间距的街道高宽比、机动车干扰度、标识设施密度；

所述人行道宽度、活动空间宽度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对人行道宽度、活动空间宽度建立建立四个等级的划分，统计四个等级的人行道宽度、活动空间宽度；

所述休憩设施密度、环卫设施密度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对休憩设施间距、环卫设施间距建立四个等级的划分，计算四个等级的休憩设施密度、环卫设施密度；

所述界面渗透性的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对建筑底层界面玻璃的间距建立四个等级的划分，通过Photoshop直方图计算四个等级玻璃间距的界面渗透性；

所述街道功能密度、出入口密度、灰空间遮蔽度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对功能的间距、建筑长度、灰空间宽度建立四个等级的划分，计算四个等级功能间距、建筑长度、灰空间宽度的街道功能密度、出入口密度、灰空间遮蔽度。

进一步地，所述赋值方式通过实验者对不同等级要素指标进行安全感知评价所获得。若干实验者对不同等级要素指标的模拟街景图像进行安全感知评价，通过李克特量表的方式从交通安全、防卫安全、活动安全三个方面进行安全感知评价。每一等级要素指标基于安全感知的赋值方式即为若干实验者对这一等级要素指标安全感知评价分数的平均值。

进一步地，步骤4，具体包括：

所述街道绿视率、街道围墙视率的评价结果的获取方法，具体包括：采用SegNet卷积神经网络结构对街景图片的绿视率、围墙视率进行解析，通过Keras搭建SegNet神经网络对图像进行语义分割，计算得出每张街景图片的绿视率、围墙视率，取平均值作为该街道的绿视率数据与围墙视率数据，分别判断街道绿视率、街道围墙视率的等级，根据对应等级的街道绿视率、街道围墙视率的赋值方式进行赋值，获取该等级的街道绿视率、街道围墙视率的安全感知评价结果；

所述机动车干扰度、标识设施密度的评价结果的获取方法，具体包括：采用R-CNN算法进行车辆、标识设施目标的检测与识别，统计检测出的车辆、标识设施数量，计算得出每张街景图片中的机动车干扰度、标识设施密度，取平均值作为该街道的机动车干扰度数据与标识设施密度数据，分别判断机动车干扰度、标识设施密度的等级，根据对应等级的机动车干扰度、标识设施密度的赋值方式进行赋值，获取该等级的机动车干扰度、标识设施密度的安全感知评价结果；

所述街道宽高比的的评价结果的获取方法，具体包括：通过选取目标街道中点的道路宽度构成目标街道的宽度，通过选取目标街道周围建筑的平均高度构成目标街道的平均建筑高度，计算得到街道高宽比的数据，判断街道高宽比的等级，根据对应等级的街道高宽比的赋值方式进行赋值，获取该等级的街道高宽比的安全感知评价结果；

所述休憩设施密度、环卫设施密度的评价结果的获取方法，具体包括：采用R-CNN算法进行休憩设施目标、环卫设施目标的检测与识别，统计检测出的休憩设施数量、环卫设施数量，计算得出目标街道的休憩设施密度与环卫设施密度，分别判断休憩设施密度、环卫设施密度的等级，根据对应等级的休憩设施密度、环卫设施密度的赋值方式进行赋值，获取该等级的休憩设施密度、环卫设施密度的安全感知评价结果；

所述人行道宽度、活动空间宽度的评价结果的获取方法，具体包括：通过实地调研的方式对目标街道的人行道宽度、活动空间宽度进行统计整理，通过选取目标街道中点的人行道宽度、活动空间宽度构成目标街道的人行道宽度与活动空间宽度，分别判断人行道宽度、活动空间宽度的等级，根据对应等级的人行道宽度、活动空间宽度的赋值方式进行赋值，获取该等级的人行道宽度、活动空间宽度的安全感知评价结果；

所述界面渗透性的评价结果的获取方法，具体包括：采用SegNet卷积神经网络结构对街景图片的底层玻璃视率进行解析，通过Keras搭建SegNet神经网络对图像进行语义分割，计算得出每张街景图片的底层玻璃视率并取平均值作为该街道的界面渗透性数据，判断界面渗透性的等级，根据对应等级的界面渗透性的赋值方式进行赋值，获取该等级的界面渗透性的安全感知评价结果；

所述街道功能密度的评价结果的获取方法，具体包括：通过选取街道两侧缓冲范围的POI点位，通过计算目标街道内的POI点数，获得街道的功能密度，判断街道功能密度的等级，根据对应等级的街道功能密度的赋值方式进行赋值，获取该等级的街道功能密度的安全感知评价结果；

所述出入口密度、灰空间遮蔽度的评价结果的获取方法，具体包括：通过实地调研的方式对目标街道的出入口、灰空间宽度进行统计整理，计算得出目标街道的出入口密度、灰空间遮蔽度，分别判断出入口密度、灰空间遮蔽度的等级，根据对应等级的出入口密度、灰空间遮蔽度的赋值方式进行赋值，获取该等级的出入口密度、灰空间遮蔽度的安全感知评价结果；

进一步地，步骤5，具体包括：

获取目标街道的街景图像，每条街道隔若干米设置采样点作为街景图像的样本数据，从维护和清洁、路面铺装度、建筑设计美感、空间色彩丰富度四个方面，通过李克特量表的方式进行专家打分，作为目标街道的心理安全评价结果。

第二方面，本发明提供一种基于安全感知的寒地街道空间品质评价系统，所述系统包括：要素确定模块、软件建模模块、赋值模块、评价模块、专家打分模块和计算评价结果模块；

所述要素确定模块，用于确定寒地街道安全感知相关的街道空间环境要素指标，所述街道空间环境要素指标包括交通安全要素指标、防卫安全要素指标、活动安全要素指标和心理安全要素指标；

软件建模模块，用于分别对所述交通安全要素指标、防卫安全要素指标和活动安全要素指标进行软件建模，具体为：

分别将所述交通安全要素指标、防卫安全要素指标和活动安全要素指标划分若干个等级，对每个等级的交通安全要素指标、防卫安全要素指标、活动安全要素指标进行街景图像模拟；

所述赋值模块，用于利用李克特量表，根据所述模拟的街景图像进行安全感知，获取不同等级要素指标的赋值方式；

所述评价模块，用于根据所述赋值方式，获取目标街道的交通安全、防卫安全和活动安全的评价结果；

所述专家打分模块，用于利用李克特量表，以专家打分的方式，获取目标街道的心理安全评价结果；

所述计算评价结果模块，用于通过软件以专家打分的方式计算所述交通安全、防卫安全、活动安全和心理安全各要素指标的权重，对所述交通安全、防卫安全、活动安全和心理安全各要素指标的评价结果进行加权计算，获取目标街道的安全感知评价结果。

第三方面，本发明提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，当所述处理器运行所述存储器存储的计算机程序时执行如上文所述的一种基于安全感知的寒地街道空间品质评价方法的步骤。

第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有多条计算机指令，所述多条计算机指令用于使计算机执行如上文所述的一种基于安全感知的寒地街道空间品质评价方法。

本发明的有益效果：

首先，本发明将使用者主观安全感知的维度引入到寒地街道安全感知评价方法的建立过程中，相比于以往研究中通过客观的专家打分确定安全感知评价体系的方法，本发明从主观与客观两个维度，相辅相成地确定一种基于安全感知的寒地街道空间品质评价方法和系统。更多从使用者主观感知的角度出发，更贴合安全感知主观层面上的含义。

其次，本发明通过建模软件场景模拟的方式，从使用者的主观感知探究不同等级要素指标的赋值方式，并最终确定基于安全感知的寒地街道空间品质评价方法和系统，使得主观维度的评价结果更具准确性。

再次，本发明通过国内外研究现状及相关文献的梳理，收集并整合了与寒地街道安全感知相关共十七项潜在变量，进而提高寒地街道空间品质的评价结果的准确性。

本发明的安全感知包括主观与客观两个层面，两者相辅相成从而影响使用者的安全感知心理感受。因此，在客观性打分的基础上加入主观层次的感知有助于加深和完善安全感知的研究维度，从而为街道安全感知的提升提供更完备的支持。对寒地街道安全感知的提升具有借鉴意义，指导了未来寒地安全街道的建设并提升人们的安全感知。

本发明适用于对寒地街道的空间品质评价。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明方法的框架图；

图2为本发明方法的流程示意图；

图3为本发明的街道绿视率四个等级建模软件图像模拟图；

图4为本发明的街道高宽比四个等级建模软件图像模拟图；

图5为本发明的街道围墙视率四个等级建模软件图像模拟图；

图6为本发明的机动车干扰度四个等级建模软件图像模拟图；

图7为本发明的标识设施密度四个等级建模软件图像模拟图；

图8为本发明的人行道宽度四个等级建模软件图像模拟图；

图9为本发明的活动空间宽度四个等级建模软件图像模拟图；

图10为本发明的休憩设施密度四个等级建模软件图像模拟图；

图11为本发明的环卫设施密度四个等级建模软件图像模拟图；

图12为本发明的街道功能密度四个等级建模软件图像模拟图；

图13为本发明的出入口密度四个等级建模软件图像模拟图；

图14为本发明的界面渗透性四个等级建模软件图像模拟图；

图15为本发明的灰空间遮蔽度四个等级建模软件图像模拟图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

为了方便说明，首先引入如下概念：

语义分割：图像的语义分割是给输入图像的每个像素分配一个语义类别，以得到像素化的密集分类。

目标检测：目标检测，也叫目标提取，是一种基于目标几何和统计特征的图像分割。它将目标的分割和识别合二为一，可以准确识别图像中目标的数量。

SegNet卷积神经网络：是一种新颖使用的为识别二维形状而设计的一种多层感知器，用于像素级语义分割的深度全卷积神经网络，在进行像素级分类时，可以达到较好的分割性能。

R-CNN算法：是一种将深度学习应用到目标检测上的算法，对图像采用提取框，对每个框提取深度卷积网络特征、图像分类、非极大值抑制进行目标检测。

Photoshop直方图：直方图用图形表示图像中的每个亮度级别的像素数量，展示像素在图像中的分布情况，可以帮助确定像素足够的细节。

评价结果可以根据评价分数获取。

实施方式一、如图1和2所示，一种基于安全感知的寒地街道空间品质评价方法，所述方法包括：

步骤1、确定寒地街道安全感知相关的街道空间环境要素指标，所述街道空间环境要素指标包括交通安全要素指标、防卫安全要素指标、活动安全要素指标和心理安全要素指标；

步骤2、分别对所述交通安全要素指标、防卫安全要素指标和活动安全要素指标进行软件建模，具体为：

分别将所述交通安全要素指标、防卫安全要素指标和活动安全要素指标划分若干个等级，对每个等级的交通安全要素指标、防卫安全要素指标、活动安全要素指标进行街景图像模拟；

步骤3、利用李克特量表，根据所述模拟的街景图像进行安全感知，获取不同等级要素指标的赋值方式；

需要说明的是，步骤3可以让实验者(即使用者)通过李克特量表的方式对交通安全、防卫安全、活动安全三个方面的街道空间环境要素指标的街景图像模拟进行安全感知，得到不同等级要素指标的赋值方式。

步骤4、根据所述赋值方式，获取目标街道的交通安全、防卫安全和活动安全各要素指标的评价结果；

需要说明的是，步骤4是对目标街道进行交通安全、防卫安全、活动安全三个方面中全部的街道空间环境要素指标进行评价，参考实验者安全感知的结果进行赋值，得到目标街道交通安全、防卫安全、活动安全三个方面的评价结果。

步骤5、利用李克特量表，以专家打分的方式，获取目标街道的心理安全要素指标的评价结果；

需要说明的是，步骤5是对目标街道的心理安全共四项街道空间环境要素指标进行评价，通过李克特量表以专家打分的方式，得到目标街道心理安全的评价结果。

步骤6、通过软件以专家打分的方式计算交通安全、防卫安全、活动安全和心理安全各要素指标的权重。对所述交通安全、防卫安全、活动安全和心理安全的评价结果进行加权计算，获取目标街道的安全感知评价结果。

所述软件可以为yahhp软件。

需要说明的是，在城市设计领域内，街道安全感可被划分为心理安全与社会安全。其中社会安全包括交通安全、防卫安全、活动安全三个层面。针对于寒地街道的研究对象，安全感知可归纳为：交通安全：主要是人车碰撞对人造成的伤害。防卫安全：主要避免部分人的反社会行为对其他人造成的伤害。活动安全：主要是避免空间环境对人在行走、坐、卧时造成伤害。心理安全：主要是人们接收街道空间环境信息后产生的心理安全性感受。因此把实施方式从这几个方面对寒地街道空间品质评价。

本实施方式，首先，通过建模软件场景模拟的方式，从使用者的主观感知探究不同等级要素指标的赋值方式，并最终确定基于安全感知的寒地街道空间品质评价方法和系统，使得主观维度的评价结果更具准确性。

其次，将使用者主观安全感知的维度引入到寒地街道安全感知评价方法的建立过程中，相比于以往研究中通过客观的专家打分确定安全感知评价体系的方法，本发明从主观与客观两个维度，相辅相成地确定一种基于安全感知的寒地街道空间品质评价方法。更多从使用者主观感知的角度出发，更贴合安全感知主观层面上的含义。

实施方式二，本实施方式是对实施方式一所述的一种基于安全感知的寒地街道空间品质评价方法的进一步限定，本实施方式中，对所述交通安全要素指标、防卫安全要素指标、活动安全要素指标和心理安全要素指标，做了进一步限定，具体包括：

所述交通安全要素指标包括街道绿视率、街道高宽比、街道围墙视率、机动车干扰度、标识设施密度；

防卫安全要素指标包括人行道宽度、活动空间宽度、休憩设施密度、环卫设施密度；

活动安全要素指标包括街道功能密度、出入口密度、界面渗透性、灰空间遮蔽度；

心里安全要素指标包括维护和清洁、路面铺装度、建筑设计美感、空间色彩丰富度。

本实施方式，通过国内外研究现状及相关文献的梳理，收集并整合了与寒地街道安全感知相关共十七项潜在变量，进而提高寒地街道空间品质的评价结果的准确性。

最终可以通过软件对所述交通安全、防卫安全、活动安全和心理安全各要素指标通过数字1-9及其倒数标度测量相对重要性，以获得判断矩阵，将数据输入yahhp软件。在根据数据构建判断矩阵并通过检验后，计算交通安全、防卫安全、活动安全和心理安全各指标水平的权重，得到目标街道的安全感知评价体系。对所述交通安全、防卫安全、活动安全和心理安全的评价结果进行加权计算，获取目标街道的安全感知评价结果。

实施方式三，本实施方式是对实施方式一所述的一种基于安全感知的寒地街道空间品质评价方法的进一步限定，本实施方式中，对所述若干个等级，做了进一步限定，具体包括：

所述交通安全要素指标、防卫安全要素指标和活动安全要素划分为四个等级。

本实施方式，将各项要素指标设置为四个等级，提高街道评价的全面性和均匀性，进而提高评价结果的准确性。

实施方式四，本实施方式是对实施方式二所述的一种基于安全感知的寒地街道空间品质评价方法的进一步限定，本实施方式中，对所述对每个等级的交通安全要素指标、防卫安全要素指标、活动安全要素指标进行街景图像模拟，做了进一步限定，具体包括：

对所述街道绿视率、街道围墙视率的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对树木间距、围墙高度建立四个等级的划分，如图3、图5所示，通过Photoshop直方图计算四个等级树木间距、围墙高度的街道绿化率、街道围墙视率；

所述街道高宽比、机动车干扰度、标识设施密度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对车行道宽度、机动车间距、标识设施间距建立四个等级的划分，如图4、图6、图7所示，计算四个等级车行道宽度、机动车间距、标识设施间距的街道高宽比、机动车干扰度、标识设施密度；

所述人行道宽度、活动空间宽度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对人行道宽度、活动空间宽度建立四个等级的划分，如图8、图9所示，统计四个等级的人行道宽度、活动空间宽度；

所述休憩设施密度、环卫设施密度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对休憩设施间距、环卫设施间距建立四个等级的划分，如图10、图11所示，计算四个等级的休憩设施密度、环卫设施密度；

所述界面渗透性的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对建筑底层界面玻璃的间距建立四个等级的划分，如图14所示，通过Photoshop直方图计算四个等级玻璃间距的界面渗透性；

所述街道功能密度、出入口密度、灰空间遮蔽度的街景图像模拟方法，包括：在控制其他街道空间环境要素指标相同的情况下，对功能的间距、建筑长度、灰空间宽度建立四个等级的划分，如图12、图13、图15所示，计算四个等级功能间距、建筑长度、灰空间宽度的街道功能密度、出入口密度、灰空间遮蔽度。

本实施方式针对不同的评价要素指标，给出了相适应的街景图像模拟方法，进而提高评价结果的准确性。

实施方式五，本实施方式是对实施方式一所述的一种基于安全感知的寒地街道空间品质评价方法的进一步限定，本实施方式中，对所述赋值方式，做了进一步限定，具体包括：

所述赋值方式通过实验者对不同等级要素指标进行安全感知评价所获得。若干实验者对不同等级要素指标的模拟街景图像进行安全感知评价，通过李克特量表的方式从交通安全、防卫安全、活动安全三个方面进行安全感知评价。每一等级要素指标基于安全感知的赋值方式即为若干实验者对这一等级要素指标安全感知评价分数的平均值。

本实施方式的赋值方式用于后续获取街道要素指标的评价结果。

实施方式六，本实施方式是对实施方式二所述的一种基于安全感知的寒地街道空间品质评价方法的进一步限定，本实施方式中，对步骤4，做了进一步限定，具体包括：

所述街道绿视率、街道围墙视率的评价结果的获取方法，具体包括：采用SegNet卷积神经网络结构对街景图片的绿视率、围墙视率进行解析，通过Keras搭建SegNet神经网络对图像进行语义分割，计算得出每张街景图片的绿视率、围墙视率，取平均值作为该街道的绿视率数据与围墙视率数据，分别判断街道绿视率、街道围墙视率的等级，根据对应等级的街道绿视率、街道围墙视率的赋值方式进行赋值，获取该等级的街道绿视率、街道围墙视率的安全感知评价分数；

所述机动车干扰度、标识设施密度的评价结果的获取方法，具体包括：采用R-CNN算法进行车辆、标识设施目标的检测与识别，统计检测出的车辆、标识设施数量，计算得出每张街景图片中的机动车干扰度、标识设施密度，取平均值作为该街道的机动车干扰度数据与标识设施密度数据，分别判断机动车干扰度、标识设施密度的等级，根据对应等级的机动车干扰度、标识设施密度的赋值方式进行赋值，获取该等级的机动车干扰度、标识设施密度的安全感知评价分数；

所述街道宽高比的的评价结果的获取方法，具体包括：通过选取目标街道中点的道路宽度构成目标街道的宽度，通过选取目标街道周围建筑的平均高度构成目标街道的平均建筑高度，计算得到街道高宽比的数据，判断街道高宽比的等级，根据对应等级的街道高宽比的赋值方式进行赋值，获取该等级的街道高宽比的安全感知评价分数；

所述休憩设施密度、环卫设施密度的评价结果的获取方法，具体包括：采用R-CNN算法进行休憩设施目标、环卫设施目标的检测与识别，统计检测出的休憩设施数量、环卫设施数量，计算得出目标街道的休憩设施密度与环卫设施密度，分别判断休憩设施密度、环卫设施密度的等级，根据对应等级的休憩设施密度、环卫设施密度的赋值方式进行赋值，获取该等级的休憩设施密度、环卫设施密度的安全感知评价分数；

所述人行道宽度、活动空间宽度的评价结果的获取方法，具体包括：通过实地调研的方式对目标街道的人行道宽度、活动空间宽度进行统计整理，通过选取目标街道中点的人行道宽度、活动空间宽度构成目标街道的人行道宽度与活动空间宽度，分别判断人行道宽度、活动空间宽度的等级，根据对应等级的人行道宽度、活动空间宽度的赋值方式进行赋值，获取该等级的人行道宽度、活动空间宽度的安全感知评价分数；

所述界面渗透性的评价结果的获取方法，具体包括：采用SegNet卷积神经网络结构对街景图片的底层玻璃视率进行解析，通过Keras搭建SegNet神经网络对图像进行语义分割，计算得出每张街景图片的底层玻璃视率并取平均值作为该街道的界面渗透性数据，判断界面渗透性的等级，根据对应等级的界面渗透性的赋值方式进行赋值，获取该等级的界面渗透性的安全感知评价分数；

所述街道功能密度的评价结果的获取方法，具体包括：通过选取街道两侧缓冲范围的POI点位，通过计算目标街道内的POI点数，获得街道的功能密度，判断街道功能密度的等级，根据对应等级的街道功能密度的赋值方式进行赋值，获取该等级的街道功能密度的安全感知评价分数；

所述出入口密度、灰空间遮蔽度的评价结果的获取方法，具体包括：通过实地调研的方式对目标街道的出入口、灰空间宽度进行统计整理，计算得出目标街道的出入口密度、灰空间遮蔽度，分别判断出入口密度、灰空间遮蔽度的等级，根据对应等级的出入口密度、灰空间遮蔽度的赋值方式进行赋值，获取该等级的出入口密度、灰空间遮蔽度的安全感知评价分数；

本实施方式，针对不同的评价要素指标，给出了相适应的评价结果的获取方法，进而提高评价结果的准确性。

需要说明的是，本实施方式中的等级设置方式是依据行道树间距的常见数值进行分类设置等级的。

需要说明的是，本实施方式中的评价分数即为评价结果。

实施方式七，本实施方式是对实施方式二所述的一种基于安全感知的寒地街道空间品质评价方法的进一步限定，本实施方式中，对步骤5，做了进一步限定，具体包括：

获取目标街道的街景图像，每条街道隔若干米设置采样点作为街景图像的样本数据，从维护和清洁、路面铺装度、建筑设计美感、空间色彩丰富度四个方面进行专家打分，通过李克特量表的方式进行专家打分，作为目标街道的心理安全评价结果。

本实施方式给出了目标街道的心理安全的评价结果的获取方法，针对目标街道的心理安全，采用专家打分是比较合适的评价方法，进而可以实现从主观与客观两个维度，相辅相成地确定一种基于安全感知的寒地街道空间品质评价方法。

实施方式八，本实施方式是对上文所述的一种基于安全感知的寒地街道空间品质评价方法的具体实施例，具体为：

步骤一：收集并整理与寒地街道安全感知相关的街道空间环境要素指标；

具体为：

收集并整理与寒地街道安全感知相关的街道空间环境要素指标，寒地街道安全感包括：交通安全、防卫安全、活动安全、心理安全。

交通安全街道空间环境要素指标可划分为：街道绿视率、街道高宽比、街道围墙视率、机动车干扰度、标识设施密度。

防卫安全街道空间环境要素指标可划分为：人行道宽度、活动空间宽度、休憩设施密度、环卫设施密度。

活动安全街道空间环境要素指标可划分为：街道功能密度、出入口密度、界面渗透性、灰空间遮蔽度。

心理安全街道空间环境要素指标可划分为：维护和清洁、路面铺装度、建筑设计美感、空间色彩丰富度。

步骤二：对交通安全、防卫安全、活动安全三个方面的街道空间环境要素指标进行软件建模，以四个等级的划分对交通安全、防卫安全、活动安全三个方面的要素指标进行街景图像模拟。

步骤二中交通安全街道空间环境要素指标软件建模方式具体为：

所述街道绿视率的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，树木间距依次为5m、10m、15m、20m作为四个等级的划分。

利用Photoshop软件中的直方图功能提取图片中像素值，计算四个等级树木间距的绿视率。街道绿视率＝绿化像素值/总像素值。

所述街道高宽比的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，车行道宽度依次为双车道、四车道、六车道、八车道作为四个等级的划分。

计算四个等级车行道宽度的街道高宽比。街道高宽比＝街道高度/街道长度。

所述街道围墙视率的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，围墙高度依次为1.8m、2m、2.2m、2.4m作为四个等级的划分。

利用Photoshop软件中的直方图功能提取图片中像素值，计算四个等级围墙高度的街道围墙视率。街道围墙视率＝围墙像素值/总像素值。

所述机动车干扰度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，机动车间距依次为10m、30m、50m、70m作为四个等级的划分。

计算四个等级机动车间距的机动车干扰度。机动车干扰度＝机动车数量/街道长度。

所述标识设施密度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，标识设施间距依次为100m、200m、300m、400m作为四个等级的划分。

计算四个等级标识设施间距的标识设施密度。标识设施密度＝标识设施数量/街道长度。

步骤二中防卫安全街道空间环境要素指标软件建模方式具体为：

所述人行道宽度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，人行道宽度依次为1.5m、2m、2.5m、3m作为四个等级的划分。

所述活动空间宽度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，建筑距离人行道的间距依次为5m、10m、15m、20m作为25％、50％、75％、100％四个等级的划分。

所述休憩设施密度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，休憩设施的间距依次为25m、50m、75m、100m作为25％、50％、75％、100％四个等级的划分。

计算四个等级休憩设施间距的休憩设施密度。休憩设施密度＝休憩设施数量/街道长度。

所述环卫设施密度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，环卫设施的间距依次为25m、50m、75m、100m作为四个等级的划分。

计算四个等级环卫设施间距的环卫设施密度。环卫设施密度＝环卫设施数量/街道长度。

步骤二中活动安全街道空间环境要素指标软件建模方式具体为：

所述街道功能密度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，功能的间距依次为4m、8m、12m、16m作为四个等级的划分。

计算四个等级功能间距的街道功能密度。街道功能密度＝街道功能数量/街道长度。

所述出入口密度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，建筑长度依次为10m、20m、30m、40m作为四个等级的划分。

计算四个等级建筑长度的出入口密度。出入口密度＝出入口数量/街道长度。

所述界面渗透性的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，建筑底层界面玻璃的间距依次为4m、8m、12m、16m作为四个等级的划分。

利用Photoshop软件中的直方图功能提取图片中像素值，计算四个等级玻璃间距的界面渗透性。界面渗透性＝底层玻璃像素值/总像素值。

所述灰空间遮蔽度的具体软件建模方式为：在控制其他街道空间环境要素指标相同的情况下，灰空间宽度依次为2m、4m、6m、8m作为四个等级的划分。

计算四个等级灰空间宽度的灰空间遮蔽度。灰空间遮蔽度＝灰空间宽度/街道宽度。

步骤三：实验者通过李克特量表的方式对交通安全、防卫安全、活动安全三个方面的街道空间环境要素指标的街景图像模拟进行安全感知，在建模软件中设置视图的视线高度、角度来模拟街景图像的视角，实验者对三个安全方面的街道空间环境要素指标进行安全感知，通过李克特量表的方式进行打分，得到不同等级要素指标的赋值方式。所述赋值方式通过实验者对不同等级要素指标进行安全感知评价所获得。若干实验者对不同等级要素指标的模拟街景图像进行安全感知评价，通过李克特量表的方式从交通安全、防卫安全、活动安全三个方面进行安全感知评价。每一等级要素指标基于安全感知的赋值方式即为若干实验者对这一等级要素指标安全感知评价分数的平均值。

步骤四：对目标街道进行交通安全、防卫安全、活动安全三个方面共十三项街道空间环境要素指标进行评价，参考实验者安全感知的结果进行赋值，得到目标街道交通安全、防卫安全、活动安全三个方面的评价结果。

步骤四中目标街道交通安全评价方式具体为：

所述街道绿视率的具体评价方式：采用SegNet卷积神经网络结构对街景图片的绿视率进行解析，通过Keras搭建SegNet神经网络对图像进行语义分割，将街景图片的每个像素点划分为绿化和其它，并计算得出每张街景图片的绿视率并取平均值作为该街道的绿视率数据，判断街道绿视率的等级，根据对应等级的街道绿视率的赋值方式进行赋值，获取该等级的街道绿视率的安全感知评价分数；

所述街道宽高比的具体评价方式为：通过选取目标街道中点的道路宽度构成目标街道的宽度，通过选取目标街道周围建筑的平均高度构成目标街道的平均建筑高度，计算得到街道高宽比的数据，判断街道宽高比的等级，根据对应等级的街道宽高比的赋值方式进行赋值，获取该等级的街道宽高比的安全感知评价分数；

所述街道围墙视率的具体评价方式为：采用SegNet卷积神经网络结构对街景图片的围墙视率进行解析，通过Keras搭建SegNet神经网络对图像进行语义分割，将街景图片的每个像素点划分为围墙和其它，并计算得出每张街景图片的围墙视率并取平均值作为该街道的围墙视率数据，判断街道围墙视率的等级，根据对应等级的街道围墙视率的赋值方式进行赋值，获取该等级的街道围墙视率的安全感知评价分数；

所述机动车干扰度的具体评价方式为：采用R-CNN算法进行车辆目标的检测与识别。首先对输入图像提取出候选区域，将每个候选区域裁剪并送入积神经网络提取出特征向量，再进行分类得出检测结果，最后去除多余的候选区域，得到车辆目标检测的结果，统计检测出的车辆数量，并计算得出每张街景图片中的机动车干扰度并取平均值作为该街道的机动车干扰度数据，判断机动车干扰度的等级，根据对应等级的机动车干扰度的赋值方式进行赋值，获取该等级的机动车干扰度的安全感知评价分数；

所述标识设施密度的具体评价方式为：采用R-CNN算法进行标识设施的检测与识别。首先对输入图像提取出候选区域，将每个候选区域裁剪并送入积神经网络提取出特征向量，再进行分类得出检测结果，最后去除多余的候选区域，得到标识设施目标检测的结果，并统计检测出的标识设施数量，计算得出目标街道的标识设施密度，判断标识设施密度的等级，根据对应等级的标识设施密度的赋值方式进行赋值，获取该等级的标识设施密度的安全感知评价分数；

所述步骤四中目标街道防卫安全评价方式具体为：

所述人行道宽度的具体评价方式为：通过实地调研的方式对目标街道的人行道宽度进行统计整理，通过选取目标街道中点的人行道宽度构成目标街道的人行道宽度，判断人行道宽度的等级，根据对应等级的人行道宽度的赋值方式进行赋值，获取该等级的人行道宽度的安全感知评价分数；

所述活动空间宽度的具体评价方式为：通过实地调研的方式对目标街道的活动空间宽度进行统计整理，通过选取目标街道中点的建筑距人行道的宽度构成目标街道的活动空间宽度，判断活动空间宽度的等级，根据对应等级的活动空间宽度的赋值方式进行赋值，获取该等级的活动空间宽度的安全感知评价分数；

所述休憩设施密度的具体评价方式为：采用R-CNN算法进行休憩设施目标的检测与识别。首先对输入图像提取出候选区域，将每个候选区域裁剪并送入积神经网络提取出特征向量，再进行分类得出检测结果，最后去除多余的候选区域，得到休憩设施目标检测的结果，并统计检测出的休憩设施数量，计算得出目标街道的休憩设施密度，判断休憩设施密度的等级，根据对应等级的休憩设施密度的赋值方式进行赋值，获取该等级的休憩设施密度的安全感知评价分数；

所述环卫设施密度的具体评价方式为：采用R-CNN算法进行环卫设施目标的检测与识别。首先对输入图像提取出候选区域，将每个候选区域裁剪并送入积神经网络提取出特征向量，再进行分类得出检测结果，最后去除多余的候选区域，得到环卫设施目标检测的结果，并统计检测出的环卫设施数量，计算得出目标街道的环卫设施密度，判断环卫设施密度的等级，根据对应等级的环卫设施密度的赋值方式进行赋值，获取该等级的环卫设施密度的安全感知评价分数；

步骤四中目标街道活动安全评价方式具体为：

所述街道功能密度的具体评价方式为：通过选取街道两侧30米内的POI点位，通过计算目标街道内的POI点数，获得街道的功能密度，判断街道功能密度的等级，根据对应等级的街道功能密度的赋值方式进行赋值，获取该等级的街道功能密度的安全感知评价分数；

所述出入口密度的具体评价方式为：通过实地调研的方式对目标街道的出入口进行统计整理，并计算得出目标街道的出入口密度，判断出入口密度的等级，根据对应等级的出入口密度的赋值方式进行赋值，获取该等级的出入口密度的安全感知评价分数；

所述界面渗透性的具体评价方式为：采用SegNet卷积神经网络结构对街景图片的底层玻璃视率进行解析，通过Keras搭建SegNet神经网络对图像进行语义分割，将街景图片的每个像素点划分为底层玻璃和其它，并计算得出每张街景图片的底层玻璃视率并取平均值作为该街道的界面渗透性数据，判断界面渗透性的等级，根据对应等级的界面渗透性的赋值方式进行赋值，获取该等级的界面渗透性的安全感知评价分数；

所述灰空间遮蔽度的具体评价方式为：通过实地调研的方式对目标街道的人行道宽度进行统计整理，通过选取目标街道中点的灰空间宽度构成目标街道的灰空间遮蔽度，判断灰空间遮蔽度的等级，根据对应等级的灰空间遮蔽度的赋值方式进行赋值，获取该等级的灰空间遮蔽度的安全感知评价分数；

步骤五：获取目标街道的街景图像，每条街道隔50米设置采样点作为街景图像的样本数据，对目标街道进行心理安全共四项街道空间环境要素指标进行评价，从维护和清洁、路面铺装度、建筑设计美感、空间色彩丰富度四个方面，通过李克特量表的方式进行专家打分，最终得到目标街道的心理安全评价结果。

步骤六：通过软件对所述交通安全、防卫安全、活动安全和心理安全各要素指标通过数字1-9及其倒数标度测量相对重要性，以获得判断矩阵，将数据输入yahhp软件。在根据数据构建判断矩阵并通过检验后，计算交通安全、防卫安全、活动安全和心理安全各指标水平的权重，得到目标街道的安全感知评价体系。对所述交通安全、防卫安全、活动安全和心理安全的评价结果进行加权计算，获取目标街道的安全感知评价结果。