论文部分内容阅读
我国的城市化进程已进入新型城镇化阶段,强调“以人为本、优化布局、生态文明、文化传承”的发展理念和原则。城市空间品质是人居环境评价的重要内容,代表空间环境对于人的物理适宜性以及人对城市建成环境的一种空间感受,也是与城市物理环境特征高度相关的一种观量。城市空间品质的提升不仅对改善城市通风环境、驱散低空污染物、降低热岛效应具有重要的作用,而且对城市居民的行为、认知和精神面貌也具有重要的影响,已成为当前城市研究关注的重点之一。街道作为与人们生活密切相关的重要的城市公共空间,不仅包括道路自身,同时也包括与街道相关的物质和设施,例如街道两侧的建筑、行道树、服务设施、商铺和开敞空间等,是集中体现城市空间品质特征的重要载体。因此,评估城市街道空间品质及其分布特征对提升城市规划和建设水平,打造集约、智能、绿色、低碳的新型城镇具有科学和实践意义。现有的街道空间品质研究由于受到测量手段和数据来源的制约,对街道三维可视物质要素的定量分析尚有欠缺,缺乏立体视角下的街道三维可视空间品质评价指标,同时也缺乏相对完整的评价技术方法。车载激光扫描系统因其搭载平台和作业方式的特点,能够快速采集街道两旁的建筑物、树木、车辆等城市部件立体信息,为街道空间物质元素的特征提取,以及街道内部三维空间品质的精细化测度与评估提供了可能。为此,针对如何进行精细化的三维可视空间品质测度这一科学问题,论文开展了基于车载激光扫描数据的街道三维可视空间品质研究,利用车载LiDAR数据实现了精细网格尺度和街道尺度的三维可视空间品质精细测度与评价,并在宁波市的两个研究区域进行了实例验证。本文的主要研究内容和研究成果如下:(1)提出了一种基于局部点云特征和Gradient Boosting的地物分类方法,可以对车载激光点云中的七类地物(地面、建筑物、乔木、围墙、车辆、电线杆、灌木)进行分类。在点云去噪的基础上,首先进行了地面点云的提取,随后对点云的维数特征、三维特征、点特征直方图特征、密度特征、高程特征、投影面积特征、强度及颜色特征进行了归纳和计算,构建出52维的点云特征向量,采用Gradient Boosting算法进行六个地物类型自动分类。经验证,在两个研究区域的分类总体准确率分别达到89.70%和90.95%,表明本研究所提出的方法具有较高的准确率。该方法为进一步分析城市街道要素的空间排布与形态奠定了基础。(2)提出了一种在点云环境中基于体元的街道三维可视性计算方法,分析在街道环境中不同位置上的三维可视空间大小以及开放度分布情况,对于了解城市街道的开放度等具有重要意义。本研究基于车载LiDAR可精确探测街道三维结构的特性,提出了一种在大范围城市街道复杂点云环境下基于体元的三维可视性测量方法,以及体积指数实现三维开放度的量化方法,实现可视天际线和三维可视体的表达。并提出了“体元-射线-多面体”的计算方法,基于视线与体元快速求交算法以及采用基于网格模型的体积计算方法进而实现了三维可视性的计算。研究结果表明,相较于传统的二维可视分析指数以及三维可视体积计算方法,本研究提出的三维可视空间计算方法以及体积指数可以更好地反映出街道空间的三维开放度的分布情况,为街道可视空间品质的测度与评价提供了重要的技术基础和方法支持。(3)提出了一套面向车载点云的街道三维可视空间品质评价指标体系以及基于机器学习的可视空间品质测度流程和方法,分析了街道的三维可视空间品质元素及其分布情况,并对街道的三维空间品质进行了分级。首先选取了基于街道物质要素的三维可视空间品质评价指标,包括体积指数、街道绿视率、天空度、界面围合度、道路机动化程度、汽车出现率和多样性共7个指标;随后采用ELO评分算法由专家对选取的377个样本点进行两两对比,转化为样本照片的量化分值;最后采用随机森林机器学习方法对格网尺度的三维可视空间品质进行自动打分,通过与专家实际评分进行精度对比分析,发现所提出的方法精度为R~2=0.86,表明该方法具有较高的实用性,实现了宁波市两个研究区域街道精细化的品质测度。研究结果表明,可视空间品质得分高的区域往往具有较大的天空度、街道绿视率、道路机动化程度以及汽车出现率,而可视空间品质得分低的区域往往具有较大的体积指数、界面围合度和多样性。相较于前人研究,本文不仅从三维可视物质要素的视角通过具体分值量化了街道空间品质的主观评价指标,同时引入的机器学习方法也能够更快速、客观地完成大规模精细化的可视空间品质测度。提出的方法可为城市建设者提供决策支持,更好地服务于新型城镇化和城市生态文明建设。