文献阅读 | 城市交通绿色景观指数：我们在城市移动时能看到多少绿色？

英文题目：《A green view index for urban transportation: How much greenery do we view while moving around in cities?》

论文出处：International Journal of Sustainable Transportation, 2020, 14(12): 972-89

论文亮点：

(1)专注于社会科学学科与信息技术的融合

(2)需要技术选进的工具来为城市规划提供信息

(3)需要增强对绿色交通路线的认识

(4)提出了一个评估整个交通运输过程体验的新概念GVI-UT

(5)提出了建设城市交通系统的创新方案

论文链接：

https://www.tandfonline.com/doi/full/10.1080/15568318.2019.1672001

城市交通系统是城市基础设施的重要方面之一。绿化对城市环境和居民在交通过程中的体验有积极的影响。然而，现有的研究还没有在街道层面可见的绿化和城市交通之间建立起实质性的联系。在我们的研究中，我们专注于社会科学学科和信息技术在交通方面的整合。我们优先考虑人们对交通过程的体验，把乘客本身的舒适度放在首位。我们使用人类视角的概念，并以街景图像作为支持。提出了一个新的指数，即城市交通-绿色景观指数（GVI-UT）。GVI-UT强调了交通路线和模式在街道绿化评价中的关键作用。它是根据乘客在运输过程中看到街道上的绿色植物的水平来定义的。GVI-UT的计算包括四个步骤：获取街景全景照片；根据这些照片计算绿化景观；使用网络应用程序接口进行路线规划；以及叠加分析。这项研究为实现以人为本的交通过程体验提供了一个理论框架和一系列的创新思路。通过对居民交通选择的绿色景观状态的定量评估，为城市交通规划和绿化建设提供了政策建议，来促进城市交通过程中的绿色可见性的提升。通过从现有的街景数据中提取更多的信息，我们让这些数据在城市交通系统的建设中发挥更大的价值作用。

本文提出了一个新的指数，即绿色景观指数——城市交通（GVI-UT），用于评估交通过程中绿色植物的可见性。GVI-UT是一个GVI指数的发展，该指数结合了交通路线和这些路线上的可见绿化范围。绿视率可以根据街景地图数据计算，路线可以通过网络地图应用程序编程接口（API）进行爬网。叠加分析用于连接城市街道的静态绿化覆盖和动态交通选项，并优先考虑人们对交通过程的体验。本研究基于人的视角概念，建立了城市居民绿化暴露状况的科学交通评价模型，有助于为城市交通规划和交通过程中的舒适体验提升提供建议。

本文的组织结构如下：

• 第2节回顾了该领域的相关研究。

• 第3节定义了GVI-UT概念。

• 第4节介绍了数据集和计算相关指标的方法。

• 第5节介绍了云南省昆明市的案例研究区域，并给出了分析结果。

• 第6节给出了结论。

4.1 GVI-UT的定义

GVI-UT被定义为居民在日常生活中在不同地理位置之间移动时看到街道沿线绿色的能力，这是一个街道级别的指数，该指数建立了绿化分布和路线选择之间的联系。文章从街道上这些等距采样点的全景图片中提取绿视率。相比于从不同角度计算图像，全景照片可以大大提高计算效率。绿视率的值越大，在给定点上可见的绿色量就越大。采样点的大小和强度用于表示绿色景观的数量，较大的点和较深的颜色代表具有较高可见绿色量的点。

图1（a）显示了绿色视图的计算结果。图1（b）显示了分别与路线1和路线2相关的GVI-UT测量结果，很明显，路线2的值大于路线1的值。

图1 GVI-UT的概念，包括（a）绿色景观计算结果，以及（b）与路线1和路线2相关的GVI-UT测量

4.2 数据和方法

本研究使用腾讯街景和腾讯交通路线图两组核心数据进行指标计算。实施过程图2所示，图2a时绿色景观的计算。图2b显示了一条路线和相应的区域。图2c显示了该路线上的绿色视图分布和GVI-UT在该区域的计算结果。图2d以全绿视图为例，显示了从所有起点到中心城市的GVI-UT评估结果。不同深浅的颜色代表不同的绿色可见程度。

图2 技术流程图，包括（a）绿景计算，（b）一个区域的路线爬取结果，（c）GVI-UT计算图，以及（d）GVI-UT评估结果。

4.2.1 全景图片获取

本文研究使用的时腾讯街景地图来获取全景图片，用于下载腾讯街景图片的URL参数，包括街景照片（SVP）大小、位置、水平和垂直角度以及开发者密钥，如表1所示。

表1 街景爬取参数

从上面显示的URL参数可以看出，首先需要获取街景采样点的经纬度坐标。对腾讯数字地图的路网数据进行预处理，包括简化两车道道路和拓扑检测数据，并为每条道路赋予ID属性值。然后，将每条处理过的街道以50m的间隔划分为离散点。接下来，从每个点下载0，45，90，135，180，225，270和315角度8张图片，并缝合以获得单张全景图片。文章从每个点下载了八张图像；这不仅保证了360个水平环境的全覆盖，而且还**限度地减少了数据量。街景摄像机的俯仰角设置为0，其视野几乎与人的正常视野相同。

图3（a）显示了拼接全景照片的示例。我们使用Java程序下载街景图片，使用PTGui软件，全景照片拼接程序，自动识别每张图像的控制点，拼接全景照片进行绿色景观计算。

图3 绿视率的计算结果，包括（a）拼接的全景照片的例子，（b）绿视率提取的示意图。和（c）相应采样点的全景照片。

4.2.2 绿视率计算

某一样本点的绿视率计算定义为照片的绿色区域与整张照片的面积之比：

确定某一样本点全景图片中的绿色比例，包括数据预处理、初始提取和增强（图4）

图4 绿视率计算流程

4.2.3 网页地图API的路线规划

文章使用的交通路线信息来自腾讯地图Web服务API（参见http://lbs.qq.com/webservice_v1/index.html），Web服务API路线爬取流程如图5所示。

图5 Web API线路爬取过程

表2显示了API访问请求所需的参数。方向API用于获取指标点之间的**路线，使用根据腾讯系统格式化的坐标。如果起点和终点不在道路上，API会自动将它们重新定位到最近的道路。

           表2 需要的参数

4.2.4 GVI-UT指标计算

我们利用ArcGIS平台对城市绿化率分布数据和交通路线进行了叠加分析，为直接解释GVI-UT提取结果，构建了5个指标，并根据表3中的公式进行指标计算。

表3 特定GVI-UT指标的概念定义

j代表不同的起点；num为绿视率不为0的采样点个数，起点和终点不作为绿视率采样点；lengthj表示从起点j到终点的长度；timej是完成旅程所需的时间；GVi表示第i个点的绿视率值；speedj表示路线j的平均速度。

5.1 研究区域

选择云南省昆明市，由于该城市四个季节可见植被水平的变化很小，因此它是GVI-UT计算的理想选择，研究旨在调查昆明市区即昆明市二环路内核心区域的GVI-UT。

5.2 绿视率计算结果及影响因素

昆明市主城区道路总长278公里，设立采样点5256个，图6显示了该区域街道上的绿视率分布。绿化水平较高的区域主要位于核心城区的西北和中部地区，以及西南地区的一些地区。东部和东北部的绿化水平相对较低。

图6 昆明市主城区绿视率分布结果

文章讨论认为GVI-UT指标值的大小与两个重要因素有关：目的地和运输方式，我们选择了五个地点作为路线规划的目标目的地：市中心的绿湖公园；核心城区北侧的昆明动物博物馆；昆明站南侧；昆明体育场西侧；东到昆明宾馆。我们独立分析了每个因素的影响。

5.2.1 GVI-UT指标与不同的目的地

图7 到达不同目的地时观察到的差异分析（以SGVI-UT为例）（表示目的地；红色虚线表示类似绿视率分布区域之间的边界）。（a）以市中心为目的地的SGVI-UT，（b）以昆明站为目的地的SGVI-UT，（c）以昆明饭店为目的地的SGVI-UT，（d）以昆明动物博物馆为目的地的SGVI-UT是目的地，以及（e）SGVI-UT，其中昆明体育场是目的地。

以图7（a）为例，它显示了SGVI-UT从市中心以不规则增量向城市外围辐射的分布趋势。总体来看，“西北—东南”地区SGVI-UT高于“东北—西南”地区，西北地区高于东南地区。值最低的区域集中在最里面的圆形区域，而外椭圆形区域是记录到更高SGVI-UT的区域。距市中心最远的西北地区，SGVI-UT水平最高。

总的来说，距离越远，看到的绿色植物就越多。同时，由于核心城市区域内绿景分布差异的影响，SGVI-UT的增长幅度不一致。

5.2.2 GVI-UT指标与交通方式（步行与驾车的对比）

为了考虑交通方式的影响，文章研究采用了单线运输方式。如图8（a）、（b）、（d）和（e）所示，UDGVI-UT和UTGVI-UT显示出不同程度的相关性。步行时呈显著正相关，驾驶时相关不显著。分别从区域1和2到市中心的路线1和2在分析中被探索。图8（a）和（b）显示，对于UDGVI-UT，区域1的结果低于区域2，而对于UTGVI-UT则相反。从图8（f）可以看出，观察到两个区域的SGVI-UT处于同一水平。图8（c）的分析表明，虽然1路比2路略长，但2路更靠近市中心的繁华地段，在实际路况下，可能会受到交通拥堵的影响，导致2完成时间较长。这将导致区域1的UDGVI-UT低于区域2，而区域1的UTGVI-UT将大于区域2。对于步行而言，速度往往相对恒定，因此它们之间的正相关性相应更强。

图8 交通方式差异分析（步行和驾驶）（①和②分别代表区域1和区域2；路线1和路线2表示响应的路线。）（a）UDGVI-UT（驾驶）、（b）UTGVI-UT（驾驶）、（c）绿色视图分布图、（d）UDGVI-UT（步行）、（e）UTGVI-UT（步行）和（f）SGVI-UT（驾驶）。

5.3 规划的建议和其他因素的分析

从以上的分析可以看出，不同目的地和交通方式的选择对GVI-UT指标值具有明显的影响。我们的分析表明，前往主城区北部和南部（昆明动物博物馆、昆明站）的居民在交通期间更容易接触到绿色植物，而前往东部（昆明酒店）的居民则不太可能看到绿色植物。在城市绿化方面，东部地区应加大绿化力度。对于城市交通规划，很明显，准备锻炼的居民可以选择北部和南部地区的目的地，以增加他们对绿色视觉体验的接触。对于那些前往东部地区目的地的人来说，尽可能多地开车将有助于更多地接触绿色植物。

还有其他几个时间因素可能会影响结果，例如工作日和周末的不同出行模式、一天中不同时间的不同能见度模式，以及归因于季节性的各种植被模式。

在这项研究中，开发了一种称为GVI-UT的新概念，定义了在交通过程中看到城市街道绿化的能力。总结如下四个关键意义：

（1）GVI-UT是一个以人为中心的指标，为研究人类在交通过程中对绿色植物的视觉感知提供了理论和创新的框架。

（2）从公共街景和交通数据提出GVI-UT的量化计算框架。这可以为分析交通过程中的城市绿化提供新的视角，拓展街景图像的实际应用。

（3）以昆明市区为例，绿化计算分析框架也可应用于其他城市。

（4）该指数可以从新的角度为决策者指导城市交通规划。对于GVI-UT值较低的路线，应更加重视道路改造和绿化建设。

路线的选择还取决于许多其他的因素，包括当天的交通状况、路线目的、个人水平的偏好等。未来的工作应该通过在可靠的时空尺度上收集的个人水平的出行数据来进一步测试GVI-UT指数的有效性。需要考虑步行和驾驶时视线范围存在的差异，更加重视全景照片的图像处理，如去除边缘变形，以提高绿化区域提取的精度。应拓展路线选择的策略和方法，并考虑更多的因素和场景。