基于遺傳算法的淄博市主干道綠視率測算和評價

沈照慶, 蘇志恒

(長安大學公路學院, 西安 710064)

日本學者青木陽二[1]于1987年提出綠視率這一概念,綠視率是指基于人眼視角呈現的圖像,綠色植物區域占整個圖像的比率,用于評價城市道路三維立體綠化效果[2]。之后由日本學者大野隆造補充和完善綠視率的概念,形成了一套完整的理論,日本政府最早將綠視率作為城市綠化水平評價標準的國家,從而得到廣泛推廣與應用[3-4]。傳統的二維綠化評價指標有綠化面積、綠化率等,但其僅反映二維平面的城市綠化效果,無法建立與人的感官的關系,二維評價指標容易誤導城市治理者簡單地認為綠地面積越大,城市綠化建設效果越好,然而綠視率可以準確、直觀地反映人群對于道路綠化空間品質的滿意度,是遵守以人為本理念的踐行,從人眼視角出發,真正做到城市居民與城市設計者和建設者的互動,讓城市建設者和設計者作為城市居民參與到城市生活中[5-7]。通過建立綠視率與人的主觀能動意識的數學分析模型,可以總結出人對綠視率的滿意區間,從而得出人眼視角下品控化的城市綠地的量化評價[8-9]。綠植元素與個體的空間滿意度評價呈現強相關性,隨著綠視率的增長,人們對景觀滿意度有較大程度的提升;這表明在城市休閑空間中,要想提高綠量,可以采用種植大量綠植的方式來提升視覺景觀品質和提高居民對休閑空間的景觀評價[10]。Ghekiere等[11]認為美麗干凈的街道可以促進青少年騎行游玩。美麗的街道可以形成優美的天際線,促進人們的出行[12]。綠視率作為城市道路綠化的三維評價指標,建立城市道路綠視率研究道路類型、周圍建筑與綠化模式之間的關系,找到最優搭配形式,從而建設綠視率高值空間和營造舒適的道路體驗空間,進而形成人性化城市道路系統具有重要指導意義[13-14]。

依靠地圖軟件、互聯網的數據庫,將綠視率作為評價手段,檢測城市道路綠化建設中的短板和不足,為城市治理者提供可視化的城市綠視率分布情況,有助于治理者從問題的關鍵入手,更好地為城市居民提供良好的生活空間。谷歌地圖和百度地圖提供的街景圖片數據,具有覆蓋面廣、圖像清晰、數據準確等優點,使人能夠快速準確地瀏覽街道級的自然景觀;數學軟件的引入,綠視率的計算方法逐漸呈現多樣化、精度化和大數據化的特點,地圖街景開放平臺API接口供地圖使用者獲取海量街景圖片,再利用數學軟件計算每張街景圖的綠視率,并做出科學的分析,為研究者提供了足不出戶做研究的條件[15-20]。彭巍等[21]通過調用城市吧實景地圖獲取海量街景數據,利用MATLAB軟件將街景圖片轉成HSL色彩空間,HSL即色相(hue)、飽和度(saturation)、亮度(lightness),提取綠色部分計算綠視率。李鳳儀等[22]調用百度地圖API接口獲取海量街景數據,通過調節圖片參數可以獲取人眼視角下的街景圖像,調節視線方向與人眼視線方向一致,設置為0°(即為平視),為獲取全景圖片,爬取全景圖片的水平方向的參數為360°,利用MATLAB進行識別并提取綠量計算綠視率。Wang等[23]通過 Google Street View API使用 Python 腳本輸入坐標獲得街景圖像,為了獲取全景街景圖片,每個樣本點至少拍攝了6 個角度的街景圖像,并為無法生成全景照片的單個點添加了6個額外的角度,使用OpenCV的拼接器算法拼接了45 000張街景照片,使用SegNet模型進行圖像分割并計算綠視率。李苗裔等[24]調用騰訊地圖開放平臺獲取街景圖片,綠視率測算GVI(green view index)采用機器識別的方式。

上述研究方法,通過調用地圖開放平臺,設置參數獲取海量街景圖片,檢查街景圖片是否真實反映道路狀況一般通過人工核對街景圖片,若綠色植物被廣告牌、汽車或因拍攝角度原因造成該采樣點的真實綠視率下降,從而影響整條道路綠視率測算的準確性。地圖開放平臺可以使研究者獲取上千張或者上萬張街景圖片,人工處理數據工作量巨大。因此需要引入一種智能化算法幫助研究者快速地篩選出符合綠視率測算要求的圖片,遺傳算法恰恰符合這項工作的要求。遺傳算法是模擬自然界生物進化機制,是一種尋找全局最優解的搜索算法,它會隨機生成不同種類的問題解決方案,占據生存優勢的種群才有可能保留下來,通過基因的選擇、迭代與優化,建立適應度函數,初始種群的隨機化與遺傳中不斷進行的變異,最終找到全局的最優解,適合用于進行全局的搜索與優化[25-26]。

現以淄博市市轄區主要道路作為研究對象,結合淄博市市轄區的路網特點及道路路況,首次引入遺傳算法篩選視野開闊、綠色特征明顯的采樣點圖片,計算每條道路綠視率平均值及不同行政區劃的綠視率平均值,評價淄博市市轄區道路綠化水平,為淄博市的城市道路綠化建設提供有效參考依據。

1 測算和評價模型建立

1.1 研究方法

第一步,通過Bigemap Gis Office地圖軟件提取淄博市路網矢量數據,使用AutoCad軟件每隔250 m劃分路線,通過ArcGIS軟件獲取地理坐標,采樣點的視線方向分別為前視線(180°)和后視線(-90°),調用百度地圖API獲取街景圖片,引入遺傳算法篩選清晰、無遮擋的街景圖片,最優種群作為研究對象。第二步,由RGB色彩空間轉換為HSV色彩空間使用MATLAB軟件計算各樣本點的街景圖片的綠視率。第三步,ArcGIS軟件的自然間斷點分級法將綠視率分級,實現采樣點綠視率的空間分布特征的可視化。第四步,分析不同水平綠視率的采樣點空間分布規律,總結影響綠視率大小的因素和發掘綠視率水平具備發展潛力的道路并提出解決措施。

1.2 數據獲取

首先,通過BigemapGisOffice地圖軟件提取淄博市轄區路網矢量數據,Bigemap Gis Office是一款獲取地理相關數據的地圖軟件,通過選中需要的區域,區域包括張店區、周村區、博山區、淄川區及臨淄區,下載5個區域的路網矢量數據;導入路網矢量數據到AutoCad,使用等距取點的命令,根據人眼能正常看清事物的最遠距離,對路網進行250 m的等距采樣,共采集樣本點1 401個。其次,使用ArcMap的數據管理工具,添加XY坐標到屬性表中,獲取采樣點地理坐標。最后,通過Python調用百度地圖API接口,為了獲得貼近人眼視角的圖片,需要設置API的圖片參數:圖片規格采用高度和寬度為720和960像素,每一個采樣點的垂直視角為0°,水平視角范圍為0°～120°。一個采樣點采集前(180°)和后(-90°)兩張圖片(圖1),共計2 802張。

圖1 街景圖片示例Fig.1 Schematic representation of street scene image

1.3 遺傳算法模型

1.3.1 遺傳算法

遺傳算法是通過模擬生物遺傳機制,建立適應度函數,在全局搜尋最優解的搜索算法。通過百度地地圖API獲取的街景圖片,會有廣告牌、標志牌和公交車等遮擋道路周邊喬木和光線影響圖片清晰度的情況,從而影響采樣點綠視率測算的精確性。同時,若采樣點處于交叉口,交叉口應保證足夠的轉彎視距,對綠視率要求較小,因此交叉口也不屬于采樣的區域。針對上述情況,引進遺傳算法,發揮遺傳算法的搜索全局最優解的優點,篩選清晰、無遮擋的街景圖片作為測算對象。

1.3.2 算法步驟

如圖2所示,引入遺傳算法,篩選清晰、無遮擋的街景圖片。第一步,編碼:把道路表達方式進行編碼,一個基因表示一個采樣點的前(180°)和后(-90°)方向的街景圖片,一組基因串表示一條道路。第二步,初始種群:把淄博市調研的所有道路作為初始種群。第三步,適應度計算:通過MATLAB軟件建立適應度函數,篩選有遮擋、光線不足等外界因素影響綠視率的圖片,比較同一采樣點前后街景圖片的綠視率大小。第四步,遺傳操作:一條道路的每一個基因上有前后兩個方向的街景圖片,選擇保留外界影響程度最小的圖片,去除影響較大的圖片,重新組合基因形成新的基因串。第五步,終止:一組新形成的基因串代表一條道路,最終形成新的優良種群。

圖2 遺傳算法步驟Fig.2 Steps of genetical gorithm

圖3 遺傳算法篩選街景圖片示例Fig.3 Example of genetic algorithm screening street view images

1.3.3 遺傳算法對綠視率的影響

通過引入遺傳算法篩選清晰、無遮擋的街景圖片,對比前后兩個方向的采樣點綠視率大小,選取測算綠視率最佳的圖片。如圖 3所示,遺傳算法對篩選最佳街景圖片和提升綠視率測算準確性具有一定效果。最終,篩選拍攝方向為前(180°)和后(-90°)的圖片,共獲得有效街景圖片1 356張。

1.4 綠視率評估

1.4.1 自然間斷點分級法

導入采樣點的綠視率到ArcMap屬性表中,使用自然間斷點分級法,將采樣點的綠視率進行分級,使得每組之間的差異最大化,從而實現綠視率空間分布特征的可視化。

1.4.2 綠視率計算

如圖4所示,使用MATLAB軟件遍歷遺傳算法篩選后的圖片,綠視率(green view index,GVI)是綠色植物的面積與整張圖片面積的比率。綠視率計算公式為

圖4 綠視率計算流程Fig.4 Process of calculation of the GVI

在HSV顏色空間下,當像素點的色調(H)的取值范圍0.130.1、明度(V)的取值范圍V>0時,可判定該像素點為綠色。

2 結果與分析

2.1 研究區域

選擇淄博市的張店區、淄川區、博山區、臨淄區及周村區作為研究區域,結合路網分布及城市居民主要分布的特點,對5個轄區內的部分道路進行采樣取值,分區域下載矢量路網數據。

2.2 淄博市綠視率總體數值特征

如表1所示,淄博市市轄區共采集1 401個樣本點,實際有效樣本點數是1 356個,淄博市5個市轄區整體的綠視率平均值為20.483%。將綠視率劃分為4個等級,分別為0.339 6%～11.460 6%(低水平)、11.460 7%～20.226 1%(一般水平)、20.226 2%～30.540 9%(較高水平)、30.540 9%～67.263 3%(高水平)。

2.3 基于行政區劃的空間分布特征

如圖5所示,綠視率整體分布差異明顯,較高水平和高水平采樣點集中分布在房屋聚集區域,低水平和一般水平采樣點遠離房屋聚集區域。為進一步調查差異化明顯的原因,選擇綠視率水平較高的道路,如共青團西路、金晶大道等(圖6),周邊喬木生長高大,樹冠繁茂,喬木冠層可以遮住道路上空。綠化模式與車道數的搭配會影響采樣點綠視率的大小,車道數與綠視率的關系符合雙向雙車道>雙向三車道>雙向單車道>雙向四車道,有30條道路設置隔離綠化帶,如大順路、稽下路等(圖7),部分非機動車與機動車隔離綠化帶采用疏林灌木式這一綠化模式,喬木和灌木的組合提高了綠視率。

圖5 綠視率空間分布情況Fig.5 Spatial distribution of green view index

圖6 部分高水平綠視率街景示例Fig.6 Partialstreetviewexamplesofhigh-levelgreenvisionspaces

圖7 部分設置隔離綠化帶道路Fig.7 Part of roads setting isolated green belt

如表2和表 3所示,低水平和一般水平的采樣點共有774個,占總數的57%,主要分布在博山區、周村區和淄川區(圖5)。路面寬度較寬、綠化模式搭配不合理和道路周邊喬木較矮,樹冠無法覆蓋道路上空容易造成綠視率處于一般水平以下。同時,雙向四車道的道路路面寬度較寬,綠色植物在圖片中的比率下降,如雪宮路、金晶大道、柳泉路、正陽路。

表2 各區劃的綠視率數值特征Table 2 Numerical characteristics of the GVI for each districts

表3 各區劃綠視率分布情況Table 3 Distribution of the GVI in different districts

2.4 基于道路的空間分布特征

在研究區域內,覆蓋90條道路,超過綠視率平均值的道路有32條,僅占總體的36%,制作箱型圖觀察綠視率的分布情況。各區劃內均存在道路的綠視率分布不均勻,最大值與最小值相差較大,存在低水平的采樣點。

圖8表明,小提琴圖呈現最低綠視率值和最高綠視率值差異大,表明可能存在顯著區別的采樣點。造成這一顯著區別的原因是,部分路段采用不同綠化模式,不同采樣點的綠視率大小也隨之產生較大的變化,基本符合關系:密林式>疏林灌木式>疏林草坪式>灌木/草坪式。部分路段由疏林灌木式變成灌木/草坪式,會導致整條道路綠視率減少;道路周邊采用高度和樹冠大小不一致的喬木,同樣會顯著降低整條道路綠視率平均值。淄博市各區劃間的綠視率差異性較大,并且大部分道路綠視率的最大值與最小值相差較大,從而造成綠視率分布不均勻。

圖8 部分道路差異性分布Fig.8 Part of roads differential distribution

2.5 綠視率影響因素

2.5.1 最優綠化模式

道路綠化模式是由喬木、灌木和草坪的不同搭配方式組成的,按種植密度分為密林式、疏林灌木式、疏林草坪式、灌木/草坪式[21]。由表4中綠視率結果證實,密林式>疏林灌木式>疏林草坪式>灌木/草坪式。如表5所示,淄博市有54%的道路采用疏林灌木式的綠化模式,采用疏林灌木式的道路綠視率水平達到了較高水平,雖然密林式對綠視率的影響更為顯著,但由于密林式維護成本較大并且需要占據更多的土地資源,因此疏林灌木式更加適用于城市道路綠化。

表4 綠視率與綠化模式關系表Table 4 Relationship between green view rate and road greening pattern

表5 綠化模式與車道數關系表Table 5 Relationship between road greening pattern and the number of lanes

2.5.2 車道數與綠視率的聯系

在淄博市調研共有90條道路,按車道數分為:雙向單車道、雙向雙車道、雙向三車道和雙向四車道。調研區域多以雙向單車道和雙向雙車道居多,綠視率平均值大小為雙向雙車道>雙向三車道>雙向單車道>雙向四車道(表6)。其中,雙向四車道綠色植物占據圖片面積較小,因此綠視率最小。雙向三車道和雙向雙車道比雙向單車道的綠視率高的主要原因是,雙向三車道和雙向雙車道的道路設置非機動車道與機動車道隔離綠化帶,有23條道路的隔離綠化帶采用疏林灌木式這一綠化模式,由綠化模式與綠視率的關系分析得,雙向三車道和雙向單車道要比雙向單車道綠視率高。雙向雙車道比雙向三車道綠視率高的主要原因是,雙向雙車道的綠色植物占據面積要多于雙向三車道。淄博市共有27條雙向單車道道路,有52%的道路采用灌木/草坪式,低水平和一般水平的道路受這一綠化模式影響較多。

表6 綠視率與車道數關系表Table 6 Relationship between green view rate and the number of lanes

3 結論

本次調研區域是淄博市市轄區,采用分區域調研的方法,選擇居民生活和工作主要區域,得出以下結論。

(1)綠視率大小是由車道數和綠化模式共同影響。密林式可以最大化提升綠視率水平,但是需要占據更多的土地資源。疏林灌木式可以提供較高水平的綠化效果并且占據城市土地資源較少,比密林式更適合城市道路綠化。

(2)綠視率與車道數的關機基本符合:雙向雙車道>雙向三車道>雙向單車道>雙向四車道,雙向雙車道和雙向三車道與疏林灌木式和疏林草坪式這兩種綠化模式結合,道路綠視率處于較高水平。

(3)應遵從區分區劃和區分道路的原則,有針對性地對綠視率處于低水平和一般水平的道路,提出解決措施,疏林灌木式這種綠化模式更適用于城市道路,綠視率提升效果顯著,積極推行疏林灌木式。保證喬木生長旺盛,樹冠越大,綠色植物占據圖片面積就會增加,綠視率會顯著提升。