[发明专利]一种街道环境多维度失序的空间分布识别方法

权利要求书

1.一种街道环境多维度失序的空间分布识别方法，其特征在于，包括以下步骤：

根据研究区的路网数据获取样本点，并根据所述样本点获取研究区的街景图像数据；

通过抽样法从所述街景图像数据中抽取部分街景图像，并将所述部分街景图像按照街景环境失序4维度的评价标准进行4个维度的分类，得到4组街道环境4维度失序的街景图像样本；

根据所述4组街道环境4维度失序的街景图像样本，建立4个维度的街景失序二分类模型；

将所述部分街景图像作为所述二分类模型的训练集和测试集，并对所述二分类模型进行优化，得到训练好的识别模型；

将所述街景图像数据中的街景图像输入至所述识别模型，生成识别结果；

根据所述识别结果对所述研究区进行空间可视化分析和热点探测分析，生成所述研究区街道环境失序特征的空间分布。

2.如权利要求1所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述根据研究区的路网数据获取样本点，并根据所述样本点获取研究区的街景图像数据，具体为：

获取研究区的路网数据，通过空间分析软件按照预设距离的路网间距生成若干采样点；

根据所述若干采样点的位置，获取采样点前后左右四个角度的图像数据，以构成街景图像数据。

3.如权利要求1所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述街景环境失序4维度的评价标准，包括建筑物失序、杂草失序、垃圾失序以及乱停乱放失序4个维度。

4.如权利要求1所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述根据所述4组街道环境4维度失序的街景图像样本，建立4个维度的街景失序二分类模型，具体为：

对所述4组街道环境4维度失序的街景图像样本进行样本增量，并将增量后的街景图像样本进行分类，得到相同数量的失序和不失序的样本；

将所述相同数量的失序和不失序的样本作为训练集和测试集输入至卷积神经网络，构建所述4个维度的街景失序二分类模型。

5.如权利要求4所述的街道环境多维度失序的空间分布识别方法，其特征在于，对街景图像样本进行样本增量的方式，包括对样本进行旋转、平移、变换、缩放和翻转操作。

6.如权利要求5所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述将所述部分街景图像作为所述二分类模型的训练集和测试集，并对所述二分类模型进行优化，得到训练好的识别模型，具体为：

将所述部分街景图像作为所述二分类模型的训练集和测试集，对所述二分类模型进行训练；

判断所述二分类模型是否达到预设的精准度，是则以达到精准度的二分类模型作为训练好的识别模型；

否则对训练集和测试集内的部分街景图像进行样本增量，并将增量后的图像加入至所述二分类模型的训练集和测试集，直至所述二分类模型达到预设的精准度。

7.如权利要求6所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述预设的精准度为80％。

8.如权利要求1所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述根据所述识别结果对所述研究区进行空间可视化分析和热点探测分析，生成所述研究区街道环境失序特征的空间分布，具体为：

从所述识别结果中提取出包含失序特征并且符合预设规定的街道图像，并计算所述包含失序特征的街道图像对应街道的长度和密度特征；

通过空间自相关分析法探测所述研究区的失序特征的冷热点分布，生成所述研究区街道环境失序特征的空间分布。

9.如权利要求8所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述预设规定为，含有某一维度的失序特征次数不小于2次，且实际长度不小于50m的街道对应的街道图像。

10.如权利要求8所述的街道环境多维度失序的空间分布识别方法，其特征在于，所述计算所述包含失序特征的街道图像对应街道的长度和密度特征，具体为：

计算包括不同类别失序点的主干路、次干路和支路的总长度，占对应等级道路总长度的比重，以及占对应区域土地面积的比重。