城市视觉智能: 利用街景图像揭示隐藏的城市轮廓 | PNAS 速递
关键词:城市视觉智能,城市科学,计算机视觉,特征提取
论文题目:Urban visual intelligence: Uncovering hidden city profiles with street view images 期刊名称:PNAS 论文链接:https://pattern.swarma.org/paper/d275ec7e-14ca-11ee-9f2e-0242ac17000d
图1. 研究数据和方法。(A) 特征提取程序示意图:该研究收集了七个选定大都市地区街道网络沿线的 GSV (Google Street View)和 POI 数据来构建 SVF (street view features);(B) 使用从POI、SVF和其他人口统计变量构建的特征,建立模型来估计一系列社区社会经济变量 (Y),并比较模型结果以评估 SVF 的标定效果。这些被选中的社会经济变量主要围绕城市健康、交通、犯罪和贫困。
图2. 使用SVF来估计健康、犯罪、交通和贫困。(A) 模型散点图拟合R方比较。在估计大多数变量时,单独使用SVF的模型通常优于基于POI特征的模型 ;(B) 使用SVF估计运输相关变量的R方;(C) 使用SVF估计健康相关变量的R方;(D) 比较在CBG (census block group)和 CT (census tract) 尺度下使用SVF和POI特征之间的模型拟合R方。
城市科学读书会启动
推荐阅读