基于自采集街景和深度学习的北京骑行环境风险评估

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：根据中国自行车协会的最新数据,截至2022年,中国电动自行车的保有量已攀升至3.5亿辆,逐渐成为众多市民的首选出行方式.然而,传统自行车与新型电动自行车的大规模并行使用,无疑加剧了骑行环境的安全风险.现有研究缺乏针对骑行环境安全评价的指标体系,无法对骑行环境中的潜在风险进行量化分析.在此背景下,本研究聚焦北京市四环内骑行环境的现状,以自采集的方式获取了北京四环内2963.4公里道路共116107张骑行图像作为数据基础,构建了一套包含12项风险因素的指标体系,并确定各风险因素的权重,以进行加权计算得到风险指数,最后构建计算机视觉模型识别各风险因素,并对识别结果进行聚类.本研究还在梳理北京市近年来慢行交通政策的基础上,结合风险因素识别结果,为未来北京市骑行环境建设提供了建议与参考.

外文标题：Cycling Environmental Risk Assessment for Central Beijing Using Self-collected Street View Images and Deep Learning

作者：

吴其正、苏南西、李彦、龙瀛

展开 >

作者单位：

清华大学建筑学院

关键词：

骑行环境自采集街景风险因素模型识别

基金：

自然资源保护协会(NRDC)项目惠康基金会"Pathways to Equitable Healthy Cities"项目国家自然科学基金国家自然科学基金

项目编号：

209376/Z/17/Z6239433162394335

出版年：

2024

装饰

清华大学

装饰

CSTPCDCSSCI北大核心

影响因子：0.43

ISSN：0412-3662

年,卷(期)：2024.(3)