基于智慧城市多源時空數據脈動規律認知的城市病研究
全國勘察設計信息網 www.www.pack001.com 2017/9/18 6:20:18 來源: 全國勘察設計信息網
【字體: 打印本頁

    隨著智慧城市上升為國家戰略和《新型智慧城市評價指標》出臺,各級政府不斷推進新型智慧城市建設,各類便民惠民項目爭相落地,產業規模呈現快速增長態勢。針對常見城市病,利用我們在智慧城市建設中形成的空間信息公共平臺所匯聚的各類數據,運用大數據思維和科學的數據挖掘手段,全方位、多角度揭示城市潛藏規律,把脈城市健康脈搏,輔助城市管理、規劃決策和應急響應。依托“城市脈動”基本理念,針對城市交通擁堵、城鄉垃圾堆放、城市熱島涌現、社會案件頻發等常見“城市病”,融合數據挖掘技術和深度學習手段對長序列時空大數據進行分析,揭示“城市脈動”變化規律并進行可視化展示,最終為城市規劃和管理決策者提供科學指導,提升智慧城市公共服務效率。

    目前,隨著城市人口、工業、交通運輸業不斷擴張,由于城市的環境、資源和基礎設施難以適應城市的快速發展,使得交通擁堵、環境破壞、熱島效應、大氣污染等一系列城市問題日漸顯著。在此形勢下,準確把握城市發展規律,推動城市健康發展,成為智慧城市發展的必然趨勢。
    由于遙感、物聯網、無人機等技術的快速發展,獲取得到的諸如遙感影像數據、傳感器數據、視頻監控數據等的城市數據種類愈加繁多,這些數據具有大數據量、多空間尺度、多時間尺度、多用戶對象和多專題類型的特點,因此統稱為時空大數據。數據科學家和城市管理者通過對這些多源時空大數據進行分析挖掘,探究潛藏在數據背后的脈動規律并將其應用于智慧城市的建設。如在智慧交通中,通過對行車軌跡進行數據挖掘,從而確定最佳的行車路徑;在智慧環保中,利用深度學習算法進行城鄉垃圾堆的自動提取,實現垃圾堆的智能識別和管理等。在智慧城市中,采用數據分析手段,挖掘多源時空數據的隱藏價值,分析城市脈動發展規律,對于精細化城市管理,現代“城市病”問題的研究以及人民生活品質的改善均起著不可替代的作用。
    本文針對城市交通擁堵、垃圾堆放、熱島效應等城市病,依托智慧城市公共信息平臺所收集的多源時空數據,采用深度學習、關聯規則挖掘等機器學習算法進行信息提取和時空數據分析,認知城市病發展過程中各項指標的脈動規律,從而對現代“城市病”問題的解決提出合理建議。

    1 城市病研究方法與進展
    1.1 城市病研究進展
    在城市化發展進程中,如果人口集中的規模超過了工業化和社會經濟發展的水平,就可能產生諸如交通擁堵、生態破壞、垃圾堆放等一系列的城市問題,而“城市病”是城市的正常功能受到影響的一種形象化描述。周加來從城市發展的不同階段,對城市病的起因進行了系統的闡述。倪鵬飛在對我國城市發展歷程進行總結的基礎上,將我國城市病的表現特征歸納為環境污染、交通擁堵、住房緊張、健康危害、城市災害及安全弱化等。梁麗從人口、城市體制等幾個方面對城市病形成的原因進行了分析,同時提出了利用大數據進行城市病治理的對策建議。本文就環境破壞、交通擁堵以及社會頻發事件方面的城市病進行研究。
    在環境領域,城鄉生活垃圾堆是目前最難得到處理、最具綜合性且最貼近生活的環境問題,隨著中國社會經濟的不斷發展,我國生活垃圾的數量呈現出明顯的增長趨勢,我國城市每年垃圾的產生量以8%~10%的速度增長,2010年我國生活垃圾產生量為3.52億噸,居世界首位。目前,城鄉生活垃圾的露天堆放、無人管理不僅造成了嚴重的大氣、水體和土壤污染,同時也對居民的身體健康產生了負面影響。
    除生活垃圾堆問題外,城市熱島效應也已逐漸成為影響城市人居環境和居民生活健康的一個重要因素。城市熱島效應是指城市化發展過程中,由于城區下墊面性質的改變、溫室氣體以及人工廢熱的排放等因素所引起的城市地表和大氣溫度明顯高于城市周邊郊區的一種現象。城市熱島的形成與發展與其所處的地理位置和幾何形狀有著密切的關系。Oke將城市中心區的溫度最高值與郊區溫度的差值定義為“熱島強度”,熱島強度與城市的發達程度密切相關,如北京、上海、廣州等幾個城市的熱島強度十分明顯,城市熱島問題嚴重。嚴重的城市熱島效應不僅形成了嚴重的大氣污染,也嚴重影響了人們的生活質量和制約著城市的發展進程。
    在交通領域,隨著我國城鎮化進程的不斷加快,城市的交通問題也愈演愈烈,主要表現為交通擁堵及由此帶來的污染、安全等一系列的問題。近年來,我國私家車數量的日益增加使得城市交通擁堵問題日益嚴重,其中北京、上海等特大城市尤為嚴重,其他大城市和一些中小城市也陸續出現交通擁堵問題。交通擁堵直接影響著居民的工作、生活效率,同時抑制著人們的日常活動,使得城市活力大打折扣,居民的生活質量也隨之下降。
    除了環境破壞、熱島效應和交通擁堵外,城市的不斷發展,人口的過度集中,也使得城市中道路破損、道路積水、路面塌陷等社會事件頻繁發生,大量的城市基礎設施、公共服務設施和社會公共事務等需要進行維護和管理,給城市管理部門的管理工作增加了難度。
    因此,城市病的長期存在及惡化,已經嚴重困擾了城市發展。本文在諸多學者研究基礎上,運用遙感手段和各類傳感器所獲取的城市數據,結合當前主流深度學習算法和機器學習分析模型,對城市病進行多角度剖析,針對城市交通擁堵、城市垃圾堆放、城市熱島效應和城市監管案件等典型城市病進行分析,取得階段性成果。
    1.2 多源時空數據是城市病研究基石
    隨著遙感技術、無人機、物聯網以及互聯網+等技術的發展,多源時空數據的種類越來越多,主要包括遙感影像和無人機影像數據、各類傳感器數據、視頻監控數據和微博簽到數據等。在城市智慧化、信息化建設和發展的浪潮下,由物聯網、社交網絡及城市基礎設施等產生的數據量已經由GB(Gigabyte)、TB(Terabyte)級快速增長為PB(Petabyte)和EB(Exabyte)級。
    在解決現代各個領域的城市病的研究中,多源時空數據是各項工作的基石。如利用高分辨率遙感影像數據對城鄉生活垃圾堆進行提取,從而統計分析其分布情況;利用遙感影像中的熱紅外波段數據進行溫度反演可以分析城市熱島效應的時空特征;利用無人機遙感數據進行城市的車輛提取判斷道路的擁堵情況,同時利用視頻監控數據等時間序列的數據獲取車輛運動狀態;利用傳感器手段、社交網絡的眾源數據獲取城市的社會事件類型及具體的空間坐標,以便進行城市基礎設施、社會公共事務的維護和管理。
    綜上,多源時空大數據反映了城市的健康狀態,同時也是城市病研究的基礎,利用多源時空數據進行脈動分析,對城市病的溯源和解決具有重要意義。
    1.3 脈動分析是城市病研究基本手段
    城市脈動分析是對城市各項指標特征變化規律的探索。它充分利用了數據挖掘技術從大量、有噪聲、模糊的數據中提取隱含在其中的、有價值的信息和知識。在城市病分析中,為了挖掘多源時空數據的隱藏價值,對城市脈動規律進行分析,常常需要綜合應用遙感信息提取、機器學習、空間分析等方法,并根據特定需求綜合選擇和使用相應數據挖掘理論、方法和工具,提高智能化程度。
    遙感信息提取技術是以遙感圖像為研究對象,在計算機系統支持下,綜合運用遙感圖像處理、GIS分析、人工智能等技術對地學專題信息進行智能化提取。由于不同波段、不同地物具有不同的波譜特征,通過對某種地物在各波段進行波譜曲線的分析,并將其特點進行增強處理,從而在遙感影像上識別并提取同類目標物。如利用遙感信息提取技術可以快速、高效地對城鄉垃圾堆進行判別,從而為垃圾堆放這一城市病的研究提供數據支撐。
    空間分析技術是對目標的位置和屬性數據進行分析的一系列技術。利用空間分析技術可以對城市頻發事件、交通擁堵和熱島效應等城市病問題進行研究。通過對城市頻發事件進行空間分析,可以發現不同地區的主要社會事件,從而因地制宜地進行監管;在交通擁堵方面,可以通過對不同地區車流量情況的分析,從而評價不同地區的繁華程度,為交通規劃、車輛管理提供指導;另外,通過遙感影像進行溫度反演,能夠分析城市熱島的空間變化規律,獲取城市熱島的區域特征,從而進一步分析不同地區熱島效應的產生原因并對其發展趨勢進行預測,最終為生態環境的保護、城市發展規劃提供指導。
    機器學習主要是利用計算機理解并模擬人類的學習過程,針對不完全的信息進行自動規劃并用以獲取新的知識和技能,重新組織已有的知識結構使之不斷改善自身的性能。深度學習作為機器學習的一個分支,已廣泛地應用于圖像分類、自然語言的處理和人工智能等各個領域,并在目標檢測中也取得了前所未有的成果。利用機器學習可以對車輛軌跡和不同地區的車流量情況等進行分析,從而應用于交通擁堵的研究之中。
本文從交通擁堵、城鄉垃圾堆、熱島效應和城市頻發社會事件4個方面的城市病出發,利用數據挖掘方法、空間分析、深度學習算法等手段,基于多源時空數據開展典型的城市脈動分析,從而對城市病的研究提供途徑。

    2 城市病脈動分析案例
    針對城市病中交通擁堵、環境破壞以及社會頻發事件等問題,利用我們在智慧城市建設中形成的空間信息公共平臺所匯聚的遙感影像、無人機數據和各類傳感器數據等多源時空數據對城市交通擁堵、城市垃圾堆放、城市熱島效應和城市監管案件開展了脈動應用分析。
    2.1 城市交通擁堵分析
    城市交通脈動分析包括城市車輛空間位置提取、城市公交車客流量狀況分析等方面。其中,隨著交通擁堵現象的愈發嚴重,對車輛空間位置的提取是交通管理和規劃的關鍵環節。傳統的車輛空間位置的提取都是基于地面的監測設備,如雷達系統和視頻監控。然而這些設備的覆蓋面有限,難以有效監測整個道路網絡的交通情況。由于遙感技術能夠進行大范圍、長時間地動態監測,近年來利用遙感影像數據進行車輛空間位置的提取已然成為一個新興的研究方向。許多學者利用高空間分辨率遙感影像(如IKONOS, QuickBird,WorldView)來進行車輛檢測[20-23]。還有一些學者在車輛空間位置提取基礎上進行了進一步研究,他們利用QuickBird衛星全色和多光譜傳感器拍攝時間的微小間隔來估計運動車輛車速。
    在城市車輛空間位置提取中,本文使用caffe框架實現Faster R-CNN模型,實驗數據為空間分辨率為0.13 m的Google Earth影像中采集200張包含車輛大小為500×500像素的影像,其中的車輛樣本多達2 000個。選擇其中的100張圖片作為訓練集,50張圖片作為驗證集,另外50張圖片作為測試集。原始樣本數據如圖1所示。測試集上的檢測效果圖如圖2所示。

    圖1 城市車輛原始樣本數據

    圖2 測試集檢測效果圖

    在獲取了車輛分布的基礎上,本文分析了不同日期的某道路車流量的異常比,計算方式如公式(1),該特征反映了路網交通流的紊亂程度,通常擁堵情況將會導致該值居高不下或者極速攀升。
    式中,Nanomaly為當前時段異常狀況的車輛數,Ntotal為當前被估計的所有交通流狀況總數。日常情況下,城市交通路網異常狀況比例會維持在一個相對穩定的較小值,當區域內出現惡性突發事件(如車禍)時,路網交通流就會相對“紊亂”,異常狀況比例迅速攀升,如圖3所示,11月4日,交通擁堵導致路網受到較強烈的影響。

    圖3 各時段交通流異常比情況

    通過對車輛提取和交通擁堵的監測,了解城市各道路的交通流量狀況,并及時向有關部門反映和建議,有利于改善交通管理控制和路網的規劃,緩解交通擁堵現象。
    2.2 城市垃圾堆放分析
    城鄉垃圾堆的長期隨意堆放,給城鄉環境的改善和全面有效治理帶來很大的困難。目前,遙感技術應用于垃圾處理方面的研究有了一定的進展,但仍有大量關鍵性問題需要解決WaiYeungYan等基于Landsat影像檢測固體廢棄物的表面溫度,發現垃圾堆的地表溫度比周圍植被溫度高了4°到10°,為垃圾監測提供了更多信息。Enrico Giuseppe Cadau等用高分辨率遙感光學影像對垃圾堆進行二維監測,用合成孔徑雷達(SAR)影像對垃圾堆進行三維檢測,并通過反演溫度,提出了一個垃圾堆監測指數DDI(Dump DetectionIndex)。秦海春等采用高分二號影像數據,以決策樹分類為研究方法,建立了垃圾堆解譯標志,得出了在影像上垃圾堆顏色往往呈高亮白色、紋理結構顯、表面凹凸不平等結論。現有的研究并沒有充分利用機器學習和人工智能等自學習技術手段來減少人機交互。因此,本文利用遙感影像結合全自動的目標檢測技術智能化地提取露天垃圾堆從而為環境衛生部門的管理提供幫助。
    本文主要采用深度學習算法中的Faster R-CNN模型進行城鄉垃圾堆的提取,并對其分布特征進行空間分析。實驗中采用空間分辨率為0.13 m的Google Earth影像,并裁剪200個500×500像素的包含城市垃圾堆的影像為樣本數據集。其中,選擇60張圖片作為訓練集,60張圖片作為驗證集,另外80張圖片作為測試集。原始樣本數據如圖4所示。

    圖4 城鄉垃圾堆原始樣本數據

    在Faster R-CNN模型中,不同的參數設置意味著系統整體性能的差異,通過交叉驗證將模型的參數進行如下設置:初始學習率設置為0.001,梯度更新權重為0.9,權重衰減項為0.001 2。首先采用均值為0,方差為0.01的高斯分布初始化模型的所有新層;然后使用ImageNet完成分類任務的預訓練,并使用預訓練好的模型初始化RPN網絡和Fast R-CNN檢測網絡;最后將樣本影像中的垃圾堆一一框選用于模型的訓練。
    在進行caffe環境搭建的基礎上,利用FasterR-CNN進行模型的訓練,并選取某城市的遙感影像進行垃圾固廢的檢測,檢測效果如圖5所示。

    圖5 在測試影像中對垃圾堆位置的判別

    由圖6可以看出,該城市中垃圾堆集中分布在南部的城鄉結合地段。因此,通過對遙感影像中垃圾堆的提取及其空間位置分析,可以有效地圈定垃圾堆的分布地段,從而輔助環衛部門進行針對性的治理,改善城市市容環境。

    圖6 垃圾堆監測結果的空間密度分析

    2.3 城市熱島效應分析
    近年來,我國學者對城市熱島效應做了許多研究,任霞等人在進行溫度反演的基礎上,對比分析了歸一化植被指數、歸一化建筑指數和歸一化水汽指數3種主要的地表特征參數在表達熱島效應方面的有效性。江樟焰等人[30]利用TM影像根據輻射傳輸方程進行北京地區地表溫度的反演,從而對熱島現象與土地覆蓋類型和植被指數的關系進行了研究。
    本文在以往定性研究城市熱島的基礎上引入了定量分析手段,并結合剖面線分析方法,對天津生態城城市熱島效應的時空分布特征進行剖析。依據單窗算法所反演的溫度數據,對生態城2013~2015年的熱島效應進行分析,包括熱島效應的年度變化、區域特征等。
    從圖7中可以看出,2013年到2015年間生態城的次高溫、高溫、特高溫三區之和從42.3%增加到44.5%,可見近三年城市熱島效應呈逐年增強的態勢,說明隨著生態城的發展,居民活動日益增強。但是,生態城的特高溫區比例,從2013年的18.4%降低為2015年的0.1%,說明隨生態城的生態建設成果已經初見成效。

    圖7 2013-2015年生態城熱島效應各溫區比重圖

    2.4 城市監管案件脈動分析
    隨著城市的不斷擴張,人口過度聚集和交通擁擠等因素加劇了城市中車輛違章停放、露天垃圾或道路不潔等社會事件頻繁發生,城市管理部門每天都要對城市中的各類基礎設施、公共服務設施等市政內容進行維護和管理。在管理過程中積累了大量的歷史數據,通過對這些數據的脈動分析并將城市的運行現狀進行可視化展示,可以及時發現城市運行過程中存在的問題和監管盲區。同時,揭示了城市基礎設施和服務運行的歷史規律,從而對城市的規劃和管理起到有效的輔助指導作用。以中新天津生態城為例,對城市監管案件的字符云可視化展現如圖8所示。
    生態城監管案件字符云圖展示了生態城歷史案件的內容分布情況,其案件信息來源于生態城城市事件管理中的案件記錄,依據每個案件的類型和內容進行凝練,按照關鍵詞出現頻率以及案件等級的高低進行排序,將頻發程度通過字符的大小進行可視化表現。由此突出重點案件和高頻案件,對城市運行的監管方向提供建議。

    3 結束語
    本文利用在物聯網、遙感、無人機等技術蓬勃發展下所獲得的多源時空數據,基于數據挖掘和深度學習等技術手段,對交通擁堵、城鄉垃圾堆、城市熱島和社會事件四方面的城市病問題進行探索性的分析研究,并科學地解釋了城市脈動結果的變化規律,為有關部門解決現代城市病提供了技術支撐。
    同時,目前所進行的利用多源時空數據對城市脈動規律的分析探索仍屬冰山一角,仍有許多要完善和改進的地方。現有城市脈動分析模式距離多源時空數據真正融合還有一段距離;因此在后續研究中,需要進一步實現天空地一體多源時空數據融合,更好地挖掘城市各類數據之間關聯性以輔助城市病深入研究。此外,需要進一步提高城市脈動分析準確性和高效性,進一步優化脈動分析模型。在數據可視化方面,需要進一步增加面向用戶的更為人性化的可視化展示方式。
    作者:彭 玲1,吳 同1,3,李高盛1,2,李 祥1,2,胡 媛1,2,尤承增1,2
    (1.中國科學院 遙感與數字地球研究所,北京 100094; 2.中國科學院大學,北京 100049 ;3.西安科技大學,陜西 西安 710600)

 
版權所有:北京國建信源信息咨詢中心   
京ICP備11016107號-1 中文域名:全國勘察設計信息網
满堂彩|平台官网