街景图像在城市环境映射中的覆盖范围与偏差
机器学习
2025-01-27 v3
摘要
街景图像（Street View Imagery, SVI）已成为城市研究中valuable的数据形式，使人们能够以新的方式映射和感知城市环境。然而，关于SVI代表性、质量和可靠性的根本性关切仍未得到充分探讨，例如，这些数据在多大程度上能够捕捉城市，数据空缺是否会导致偏差。本研究位于空间数据质量与城市分析的交叉领域，通过提出一种新颖且有效的方法来估计SVI在城市环境中元素级的覆盖范围。该方法整合了SVI与目标元素之间的位置关系，以及物理遮挡的影响。将数据质量领域扩展至SVI，我们引入一个评估覆盖范围的指标体系，聚焦于完整性和频率维度。以伦敦为案例研究，开展三项实验，以建筑外墙为例，识别SVI在覆盖和代表化城市环境元素的潜在偏差。发现尽管在城市道路网络中高度可得，Google街景图像仅覆盖案例研究区域内62.4%的建筑。每个建筑的平均外墙覆盖率仅为12.4%。SVI倾向于过度代表非住宅建筑，从而可能导致偏置分析，其覆盖范围受位置依赖性影响。本研究还强调了不同数据获取实践下SVI覆盖范围的差异，并为SVI收集提出了最佳采样间隔范围为50-60米。这些发现表明，尽管SVI提供了宝贵的见解，但它并非灵丹妙药——其在城市研究中的应用需要仔细考虑数据覆盖范围和元素级的代表性，以确保可靠的结果。
引用
@article{arxiv.2409.15386,
title = {Coverage and Bias of Street View Imagery in Mapping the Urban Environment},
author = {Zicheng Fan and Chen-Chieh Feng and Filip Biljecki},
journal= {arXiv preprint arXiv:2409.15386},
year = {2025}
}