利用街景图像估算城市级出行模式：以英国 Google 街景为例
计算机与社会
2018-07-04 v1
摘要
街景图像是一种有前景的大数据源，在逾 100 个国家提供当前与历史影像。已有研究利用该数据审计建成环境特征。本文探索一项新颖应用，即使用 Google 街景（GSV）预测城市级出行模式。我们抽样了英国 34 座城市。在每座城市中，我们获取了 1000 个随机位置、且与 2011 年人口普查及 2011—2013 年 Active People Survey（APS）年份重叠的 GSV 图像。我们将图像人工标注为七类道路使用者。我们构建了以道路使用者图像计数为预测变量的回归模型。结果变量包括人口普查报告的四类通勤方式占比（步行加公共交通、骑行、摩托车、小汽车）以及 APS 报告的过去一月步行与骑行参与率。在双变量分析中，我们发现 GSV 骑行者计数（GSV-cyclists）与骑行通勤方式占比（r=0.92）及过去一月骑行（r=0.90）高度相关。类似地，GSV-行人 与过去一月交通步行（r=0.46）中度相关，GSV-摩托车 与摩托车通勤占比（r=0.44）中度相关，GSV-公交 与步行加公共交通通勤占比（r=0.81）高度相关。GSV-小汽车 与小汽车通勤占比不相关（r=-0.12）。然而，在多变量回归模型中，所有方式占比均得到良好预测。交叉验证分析显示，除过去一月步行外，所有结果均具良好预测表现。街景图像是一种有前景的、用于预测城市出行模式的新大数据源。需在多种场景下进一步检验，以服务于横断面与纵向评估。
引用
@article{arxiv.1802.02915,
title = {Estimating city-level travel patterns using street imagery: a case study of using Google Street View in Britain},
author = {Rahul Goel and Leandro M. T. Garcia and Anna Goodman and Rob Johnson and Rachel Aldred and Manoradhan Murugesan and Soren Brage and Kavi Bhalla and James Woodcock},
journal= {arXiv preprint arXiv:1802.02915},
year = {2018}
}
备注
Paper submitted for peer review. 7 figures. 3 Tables