街景数据可以怎么处理？从像素到城市研究

在各类城市数据里，街景影像有一点很特别：任何人都看得懂。打开一张图，你立刻就能认出人行道、店面、树。正是这种「一眼可读」，让「街景数据可以用来做什么」这个问题，通常被一串研究领域回答掉——绿化、安全感、步行性、零售——而这些答案往往用不上。领域告诉你别人研究过什么，但没告诉你一个像素要经过哪些环节，才能变成一个你敢拿出去被追问的数字。

如今这方面的文献已经足够多，可以直接描述而不必猜测。2021 年发表在《Landscape and Urban Planning》上的一篇系统性综述筛选了 619 篇论文，归纳了 250 项研究，并把这些工作分成大约十类应用方向，横跨植被、感知、交通、建成环境与社会经济估计。本文的组织方式正好相反：不按学科分，而是按那 250 项研究都必须走过的三个处理层来分，并逐层说明它能支撑什么、支撑不了什么。

街景处理分三层

关于街景结果的争论——说某个数字不对、有偏、或者跨区不可比——几乎都可以还原成「它是哪一层产出的」之争。把三层拆开命名，争论就能各归其位，而问题往往就落在此前没人看的那一层。

三层是严格有序的，而误差只朝一个方向传递。再好的分割模型也修不了一个撒在方形格网上的样本；再细致的空间聚合也修不了从歪着拍的画面里算出来的类别占比。所以影像层这个看起来只是「管道」的部分，恰恰最需要设计上的投入。

影像层：一旦定下就没人回头改的决定

• 沿路网固定一个采样间距并记录下来。城市场景通常取 20 到 50 米，而凡是你打算相互比较的单元，间距必须完全一致。
• 每个点位渲染一组固定朝向——0°、90°、180°、270° 四张是研究中的常见做法——并且视场角与俯仰角在整个项目内保持不变。
• 推理之前先把全景重投影为直线透视截图。模型是在普通照片上训练的，直接喂等距柱状全景，等于把弯曲的立面和拉伸的天空塞给一个从没见过它们的网络。
• 筛掉那些会悄悄污染整批数据的帧：以成功状态返回的灰色占位图、落在街道点附近的室内全景、把整个视野填满的过路卡车、严重的镜头光晕，以及镜头上的雨水。
• 为每一帧写一行清单，带上来源、授权、拍摄月份和确切的相机参数。后续所有结论都只是关于那个特定视野的陈述，没有清单就无法还原这个陈述。

视觉特征层：四种技术，四种性质的证据

• 语义分割给每个像素赋一个类别，得到的是视野构成比例：站在这个点上的人，能看到多少车行道、植被、天空或建筑。
• 目标检测返回带框的离散个体，得到的是计数与位置：标志牌、灯杆、垃圾桶、路边停车、行人。
• 文字识别读出画面中的字符串——店招、路名牌、管制标志——从而把影像变成可以和工商名录关联的东西。
• 特征嵌入把一帧压缩成一个向量，支撑相似检索、街道形态聚类，以及感知模型所用的回归头。

在它们之间做选择，不是「谁更先进」的问题。占比和计数回答的是不同问题：就像素而言，一个贴近镜头的行人可能压过远处的十几个人；所以只用分割构建的活力指标，会和只用检测构建的对不上，而两者在各自的定义下都可能是对的。

空间指标层：点 → 路段 → 区域

逐帧的数字对规划者还没有用，因为没人会针对一个「视野」做决策。聚合分三步走：先把多个朝向平均成每个点位一份画像，再把点位挂接到所属路段，最后把路段汇总到决策实际使用的单元。每一步都需要写下明确规则：一个路段至少要几个点才给值、只有一个点的路段怎么处理，以及不同拍摄月份的点位到底能不能放在一起平均。

语义分割是主力

文献里绝大多数街景指标都来自同一个操作：给每个像素分类，然后数数。城市场景领域占主导的类别体系源自 Cityscapes，而它的类别恰好能对上城市研究想测量的那些东西。

绿视率：Treepedia 到底测的是什么

绿视率是最成熟的街景指标，也最能说明处理层为什么重要。它是植被像素占可见画面的比例，并在一个采样点的多个朝向上取平均——衡量的是「站在人行道上的人能看到多少绿」。2015 年发表于《Urban Forestry & Urban Greening》的改进型绿视指数给了它一个可引用的定义，而 MIT Senseable City Lab 的 Treepedia 项目把这套方法推广到许多城市，它才从一次性方法变成一个可跨城比较的指标。

围合度与开敞度这一族指标受同样的逻辑约束。竖向界面与可见天空之比，描述的是街道被感知到的剖面，而不是它被测量出的剖面；建筑高度与街道宽度属于不动产登记与激光雷达数据，需要物理尺寸的项目应当从那里取值，而不是从像素里推。

城市感知：六个维度，和一个很大的前提

第二大应用族，是从外观预测人们对一个地方的评价。奠定这一方向的做法，是在全球范围收集众包的两两比较——给你看两张街景，哪一张看起来更安全？——再训练模型去预测聚合后的人群偏好。Place Pulse 2.0 这项工作围绕六个维度展开：安全、美观、有活力、富裕、压抑、无聊。

两两比较的设计是其中最巧妙的一环。让人给一条街打 1 到 10 分只会得到噪声，因为不同评分者的尺度会漂移；而问「这两条街哪条看起来更安全」，得到的比较可以干净地聚合成一个排序。模型学到的就是这个排序——而排序是关于人的判断的陈述，不是关于这条街本身的陈述。

步行性与无障碍

传统的步行性审计，是让受过训练的观察员拿着清单沿街走一遍。街景影像让同一份清单可以铺到实地踏勘无法覆盖的规模，而包括发表在《ISPRS International Journal of Geo-Information》上的街景步行性评估在内的一批工作，正是建立在这种替代之上。

• 人行道的有无与连续性：逐帧识别，再沿路段串起来，看的是断点在哪，而不是平均值是多少。
• 过街设施：斑马线、信号灯、安全岛，以及行人自然选择的路径上恰好什么都没有的地方。
• 路口的坡道与台阶——一条本来连续的路径，正是在这里对轮椅和婴儿车失去可用性。
• 步行区内的障碍物：杆件、垃圾桶、违停车辆、外摆经营、施工围挡。
• 缓冲与舒适线索：行人与车流之间的行道树、灯柱、可坐设施。

交通与道路资产盘点

资产类工作最偏运营，也是检测而非分割承担主要工作的一类。它的产出是一份盘点表：一批带位置、带类型、并且已去重的走廊设施清单。

• 交通标志与管制牌：按类别归类，并定位到路段上的具体位置。
• 路灯：灯杆位置与间距——它能支撑关于夜间照明覆盖的追问，而影像本身回答不了这些问题。
• 车道线及其表观状况，以及过街标线与停止线。
• 从车上可见的路面缺陷——开裂、补丁、积水——适合做分诊排查，而不是工程评定。
• 停车：拍摄瞬间的路内占用、路缘使用方式与装卸活动。

任何资产项目都受两个约束。一是目标在每一帧里各被检出一次，但在现实中只存在一个，因此跨重叠帧的去重是一个实打实的步骤，不是收尾时补的——有序采集序列会让这件事比一堆彼此独立的全景容易得多。二是单次通过只记录一个瞬间：一个当天拿出来待收的垃圾桶、一辆并排停放的货车、一块被送货卡车临时挡住的标志。资产层面的结论，要么依靠多次重复采集，要么就要明确写清它描述的是拍摄瞬间。

商业与街道活力

零售与街道活力类工作会同时用到三种特征技术。文字识别把店招读成名称，再配一个分类器读成业态。分割与检测描述界面本身——玻璃与实墙的比例、卷帘门、遮阳篷、外摆——也就是建筑与人行道之间的那道物理界面。检测则数出画面中的人与车。

• 店招 OCR 给出每个门面的候选商户清单，最好用作与 POI 或工商名录的交叉核对，而不是当成一次独立普查。
• 门面透明度与卷帘门情况，描述的是首层界面的品质；它与街道被如何使用相关，但不是营业状况的度量。
• 行人与车辆存在度，为你手上这些帧提供一个活动代理值，报告时必须附上拍摄时间。

城市变化检测

同点位的多期影像，是价值最高、也最容易做坏的一类应用。做对了，它能直接测量物理变化：一块地被开发、一个门面被改造、一条自行车道被划出、树木被种上或被移走。近年围绕街景时间序列做城市变化评估的工作，包括 CityPulse 这一脉的研究，专门为此构建了数据集与方法；它们在方法上的谨慎程度本身就很有参考价值。

1. 对齐视角。不同年份的全景在街道上的位置略有差异，因此仅仅让朝向一致是不够的；应朝固定方位角渲染，并用建筑转角这类稳定特征检查两帧是否真的重合。
2. 控制季节与光照。落叶期对展叶期会「测出」一个从未发生的植被变化；低太阳角度的影像对上阴天影像，则会让每个地面类别占比都发生偏移。
3. 所有期次固定同一个模型与类别体系，否则你测到的差异里混着一次模型升级。
4. 把真实变化和重新处理区分开。新的全景标识符既可能意味着新影像，也可能只是同一次拍摄的重新渲染，因此在把某处判为「变化」之前，要先核对拍摄日期与返回位置。
5. 对检出的变化抽样做人工复核。变化检测最容易在看起来最有意思的地方产生误报——脚手架、停放车辆、临时围挡。

健康与环境暴露，以及社会经济代理变量

还有两个应用族，把街景指标延伸到了别的学科。在健康研究中，人视高度的绿量、围合度与步行设施被用作环境暴露变量，理由是「居民每天看到并走过的东西」比卫星数据算出的区域均值更接近真实暴露。在社会经济研究中，街道特征——建筑状况、车辆类型、门面品质、绿化——被用来估计收入、贫困程度或房价，尤其是在调查数据稀疏或过时的地方。

研究设计决定上面这些是否成立

上述所有应用，能有多好取决于底下的设计，而已发表结果之间的分歧，大多能用同样这几个设计字段解释。请把它们当作交付表里的必备列，而不是方法章节里的套话。

1. 采样间距，在所有相互比较的单元中保持一致；以及决定每个点匹配到哪个全景的吸附半径。
2. 朝向组合、视场角与俯仰角，全项目保持恒定。仅仅放大视场角，就会让你报告的每一个占比都发生位移。
3. 拍摄月份，一路带到最终结果表。季节性是系统性的而非随机的，所以它能在聚合后存活，并最终变成一个「结论」。
4. 来源字段——当影像混用了不同平台、或包含你自己的采集时。不同相机与安装高度造成的偏移，常常大于你所研究的那些差异本身。
5. 模型标识、权重与类别体系版本，这样日后重跑才是可比较的，而不只是重跑了一遍。
6. 分层抽样的人工校验，并以「这批影像、这个模型、这组样本」的误差分布形式报告，而不是给出一个笼统的精度承诺。
7. 每个聚合单元的点位数量，与每个聚合值并列给出。只有一帧可用的路段和有十二帧的路段，不该在输出里长得一模一样。

如何选择处理路线

只要把问题问得足够精确，大部分立项讨论都会快很多——因为路线会随问题自动确定，而「这条路线解决不了什么」也会随之明确。

开工之前先读第三列，是「能通过评审的研究」与「数据采完才发现要重新划范围的研究」之间的分界。而它也是整件事里成本最低的一步。