GIS 分析计算机视觉地图可视化
街景分析
用语义分割、目标检测与色彩分析处理街景影像，大规模量化街道的物理特征。
- 分析路网
- 310 km
- 处理影像
- 24,800
- 每路段指标数
- 7
得到了什么结论
- 全路网的绿视率从 4.1% 到 38.9%，其分布与行政区边界的吻合程度远超团队预期。两个相邻片区在街道类型没有变化的情况下，相差超过二十个百分点。
- 围合比与绿视率之间只有弱相关。有几条街道在绿量上得分不低，走在其中却开阔而缺少遮蔽；这一点值得注意，因为街道空间政策里常把这两种品质当成一回事。
概述
影像本身不是数据，从影像里量出来的才是
看一张街景图，谁都能形成一个印象；看四万张，没有人能形成一个稳定的印象。价值不在影像本身，而在于用同一套规则把每张图变成一行数字——只有这样，两条街、两个片区、两座城市之间才谈得上比较。
采样方式直接决定了这些数字的含义。沿路网每 25 米采一个点，而不是每条路段采一个，才不会让一条几公里长的主干道和一条几十米的支路算作同等权重；每个点取四个朝向，才不会让某一个镜头方向单独决定这条街「有多绿」。拍摄季节同样关键：同一条街七月和一月测出来的绿视率差异，往往大于街与街之间的差异。
所以在处理第一张图之前，这些参数就已经固定下来，并连同模型版本与置信度阈值一起随结果交付。每一个指标都能回溯到产生它的那张图片。一个在会上经不起追问的数字，交付出去也没有意义。
街景来源平台
四类街景来源，按研究区域选择
不同平台的覆盖范围、拍摄时间、影像形态与再分发规则并不相同。我们会先核实这些约束，再选择单一来源或组合多个平台，并在交付中保留各来源的差异。
谷歌地图街景
适用于中国大陆以外有覆盖的地区。通过官方 Street View 接口获取全景图或固定朝向影像、坐标与拍摄时间；采集、缓存和交付遵循 Google 平台条款。
百度街景（中国）
中国大陆项目的主要可用来源。我们处理 BD-09 坐标转换，沿路网布设采样点，并记录研究区域实际返回的影像日期与覆盖情况。
Apple 地图街景
可作为 Apple Look Around 已覆盖城市和地区的补充来源。项目开始前先核实当地覆盖及允许的访问和使用方式，再把可用影像与元数据统一到同一套采样结构中。
KartaView 街景
由贡献者共同建立的开放式地理标记街景轨迹。可采集轨迹元数据与按顺序排列的原始帧，保留贡献者和许可来源，再进入同一套检测与指标计算流程。
真实产出
一个真实采样点跑出来的结果
取纽约第五大道上的一个点位，坐标 40.7536, -73.9804。下面这些都出自跑正式项目的同一套流程，区别只在规模。同一套流程也会跑在百度、Apple Look Around 与 KartaView 影像上——哪个来源更适合目标区域，就用哪个。
完整全景图
4096 × 2048 的 360° 等距柱状投影全景，所有指标都从这一帧上量取。以全景而非单张快照为基准，意味着街道不会有任何一侧落在视野之外。
4096 × 2048 · 360°
切分为四个朝向
同一点位分别渲染 0°、90°、180°、270° 四个方向。指标先按朝向分别计算再取平均，避免单一镜头方向决定这条街「有多绿」「有多封闭」。
0°
90°
180°
270°
逐像素分割到类别
每个像素被判定到具体类别——道路、人行道、建筑、植被、天空、行人、杆件、围栏——各类别的占比即构成绿视率、围合度等一整套指标。
输入
分割结果
同一点位的十年影像
该点位在 2017 至 2026 年间共返回八期影像。用同一套采样设计跑不同年份，快照才变成可度量的变化；注意其中的年份空档——平台并不会每年重跑每条街。
2017.11
2018.08
2019.06
2020.11
2021.05
2022.06
2024.09
2026.04
KartaView 街景来源示意
除谷歌、百度与 Apple 外，我们也从 KartaView 拉取开放街景轨迹。左图：地图上的覆盖范围，蓝色路径即已录制的 track；右图：某条 track 背后的原始帧序列——按顺序、带时间戳的影像，进入同一套指标流水线。
覆盖范围
原始序列
全景图与透视图版权归 Google 所有，通过 Street View Static API 在其服务条款范围内获取。KartaView 覆盖示意与序列帧版权归各贡献者所有，此处仅作开放街景来源示例。语义分割结果为我们自行处理产出，使用开源的城市场景模型。
服务范围
每个采样点会得到什么
指标先逐张图计算，按朝向平均得到该点的一份画像，再向上聚合到路段与片区层级。
采样点
稳定的点位标识，含坐标、朝向与所属路段。
拍摄时间
记录影像本身的拍摄时点，而非我们的处理时点，季节因素不会成为隐藏变量。
绿视率
视野中植被所占比例，是衡量街道层面「可感知绿量」的通行指标。
天空可见比例
视野中可见天空的比例，直接影响开阔感与日照条件。
围合度
从地面视角看到的建筑高度与街道宽度之比，是衡量街道封闭感的标准代理指标。
沿街立面构成
视野中建筑立面、活跃界面、实墙与围挡各自所占的比例。
车辆与行人计数
逐张图的检测计数，与像素占比一并给出——两者回答的是不同的问题。
街道设施盘点
长椅、路灯、垃圾桶、标识牌、杆件与过街设施，逐项计数并定位。
店招文字识别
从店铺招牌中提取的文字，可与 POI 图层比对，核实哪些商户仍在实际经营。
路面状况标记
可见的路面与人行道破损情况，以及人行道是否连续、是否存在高差。
主色调
每张图的主导配色，可区分风貌统一的历史街区与新旧混杂的沿街界面。
方法记录
采样间隔、朝向数量、模型版本、阈值与校验结果，随数据一并交付。
交付格式
按你的技术栈习惯的方式交付
- CSV
- 一行一个采样点，另附一张聚合到路段层级的数据表。
- GeoJSON
- EPSG:4326 下的采样点，以及已关联指标的街道路段。
- Shapefile
- 带投影信息的点图层与线图层，适配 ArcGIS 与 QGIS 工作流。
- Excel
- 含指标表、路段聚合表、方法说明与校验结果的工作簿。
- 影像清单
- 列出每一张已处理影像的来源、许可与拍摄时间，让每个数字的来路都可追溯。
样例数据
你实际拿到的是什么
示例项目数据。采样间隔 25 米，每点四个朝向；拍摄月份始终保留，因为跨季节的植被类指标之间不具备可比性。
| 路段 | 采样点数 | 绿视率 % | 围合度 | 店面数 / 百米 | 车辆数 / 图 | 拍摄时间 |
|---|---|---|---|---|---|---|
| Mill Lane | 48 | 34.2 | 0.68 | 1.2 | 1.8 | 2025-07 |
| Harbour Road | 126 | 11.7 | 0.39 | 0.4 | 7.4 | 2025-07 |
| Beech Street | 62 | 29.5 | 0.91 | 2.1 | 2.6 | 2025-08 |
| Market Row | 34 | 6.8 | 1.71 | 9.6 | 3.1 | 2025-08 |
| Vale Crescent | 71 | 41.3 | 0.55 | 0.0 | 1.2 | 2025-07 |
| Foundry Way | 58 | 9.4 | 1.48 | 3.8 | 11.2 | 2025-06 |
交付实例
这项服务在真实项目里的样子
基于这项服务完成的示例项目，附它们跑出来的数字，以及各自最终解决了什么问题。
POI 数据数据采集市场研究
POI 数据分析
在五个都市区之间建立一份可比的品类普查，以及让这种比较得以成立的标准化工作。
- 原始记录
- 94,200
- 唯一 POI
- 71,480
- 品类标签
- 14 → 1
得到了什么结论
- 按绝对数量排，Metro A 大幅领先；按人均排，它只排第三，而团队原本认为无关紧要的两个市场，反倒是供给最密集的。
- 连锁占比在这些被行业评论视为大体相似的市场之间，从 17.9% 一直分布到 51.4%。这个跨度后来成了整份研究的核心发现，而不是一条脚注。
服务流程
五个步骤，每个项目都一样
- 步骤 01
说明你需要什么数据
覆盖哪些街道或区域、需要哪些指标，以及这次比较最终要回答什么问题。
- 步骤 02
我们确定数据范围
共同敲定用哪些平台——谷歌、百度、Apple Look Around 或 KartaView——以及许可条款、采样间隔、朝向数量与指标清单。
- 步骤 03
我们采集并处理数据
沿路网采样影像，在固定模型版本下完成分割、检测与指标计算。
- 步骤 04
我们校验数据集
先人工标注一批样本并与自动指标逐项比对，通过后才进入交付。
- 步骤 05
我们交付最终成果
点图层与路段图层，附影像清单、方法说明与校验结果。
项目按路网长度、采样密度、指标数量，以及是否需要采购影像授权来报价。告诉我们范围和需要哪些指标，采集开始之前你会先拿到固定报价。
常见问题
客户经常问到的问题
什么是街景数据？
街景数据，指的是把街景影像「测量」出来而不只是「看」出来的结果。沿路网按固定间隔采样影像，把每一张图转换成一组数值——视野中有多少植被、街道有多封闭、有多少车辆与店面——再关联回街道几何，最终就是一份普通的空间数据集。
影像从哪里来？
我们按项目选择、并始终在各平台服务条款范围内采集多平台街景：中国大陆以外用谷歌地图街景（Street View Static API）；大陆境内用百度街景全景；在覆盖与许可允许时也可使用 Apple 地图街景（Look Around）；以及 KartaView、Mapillary 等以知识共享协议开放的街景平台。你已有或自行采集的影像、以及为该项目商业采购的授权影像，同样可以处理。我们不会从明令禁止的平台批量下载影像；如果你设想的来源无法按你设想的方式使用，我们会在咨询阶段就说明。
国内的街道能做吗？
能，走百度全景接口——Google 在境内没有覆盖，这是实际可用的来源。流程是一样的：沿路网布采样点、按固定朝向取图、算同一套指标。有两处差异值得提前规划。一是坐标要在 WGS 84 与平台使用的 BD-09 之间转换，这部分由我们处理并写进方法记录。二是历史多期影像的可得性远不如 Google 稳定，所以涉及时间序列的研究，我们会先看平台在你那片区域实际返回了哪几期，再来定范围，而不是一上来就承诺。
能把影像本身也交付给我们吗，还是只有数据？
指标数据始终归你所有。影像则取决于来源：开放许可的影像与你自有的影像可以随数据集一并交付；通过平台接口获取的影像，受该平台关于缓存与再分发的条款约束，因此你拿到的是派生指标，外加一份标明每张源影像的清单。适用哪种情况，我们会在开工前以书面形式确认。
这些指标准确度如何？
每个项目我们都会用人工标注的样本做校验。以常见的绿视率为例，自动结果与人工评分的平均差异在三个百分点上下——这个精度足以支撑街道之间的横向比较，但不足以把任何单个数值当作绝对真值。校验结果会随数据一起交付，而不是笼统地口头描述。
多久可以更新一次？
取决于底层影像的更新频率。平台来源在城市密集区通常是一到三年更新一次，其他区域间隔更长。用同一套采样设计跑新影像，才能得到真正意义上的变化量；我们会明确标注哪些点位确实有了更新的影像，而不是把不同年份的影像悄悄混在一起。
可以用我们自己拍的影像吗？
可以，而且往往是更好的选择。行车记录仪素材、360 相机采集的路线，或是你已有的影像库，只要位置与朝向可还原，都可以处理。自行采集能绕开再分发方面的许可限制，把拍摄时间固定在你选定的时点，也能覆盖那些平台近期没有跑过的街道。
继续了解