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。
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」。
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。
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。
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。
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
基础数据交付，以及可选的街景增值分析
采集与分析是一条可组合的流程：先得到来源清楚、可追溯的街景数据集，再按项目需要叠加语义分割、绿视率、空间感知、步行性、设施盘点或变化检测。结果可按影像、采样点、街道路段或片区交付。
基础采集交付
采集清单
每个请求视图一条记录，包含请求坐标、匹配到的全景或帧 ID、状态、来源、拍摄时间、朝向、文件引用与质检结果。
许可范围内的影像包
当开放许可、商业授权或客户自有权利允许再分发时，交付带地理位置的影像或有序帧序列。
空间采样图层
稳定的点位和街道路段标识，附坐标、朝向、来源覆盖与影像拍摄时间。
方法与质检记录
采样间隔、来源规则、重试与去重、模型版本、阈值和校验结果随数据一并交付。
可选增值分析
语义分割
逐像素识别道路、人行道、建筑、植被、天空、行人和车辆等类别，并保留每帧的类别占比。
查看方法与示例绿视率与空间形态
在统一朝向规则下计算绿视率、天空可见比例、围合度与沿街立面构成，并聚合到路网。
查看方法与示例城市空间感知建模
对安全、美观、活力等感知属性建立经过本地样本校验的评分；结果明确表述为人类感知的模型估计，而非客观事实。
查看方法与示例步行性与无障碍审计
识别人行道、过街设施、路缘、高差、障碍物与步行设施，形成可复核的路线或路段指标。
查看方法与示例目标检测与设施盘点
检测车辆、行人、标识、路灯、长椅、垃圾桶、杆件和过街设施，并在重叠影像间定位去重。
查看方法与示例店面与招牌商业信息
结合 OCR 与视觉检测识别店面、读取招牌文字，并与 POI 图层核对街上实际可见的商户。
查看方法与示例道路与人行道状况
标记可见路面破损、人行道连续性和无障碍问题，保留置信度与对应原始影像，便于人工复核。
查看方法与示例多时相变化检测
对齐同一位置和视角的不同年份影像，识别绿化、立面、设施或建成环境随时间的变化。
查看方法与示例空间聚合与地图展示
把影像级结果关联到采样点和街道路段，按片区或商圈汇总，并交付 GIS 图层或交互地图。
查看方法与示例
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 |
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
接下来可以看什么
相关服务
延伸阅读
- 如何通过官方 API 获取谷歌街景官方路径是两个 HTTP 端点：免费的覆盖查询，再为每个需要的朝向请求一张计费 JPEG。够做试点；城市级采样是另一件事。
- 街景数据平台详细对比十个平台，分属五类：全球车队、中国大陆、区域性平台、开放众包、专业测绘。一个平台给你的是查看器、影像接口，还是商业授权的批量数据——这件事决定项目可行性的程度，远在画质之前。
- 审计 Google 街景的覆盖与时效元数据请求免费，且不消耗影像配额。先跑一遍，就能把「这里到底有没有覆盖」从一个假设变成一个测出来的数字。
- 街景数据可以怎么处理？真正有用的答案不是一串研究领域，而是一条处理链：像素变成视觉特征，视觉特征变成空间指标——每一步都在决定最终那个数字被允许说什么。
- 从街景语义分割到可用指标在朝向、类别体系、拍摄季节和校验方式确定下来之前，一个类别占比还算不上指标。这四件事，每一件都会改变那个数字。
下一步
有具体的数据需求？
告诉我们街景数据需要覆盖哪片地域、包含哪些字段、多久刷新一次。正式开工前，你会先拿到明确方案、样例数据与固定报价。