(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210841031.4 (22)申请日 2022.07.18 (71)申请人 上海市城市 建设设计研究总院 （集 团） 有限公司 地址 200120 上海市黄浦区西藏 南路1170 号 (72)发明人 方雪丽　何静　张涛　董志国　 (74)专利代理 机构 上海知义 律师事务所 313 04 专利代理师 刘峰 (51)Int.Cl. G06V 20/00(2022.01) G06V 20/70(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06V 10/26(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于高斯聚类混合模型的街道类型分类方 法 (57)摘要 本发明公开了基于高斯聚类混合模型的街 道类型分类方法； 包括如下步骤： 1、 街道的设计 属性数据收集及智能识别； 2、 街道的类型归属度 指标集确定； 3、 构件街道类型分类算法模型。 本 发明根据街景图片属性等多源数据以及高斯混 合聚类模型算法进行街道类型的定量化分析实 现街道分类 。 权利要求书4页 说明书16页 附图2页 CN 115205662 A 2022.10.18 CN 115205662 A 1.基于高斯聚类混合模型的街道类型分类方法； 其特 征在于， 包括如下步骤： 步骤1、 街道的设计属性数据收集及智能识别； 步骤2、 街道的类型归属度指标集确定； 步骤3、 构件街道类型分类算法模型。 2.根据权利要求1所述的基于 高斯聚类混合模型的街道类型分类方法， 其特征在于， 步 骤1包括如下步骤： 步骤1.1、 获取 所述街道的空间形态数据， 具体如下： 通过云台相机拍摄城市街道的图片， 并通过实地踏勘对城市街道的图片进行校正， 构 建街道空间形态数据库； 所述街道空间形态数据库的数据库要素包括用地 性质、 用地 边界和用地 面积； 步骤1.2、 获取 所述街道的街景图片数据， 具体如下： 然后， 基于全卷积复杂神经网络和深度学习方法， 运用智能识别程序对已经获取的所 述街道街景图片数据中的车行道要素、 人行道要素和机动车要素进行计算机智能识别， 并 对每一所述要素 所占像素 数据进行统计分析， 得到每 类要素的像素 数量和占比； 步骤1.3、 确定街道设计空间品质评价指标， 从客观评价维度、 主观评价维度分别进行 筛选； 其中， 所述 客观评价维度包括行 可行性、 路网通达性和设施便利性； 所述行可行性通过步行通行指数SFI进行评价， 即所有所述街道街景图片中步行道与 车行道的所占像素量占比， 与所述 街道设计空间 品质评价指标为 正相关， 具体公式如下： 其中， wn为编号n的街景图片中总步行空间所占像素量； Rn为街景图片中总车行空间所 占像素量； 所述路网通达性通过路网密度指数RDI进行评价， 即所有所述街道街景图片中车行道 与整张图片所占像素量占比， 与所述 街道设计空间 品质评价指标为 正相关， 具体公式如下： 其中， Rn为街景图片中总车行空间所占像素量,An为街景图片总的像素量， 即该张图片 中所有面 域像素之和； 所述设施便利性通过服务设施满足指数PSI进行评价， 即所有所述街道街景图片中服 务设施与整张图片所占像素量占比， 与所述街道设计空间品质评价指标为正相关， 具体公 式如下： 其中， pn为编号n的街景图片中服务 设施所占像素量， 即该张图片中i个设施面域像 素之 和； An为街景图片总的像素量， 即该张图片中所有面 域像素之和； 所述主观评价维度包括 步行安全性、 空间舒 适性和空间友好 性； 所述步行安全性通过机动车干扰指数VII和交通标识指数ITI进行评价， 均与所述街道权　利　要　求　书 1/4 页 2 CN 115205662 A 2设计空间 品质评价指标为负相关； 所述机动车干扰指数VII为所有所述街道街景图片中机动车斑块的像素与整张图片中 机动车道的像素总量， 具体公式如下： 其中， Cn表示街景图片中识别出的机动车斑块的像素， Rn为整张图片中机动车道的像素 总量； 车辆 干扰指数越高， 表示 街道空间中机动车占比越大， 给 人的安全感越低； 所述交通标识指数ITI为所有所述街道街景图片中交通信号灯和指示牌面域和整张图 片所占像素量占比， 具体公式如下： 其中， Tn为编号n的街景图片中交通信号灯及交通指示牌的像素面域量， 即该张图片中i 个门和窗面域像素之和； Rn为图片中街道空间的像素总量， 即该张图片中i个车行和步行道 面域像素之和； ITI值越大， 表示交通设施越多， 该区域交通状况越复杂， 步行安全性越低； 反之， ITI值越小， 步行安全性越高； 所述空间舒适性通过平面视觉指数PVI和纵向视觉指数DVI进行评价， 均与所述街道设 计空间品质评价指标为 正相关； 所述平面视觉指数PVI为所有所述街道街景图片中树木植被所占像素量与整张图片的 面域像素占比， 具体公式如下： 其中， Pn为编号n的街景图片中的树木植被 所占像素量， 即该张图片中i个植被面域的像 素之和； An为街景图片中所有的面域像素之和； 平面视觉指 数与舒适感呈正相关， 即平面视 觉指数越高， 舒 适感越高； 所述纵向视觉指数DVI为所有所述街道街景图片中人眼视觉范围内天空可视的面域像 素和整张图片的面 域像素占比， 具体公式如下： 其中， DVI为每一街景图片的纵向天空视觉程度， vi为该张图片中第i个天空面域的像素 量； ai为街景图片中第i个的面 域像素之和； 所述空间友好性通过通过人群吸引指数CCI和商业设施满足指数CSI进行评价， 均与所 述街道设计空间 品质评价指标为 正相关； 所述人群吸引指数CCI为所有所述街道街景图片中人群斑块的像素之和和整张图片中 所有要素的像素之和占比， 具体公式如下： 权　利　要　求　书 2/4 页 3 CN 115205662 A 3