韓龍玫, 卿粼波

(1.成都市規(guī)劃研究設(shè)計(jì)院， 四川成都 610041； 2.四川大學(xué)電子信息學(xué)院，四川成都 610065)

?

視頻大數(shù)據(jù)在城市公共空間規(guī)劃領(lǐng)域的應(yīng)用前景探索

韓龍玫1, 卿粼波2

(1.成都市規(guī)劃研究設(shè)計(jì)院， 四川成都 610041； 2.四川大學(xué)電子信息學(xué)院，四川成都 610065)

在新型城鎮(zhèn)化的背景下，城市規(guī)劃正在從物質(zhì)規(guī)劃向以人為本的綜合規(guī)劃轉(zhuǎn)變，需要在廣度和精細(xì)度上更進(jìn)一步獲取和分析人類活動(dòng)的數(shù)據(jù)；與此同時(shí)大數(shù)據(jù)正在推動(dòng)圍繞人類活動(dòng)的城市定量研究產(chǎn)生重大變革。視頻大數(shù)據(jù)的分析手段——智能視頻分析技術(shù)是一項(xiàng)具有巨大發(fā)展前景的信息處理技術(shù)?；谝曨l大數(shù)據(jù)的人類理解技術(shù)已經(jīng)取得了重大成果，是規(guī)劃行業(yè)潛在的龐大而重要的數(shù)據(jù)來源。而目前城市規(guī)劃領(lǐng)域的視頻大數(shù)據(jù)研究工作尚屬空白，文章試對(duì)視頻大數(shù)據(jù)在城市規(guī)劃領(lǐng)域的應(yīng)用前景進(jìn)行分析和探討。文章認(rèn)為視頻大數(shù)據(jù)具有信息完整、維度豐富和粒度可調(diào)三大優(yōu)點(diǎn)，在對(duì)城市公共空間中高度動(dòng)態(tài)化的人類活動(dòng)場(chǎng)景進(jìn)行精細(xì)化描述方面具有不可替代的優(yōu)勢(shì)。在城市規(guī)劃領(lǐng)域中的街道活力評(píng)估、公共空間活力評(píng)估、公共設(shè)施實(shí)施效果評(píng)價(jià)、空間品質(zhì)評(píng)價(jià)、旅游空間規(guī)劃等場(chǎng)景中引入視頻大數(shù)據(jù)，結(jié)合多源數(shù)據(jù)可實(shí)現(xiàn)對(duì)規(guī)劃目標(biāo)的實(shí)時(shí)評(píng)估和快速優(yōu)化，推動(dòng)城市定量研究更進(jìn)一步。

城市公共空間； 城市定量研究； 視頻大數(shù)據(jù)； 視頻分析； 人類理解

在新型城鎮(zhèn)化的背景下，城市規(guī)劃正從“廣度城鎮(zhèn)化”轉(zhuǎn)向“深度城鎮(zhèn)化”[1]，從單純注重物質(zhì)規(guī)劃轉(zhuǎn)向以人為本的綜合規(guī)劃，“人性(化)”、“人本”、“宜人”、“活力”、“宜居”等關(guān)鍵詞已然成為學(xué)術(shù)界探討的熱點(diǎn)。在廣度和精細(xì)度上廣泛獲取和分析人類活動(dòng)的數(shù)據(jù)是實(shí)現(xiàn)以人為核心的綜合規(guī)劃的基本方法和重要手段[2]。

與此同時(shí)，大數(shù)據(jù)正在推動(dòng)城市定量研究產(chǎn)生重大變革[3]。相對(duì)于城市中相對(duì)靜止的物質(zhì)要素而言，瞬息萬變的人類活動(dòng)難以被觀測(cè)、度量和描述。對(duì)人類活動(dòng)數(shù)據(jù)的獲取，傳統(tǒng)方法依靠“現(xiàn)場(chǎng)觀察”和“問卷調(diào)查”，費(fèi)時(shí)費(fèi)力，數(shù)據(jù)采集存在瓶頸，樣本分布的空間與時(shí)間尺度非常有限[4]，也是城市規(guī)劃學(xué)科被詬病為軟科學(xué)的軟肋之一。隨著大數(shù)據(jù)時(shí)代的到來，城市研究者利用采用人口普查數(shù)據(jù)[5]、手機(jī)信令數(shù)據(jù)[6-8]、LBS數(shù)據(jù)[8-10]、公交刷卡數(shù)據(jù)[11-12]、POI[5、8、12-14]等各種大數(shù)據(jù)，從多個(gè)維度描繪兼顧大尺度小粒度屬性的人類移動(dòng)和活動(dòng)，在城市定量研究領(lǐng)域已經(jīng)有了重大突破。

近年來，整個(gè)世界正以難以想象的速度產(chǎn)生大量的視頻。以2013年為例，全球有超過1億個(gè)監(jiān)控?cái)z像頭，如果都按720p高清攝像頭計(jì)算，每個(gè)攝像頭每天產(chǎn)生1G的數(shù)據(jù)，那么全球每天將產(chǎn)生800PB+(1億×1G)raw的視頻。如今這個(gè)數(shù)字還在呈爆炸性增長。城市公共空間中人類的各種活動(dòng)被這些攝像設(shè)備所記錄，視頻大數(shù)據(jù)是城市規(guī)劃領(lǐng)域潛在的龐大而重要的數(shù)據(jù)來源。相較于已有研究中所采用的大數(shù)據(jù)，視頻大數(shù)據(jù)更加直觀準(zhǔn)確，在對(duì)城市公共空間中高度動(dòng)態(tài)化的人類活動(dòng)場(chǎng)景進(jìn)行精細(xì)化描述方面具有不可替代的優(yōu)勢(shì)。利用更多類型的大數(shù)據(jù)來描述和分析人類活動(dòng)是大數(shù)據(jù)時(shí)代城市定量研究的必然趨勢(shì)，而目前缺少視頻大數(shù)據(jù)的相關(guān)研究工作。

本文首先介紹當(dāng)前基于視頻分析的人類理解(Human understanding)技術(shù)的最新研究前沿，進(jìn)而闡述從視頻大數(shù)據(jù)可以獲得的人類活動(dòng)數(shù)據(jù)類型，在此基礎(chǔ)上對(duì)視頻大數(shù)據(jù)在城市公共空間規(guī)劃領(lǐng)域的應(yīng)用前景做出分析和探討。

1 基于視頻大數(shù)據(jù)的人類理解技術(shù)概述

近年來隨著計(jì)算機(jī)技術(shù)、移動(dòng)互聯(lián)網(wǎng)、人工智能技術(shù)、圖像及視頻處理技術(shù)的飛速發(fā)展，智能視頻分析技術(shù)借助計(jì)算機(jī)的數(shù)據(jù)處理能力，依托計(jì)算機(jī)視覺技術(shù)的理論支撐，能夠?qū)Ａ恳曨l數(shù)據(jù)進(jìn)行高速分析處理，獲取各種關(guān)鍵信息。該技術(shù)在公共安全、智能交通、遠(yuǎn)程醫(yī)療、智能家居、軍事等領(lǐng)域已經(jīng)得到廣泛的應(yīng)用并已發(fā)揮了巨大作用。

隨著視頻傳感器技術(shù)、計(jì)算機(jī)處理技術(shù)及半導(dǎo)體存儲(chǔ)技術(shù)的飛速發(fā)展，數(shù)字視頻已進(jìn)入高清時(shí)代并向4K或更高分辨率邁進(jìn)，高清視頻圖像為智能視頻分析提供更多的圖像細(xì)節(jié)，為進(jìn)一步提高智能視頻分析算法的準(zhǔn)確性和穩(wěn)定性，并對(duì)視頻圖像進(jìn)行更高層次的智能分析提供了更加有效的數(shù)據(jù)源[15]。隨著云計(jì)算、大數(shù)據(jù)、存儲(chǔ)技術(shù)和設(shè)備的飛速發(fā)展，高效處理高清視頻大數(shù)據(jù)并深度挖掘其中包含的海量信息變得可行。

針對(duì)基于視頻分析的人類理解，研究者們已經(jīng)開展了大量工作并獲得了有價(jià)值的成果，獲取的數(shù)據(jù)信息可分為個(gè)體和群體兩大類，下面按圖1所示的框架展開介紹。

圖1 基于視頻分析的人類理解

1.1 基于視頻分析的個(gè)體理解技術(shù)

對(duì)視頻場(chǎng)景中的人類個(gè)體進(jìn)行理解的主要目的是分析人類自身個(gè)體特性，是對(duì)場(chǎng)景中人類活動(dòng)理解的基礎(chǔ)，因此研究者已經(jīng)開展了非常廣泛的工作，目前主要包括如下幾個(gè)方面：(1)個(gè)體年齡和性別識(shí)別。年齡和性別是人類個(gè)體的基本特征，Khryashchev V[16]等采用基于人臉LBP特征和SVM分類的方法實(shí)現(xiàn)了基于視頻的人體性別和年齡的算法，性別識(shí)別率已經(jīng)高達(dá)94%，年齡識(shí)別誤差控制在7歲以內(nèi)。Levi G等[17]通過將最新的深度學(xué)習(xí)引入到人體性別及年齡識(shí)別，在更大范圍內(nèi)獲得了更高的性能，且更能發(fā)揮大數(shù)據(jù)分析技術(shù)的優(yōu)勢(shì)。(2)個(gè)體行為識(shí)別。個(gè)體行為則是人類個(gè)體影響社會(huì)的關(guān)鍵因素，目前相關(guān)研究主要在 UCF101[18]和 HMDB51[19]兩大個(gè)體行為數(shù)據(jù)庫上面開展，UCF101定義了101種人體行為(如化妝、剃須、拉小提琴、騎自行車、部隊(duì)游行等)及13 320個(gè)真實(shí)視頻片段，HMDB51[19]定義了51種行為(如行走、親吻、笑、握手等)及6 766個(gè)真實(shí)視頻片段，目前相關(guān)研究[20]已經(jīng)獲得了近87 %的準(zhǔn)確性。(3)個(gè)體表情識(shí)別。表情是人類個(gè)體情緒的外在表現(xiàn)，目前相關(guān)研究[21]主要在CK+數(shù)據(jù)庫(生氣、憂傷、害怕等7種表情，327個(gè)視頻)及JAFFE數(shù)據(jù)庫(主要針對(duì)東方人的6種表情，213

個(gè)視頻)開展，部分研究成果的準(zhǔn)確性已經(jīng)高達(dá)97 %(CK+)和89 %(JAFFE)等。

1.2 基于視頻的群體行為理解技術(shù)

對(duì)視頻場(chǎng)景中的人類群體理解可以在更高層面理解人類活動(dòng)，近年來獲得大量研究者的關(guān)注，其中典型的研究包括如下幾個(gè)方面：(1)人流量統(tǒng)計(jì)。人流量是反應(yīng)公共空間人群活動(dòng)的基本數(shù)據(jù)，統(tǒng)計(jì)人群流量特別是高密度人群流量(如廣場(chǎng)、商場(chǎng)等)是相關(guān)研究領(lǐng)域的重點(diǎn)，Khan S等[22]已經(jīng)獲得了高達(dá)90 %的準(zhǔn)確率。(2)群體行為識(shí)別。群體行為是體現(xiàn)視頻場(chǎng)景中人群理解的更高層次，相關(guān)研究成果可以對(duì)人群的聚集程度[23]、異常程度[24]、群體行為[25](如游行、宴會(huì)、參觀、音樂會(huì)、廣場(chǎng)活動(dòng)等)等進(jìn)行理解識(shí)別，已應(yīng)用于智能監(jiān)控、人群管理、公共場(chǎng)所設(shè)計(jì)等領(lǐng)域。(3)群體情緒識(shí)別。群體情緒是反應(yīng)群體活動(dòng)特性的又一關(guān)鍵因素，Yanhao Zhang等[26]的最新研究表明群體運(yùn)動(dòng)模式中的空間相互作用和結(jié)構(gòu)層次能有效地對(duì)群體行為中的社交情緒進(jìn)行評(píng)估，其準(zhǔn)確性高達(dá)87.5 %。

2 視頻大數(shù)據(jù)在城市公共空間規(guī)劃領(lǐng)域的應(yīng)用探索

針對(duì)城市公共空間的評(píng)估、優(yōu)化和改造，人的活動(dòng)由于瞬時(shí)變化大、活動(dòng)類型多樣化等原因一直存在較大的數(shù)據(jù)獲取瓶頸，時(shí)間的滯后和調(diào)研數(shù)據(jù)的片面導(dǎo)致規(guī)劃的嚴(yán)謹(jǐn)性和評(píng)價(jià)的客觀性都備受質(zhì)疑。新數(shù)據(jù)環(huán)境下采用大數(shù)據(jù)方法可以對(duì)目標(biāo)公共空間中人使用情況的長期觀測(cè)和記錄，進(jìn)而實(shí)現(xiàn)對(duì)規(guī)劃目標(biāo)的實(shí)時(shí)評(píng)估和快速優(yōu)化，有效改善城市公共空間的品質(zhì)。

2.1 圍繞度量人群活動(dòng)的數(shù)據(jù)方法比較

度量人群活動(dòng)的定量研究方法見表1。

表1 圍繞度量人群活動(dòng)的城市定量研究數(shù)據(jù)方法

目前圍繞度量人群活動(dòng)的城市公共空間定量研究的數(shù)據(jù)獲取和分析方法可分為傳統(tǒng)方法和大數(shù)據(jù)方法兩類，如表1所示。傳統(tǒng)方法[27-29]一般為“現(xiàn)場(chǎng)調(diào)研加問卷調(diào)查”，直觀、維度豐富，在特定空間和時(shí)間內(nèi)對(duì)人類活動(dòng)的描述比較精準(zhǔn)，但費(fèi)時(shí)費(fèi)力無法大面積開展。大數(shù)據(jù)方法主要采用了手機(jī)信令、IC卡、LBS、POI、社交網(wǎng)絡(luò)數(shù)據(jù)等大數(shù)據(jù)，已有研究主要集中在用城市人口分布情況解讀宏觀尺度的城市結(jié)構(gòu)、功能分布、街道活力等，與傳統(tǒng)方法相比在空間和時(shí)間尺度上均大大拓展，與此同時(shí)研究者也意識(shí)到自身存在缺陷[6、10、30]。筆者認(rèn)為已有大數(shù)據(jù)研究存在以下缺陷：(1)數(shù)據(jù)有偏。目前在城市公共空間研究中的大數(shù)據(jù)幾乎集體濾掉了兒童和老年人這兩類公共空間的頻繁使用者，顯然存在問題。(2)粒度不夠。手機(jī)信令只能對(duì)一定范圍內(nèi)的人口分布進(jìn)行估算，且不能區(qū)分建筑內(nèi)和建筑外的人群，不能區(qū)分駐足人群和路過人群，數(shù)據(jù)反映的信息與真實(shí)情況存在一定差異，故適用于宏觀和中觀層面的分析，在微觀層面顯得乏力。(3)分析方法有偏。僅用人口密度分布單一指標(biāo)推導(dǎo)城市公共空間活力情況，有失偏頗。(4)信息缺失?；局荒芊从场澳硶r(shí)段某人從A地到B地”、“某人某時(shí)刻在某地”這兩種信息，即“移動(dòng)”和“到達(dá)”，缺失詳細(xì)的個(gè)體差異化活動(dòng)信息。(5)定義粗略。通常根據(jù)行為發(fā)生地點(diǎn)類別定義人群行為類型，商業(yè)區(qū)=休閑購物，公園=游憩，無法在微觀層面進(jìn)一步解構(gòu)人類行為。

2.2 視頻大數(shù)據(jù)的實(shí)質(zhì)、方法和優(yōu)點(diǎn)

視頻大數(shù)據(jù)的實(shí)質(zhì)是采用直接觀察法，所見即所得，但用“機(jī)器眼+機(jī)器腦”代替“人眼+人腦”處理海量數(shù)據(jù)。其基本方法為利用城市公共空間重要節(jié)點(diǎn)的監(jiān)控?cái)z像頭和超低衛(wèi)星攝像頭，對(duì)目標(biāo)區(qū)域的人群進(jìn)行持續(xù)的觀測(cè)。通過云智能視頻處理技術(shù)對(duì)原始視頻進(jìn)行運(yùn)動(dòng)檢測(cè)、人體追蹤、人臉識(shí)別、姿態(tài)估計(jì)等人類理解技術(shù)處理，獲得群體行為數(shù)據(jù)和個(gè)體行為數(shù)據(jù)。在中微觀層面與其它大數(shù)據(jù)相比，視頻大數(shù)據(jù)在數(shù)據(jù)維度、粒度和完整性方面大大提升，在城市公共空間中高度動(dòng)態(tài)化的人群活動(dòng)場(chǎng)景進(jìn)行精細(xì)化描述方面具有不可替代的優(yōu)勢(shì)，特別適合微觀尺度的精細(xì)化規(guī)劃，可在一定程度上彌補(bǔ)現(xiàn)有大數(shù)據(jù)研究的某些缺陷。

其優(yōu)點(diǎn)在于：(1)信息完整。實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域人群的全記錄，避免數(shù)據(jù)有偏。(2)維度豐富。既可以獲得人流量、人群移動(dòng)速度等群體行為數(shù)據(jù)，也獲得路過人數(shù)、停留人數(shù)、年齡構(gòu)成、活動(dòng)類型、活動(dòng)停留時(shí)間和活動(dòng)停留地點(diǎn)、公共空間進(jìn)出人數(shù)、行人移動(dòng)速度、表情等精細(xì)化的個(gè)體行為數(shù)據(jù)。(3)粒度可調(diào)。以街道活力為例，是獲取整個(gè)城市所有街道一周的人流變化趨勢(shì)還是獲取某幾條街道某個(gè)時(shí)段行人的詳細(xì)活動(dòng)情況，可根據(jù)研究需要確定。

2.3 視頻大數(shù)據(jù)的應(yīng)用場(chǎng)景及研究范疇

視頻大數(shù)據(jù)結(jié)合其它多源數(shù)據(jù)對(duì)目標(biāo)公共空間的人群進(jìn)行長期觀測(cè)和記錄，進(jìn)而實(shí)現(xiàn)對(duì)規(guī)劃目標(biāo)的實(shí)時(shí)評(píng)估和快速優(yōu)化，具有廣闊的研究和應(yīng)用前景?？蓱?yīng)用于街道活力評(píng)估、公共空間活力評(píng)估、設(shè)施實(shí)施效果評(píng)價(jià)、空間品質(zhì)評(píng)價(jià)等場(chǎng)景，對(duì)城市總體規(guī)劃用地布局、商業(yè)設(shè)施布局、公共服務(wù)設(shè)施布局、交通站點(diǎn)布局提供數(shù)據(jù)支撐，特別適合在中微觀尺度的公共空間規(guī)劃(街道、廣場(chǎng)、公園、綠地、社區(qū)等)、公共服務(wù)設(shè)施規(guī)劃(體育設(shè)施、文化設(shè)施等)、商業(yè)設(shè)施規(guī)劃、旅游空間規(guī)劃等范疇進(jìn)行輔助方案生成、場(chǎng)景模擬比較、實(shí)施效果評(píng)價(jià)等。下面以三種應(yīng)用場(chǎng)景為例詳細(xì)說明(圖2)。

圖2 視頻大數(shù)據(jù)在城市規(guī)劃的三類應(yīng)用場(chǎng)景

(1)街道活力評(píng)估?？砂囱芯砍叨确譃閮深悾喝绻麨榇蟪叨鹊难芯浚缯麄€(gè)城市所有街道活力評(píng)估，則采集人流量、人群移動(dòng)速度等群體行為數(shù)據(jù)；如果為小尺度的研究，如某城市幾條商業(yè)街的街道活力對(duì)比、全國幾個(gè)大城市商業(yè)街街道活力對(duì)比、某居住區(qū)范圍內(nèi)所有街道的活力評(píng)估等，則采集路過人數(shù)、停留人數(shù)、年齡、性別、停留活動(dòng)類型、活動(dòng)持續(xù)時(shí)間和心情等個(gè)體行為數(shù)據(jù)，可參照姜蕾[27]的研究構(gòu)建多層級(jí)的街道活力指數(shù)量化方程式，亦可同時(shí)開展橫向?qū)Ρ群涂v向?qū)Ρ龋瑢?shí)現(xiàn)長時(shí)間尺度上街道活力的研究和探討。

(2)開敞空間(廣場(chǎng)、公園等)活力評(píng)估。利用地面和空中攝像頭獲取人群行為軌跡、年齡、性別、行為類型、行為持續(xù)時(shí)間、心情等數(shù)據(jù)，按設(shè)施分布將開敞空間劃分為N個(gè)片區(qū)，分析和評(píng)估各個(gè)設(shè)施的使用情況。比如哪些設(shè)施更受歡迎，哪些設(shè)施長期閑置，目標(biāo)人群有沒有享受到設(shè)施提供的服務(wù)，設(shè)施是否被某一類活動(dòng)長時(shí)間侵占導(dǎo)致不公等。

(3)公共設(shè)施(體育設(shè)施、文化設(shè)施、社區(qū)中心等)實(shí)施效果評(píng)價(jià)。利用出入口的攝像頭，獲取進(jìn)出人數(shù)，區(qū)分年齡構(gòu)成、(非)工作日、高峰時(shí)段，從視頻中識(shí)別出個(gè)人特征，還可以得出每一類人群的使用時(shí)長?？稍u(píng)估公共設(shè)施在工作日和非工作日的使用情況，是否存在長時(shí)間的閑置，高峰期是否存在較長的排隊(duì)等候，不同年齡段的人使用場(chǎng)館所占的比例等。

研究范疇可著眼但不限于以下幾個(gè)方面： (1)數(shù)據(jù)挖掘方法。比如視頻檢索、視頻分析技術(shù)、編碼解碼技術(shù)等，可將量化方程式做成模塊嵌入云智能處理設(shè)備進(jìn)行實(shí)時(shí)處理以提高效率。(2)多元數(shù)據(jù)整合。考慮樹木、構(gòu)筑物的遮擋問題，視頻大數(shù)據(jù)可與GPS、手機(jī)信令等其它大數(shù)據(jù)相校核；整合氣象、空氣質(zhì)量等跨域數(shù)據(jù)探討在不同場(chǎng)景下的數(shù)據(jù)變化趨勢(shì)及原因等。(3)分析模型。探討和建立適合微觀尺度人群行為模式的分析模型。(4)可視化。視頻大數(shù)據(jù)豐富的信息維度使其可視化工作具有很大的探索空間。(5)信息安全。如何利用信息開展研究又不暴露個(gè)人隱私，比如可對(duì)海量原始視頻進(jìn)行嚴(yán)格管控，云設(shè)備通過技術(shù)手段處理、計(jì)算和儲(chǔ)存不帶有精準(zhǔn)個(gè)人信息的數(shù)據(jù)，用戶利用終端設(shè)備與其進(jìn)行交互，嚴(yán)格保護(hù)個(gè)人隱私。

3 結(jié)束語

視頻大數(shù)據(jù)具有信息完整、維度豐富和粒度可調(diào)三大優(yōu)點(diǎn)，在城市公共空間中高度動(dòng)態(tài)化的人群活動(dòng)場(chǎng)景進(jìn)行精細(xì)化描述方面具有不可替代的優(yōu)勢(shì)。在大數(shù)據(jù)支撐的城市定量研究中，視頻大數(shù)據(jù)既能在宏觀和中觀層面做出補(bǔ)充，又能在微觀層面填補(bǔ)空白。視頻大數(shù)據(jù)在城市規(guī)劃中的具體應(yīng)用有待進(jìn)一步的挖掘和思考，具有相當(dāng)?shù)难芯壳熬?。作為跨學(xué)科合作的典范，需進(jìn)一步研究數(shù)據(jù)挖掘方法、數(shù)據(jù)處理方法、分析模型和可視化方式，助力城市定量研究。

[1] 仇保興. 深度城鎮(zhèn)化——“十三五”期間增強(qiáng)我國經(jīng)濟(jì)活力和可持續(xù)發(fā)展能力的重要策略[J]. 城市發(fā)展研究, 2016, 22(1):45-46.

[2] 龍瀛, 沈堯. 數(shù)據(jù)增強(qiáng)設(shè)計(jì)——新數(shù)據(jù)環(huán)境下的規(guī)劃設(shè)計(jì)回應(yīng)與改變[J]. 上海城市規(guī)劃, 2015(2):81-87.

[3] 龍瀛, 吳康, 王江浩,等. 大模型:城市和區(qū)域研究的新范式[J]. 城市規(guī)劃學(xué)刊, 2014(6).

[4] 秦蕭，甄峰，熊麗芳， 等.大數(shù)據(jù)時(shí)代城市時(shí)空間行為研究方法[J].地理科學(xué)進(jìn)展, 2013, 32(9):1352-1361.

[5] 龍瀛. 中國人口密度的時(shí)空演變與城鎮(zhèn)化空間格局初探:2000-2010[C]// 2014中國城市規(guī)劃年會(huì)， 2014.

[6] 龍瀛，周垠.街道活力的量化評(píng)價(jià)及影響因素分析——以成都為例[J].新建筑, 2016(1).

[7] 方家, 王德, 謝棟燦,等. 上海顧村公園櫻花節(jié)大客流特征及預(yù)警研究——基于手機(jī)信令數(shù)據(jù)的探索[J]. 城市規(guī)劃, 2016, 40(6):43-51.

[8] 茅明睿, 儲(chǔ)妍, 張鵬英,等. 人跡地圖:數(shù)據(jù)增強(qiáng)設(shè)計(jì)的支持平臺(tái)[J]. 上海城市規(guī)劃, 2016(3).

[9] 冉斌, 邱志軍, 裘煒毅,等. 大數(shù)據(jù)環(huán)境下手機(jī)定位數(shù)據(jù)在城市規(guī)劃中實(shí)踐[C]// 2013中國城市規(guī)劃年會(huì), 2013.

[10] 郝新華, 龍瀛, 石淼,等. 北京街道活力:測(cè)度、影響因素與規(guī)劃設(shè)計(jì)啟示[J]. 上海城市規(guī)劃, 2016(3):37-45.

[11] 龍瀛, 張宇, 崔承印. 利用公交卡刷卡數(shù)據(jù)分析北京職住關(guān)系和通勤交通形態(tài)[J]．地理學(xué)報(bào)，2012, 67(10): 1339-1352.

[12] Long Y, Han H, Tu Y, et al. Evaluating the effectiveness of urban growth boundaries using human mobility and activity records[J]. Cities, 2015, 46:76-84.

[13] 李苗裔, 龍瀛. 中國主要城市公交站點(diǎn)服務(wù)范圍及其空間特征評(píng)價(jià)[J]. 城市規(guī)劃學(xué)刊, 2015(6).

[14] 秦蕭, 甄峰, 朱壽佳,等. 基于網(wǎng)絡(luò)口碑度的南京城區(qū)餐飲業(yè)空間分布格局研究——以大眾點(diǎn)評(píng)網(wǎng)為例[J]. 地理科學(xué), 2014(7):810-817.

[15] 周立. 智能視頻分析技術(shù)的發(fā)展現(xiàn)狀與趨勢(shì)分析[J].智能建筑與城市信息, 2010(9):79-81.

[16] Khryashchev V, Priorov A, Ganin A. Gender and age recognition for video analytics solution[C]// Applied Imagery Pattern Recognition Workshop. IEEE, 2014:1-6.

[17] Levi G, Hassncer T. Age and gender classification using convolutional neural networks[C]. Computer Vision and Pattern Recognition, 2015.

[18] Soomro K, Zamir A R, Shah M. UCF101: A Dataset of 101 Human Actions Classes From Videos in The Wild[J]. Computer Science, 2012.

[19] Kuehne H, Jhuang H, Garrote E, et al. HMDB: A Large Video Database for Human Motion Recognition[C]// International Conference on Computer Vision. IEEE, 2011:2556-2563.

[20] Shi F, Laganiere R, Petriu E. Gradient Boundary Histograms for Action Recognition[C]// Applications of Computer Vision. IEEE, 2015:1107 - 1114.

[21] Liu P, Tsang I W, Meng Z, et al. Feature Disentangling Machine - A Novel Approach of Feature Selection and Disentangling in Facial Expression Analysis[C]. European Conference on Computer Vision, 2014.

[22] Khan S D, Vizzari G, Bandini S, et al. Detecting Dominant Motion Flows and People Counting in High Density Crowds[J]. Journal of WSCG, 2014, 22(1): 21-30.

[23] Zhou B, Tang X, Wang X. Measuring Crowd Collectiveness[C]// IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2013:1586-99.

[24] Shao J, Chen C L, Wang X. Learning Scene-Independent Group Descriptors for Crowd Understanding[J]. IEEE Transactions on Circuits & Systems for Video Technology, 2016.

[25] Zhao F, Huang Y, Wang L, et al. Learning Relevance Restricted Boltzmann Machine for Unstructured Group Activity and Event Understanding[J]. International Journal of Computer Vision, 2016:1-17.

[26] Zhang Y, Qin L, Ji R, et al. Exploring Coherent Motion Patterns via Structured Trajectory Learning for Crowd Mood Modeling[J]. 2016.

[27] 姜蕾. 城市街道活力的定量評(píng)估與塑造策略[D]. 大連理工大學(xué), 2013.

[28] 徐磊青, 康琦. 商業(yè)街的空間與界面特征對(duì)步行者停留活動(dòng)的影響——以上海市南京西路為例[J]. 城市規(guī)劃學(xué)刊, 2014(3).

[29] 王俠, 馬遠(yuǎn)航, 楊萌. 基于游客時(shí)空行為的麗江甘海子旅游服務(wù)中心改造規(guī)劃[J]. 規(guī)劃師, 2014(9):47-52.

[30] 楊振山, 龍瀛, Nicolas DOUAY. 大數(shù)據(jù)對(duì)人文—經(jīng)濟(jì)地理學(xué)研究的促進(jìn)與局限[J]. 地理科學(xué)進(jìn)展, 2015, 34(4):410-417.

韓龍玫(1984～)，女，碩士，高級(jí)工程師，從事城市規(guī)劃設(shè)計(jì)工作；卿粼波(1982～)，男，博士，副教授，從事圖像處理、模式識(shí)別、視頻分析等領(lǐng)域的研究工作

TU984.11+3

A

[定稿日期]2017-01-08