作品简介
一、应用背景与目标
城市是自然、构筑物及人构成的复杂动态综合体。城市空间意象是人们感受到的城市空间表达，也是人们对城市的直接或间接的经验性的空间认识。解构城市空间意象[1]作为城市空间认知研究中的重要内容，使得“可读性”、“可意象性”成为理想城市的标志[2],对增加城市特色、塑造城市形象、营销城市定位具有非常重要的作用。传统的城市空间意象认知方法一般通过调查访谈进行，实地走访城市中的典型居住区、街道、公园等，通过人工经验形成城市空间意象。这些方法劳动强度大，耗费时间长。近年来，城市意向研究方法已从最初的认知地图法拓展至与卫星遥感影像、街景影像等新型数据相结合，弥补了传统城市意向研究中调研手法单一、数据获取困难等不足。
随着互联网的发展，抖音、快手等短视频平台快速崛起，短视频正在成为一种新的数据源[2]。据统计，2020年我国短视频用户数量超过9.2亿，日均短视频观看时间超过1小时（中国互联网络发展状况统计报告，2020）。短视频内容从个人生活、城市地标到城市全景，十分广泛，它是人们城市体验的视觉记录，能够更直观地反映出人对于城市环境的感知意向[3]，为解构并分析城市空间意象提供了新机会。
针对不断增长的短视频内容，我们提出融合短视频和深度学习，智能解构城市空间意象。具体地，通过移动互联网抓取短视频，构建城市视频库。利用深度学习进行短视频视频语义分割，解译短视频中城市物质环境组成(包括天空、建筑、交通、桥、水、山、植被、其它共8类)，利用统计分析方法解构城市空间意象。研究成果不断能够获取地标级和城市级的空间意象，辅助进行城市定位，强化城市特性等，支撑城市做好顶层设计，而且可以得出利于城市推广和宣传的视频拍摄方式，对城市形象在航拍视频方面的宣传推广有重要意义。
二、设计思想
抖音、快手等短视频平台提供了新的数字内容，为理解城市空间意象、传播城市品质形象提供了新途径。本次的设计理念是融合短视频和深度学习，进行短视频空间语义分割与识别，通过统计学习感知城市空间意象。研究成果创新地定量化解构城市空间形象，为城市研究与城市形象推广提供新方法。
2.1. 设计思路
图1 设计思路
2.2. 设计创新
（1）新的城市空间意象认识数据源。传统城市空间意向认知方法局限于实地访谈、地图或者遥感影像，本次作品利用新的短视频来解构城市空间意象。
（2）新的城市空间意象认知方法。传统城市空间意象认知方法依赖于人工经验，本次作品利用GeoScene和Arcgis Pro中创新的深度学习工具认知城市空间，原理简单且操作易行。
（3）地理信息和人工智能的交叉融合。利用深度学习工具识别天空、建筑、交通、桥、水、山、植被、其它等8类要素，通过聚类分析定量结构城市意向，实现了短视频、深度学习与城市意象研究的交叉融合。
三、主要功能
本次作品主要功能包括短视频筛选与下载、短视频深度学习语义分割和空间意象统计学习。
3.1 抖音短视频筛选与下载
（1）短视频搜索。针对重庆、西安、广州、武汉等十个城市，通过城市关键字，搜索抖音平台上的短视频。
（2）短视频下载。利用Python中网络爬虫技术实现自动抓取和下载所需城市的抖音短视频，并根据不同城市汇总下载的视频到创建的中国城市视频库文件夹中，共下载视频496个。
（3）短视频分帧。使用Python+Opencv代码进行短视频定时分帧，每3秒生成一张图片，并存放在该城市的图片文件夹下。
3.2 短视频深度学习语义分割
在ArcGIS中标注语义样本样本，使用训练深度学习模型工具训练模型。利用训练后的模型对短视频进行语义分割与识别，获取天空、建筑、水等8类空间语义，生成空间视觉描述数据。
（1）视频图像标注与追加。使用Arcgis Pro-GeoScene标注对象以供深度学习窗口标注短视频图片的空间语义，包括天空、建筑、交通、桥、水、山、植被、其它等8类要素，并利用Export Training Data For Deep Learning将多个标注文件追加成一个训练集。
（2）深度学习模型训练。使用Arcgis Pro的Train Deep Learning Model工具，利用标注集，训练U-Net-Pixel classification模型。
图2 深度学习模型拆解示意图
利用ArcGIS API for Python的API接口，加载测试集数据，查看模型量化指标precision、recall以及f1_score，评估学习模型的精度，如图所示：
图3 深度学习模型精度评估
（3）短视频语义分割与识别。利用训练后的深度学习模型，输入的短视频图像，识别为天空、建筑、交通、桥、水、山、植物、其他8类要素，获得每一类空间语义的分布。
（4）图像空间语义统计。利用Model Building，串联Raster to Ploygon、add geometry attributes，calculate geometry attribute等工具，量化计算各个类别的面积、周长以及质心的坐标，并输出以每张视频图片的空间语义。
图4 空间语义要素属性计算
3.3. 空间意象统计学习
（1）城市空间意象统计学习。基于3.2训练的模型识别城市中所有短视频图像，输出城市级空间语义数据表，计算各类语义面积均值，利用SPSS的层次聚类分析法，归纳城市空间意象。
（2）地标空间意象统计学习。基于3.2训练的模型识别地标短视频，输出地标级空间语义数据表，计算各类语义面积均值，，利用SPSS软件中K-means聚类分析法，获得地标空间意象。
（3）空间语义组成分析。基于地标短视频的分类结果，选取连续分帧的短视频图像，绘制各类要素面积变化和质心坐标的移动情况，量化分析视觉感受的空间变化。
四、结果分析与成果展示
融合短视频和深度学习，识别短视频中的空间元素，解构城市空间意象，描述城市以及典型地标的空间意象，分析短视频中的空间语义组成转化。
4.1 城市空间意象分析
利用各类语义的面积数据，由层次聚类分析法将所研究的抖音网红城市分为三类：山之邑、江之城和绿厦之都。为直观显示主导意象，计算空间语义相对于均值的偏差，比较各类语义的视觉感受，绘制雷达图，如图5。表1给出了各空间语义类别的图像面积均值。
第一类是山之邑。该类城市短视频中山的视觉感觉比所有短视频高2.4倍，桥的视觉感受比所有短视频高0.6倍。该类的代表是重庆市，其依山而建，临崖而筑，以江为池，建筑错落有致。相应地，山地面积为6.2万平方千米，有超过13000座桥，是中国的桥都。
第二类是江之城。这类城市水和天空的视觉感知最强。这类城市短视频中水占比14.7%，高于均值1.8倍。该类代表城市包括长沙、武汉和上海，为湘江或长江穿城而过的城市，襟江带河，具有独特的地理位置优势。
第三类是绿厦之都。该类城市绿地感知和建筑感知最明显，包括南宁、深圳、北京、广州、西安和成都。该类城市自然环境优美、城市功能完善、建筑型态丰富。成都开创了“天府绿道”，北京、西安历史建筑丰富，“绿城”南宁满城皆绿，四季常青，“花城”广州四季花卉常开，深圳人均公园绿地面积近16平方米
图5 城市级的视觉感受度
表1 空间语义层次聚类结果表（单位：pt）
4.2 地标空间意象分析
利用k-means聚类方法，依据天空、建筑、交通、桥、水、山、植被、其它等要素的面积，将城市地标分为4类。
表2 地标空间语义K-means聚类结果表（单位pt)
第一类为“天意山光”，这类地标拥有极高的天空开阔度，一般是在远离拥挤的市中心，在地势较高拥有更开阔更亲近自然的视角的地方。这类地标短视频中天空占比高达33%，山和植物的总占比也高达33%，均显著高于均值。
第二类为“钢铁匠心”，这类地标视频中建筑的占比达到52%，高于均值0.86倍，这类视频中既有深圳湾建筑群，也有能唤起城市记忆的单个建筑比如广州塔。包含着公众对于城市的认知和感受，极大地塑造了地标的空间意象。
第三类为“车行廊道”。这类地标交通和植被的视觉的感受度最大，远超平均值。其它各类的指标的偏度都在均值以下。这类地标随着道路的延伸以及绿化带的移动，给人一种全新的视角来感知城市。
第四类为 "虹梁跨水"，这类地标短视频中桥的占比较多，水与桥相比不会过少，且其它要素存在其中，说明桥和周围人文、自然环境融为一体，与城市公共空间和城市景观环境
图 6 地标级的视觉感受度
4.3 空间语义组成变化分析
通过序列图像中空间语义的面积及质心的变化，可以发现短视频如何让人感受地标的空间意象。以“天意山光”地标为例，图7(a)给出了面积变化，从第1帧到第4帧，天空面积占比逐渐减少，水的面积占比逐渐升高，第4帧到第6帧天空面积占比增大，水的面积占比减小，镜头从水面低飞且拉近镜头，便于拍摄到水边的城市和建筑，然后抬升镜头。以“虹梁跨水”地标为例，图7(b)从语义的质心看，第1帧到第3帧图像范围内的质心上移，体现山势陡峭，第5帧到第6帧的质心下移的时候飞行贴近山壁。
图7 空间语义的组成变化
五、总结和展望
本项目的设计理念是融合短视频和深度学习，进行短视频空间语义分割与识别，通过统计学习感知城市级、地标级的空间意象。研究成果创新地定量化解构城市空间形象，可为短视频等新型数据风靡环境下的城市意象研究提供新思路。目前该作品受限于样本量，未来研究可考虑结合更多其他数据，以实现更高质、高量、高速的数据处理，提高城市意象分析结果的精度。
参考文献
[1]Liu, L., et al., C-IMAGE: city cognitive mapping through geo-tagged photos. GeoJournal, 2016. 81(6).
[2] 杨子垒.感知与真实:城市意象与城市空间形态关系初步研究[D]．重庆：重庆大学，2009．
[3] 张静.抖音短视频对西安城市形象建构与传播策略探析[D]．河北：河北大学，2019．
[4] 刘祎绯，牟婷婷，郑红彬，等．基于视觉感知数据的历史地段城市意象研究——以北京老城什刹海滨水空间为例[J]．规划师，2019(17)：51-56．