Yuhao Kang GISer

Menu

“酒香不怕巷子深”——挖掘城市中不起眼的场所

“酒香不怕巷子深”。每一个城市中都存在着这样的一些小店,它们隐藏在偏僻的胡同小巷中,没有华丽的装潢,没有现代化的建成环境,但却每天吸引着大量当地的居民,提供地道的当地美食。而正是城市中这些不起眼的小店,承载着当地长期以来沉淀下的饮食文化,保留着当地文明发展脉络、文化精神与传统。发现和了解城市中这些不起眼的场所,有助于我们理解和传承城市文明和文化历史,构建可持续发展社区,为城市规划与城市设计提供参考。

为了挖掘这些“不起眼”的场所(如图1左图所示,周边环境并不宜人但人气很旺,外地游客鲜有人至但本地居民经常光顾),我们首先需要对城市中的场所进行全方位地刻画。主要难点在于:1)如何量化场所的访问情况(人气);2)如何刻画场所的人群属性(例如,本地居民的访问比例);3)如何量化评估餐厅的周边环境(宜人舒适程度)。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图1左:利群烤鸭店;右:全聚德烤鸭店。真正反映地方饮食文化的餐厅往往隐藏在胡同小巷中

为了解决这些难点,本研究利用多种地理大数据对场所进行全面刻画,其中:1)利用微博POI数据的签到量信息量化场所的访问情况;2)根据微博用户的行为信息,即每条推送的时间、地点,来推测其常住城市,并进一步刻画每个场所的人群属性(本地居民访问比例);3)利用街景图片数据、社交媒体照片数据表达场所的周边环境信息,并基于预训练的计算机视觉模型评估周边环境的宜人程度。 在实证分析中,本研究挖掘了北京五环以内区域的两种“不起眼”的场所:(a)周边环境普通、但人气较高、本地居民访问量高的餐厅;(b)周边环境宜人、但本地居民和外地游客的访问量较低的公园。通过前者,我们可以潜在地理解当地的饮食文化、历史和人居环境状况;而通过关注后者,我们可以进一步总结经验,探索如何通过设计和空间设施规划提高城市基础设施的利用效率。

深入理解场所(Place)需要多重视角的支持,本研究提供了一个基于多源地理大数据对场所进行多重刻画与感知的框架与实践。

特别地,本研究期望分别从场所的类型、访问量、人群信息、周边环境等四个方面对场所进行刻画。

a) 场所类型与活动强度

本研究利用微博POI签到数据表达场所类型(餐饮、户外等)和活动强度(访问量)。首先,我们采集了2016年北京地区的全部微博签到数据,包含来自80万用户的20万个POI点,其中数据字段包括用户ID、时间、POI类别属性等。图2所示为各个类别的POI场所的位置和活动强度分布。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图2 北京五环以内地区微博POI位置与签到量分布:A) 6个类别的POI密度分布; B)街道尺度的POI签到量(活动强度)分布;C)&D) 6个类别的POI数目和POI签到量分布对比

b) 场所访问的人群信息

为了获取每一个POI场所的人群属性(本地居民/外地访客),本研究进一步对微博数据集进行了扩充。根据a)中微博数据的用户ID,我们索引了这些用户的全部微博签到数据(主要包含在北京以外地区及2016年以外的时间发送的微博)。进一步,我们可以通过两个假设来识别用户的实际居住城市:1)居住城市是用户发送微博数量最多的城市;2)居住城市是用户每次旅行后都会回到的城市(在旅行轨迹中访问频次最多的城市)。在实验中,为了保证识别准确度,我们使用上述两个算法相互验证。实验结果显示,在2016年北京的所有微博用户中,有超过25万的外地访客,占总数的40%左右。图3所示为北京发送过微博用户的实际居住省份和在北京的活动情况分布。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图3 2016年在北京发送过微博的用户:A) 用户的实际居住省份分布;B)&C) 北京地区本地居民和外地访客发送微博的空间分布

进一步,我们探索了两组人群在餐饮和户外活动两种活动类型上的空间分布(图4)以及两组人群活动量较高的POI名称分布(图5)。整体结果显示,本地居民的活动空间范围较广,涉及场所较多元化;而外地访客的活动空间较为集中,涉及的场所比较单一。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图4 本地居民与外地访客在北京地区餐饮和户外类型上的活动强度分布
“酒香不怕巷子深”——挖掘城市中不起眼的场所
图5 本地居民与外地访客在北京地区餐饮和户外类型上的POI名称分布

c) 场所周边视觉环境评估

本研究利用街景图片和社交媒体图片表达场所的周边环境信息,研究涉及100万张街景图片和40万张社交媒体照片。如图6所示,街景图片主要覆盖了研究区域内的路网,作为补充,社交媒体照片可以描述地空内部的视觉状况。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图6 街景图片(左)与社交媒体照片(右)的空间分布与图片样例

为了评估图片中表达的城市场景的宜人程度,本研究借助了在前期研究中实现的计算机视觉模型(Zhang et al., 2018),预训练模型可以对给定的城市场景照片在舒适感、安全感、生机感等六个维度上进行0-10分的评分。如图7所示是模型对北京地区街景和照片的评分结果。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图7 北京五环以内地区基于街景、社交媒体照片和计算机视觉的环境舒适度评估

实证分析:挖掘北京“不起眼”的餐厅与公园

以上我们从场所的类型、访问量、人群信息、周边环境等四个方面对场所进行了刻画。作为实证案例,我们根据场所的四个方面的信息,挖掘了北京五环以内区域“不起眼“的餐厅与公园。

a) “不起眼”的餐厅

城市中那些周边环境普通、外地访客鲜有人至但受本地居民青睐的餐厅在哪里?我们假设“不起眼”的餐厅应满足四个条件:1、POI类别为餐饮类;2、人气很旺(POI访问量高);3、本地居民访问的比例远远大于外地访客;4、周边环境不吸引人。基于上述条件,我们构建了一个评分指标(具体请参见原文),对所有POI进行排序。图8所示为排名前100的“不起眼”餐厅分布(黄色星标)和其中的一些样例(紫色星标)。其中大部分餐厅分布在北京二环以内的胡同小巷中,涉及卤煮、北京烤鸭、炸酱面等类型。我们发现,虽然在受游客欢迎的餐厅中我们也发现了大量这种类型的餐厅(如全聚德、东来顺),但却与本地居民访问比例较高的餐厅不一致(便宜坊、聚宝源等)。深入分析这样的样例,有助于我们发现那些真正保留着地方饮食文化的小店。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图8 “不起眼”的餐厅:周边环境一般但本地居民大量光顾

b) “不起眼”的公园

城市中是否存在一些环境宜人但却无人问津的公园?基于我们对场所的刻画,我们希望挖掘的“不起眼”的公园满足三个条件:1、POI类别为户外休闲类;2、人气低(POI访问量低);3、周边环境非常宜人。基于上述条件,类似地,我们构建了一个评分指标(具体请参见原文),对所有POI进行排序。图9所示为排名前100为的“不起眼”公园分布(黄色星标)和其中的一些样例(紫色星标)。这些公园均匀地分布在北京的各个地方,但可能是因为空间可达性、可步行性等因素影响,其无论是本地居民还是外地访客的访问量都较低。公园作为一种城市基础设施,旨在为公众提供观赏与休憩的功能,同时对城市生态有改善作用。而这些某种程度上“失效”的案例,可以帮助我们重点深入分析,总结经验,更好地服务城市设计与空间设施规划(关于大数据有偏性的讨论请参见原文)。

“酒香不怕巷子深”——挖掘城市中不起眼的场所
图9“不起眼”的公园:景色宜人但鲜有人至

总结

场所(place)是地理分析中的基础概念,它是联系人和地理环境相互作用的纽带,也是表达地理知识的基本单元。本研究利用多源地理大数据从多个角度对场所进行刻画,帮助我们更好地理解人的行为模式与地理空间格局之间的关系,同时提供了一种多源数据融合的应用思路。

代表城市文明和特色的不仅仅是城市的地标性建筑,那些“不起眼”的场所同样承载着地方的文化与精神传统。本研究关注了城市中那些“酒香不怕巷子深”的小店,在未来的研究中,通过深入分析这些场所的类型、空间分布,有助于我们进一步了解城市的文明发展脉络和文化历史,更好地保留这些文化遗产。

作者

张帆博士,麻省理工学院Senseable City Lab博士后研究员,北京大学遥感与地理信息系统研究所助理研究员。研究方向:地理大数据挖掘与社会感知;深度学习与计算机视觉。

参考文献

[1] Fan Zhang, Jinyan Zu, Mingyuan Hu, Di Zhu, Yuhao Kang, Song Gao, Yi Zhang, and Zhou Huang. Uncovering inconspicuous places using social media check-ins and street view images. Computers, Environment and Urban Systems, 81:101478, 2019

[2] Fan Zhang, Bolei Zhou, Liu Liu, Yu Liu, Helene H. Fung, Hui Lin, and Carlo Ratti. Measuring human perceptions of a large-scale urban region using machine learning. Landscape and Urban Planning, 180:148–160, 2018

原文始发于:“酒香不怕巷子深”——挖掘城市中不起眼的场所

— Written in
— Tags: