对于北京，你有什么印象？

深度学习 • Sep 29, 2016

无论城市的景观多么平淡无奇，注视城市仍使我们感到特殊的愉快。—— 凯文·林奇

工作间隙，我时常会走向阳台，遥看远方。北京这座城市，免不了被人吐槽雾霾严重、交通拥堵。在污染严重或是堵在路上的时候，我也不止一次地咒骂过。然而，每天从窗外遥望的时候，心里油然而升的却是对这个城市的敬意。

窗外的惠新西街北口

想到这，不禁好奇，人们对于北京有着什么印象呢？

当我走在这里的每一条街道我的心似乎从来都不能平静除了发动机的轰鸣和电器之音我似乎听到了他烛骨般的心跳 —— 《北京，北京》歌词

城市意象理论认为人们对环境的印象可以分为三方面：识别、结构和意义。说的是人们首先识别目标、其次了解目标和自己的空间关系，最后是感悟目标对于自己的意义。而最后一点表明印象是每个人内心深处独立的一种记忆。然而，由于城市的景观特征比较明显，是不是多数人对于城市的某个区域会有类似的印象呢？比如，对于奥林匹克森林公园，我的印象是运动和活力，是鸟巢和水立方等代表中国力量的建筑。那么对于天安门，对于后海，对于三里屯，是不是大家都有类似的共同印象呢？
alt
夜晚的鸟巢

传统的城市研究一般会采用调查问卷的方式对生活在城市不同区域的人进行走访调查，然而城市空间尺度巨大，而印象形成的时间尺度也很大，这种方法难免会费时费力。

城市意象构成五要素：道路、边界、区域、节点、标志物。 —— 《城市意象》

挖掘城市意象的第一步是识别，即要弄清楚城市的不同区域都有什么景观。随着遥感的发展，遥感解译成了识别景观的一种重要方法。然而目前的解译一般都是人工解译，或是小范围自动解译，如何以城市尺度进行高精度自动化解译还比较困难。

最近，我们使用目前最高效的深度卷积神经网络来学习大量的影像和矢量样本，对67类地物的分类达到了84%的准确度(top-5)。为了研究对城市的景观分类，我们把这67类地物又进一步分成了7类城市意象：绿色意象（包括森林、农场、山峰、树木等）、运动意象（包括篮球场、网球场、足球场、体育馆等）、水意象（包括湖泊、河流、湿地、码头等等）、工业意象（包括工业建筑、存储罐、烟囱、裸地、采矿场等）、居住意象（包括公寓、宿舍、居民楼、村庄、胡同等）、商业意象（包括商业建筑、写字楼等等）和道路意象（包括高速公路、道路交叉口、铁路、各级道路等等）。

传统手段对偌大的北京城进行亚米级精度的分类是不可想象的，我们借助 GPU 加速的深度学习网络，仅用了1天时间便计算出了北京市每平方米区域的城市意象。

[全屏浏览](http://demo.geohey.com:3030/images_of_city.html)

尝试平移、缩放上面的地图来浏览北京的城市意象。看是否与你的直觉相符？由于我们的分类模型比较注重对于道路的检测，并且道路意象包含各种等级的道路（包括居民区道路，服务道路等），因此识别出来的道路意象居多（实际上人们容易产生印象的是等级比较高的道路，这个分类结果还有待调整）。

alt
北京市城市意象图

alt
奥林匹克公园附近的城市意象

目前我们的工作仅仅完成了挖掘城市印象的第一个阶段，即识别。对于识别出来的景观，每个观察者（你和我）都会有独特的空间感知和记忆碎片。如何将普遍的记忆印象结合到深度学习的模型中，值得进一步探索。

城市必须不再像墨迹、油渍那样蔓延，一旦发展，他们要像花儿那样呈星状开放，在金色的光芒间交替着绿叶。—— 帕特里克.格迪斯《进化中的城市》

即使是仅仅识别出来了城市的意象（或者说是景观）分布，也能帮助我们更好地审视城市。比如，北京的各种意象分布（特别地，运动意象、绿色意象、道路意象的分布）是否合理？各种意象分布之间是否有着内在的联系？（比如水意象被绿色意象包围、商业意象与道路意象相邻等）。了解这些，对于一个城市的发展以及规划有没有实际的参考意义？