1.中国道路噪音屏障矢量数据集

道路噪音屏障（RNBs）是建设宜居城市的重要城市基础设施。然而，缺乏关于RNBs的大规模、准确的地理空间数据，阻碍了城市的合理规划、城市可持续发展和城市环境的不断改善。为了解决这个问题，本研究提出了一个地理空间人工智能框架，使用街景图像在中国创建矢量化RNB数据集。首先，基于OpenStreetMap对每个城市的路网进行密集采样，作为下载 600 万张百度街景 (BSV) 图像的地理参考。此外，还开发了基于集成学习策略的包含图像背景信息 (IC-CNN) 的卷积神经网络，以从BSV图像中检测RNB。随后，基于识别出的RNB位置生成以折线形式呈现的RNB数据集，总长度为2667.02公里，分布于222个城市。最后从两个角度评价RNB数据集的质量：一是检测精度；二是完整性和定位精度。基于一组随机选择的包含 10,000 张 BSV 图像的样本，计算了四个量化指标：总体准确率为 98.61%，召回率为 87.14%，准确率为 76.44%，F1-score 为 81.44%。此外，使用BSV图像对不同城市总长度254公里的道路进行人工调查，以评估生成的和调查的RNB之间的里程偏差和交并比：里程偏差的均方根误差为0.08公里，交并比为88.08 % ± 2.95 %。评估结果表明，生成的 RNB 数据集质量高，可作为准确可靠的数据集用于各种大规模城市研究。

陈旻

   TPDC

doi: 10.11888/Others.tpdc.271914 4745 240 开放获取 2021-12-21