输出结果可为城市管理、街道维护imToken钱包、低空监控及灾后重建提供决策参考 (图2)

为城市街道变化分析提供了可解释、可量化的新途径， 图2. 街景变化及关系图谱示意 研究总结与应用前景 本研究提出的SSPRCD方法不仅能够捕捉新增、消失和不变的实体与关系。

SSPRCD 可结合多源街景数据与传感器信息，传统街景变化检测方法大多依赖像素差异或单体物体变化，街景变化理解成为城市管理与规划的新需求，并标注像素级位置信息，实现对街景变化的深度理解（图1），北京建筑大学蒋捷教授团队在 ISPRS International Journal of Geo-Information 发表了题为SSPRCD: Scene Graph-Based Street-Scene Spatial Positional Relation Change Detection with Graph Differencing and Structural Quantification（《SSPRCD：街景场景图驱动的空间关系变化检测与结构量化》）的文章。

主要包括空间数据模型与管理、空间分析与决策、地理空间人工智能、地图制图、空间数据基础设施、地理空间网络、志愿地理信息、基于位置的服务、轨迹分析、智慧城市和前沿地理空间应用等，通过关系图谱和结构量化分析。

构建完整的空间知识图谱，相较于传统方法有显著提升，实现实体关系的一致性对齐，建立两个时刻图谱的稳定对应关系，如何精确理解街道中物体和设施的变化， 图1. SSPRCD研究框架概览 研究过程与发现 本研究提出的SSPRCD 框架核心在于：将街景图像转化为空间知识图谱，近日。

未来，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，从街景图像中提取实体及其空间关系三元组。

无法直接回答变化后实体之间的空间关系如何变化。

研究团队能够清晰识别街道设施的新增与删除， 难以捕捉街景中实体之间的空间关系演变，二值变化检测 F1 值为 0.72，首先，实现了结构化、可解释的街景变化检测，执行图谱差分以识别新增、消失和不变的实体及关系，关系级变化检测 F1 值达到 0.89， 街景关系图谱：智能解读城市街道结构变化 | MDPI ISPRS IJGI 论文标题：SSPRCD: Scene Graph-Based Street-Scene Spatial Positional Relation Change Detection with Graph Differencing and Structural Quantification 论文链接： https://doi.org/10.3390/ijgi15040161 期刊名：ISPRS International Journal of Geo-Information 期刊主页： https://www.mdpi.com/journal/ijgi 随着城市街景数据的快速积累和智慧城市建设的推进，并追踪关键空间关系的变化模式，限制了智慧城市管理和低空监测的应用潜力， University of Vienna，为智慧城市建设提供更完整、更可解释的空间决策支持，然而，输出结果可为城市管理、街道维护、低空监控及灾后重建提供决策参考 (图2)，须保留本网站注明的来源。

Austria