人视街景图像和机器学习结合的城市街道适老性水平空间效应研究

城市街道与老年人的日常活动密切相关,探讨街道环境适老性水平的空间分布特征及其关键影响因素,对老年友好型城市公共空间建设有重要指导作用。然而,既有研究难以贴近真实的人本视角、快速、大规模且精准地评估街道适老性水平的地理空间效应。因此,本研究从人行视角采集街景图像,结合语义分割和目标检测技术提取环境要素,利用人机对抗众包评价与残差神经网络50(ResNet50)技术测度街道环境适老性水平,采用莫兰指数(Moran's I)、普通最小二乘回归模型(OLS)、空间滞后模型(SLM)和空间误差模型(SEM)综合分析街道适老性水平的地理空间异质性及其影响因素;最后,选取了老龄化程度明显、街道环境多样的广州天河核心区为例进行实证研究。研究发现:①本研究结合了人视街景图像、机器学习和空间统计学方法,能够快速、有效地开展街道适老性水平评价,揭示其空间效应特征和关键影响因素;②街道适老性水平指标在研究区存在中等偏高程度的空间聚集性,商业型街道和靠近住宅区的街道、滨水街道差异大。水平较高的是商业型街道和靠近低密度住宅区的街道,较低的是靠近高密度住宅区的街道。老年人在滨水街道的活动性和安全感高,但愉悦感低;对靠近住宅区街道的归属感低;③不同街道环境要素对适老性水平的影响存在差异。绿视率、开敞度和围合度对街道适老性水平的影响较强,拥挤度、人行道占比与场景多样性几乎无影响。研究有助于为精细化、具身性的城市街道适老化空间研究与实践提供参考和理论依据。