基于迁移学习与智能模式识别的城市地标可视性研究——以南京紫峰大厦为例

城市地标可视性研究是城市设计及景观风貌保护等相关规划的重点内容。目前,传统的“眺望”视线控制方法在可视域划定、可视度分析上存在缺陷,后续结合数字化手段改进的三维可视域模拟分析方法部分解决了可视域划定的问题,但数据精度要求高,且无法满足可视度分析要求。针对此问题,本文提出了一种基于迁移学习与智能模式识别的城市地标可视性分析方法,以南京紫峰大厦为例,利用自主采集的街景数据,结合地标数据集,训练出结合迁移学习、深度神经网络的人工智能体,完成对不同尺寸下,符合紫峰大厦特征的地标识别。通过改进的智能模式识别方法,可以实现地标的可视域及可视度识别。经验证,分析结果较过去的“眺望”视线控制方法,三维可视域模拟分析方法更为精准、真实。弥补现有方法在可视域、可视度分析上的不足。

基于文本语义分析的混合型社区居住环境满意度研究

随着住房制度和社区管理体制改革,混合型社区成为社区治理关注的重点。传统的混合型社区居住环境满意度分析方法大多依赖问卷、访谈等手段,对样本选择和时间成本要求较高,依靠信息时代的社交网络记录可以为社区居住环境满意度提供新的数据来源和研究视角。文章以南京市4个社区为案例地,采用文本语义分析方法,尝试从混合型社区居民视角开展居住环境满意度评价研究,识别社区居民对社区居住环境不同类型意见,提出混合型社区环境改善建议,为社区规划设计提供方法支撑。研究结果表明,环境卫生、物业管理、公共安全等问题成为混合型社区居住环境满意度主要影响因素,也是未来混合型社区居住环境满意度提升的重要改善方向。不同类型混合型社区影响因子略有不同,在后续规划设计和老旧小区改造中,可以为混合型社区提出更有针对性的改善建议。

中心城区绿道智能选线规划研究——以宿迁为例

【目的】当前在绿道系统规划分析中较少应用自下而上的人本分析视角和时空间行为分析方法,缺乏对居民在绿道中行为方式的研究,在方法上对于机器学习的应用仍然处于探索阶段。【方法】以经典设计理论作为支撑,选取宿迁市中心城区作为案例地,整合手机信令数据、居民活动数据、街景数据等多源数据,借助人工智能、LSTM神经网络、时空行为分析等量化分析方法,分析居民真实出行的时空特征,提出绿道智能选线分析框架。【结果】结合LSTM神经网络、类A*算法等构建的轨迹模拟模型可有效开展绿道选线评估,模拟居民真实出行行为,提取潜在绿道网络。【结论】构建了中心城区绿道智能选线方法,将居民真实活动轨迹融入空间要素分析中,融合居民出行行为特征与街道环境要素,通过量化评估方法为绿道选线规划和建设提供指导。