基于深度学习和多源数据的街道美感评价与影响因素分析——以上海为例

营造兼具交通功能和步行空间感知的美学街道空间,对于实现交通发展模式的转变至关重要。地图兴趣点、街景图像、三维建筑地图等数据的出现,为街道空间研究提供了大量新图像和数据支持,打破了数据源的限制。本文以上海市街道空间为研究对象,基于深度学习技术和GIS技术,以多源数据为载体,大规模进行街景美感评估以及街道物理空间、底层界面、绿化设施、宏观形态四类客体指标测度。在此基础上,通过数理推导,揭示客体指标对街道美感评价的关系。研究发现,物理空间对个体在街道三维关系的感知方面影响最大,环境设施和底层界面指标对美感感知影响次之,绿视率与美感是影响美感感知的关键因子,街道宽度、高宽比对美感的感知影响更大,店面招牌个数、建筑密度对于美感评价也具有积极影响。本研究可为优化街道空间布局提供依据,为更好地营造可步行城市与健康城市提供科学理性支撑,为相关学科优化建设环境提供实践支持。