25、利用计算机视觉和机器学习大规模评估上海街道景观主观质量

利用计算机视觉和机器学习大规模评估上海街道景观主观质量

1 引言

城市设计质量，如街道的围合感，会直接影响人们对一个地方的评价。近年来，街景图像（SVI）数据在环境审计中得到广泛应用，计算机视觉（CV）也被用于提取街道景观特征，使大规模理解城市场景成为可能。然而，目前的研究大多局限于客观测量，只分析单个特征（如树木、建筑物）的视图指标，而忽略了观察者的整体感知。人类感知与这些视图指标之间存在微妙关系，无法仅通过单个视图指标或其简单组合来完全体现。

相反，“主观测量”通过调查问题收集的评价分数能够捕捉到更微妙的关系，且更以用户为中心。不过，目前很少有研究探讨主观测量在利用SVI数据捕捉更微妙感知方面的有效性。为了填补这一空白，以上海为例，运用CV和机器学习（ML）对四种感知质量进行主观测量，即围合感、人性尺度、复杂性和可意象性。这些感知对行人行为、居民出行方式选择和购房者支付意愿有重要影响。

2 文献综述

2.1 客观和主观测量

街道环境对人们对地方的评价、居民的身体活动、出行方式选择和支付意愿有显著影响。以往街道质量大多通过客观数量来衡量，如建筑高度、街道宽度和树木数量，但这些物理特征无法完全代表人们的整体感知。

主观测量通常来自访谈和调查，能更全面地解释人们的行为，因为行为受环境“认知地图”的调节。但传统方法存在问题，如操作的一致性和可靠性受个体差异影响、测量耗时且昂贵、结果难以解释，对政策制定者的指导意义有限。不过，主观和客观测量可以结合，有研究将专家对街景视频片段的主观评分与实地调查的客观量化元素进行统计关联，成功实现了对五种看似主观的感知的客观测量。

2.2 计算机视觉和机器学习在街