22、利用机器学习识别街区商业区

利用机器学习识别街区商业区

1. 引言

网络技术和计算能力的进步为人工智能（AI）带来了新机遇，使其能够对在线信息源的大量数据进行复杂分析。机器学习在文本分类、计算生物学等领域取得了成功应用，展现出与人类专家相当的性能。本文旨在探索将AI技术应用于城市设计决策支持系统的可能性，通过大规模数据分析和推理能力提升城市设计工具的性能。

城市设计是一个复杂的决策过程，涉及多个利益相关方，每个城市都有独特的情况和问题。地理信息系统（GIS）是常用的设计和决策支持工具，但缺乏复杂的数据分析和推理平台。我们的目标是为设计支持工具（如GIS）添加智能，通过有效分析相关信息集为设计师的决策过程提供支持。

2. 城市设计问题

城市研究中形式与功能的综合视角并非新概念，但以往的工作主要侧重于某一主导方面，且不同学科对形式和功能的定义和范围有所不同。解决多视角问题是城市设计决策的重要挑战，城市设计师已开发出多学科方法来研究城市形态。

2.1 主街

主街是美国住宅区中心典型的商业区，在城市化进程中，主街曾为社区提供商品、服务和公共活动。但随着郊区扩张，大型连锁商场的兴起导致主街繁荣衰退，主街复兴成为社区发展的核心问题。许多美国城市制定了创新政策来恢复主街的繁荣和活力。

主街的设计在空间和时间尺度上都很复杂，涉及多个参与者，包括城市官员、设计师、社区等。成功的主街设计关键在于解决多个参与者的不同利益和约束。

2.2 城市类型学

城市类型学是研究构成和改变城市景观的元素，但自动化这一过程的尝试较少。例如欧洲的ARTISTS项目，花费大量资金和时间对街道进行分类。我们尝试使用机器学