25、基于计算机视觉和机器学习的上海街道景观主观质量测量

基于计算机视觉和机器学习的上海街道景观主观质量测量

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）技术也被用于提取街道景观特征，使得大规模的城市场景理解成为可能。然而，目前的研究大多局限于客观测量，只分析单个特征的视图指标，而忽略了观察者的整体感知。人类的感知与视觉元素之间存在微妙的关系，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”通过调查和访谈数据收集的评价分数，能够捕捉到更微妙的关系，更以用户为中心。但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）技术，对围合感、人性尺度、复杂性和可意象性这四种感知质量进行主观测量。这不仅丰富了主观测量的城市感知研究，还是首次针对全球城市的跨研究，为政策制定者提供了城市更新的启示，并提出了将人工智能应用与经典城市测量框架相结合的分析框架。

2. 文献综述

2.1 客观和主观测量

街道环境对人们对一个地方的评价、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建筑高度、街道宽度和树木数量等客观指标来衡量，但这些物理特征无法完全代表人们的整体感知，因为感知与物理特征之间存在更微妙的关系。

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，因为行为受到环境“认知地图”的调节。然而，传统的访谈或电话调查方法存在问题，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、结果难以解释等。不过，主观和客观测量是可以结合的，已有研究成功地将主观评