基于街景图像的城市街道空间视觉品质分析.pdfVIP

第５１卷第１６期山西建筑Ｖｏｌ．５１Ｎｏ．１６

２０２５年８月Ａｕｇ．２０２５·５５·

ＳＨＡＮＸＩＡＲＣＨＩＴＥＣＴＵＲＥ

１０．１３７１９／ｊ．ｃｎｋｉ．１００９－６８２５．２０２５．１６．０１２

ＤＯＩ：

基于街景图像的城市街道空间视觉品质分析★

王维佳

（上海应用技术大学，上海２０１４１８）

摘要：以上海市主城区为研究对象，结合街景图像与深度学习技术，探讨城市街道空间视觉品质的定量分析方法。首

先，通过ＯｐｅｎＳｔｒｅｅｔＭａｐ获取路网数据，利用百度街景ＡＰＩ采集街景图像；其次，采用Ｍａｓｋ２Ｆｏｒｍｅｒ语义分割模型对图像进

行像素级识别，并借助ＭａｐｉｌｌａｒｙＶｉｓｔａｓ数据集提升模型适应性与准确性；随后，构建涵盖空间步行性、绿视率、天空可见

性、视觉多样性等八个核心指标的视觉品质评价体系；最后，基于街景图像的视觉特征进行量化计算，并进行空间可视化

分析。研究结果表明：上海主城区街道视觉品质在空间上呈现出“中心优、中外围次”的结构格局；绿视率、步行性与天空

可见性等指标在历史文化街区和公共活动空间周边表现尤为突出，反映出空间功能与视觉环境的耦合性；语义分割与视

觉量化模型的结合能够有效提升街景图像的理解与街道品质评估的科学性。本研究从街道空间视觉品质视角出发，创

新性地融合街景大数据与深度学习方法，为城市街道更新与景观设计提供技术支持与实践参考。

关键词：街景图像；街道空间视觉品质；深度学习；量化分析

＋１００９－６８２５（２０２５）１６－００５５－０５

中图分类号：ＴＵ９８４．１１３文献标识码：Ａ文章编号：

城市街道空间是城市视觉形象的重要展示面，也加权回归模型探讨城市特征与街道可玩性的动态关

［４］

是城市空间品质直观呈现的关键载体。随着城市建设系；而Ｉｔｏ和Ｂｉｌｊｅｃｋｉ基于３４项可骑行性指标构建评

［５］

理念从功能导向转向以体验为核心，街道空间的视觉价体系，证实街景视觉要素与骑行体验的强相关性。

品质日益受到关注，不仅反映着城市的历史文脉、文化Ｎａｇａｔａ等与Ｙｉｎ和Ｗａｎｇ分别从步行性视角切入，通过

内涵与自然特征，也直接影响人们对城市整体环境的回归模型分析人行道、建筑界面等要素对步行环境的

［６－７］

认知与情感联结，是提升城市吸引力和居民幸福感的综合影响。

重要因素。尽管现有研究在街道活力、建筑风貌等领域取得

目前，随着计算机技术与大数据分析的发展，街景进展，多源数据与深度学习技术的结合也推动了量化

数据与机器学习方法逐渐成为城市街道空间视觉品质分析的精细化，但针对街道空间视觉品质的系统性研

量化研究的重要工具，相关成果涵盖色彩特征、空间品究仍显不足［８－９］。未来需进一步探索空间通达、视觉

质、活力感知及功能属性等多个维度。在街道色彩特环境及功能支持与城市街道空间视觉品质的动态耦合

征方面，学者通过语义分割与随机森林回归算法提取机制，以深化对街道视觉品质多维认知的理论与实践

街景图像的色彩复杂度、协调度等指标，构建空间可视支撑。

化模型，并验证其与游客情感感知的关联性，为