基于深度学习街景影像解译和景感生态学的视域环境定量解读
城市物理环境带给居民丰富而生动的视觉意象,目前许多文献结果表明其宜人性与公共福祉以及健康状况息息相关.景感生态为探究城市物理环境与居民感知信息之间的联系提供了指导依据,通过人本尺度的定量手段解读城市环境中视觉、听觉和味觉等多维度感知信息.秉承景感生态学的基本原理,引入一种结合街景大数据和深度学习的城市环境量化手段,以北京市六环范围为例,将景感视率作为测度对人本视角下的城市环境展开定量解读.在全面把控多维景感要素的同时,旨在实现以人为本的城市物理环境优化设计,从而满足人们对生活品质提升的实际需求.实验结果显示:(1)从视觉感受的宏观表现来看,北京四环路范围内建成环境的“闭合感”较强,而对绿植的感知程度相对偏弱,因而需要开展存量环境设计并优化视域界面结构;(2)以景感视率作为特征值进行聚类得出3类主导空间(绿色空间、灰色空间和蓝色空间),可针对灰色空间着重部署垂直绿化资源,提高城市视觉绿化的可感知性,从而营造舒适宜人的绿色氛围、促进公众身心健康;(3)为景感生态学提供了基于大数据思维的数据集和定量方法补充.综上,以街景影像和景感生态视角对北京市中心城区的视域环境展开定量分析,采用了先进的深度学习框架(Detectron2)并结合经典的机器学习方法(K-Means)对人本视域内多维景感要素的空间分布特征进行解读.借助景感生态规划可以有针对性的改善城市视域界面的感知质量,提升智能管理水平,帮助城市规划设计人员和管理者从人本视角提升城市公共环境品质和风貌.
景感生态学、人本视角、街景影像、深度学习、视域环境
40
中国科学院战略性先导科技专项A类资助XDA23030403
2021-02-26（万方平台首次上网日期，不代表论文的发表时间）
共8页
8191-8198
