基于计算机视觉的滨水空间多维活力动态评估：以南京城市公园为例的场地尺度验证与驱动机制解析

本文提出一种创新的计算机视觉框架（3M-WVA模型），通过无人机视频数据整合目标检测、轨迹分析和特征提取技术，动态量化滨水空间聚集度（aggregation）、稳定性（stability）和复杂性（complexity）三维活力。研究发现设施丰富度（RF）显著提升所有维度活力，而绿视率（GVR）存在42.5%的效益临界值，为滨水空间精准设计提供了可转化的循证决策依据。

　　

Highlight

本研究亮点在于开发了首个专用于场地尺度滨水空间多维活力自动评估的计算机视觉框架，通过算法融合实现了人群动态的三维解码，揭示了不同活力维度对环境特征的差异化响应机制，特别是发现了绿视率（GVR）的效益阈值现象。

Methodology

本研究提出的计算机视觉框架（3M-WVA）是一个可复制的自动化场地尺度活力评估方案。该框架旨在将人类行为量化与设计师可控的空间特征相连接，高效量化传统方法难以手动测量的活力维度，并在场地尺度实现精细化解析。图1展示了整体技术路线，包含三个核心模块：通过YOLOv5实现的目标检测模块处理无人机视频流，提取人体边界框坐标；使用ByteTrack追踪算法构建时空轨迹，计算停留时间和移动模式；最后通过特征工程将轨迹数据转化为聚集度（基于人群密度热力图）、稳定性（基于轨迹持续时间变异系数）和复杂性（基于活动类型香农熵）三个维度的量化指标。所有分析均在统一的地理参考坐标系下进行，确保空间特征的精确配准。

Experiments and results

本节通过南京绣球公园人工湖滨水空间的实证研究验证了第2章提出的3M-WVA框架。该3.6公顷水域由历史护城河改造而成，为隔离场地尺度效应提供了受控环境。实验流程包括：（1）通过无人机视频采集活力数据；（2）模型性能基准测试；（3）三维活力指标计算；（4）与建成环境特征的多元回归分析。结果显示：YOLOv5在测试集上达到96.2%的mAP@0.5，ByteTrack保持MOTA≥85.7%，证实了技术可靠性。空间分析表明：设施丰富度（RF）对所有活力维度呈显著正相关（β_agg=0.71, β_sta=0.63, β_com=0.58, p<0.01），而空间面积（AREA）影响微弱。值得注意的是，亲水性（D_water）显著增强聚集度活力（β=0.66, p<0.001），低天空可视因子（SVF）与宽水际界面（W/D）的组合使稳定性活力提升达37.2%。最关键的发现是绿视率（GVR）存在明显的边际效益递减效应——超过42.5%临界值后，额外绿化对活力提升贡献可忽略不计（β<0.1, p>0.05）。

Discussions

本研究提出的计算机视觉框架（3M-WVA）通过自动化多维量化推进了场地尺度活力评估。以南京滨水公园为试验场，我们证明了该框架如何通过整合三个算法模块（聚集度、稳定性、复杂性）从视频衍生轨迹解码活力动态，从而克服传统方法（依赖人工观察或粗糙移动数据）的局限。通过融合计算机视觉与空间统计分析，我们不仅验证了框架的技术可行性（目标检测mAP>96%，追踪MOTA>85%），更重要的是揭示了场地尺度环境特征与活力维度间的特异性关联：设施密度（RF）作为通用驱动因子，而绿视率（GVR）则表现出非线性关系——这一发现挑战了"绿化越多越好"的传统认知，指出精细化设计比单纯增加绿化量更关键。这些发现为创建具有持续活力的滨水空间提供了可操作的设计准则：优先在水体附近布局高密度设施，通过空间形态优化（如控制SVF和W/D比值）而非无限增加绿化来提升环境品质。

Conclusions

本研究建立的3M-WVA计算机视觉框架实现了场地尺度自动化多维活力评估。该框架通过融合无人机视频数据与目标检测和轨迹分析，可靠地量化了基于聚集度、稳定性和复杂性的活力维度。实证研究揭示了不同活力维度的差异化环境驱动机制：设施丰富度（RF）普遍增强所有维度，而空间面积（AREA）影响微弱。关键发现是，接近水体（D_water）显著强化聚集导向的活力，而具有宽阔水际界面（W/D）的遮蔽空间（低SVF）能大幅延长稳定性导向的活力。尤为值得注意的是，绿视率（GVR）表现出效益递减效应——超过临界阈值（42.5%）后，额外绿化带来的活力收益可忽略不计。这些发现为滨水空间设计提供了可转化的见解：优先考虑水体附近的设施密度，通过空间布局或形态优化替代过度绿化。