基于深度CNN与主客观特征融合的可步行性评估研究——以"慢城"社区为例

本文提出了一种融合客观建成环境特征与主观感知评估的人工智能（AI）驱动框架，利用Segment Anything Model 2（SAM2）进行街景图像分割，构建包含5,440张专家标注图像的Urban Walkability Dataset（UWD），通过卷积神经网络（CNN）管道解析可步行性内在机制。该研究为以人为本的城市设计策略提供了可复制的评估方法，特别适用于注重可持续性与生活质量的慢城（Cittaslow）语境。

　　

Section snippets

Walkability and built environment (BE)

建成环境指人造环境中经过设计的方面。步行行为的发生需要物理环境满足特定条件。因此，可步行性通过建成环境的特征以及行人对此环境的感知来衡量。影响可步行性的关键建成环境特征包括土地利用、安全性、可达性、街道景观设计、步行设施和舒适度（表1）。现有研究表明，土地利用...

Evaluating walkability and selected criteria

本研究提出了一个整合可步行性评估中客观和主观参数的模型。这些参数经过感知评估，并将来自SAM2的数值数据纳入分析（图1）。该框架是一个两阶段过程：（1）UWD评估与预测；（2）案例区域评估、预测与验证。该框架能够自主执行街道级图像评估，同时支持对...

Methodology

为了以可靠且可解释的方式量化可步行性的挑战，本研究提出了一个多模态深度学习框架，该框架利用基于视觉的分割输出和专家标注的语义分数，以生成准确且可解释的可步行性预测。该模型设计为输入街道级RGB图像以及一组预定义的文本标签，这些标签代表正面、负面和中性的场景元素（例如，树木、汽车、道路、天空）。

Application

为了验证模型的性能，开发了一个实际应用。选择了2020年出现的"慢城大都市"（Cittaslow Metropolis）概念进行实施，因为它为在地方层面应用慢城原则提供了一个重要框架，尽管面临着大都市尺度上快速城市化和增长的动态。其主要目标包括步行友好的城市设计、绿地的扩展以及社区可步行性的提升。

Theoretical contribution

本研究调查了人工智能支持的分析方法在评估影响城市可步行性的客观和感知因素方面的成功性。研究了34个问题中的每一个对专家分配的可步行性分数（特别是关于安全性、美学和可达性）的影响（附录B）。为此目的，使用了SPSS分析方法。根据结果，安全分数与安全的首层使用、人行道...呈正相关。