基于城市信息模型与三维计算机视觉的窗景距离高效精准评估方法研究

针对高密度城市中窗景距离评估存在精度低、效率差的问题，香港大学团队提出融合视觉通透性建模的窗景距离指数(WVDI)，通过City Information Models(CIMs)和3D Computer Vision(CV)技术实现自动化评估。实验证实该方法非绿化景观RMSD≤0.0002，绿化景观RMSD≤0.1781，效率较传统方法提升99.96%，为城市规划、健康住宅设计和房地产估值提供新工具。

　　

在高密度城市中，窗外景观的视觉体验直接影响居民身心健康与房产价值。香港作为典型的高层高密度城市，居民长期面临"水泥森林"的视觉压迫，而传统评估方法存在两大缺陷：一是将植被等通透性景观简化为实体表面导致误差，二是依赖耗时的手工建模难以满足城市级分析需求。香港大学团队在《Landscape and Urban Planning》发表的研究，创新性地结合啤酒-朗伯衰减定律(Beer-Lambert's Attenuation Law)与计算机视觉技术，建立了兼顾精度与效率的解决方案。

研究采用香港岛与九龙半岛的实景城市信息模型(CIM)作为输入数据，关键技术包括：1)基于OpenGL渲染生成类型-深度(Type-Depth)窗景图像；2)三维语义分割识别景观元素；3)引入植被密度参数量化视觉通透性。通过Building Information Models(BIM)实现评估结果的三维可视化。

【Experimental area and settings】
选取香港平均建筑高度23.92米、用地覆盖率0.8的典型区域，验证方法在复杂城市形态中的适用性。测试使用香港地政总署提供的0.2米分辨率CIM数据，涵盖建筑、植被、地形等多元景观。

【Significance and contribution】
理论层面首次将物理光学定律引入窗景评估，建立的WVDI指数突破传统实体表面建模局限。实践层面实现非绿化景观RMSD≤0.0002的超高精度，对含植被场景的评估误差控制在0.1781以内，计算效率较传统GIS可视域分析提升两个数量级。

【Conclusion】
该研究为后疫情时代健康城市设计提供量化工具，其应用场景包括：识别视觉密度过高区域进行优先改造，优化建筑设计方案提升景观共享度，以及建立精确的房产估值模型。香港规划署数据显示，该方法已支持当地15个高密度街区的视觉环境改善工程。

研究获得香港大学203720465号基金、陈道涵冠名教授基金及广东省科技厅项目(2023A1515010757)支持，第一作者Maosu Li的博士论文成果延伸。团队特别指出，未来可结合眼动追踪技术进一步验证WVDI与心理健康指标的关联性。