基于儿童视角的社区街道空间品质评价：融合街景图像与机器学习的方法

《Frontiers of Architectural Research》：A child-centric analysis of community street space quality: Leveraging street view imagery and machine learning

　　

中文摘要翻译 本研究探讨街道空间环境与儿童主观感知之间的相关性，这一关系对于营造儿童友好型社区公共空间至关重要。研究人员首先基于儿童行为与心理建立了品质评价体系。以儿童眼高拍摄的街景图像，通过Cityscapes数据集与SegFormer算法进行语义分割，以识别建成环境要素。采用K-means聚类与视觉熵算法提取街道空间特征，同时运用Elo图像偏好选择算法对儿童主观感知进行量化评分。上述量化的客观与主观数据集分别作为机器学习模型的输入与输出变量，研究人员应用随机森林回归算法构建了能够从儿童视角准确反映街道空间品质的评价模型。实证研究在南京多个社区开展，并通过ArcGIS将评价结果与测点地理坐标关联以实现可视化。研究发现，不同建设时期社区之间的儿童友好性存在显著差异，同一社区内不同类型街道的空间品质亦有明显变化。街道空间品质是多因素综合作用的结果，但不同环境要素对儿童友好性的影响程度存在较大差异。

论文解读

一、研究背景与问题提出

随着儿童友好型城市发展理念在当代城市规划中日益受到重视，正式游戏空间如主题公园往往与周边城市环境存在较高的物理与感知隔离，难以充分支持儿童的发展需求。相比之下，非正式户外公共空间是儿童日常活动的主要场所。社区街道作为城市开放空间的重要组成部分，既承载日常通行功能，也促进社会交往，是儿童从家庭空间走向更广阔社会参与的关键路径，常被视为儿童的“第一游乐场”。街道空间品质因此深刻影响儿童的身体、认知与情感发展。

然而，现有街道环境评价长期以成人视觉认知为中心，主要关注交通效率、空间景观或一般步行体验，对儿童感知特征、行为偏好与活动需求的关注不足。尽管已有研究能够利用街景图像与机器学习技术实现街道物理环境的客观测量，但其评价维度大多延续成人中心框架。同时，基于问卷、访谈与行为观察的传统研究方法存在样本量小、主观性强、难以量化儿童动态空间感知等局限。因此，如何构建一种整合街景图像、机器学习与儿童视角、既客观又反映儿童感知特征的街道空间品质评价方法，成为当前儿童友好街道研究的重要空白。

二、研究设计与技术方法

本研究聚焦于南京六个具有代表性的居住社区，涵盖不同建设时期、容积率、开放程度与沿街功能结构，包括1982年建成的南湖社区（社区C）与锁金村社区（社区D）、1988年建成的长景楼社区（社区A）、2005年建成的爱达花园社区（社区B）与西地国际社区（社区F），以及2017年建成的九都会社区（社区E）。研究共获取51条社区街道的1568个采样点，以约20米间隔布设，并于2024年初秋晴朗天气条件下，以约1米高度（模拟儿童眼高）、5:4宽高比（模拟儿童约90°水平×70°垂直视野）在每个采样点沿街道前后与垂直左右四个方向拍摄，共获得6272张街景图像。

研究采用的主要技术方法包括：其一，基于Cityscapes数据集与SegFormer算法对街景图像进行语义分割，识别天空、建筑、街道、植被、车辆、行人等建成环境要素；其二，采用K-means聚类算法提取图像主色（K=8），计算鲜艳色彩占比，并利用视觉熵算法计算图像灰度直方图的信息熵；其三，采用Elo图像偏好选择算法，将47名7至12岁儿童（24男23女）通过配对图像比较实验产生的主观偏好结果转化为量化评分，安全维度由接受过道路安全培训的大学生辅助评估；其四，以九项环境指标为输入变量、儿童主观感知评分为输出变量，应用随机森林回归算法构建评价模型，并通过十折交叉验证与遗传算法优化提升模型稳定性。

三、评价体系构建与指标测量

研究从儿童视角出发，将街道空间品质解构为三个感知维度，并进一步细化为九项可量化的环境指标。安全性维度包括：空间可行性指数（SFI），表征步行空间的渗透性；车辆干扰指数（VII），反映机动车对步行活动的影响程度；设施指数（AMI），体现街道基础设施的便利性与人性化水平；人口聚集指数（PAI），表征人群密度与街道活力。舒适性维度包括：界面围合度指数（IEI），反映建筑与墙体等垂直界面对街道空间的围合程度；天空可见度指数（SVI），表示视野中天空面积占比；绿视率指数（GVI），表示视野中植被面积占比；视觉信息熵（VIE），反映街景视觉要素的复杂度。导向性维度包括设施指数与色彩心理指数（CPI），表征街道环境对儿童活动的吸引与支持程度。

四、研究结果

不同建设时期社区的儿童友好性差异显著。研究通过ArcGIS将评价结果与测点地理坐标关联进行可视化分析，发现不同建设时期社区之间的街道空间品质存在显著差异。早期开放式社区如南湖社区（社区C）与锁金村社区（社区D）沿街功能多样、街道活力较高，而近年建成的封闭式社区如九都会社区（社区E）内部街道主要以交通走廊功能为主，沿街功能相对单一，儿童友好性评价较低。

同一社区内不同街道类型的空间品质差异明显。研究进一步比较了同一社区内不同类型街道的空间品质，发现即使在同一社区中，承担不同功能定位的街道在儿童友好性方面也存在显著差异，表明街道空间品质受其功能定位与空间形态的综合影响。

不同环境要素对儿童友好性的影响程度存在差异。研究通过随机森林模型的特征重要性分析发现，街道空间品质是多因素综合作用的结果，但不同环境要素对儿童友好性的贡献并不相同。其中绿视率指数（GVI）等要素对儿童感知的影响较为突出，而其他要素的影响相对较弱，这一发现为儿童友好街道更新中环境要素的优先级排序提供了依据。

五、讨论与结论

讨论部分指出，本研究将儿童视角纳入街道空间品质评价，弥补了传统成人中心评价框架的不足。研究采用的儿童眼高拍摄与儿童视野模拟方法，能够更真实地反映儿童在街道环境中的感知过程。研究同时指出若干局限性：街景图像采集于初秋植被生长旺盛时期，绿视率指数（GVI）的影响可能被高估，其跨季节稳定性有待进一步验证；研究样本均位于南京且空间距离较近，结果主要反映特定城市环境中既有居住社区街道环境的背景特征，未来可引入多季节街景数据以提升结论的普适性与稳健性。

研究结论表明，本研究成功构建了基于街景图像与机器学习的儿童中心街道空间品质评价模型，能够有效识别社区街道空间品质的空间分布差异，为儿童友好街道更新提供了科学依据。研究将儿童的空间偏好转化为可量化的设计语言，为精细化、人性化的街道更新提供了参考，最终旨在将儿童视角纳入城市治理体系。