利用真实感3D模型图像和自动机器学习技术，对全市范围内人们所感知的窗户视野开阔度进行评估

《Building and Environment》：Citywide assessment of perceived window view openness using photorealistic 3D model imagery and automatic machine learning

　　摘要
高窗户视野的开放性受到城市居民的重视，尤其是在高密度城市中，因为这有助于缓解压力和提高生活满意度。因此，量化人类感知的窗户视野开放性对于建筑和环境应用非常重要，例如建筑围护结构设计、住房以及城市规划。然而，现有的视野开放性测量方法要么是客观的，从而忽略了人类的感知；要么是主观的，且可扩展性有限。通过利用真实感3D城市信息模型（CIM）的地理可视化和自动机器学习（ML），我们引入了一个“人类感知窗户视野开放性指数”（HPWVOI）以及一种全市范围的评估方法。首先，HPWVOI基于三个校准过的客观视野描述符进行定义，即天空和建筑视野的比例以及景观距离。然后，我们基于从3D CIM生成的代表性窗户视野的开放性评级和客观视野描述符，通过自动线性机器学习回归来评估HPWVOI。在香港进行的实验验证了该方法能够快速生成代表性数据（每张图像≤3.13秒）、视野描述符（每张图像≤0.02秒）以及HPWVOI（每张图像≤0.001秒）。线性机器学习模型的准确性很高（R2=0.9191），并且可以对全市范围内的窗户视野开放性进行解释。基于3D CIM的方法结合了全市范围的定量感知证据，为建筑环境改善、生成式建筑和城市设计以及住房评估提供了新的解决方案。

引言
窗户是城市居民接触外部世界的重要媒介，尤其是考虑到人们87%的时间都是待在室内的[23]。特别是在人口密集的城市中，城市居民非常喜欢高窗户视野的开放性，因为它能带来身体和心理上的益处，例如缓解压力和提高生活满意度[14,19,40]。通常，高窗户视野开放性的特征是较高的天空比例和景观距离，以及较低的视觉障碍[13,36]。据预测，到2050年全球70%的人口将居住在城市地区[38]，因此高密度城市成为提高生活效率和便利性的解决方案。然而，城市规划者在为所有城市居民提供足够的视觉开放性方面面临着困难，例如在香港。因此，评估窗户视野的开放性对于城市规划者、设计师和其他决策者来说至关重要，以便为优先级的规划干预提供依据，例如更新那些视野开放性较差的老建筑，以实现健康的高密度城市发展。

人类感知的窗户视野开放性的评估对多个建筑和环境应用具有潜在影响，例如以人为中心的建筑环境改善、建筑体量设计和住房。感知的视野开放性反映了城市居民通过窗户感受到的城市景观的开放程度，隐含性地整合了客观描述符，如天空比例和景观距离。基于人类感知的证据，城市管理者可以识别出开放性有限的旧建筑和街区，以便优先进行改善[20,21,30]。建筑专家和建筑师可以比较不同设计方案的感知开放性，以支持提高城市居民生活满意度的决策[17]。房产代理人可以将感知开放性纳入住房评估和交易中，以符合买家和卖家的偏好[28]。尽管有关感知窗户视野开放性益处的证据越来越多，但由于难以大规模获取真实窗户视野及其相关的人类评估数据，全市范围的评估仍然十分匮乏。为了研究客观视野描述符与人类感知的视野开放性之间的相关性，环境心理学、建筑和建筑环境以及景观管理领域的研究人员通常会在现实世界中拍摄窗户视野的照片，并通过控制实验来获得结果。三个典型的相关描述符包括天空视野的比例[30]、建筑视野的比例[32,36]以及视野距离[15,36]。然而，由于劳动力成本高昂和隐私问题，他们发现难以在整个城市范围内收集窗户视野数据来验证和放大研究结果的影响[22,23]。使用相机拍照劳动成本很高，在没有房间使用权的情况下，在现实世界中收集窗户视野数据也是不切实际的。尽管传统的3D GIS可视性分析工具（如视线分析）可以将现实世界的照片转换为模拟图像，但目前基于简化城市景观模型（如LoD 1建筑、相同的树木和数字地形模型DTM）的射线追踪分析生成的窗户视野并不真实。景观抽象对人类观察者反应的显著偏差[2,16]阻碍了可靠的全市范围感知窗户视野开放性评估。因此，仍然存在一个关键的研究空白：如何系统地校准客观窗户视野描述符，以估计高密度城市中全市范围内窗户的感知视野开放性。

在城市应用的多标准分析中，经常使用线性权重进行校准，因为它们简单且易于公众理解[21]。与非线性机器学习（ML）模型相比，线性模型（如线性回归）使用可解释的方程和权重来校准多个客观窗户视野描述符。因此，本研究提出了一种基于真实感3D CIM的线性ML方法，用于全市范围内人类感知视野开放性的评估。首先，定义了一个“人类感知窗户视野开放性指数”（HPWVOI），该指数基于三个典型的客观视野开放性描述符，即天空和建筑视野的比例以及景观距离，并通过人类开放性评级进行校准。然后，我们设计了一种三步评估方法：i) 从真实感3D CIM自动生成全市范围内的真实感和深度类型的窗户视野；ii) 收集具有量化客观描述符和感知开放性的代表性窗户视野；iii) 基于自动线性ML校准这些描述符以估计HPWVOI。最后，在公寓和建筑层面可视化一组估计的HPWVOI，以供潜在的城市应用使用，例如住房营销和建筑环境改善。

本文的贡献有两方面：
i. 定义的HPWVOI基于三个典型的客观视野开放性描述符，代表了人类对窗户视野开放性的感知。HPWVOI结合了现有的描述符和人类评级，扩展了传统的单一维度的客观窗户视野开放性表示方法。
ii. 我们基于3D CIM的方法提高了人类感知窗户视野开放性评估的可扩展性。从真实感3D CIM生成全市范围内的窗户视野及其代表性数据，使得人类对窗户视野开放性的感知得到了全面的表示。线性机器学习回归提供了性能令人满意的模型，并提供了可解释的方程和权重，用于全市范围内的HPWVOI估计。

本文的其余部分组织如下：第2节回顾了相关文献。第3节介绍了提出的HPWVOI、全市范围评估方法以及HPWVOIs的2/3D可视化。第4节报告了实验结果。最后，在第5节讨论和总结本研究。

第4节实验
我们在香港的八个地区测试了我们的方法，分别是九龙城、观塘、深水埗、黄大仙、油尖旺、中西区以及东区，如图6a和b所示。这些地区涵盖了香港规划标准和指南定义的两个最高密度区域[10]。平均建筑高度和第75百分位建筑高度分别为29.88米和38.80米，允许的最大容积比为10[10]。高层建筑与丘陵地形的结合……

高密度城市虽然能提供高效的服务和便利设施，但也可能导致拥挤、封闭感和压力。然而，传统的客观视野开放性测量方法（如天空视野比例和景观距离）无法准确反映人类对窗户视野开放性的感知。由于收集全市范围真实窗户视野数据成本高昂，对主观视野开放性的评估一直局限于小范围内。为了实现以人为中心的建筑设计……

窗户视野的开放性受到城市居民的重视，尤其是在高密度城市中。没有视觉障碍的远眺景观能让城市居民在拥挤的城市环境中感到开放感，从而缓解压力。全市范围内评估人类感知的窗户视野开放性为住房营销、建筑设计及城市规划提供了新的定量证据，以改善当地的视觉密度。然而，目前的客观视野开放性评估经常忽略了……

伦理批准
数据收集时已获得伦理批准。所有数据均在批准的时间内收集，并符合香港大学人类研究伦理委员会（EA210471）的批准协议。批准范围包括数据保留和未来学术分析，所有参与者均签署了知情同意书。

作者贡献声明
李茂苏：撰写——原始草案、可视化、验证、软件、方法论、资金获取、数据整理、概念化。
薛凡：撰写——审阅与编辑、资金获取。
叶Anthony G.O.：撰写——审阅与编辑、指导、资金获取。

城市治理与设计研究组，香港科技大学（广州），广州南沙