基于机器学习的街道视觉环境对行人舒适性感知的影响

摘要

城市街道环境质量对行人舒适性感知具有重要影响，是提升城市宜居性和公共健康的关键因素．现有研究多从全局视角分析街道感知，缺乏对空间异质性的深入探讨．该文以南昌市青山湖区为例，融合街景图像语义分割与机器学习技术，构建行人舒适性感知评价体系，并运用多尺度地理加权回归(multiscale geographically weighted regression,MGWR)模型，解析街道视觉要素对舒适性感知的空间异质性影响．研究结果表明:各视觉要素在不同区域中表现出显著差异化的影响机制，MGWR模型比普通最小二乘回归(ordinary least squares,OLS)模型具有更强的解释力．分析结果为精细化城市治理与人本导向的街道设计提供科学依据．

关键词

街道视觉环境 / 行人舒适性 / 机器学习 / 多尺度地理加权回归

基金资助

国家自然科学基金(32460418); 湖北省自然科学基金(2025AFB788); 江西师范大学教学改革课题(JXSD202449)资助项目