基于城市多源数据和深度学习的城市街道可步行性评估方法——以北京市中心城区为例

摘要

【目的】针对现有城市街道可步行性评估中数据来源单一、指标刻画不够精细的问题，拟提出一种基于城市多源数据与深度学习技术的城市街道可步行性评估方法。【方法】通过梳理可步行性相关文献，凝练出涵盖街道可意象性、便利性、活力性、舒适性和安全性5个维度的多标准街道步行价值体系，并筛选出包含23个评估指标的可步行性评估指标体系。采集并预处理城市道路、建筑、绿化、土地分类等矢量数据以及街景图像数据，结合ArcGIS平台、语义分割和目标检测模型对各项指标进行计算。采用层次分析法确定指标权重，对指标结果进行归一化处理并加权求和，得到街道可步行性综合量化值。基于所提出的城市街道可步行性评估方法，对北京市中心城区街道进行可步行性评估实验，并对评估结果进行精度验证。【结果】北京市中心城区街道综合可步行性评分均值为0.558，表明中心城区街道整体处于中等水平，且空间差异显著，二环至四环之间得分较高，而二环以内及五环以外区域得分偏低，表明该评估方法可以高效且精准地测算大规模城市街道可步行性水平。【结论】该评估方法可为城市街道更新与步行环境优化提供量化支撑，并为相关政策制定与城市空间设计提供科学依据。

关键词

城市规划 / 风景园林 / 可步行性评估 / 深度学习 / 城市多源数据 / 城市街道