基于人機對抗模型的街景特征與可步行性關系研究

Exploring the Relationship between Streetscape Characteristics and Walkability Based on Human-Machine Confrontation Model

HUANG Minhong，XIE Yiwen，CHEN Jialin，LIU Jingyi

摘要

基于涉及街道景觀要素與街道可步行性關系的研究還存在一定缺失，以廣州市天河區代表性綜合街區華師-體育中心片區為對象，對城市街區的可步行性進行研究。綜合馬斯洛需求層次理論和“步行需求層次”模型，選取安全性、舒適性、社交性、美觀性為指標建立街景特征評價指標體系。通過Insta360 ONE X2全景相機采集、圖像語義切割、人機對抗模型評分、SPSS分析（Pearson相關性分析、多元線性回歸分析）等多種方法，研究街景特征與可步行性關系。結果表明，4類街景特征與可步行性均具有一定相關性，其中，舒適性方面的綠視率對街道可步行性的影響最為顯著。基于分析結果，街道空間可以從安全性、舒適性、社交性和美觀性的街景特征層面進行步行性優化提升，如在安全性方面，建議增設護欄或綠化帶，增設、整合標識牌等。

Abstract

There still needs more research on the relationship between street landscape elements and street walkability. Combining Maslow's hierarchy of needs theory and the 'walkability hierarchy' model， safety， comfort， sociability， and aesthetics were selected as indicators to establish a street scene feature evaluation index. Through methods such as collecting data with the Insta360 ONE X2 panoramic camera， image semantic segmentation， adversarial model scoring， and SPSS analysis （Pearson correlation analysis， multiple linear regression analysis）， the relationship between street scene features and walkability was studied. The results show that the four types of street scene features are all correlated with walkability， with the green view rate in terms of comfort having the most significant impact on street walkability. Based on the results of" the analysis， street spaces can be optimized for walkability from the perspective of safety， comfort， sociability， and aesthetics of street scene features， such as suggesting the addition of fences or green belts， and integrating signage.

文章亮點

1）使用人機對抗模型，綜合了使用主體主觀感受和客觀指標；2）構建綜合性街區研究的完整指標體系，對綜合性街區的步行環境進行定性和定量的雙重分析；3）綠視率對街道可步行性的影響最為顯著。

關鍵詞

街景圖像；語義分割；人機對抗；街景特征評價

Keywords

Street view image; Semantic segmentation; Man-machine confrontation; Streetscape feature evaluation

在可持續發展的背景下，如何使城市街道朝著行人友好型、步行優先型方向發展是值得關注與研究的課題[1]。現今，城市更新研究逐步回歸人本視角[2]，切實關注作為主體的人的基本要求[3～4]。縱觀目前國內的城市街區改造研究，研究方法由以往的文獻綜述法、問卷調查法和實地調研法等[5～7]向應用街景數據、空間句法、多源大數據等新興定量研究手段轉變[8～10]。但多為針對宏觀的城市層面或單一類型街區進行研究，對綜合性街區的研究較少[11]。

近十年來，新興的街景圖像為城市研究提供了豐富的數據[12]，有助于人們了解街景視覺特征并提供城市物理環境詳細視覺信息，為城市感知研究帶來了新的契機[13]。已有研究成果證實，街景圖像分割是評價周邊建筑環境主觀認知的客觀手段[14]。以往學者也在街景數據的基礎上，從多種客觀視角對城市物理環境主觀認知進行評估，包括道路的安全性[15]、可步行性測度[16]和街道的空間品質[17]，并已取得積極成果。而在城市感知方面，現有研究證明，基于機器學習模型的城市感知研究是可行的[18～20]。但現有研究仍存在以下不足：

1）街景圖像數據主要通過調動百度圖像來獲取[21]，并不是以人的真實視角去獲取街景空間信息，與真實的人行走在街區有一定的差異。而通過使用全景相機進行實地數據收集以及機器學習得到感知數據能更加接近真實情況。

2）國外已有相對成熟的可步行性測度方法[22～23]，但我國仍在探索符合國情的評價方法，目前主要有主觀感知法[24]和客觀評定法[25]。在實際應用中，大規模的主觀調查費時費力，而小規模的評價結果因存在誤差，較難客觀地反映真實的可步行性水平。人機對抗是目前運用機器學習對街景圖像進行分析的方法之一[26～28]，獲取的樣本數量更大、精度更高，綜合了使用主體主觀感受和客觀指標，給城市空間的可步行性評價帶來了更大的打分空間。

3）當前國內學者對于城市步行系統、步行空間與環境的研究大多是針對商業步行街、居住區等單一類用地[29～30]，缺乏對綜合性街區研究的完整指標體系和綜合性街區的步行環境進行定性和定量的雙重分析[31]。

因此，本項目以廣州市天河區具有代表性的綜合街區——華師-體育中心片區為研究對象，通過機器學習，對街區進行客觀的可步行性評分，使用安全、舒適、社交、美觀4類指標衡量街景特征，并對可步行性與街景特征的關系進行回歸分析，為該街區步行性的提升提供科學評估與指導，以此推動城市更新工作高質量發展。

1 研究方法

1.1 研究場地

廣州市天河區體育中心-華師片區東起華南快速干線，西起廣州大道，北至廣園快速路，南至黃埔大道，總面積約567.8 hm2（圖1）。該研究區域內涵蓋教育、商業和住宅等用地，用地類型多樣，具有較高的人口密度和較大的人流，交通路網較為完備，具有很強的代表性。該片區的街景數據質量較高，便于開展可步行性相關研究。

1.2 數據采集與處理

1.2.1 街景圖像收集與圖像分割

本研究使用Insta360 ONE X2全景相機采集全景圖像，并將相機高度維持在1.65 m左右，確保最大限度還原行人視野及水平視線，收集白天9：00—14：00人車流量較為穩定時刻下研究區域主要步道的街景圖像數據。將采集到的全景圖像進行東南西北4個方向的變換，最終得到9 365張有效街景圖像。經過視角處理獲得圖片大小為512×512像素的圖像集。

接著通過FCN全卷積神經網絡對街景圖像進行語義分割，識別街景中建筑、道路、植物等19種要素，計算各指定要素像素所占圖片總像素的比例[32]，進一步計算街景特征指標。例如，將綠色植物在圖像中所占像素的比例代表綠視率；將圖像中行人所占像素的比例代表人群聚集度。并使用SPSS軟件，包括Pearson相關性分析、多元線性回歸分析等方法，分析街景特征指標計算結果。

1.2.2 基于人機對抗模型的街道可步行性評分

本研究將機器學習應用于城市感知中，使用人機對抗模型對可步行性進行打分，以實現使用主體主觀感受與客觀指標的結合。評分系統中嵌入隨機森林算法的迭代反饋機制，能夠在算法輔助下，隨被試打分圖片的增多而給出圖片的推薦分，以及對推薦分和實際得分差異大小進行判斷[33]。借助ArcGIS平臺，按照街景圖像總體采樣點空間及數量分布，隨機選取1 000幅街景圖像作為評價樣本，并且按照1∶1的男女比例邀請30名市民，根據4個可步行性指標所對應的問題（表1），從0～100分為圖像樣本打分。最終以30名參與者對1 000張照片的評分均值作為預測研究區域步行感知評價的基礎數據集。

1.3 街景特征指標體系構建

1.3.1 選取街景特征指標

基于以人為本理念，建成步行友好環境的前提是滿足人的步行需求。馬斯洛（Maslow）的需求層次理論指出，從基礎到高級，人的需求可以被依次劃分為5個層次：生理需求、安全需求、社交需求、尊重需求和自我實現需求。當低級的客觀物質層面需求得到滿足時，則開始轉向高級的主觀精神層面的需求[34～35]。阿爾方索（Alfonzo）在馬斯洛的基礎上，提出了“步行需求層次”模型，即可及性、可達性、安全性、舒適性和愉悅性，進一步闡述了行人的需求。在“步行需求層次”模型中，不是所有的需求都是按照層次等級才可達，人在滿足部分低層次要求的同時，也會考慮其他更高層次的需求。但無法滿足低層次需求可能會導致步行滿意度急劇下降[36]。揚蓋爾（Jan Gehl）根據行走目的將行走分為必要性出行、選擇性出行和社會性出行，他認為城市設計的核心是人，城市設計應當滿足人的生理及心理需求[37]。

綜合國內外步行需求研究，結合步行需求層次理論和可步行性影響因素，本研究將指標選取放在重要的和易量化的特征上。因此，本研究從人的步行需求出發，選取了生理需求層次方面的安全性，以及精神需求層次方面的舒適性、社交性和美觀性，作為街道景觀的特征指標。從不同層次的步行需求開展研究，能夠更為全面地了解行人的步行體驗以及街區的可步行性。

1.3.2 構建指標體系

綜合馬斯洛需求層次理論和“步行需求層次”模型，本研究指標構建的第一層級為安全性（表2）。人行道是影響行人感知安全性的重要因素[38]。當人行道過于狹窄時，行人和車輛之間的距離較近，容易導致人們感到不安。另外，機動車也是威脅行人安全的主要因素之一，大量行駛的機動車通常會降低行人的安全感[39]。更為復雜的交通環境要求更多的交通標志以確保交通安全。因此，本研究選擇人行道指數、機動車干擾指數和交通標識指數作為評估街道安全性的3個指標。

第二層級是舒適性，良好的街道空間能為步行者提供舒適的步行體驗和愉悅的視覺感知。已有研究表明，街道綠視率水平會對行人的心理感受和生理反應產生一定影響，較高的綠視率能夠刺激人們產生更為積極的心理反應[40]。此外，開闊的天空視角和透明的界面設計可以擴展視野，從而有助于身心放松。因此，選取街道綠視率、界面圍合度2項指標衡量街道舒適性。

第三層級是社交性，街道空間能為行人提供社會交往空間，激發更多的社會交往行為，滿足其社交需求。維卡斯·梅赫塔（Vikas Mehta）[41]將社交行為分為被動社交行為、短暫社交行為和持續社交行為，其包含的類型非常廣泛，難以一一研究。簡·雅各布斯（Jane Jacobs）[42]認為接觸是持續、深度交往的社會互動行為的開始 。Edward T. Hall[43]認為公共空間中使用者的物理距離與他們的社會聯系程度相關。聚集程度是社交性的重要體現，人們的聚集程度可以反映出街道空間中的人的非隨機特性和聚集特性[44]，因此采用人群集聚度作為表現街道社交性的指標。

第四層級是美觀性，美觀的街道景觀界面能夠吸引行人駐足并營造良好的步行體驗，街道的美觀性能側面反映研究地區給人帶來的愉悅性。色彩是美的一種直觀展現，色彩的豐富程度以及景觀的豐富程度[45]會影響人們對于美的感知。因此，以景觀豐富度和色彩豐富度2個指標來評估街道的美觀性。

2 可步行性評價分析

2.1 人機對抗模型下街道可步行性的評分結果

首先將得到的9 365張圖片進行數據清洗，在計算指標數值時發現，某些指標存在算數溢出問題，因此將此部分數據剔除。最終得到模型建立的有效數據為7 447份，并對這些數據進行編號，通過隨機數表法隨機抽取1 000張圖片進行人機對抗，利用統計學手段得到該地區關于步行性的人機對抗評分（表3）。統計結果表明，該區域的各指標平均得分從高到低依次為舒適性、安全性、美觀性、社交性。其中社交能力的平均得分明顯低于其他評價指標，僅62.83分。研究結果揭示，該研究區域的社交活躍度較低，環境設計缺乏促進交流的意圖。因此在街區可步行性提升中，應注重打破空間設計的冷漠，促進交往和空間的互動。

2.2 街景特征指標計算結果

2.2.1 安全性

基于SPSS軟件對街道安全性的3個指標進行分析。結果顯示，步行道比例的數值區間為0～0.530，機動車干擾指數的數值區間為0～0.904，以及交通標識指數的數值區間為0～0.142。該地區的人行道指數為0.031，平均占比僅有3.1%。該區域人行道的樣本量分布呈現“斷崖式跌落”，幾乎所有街道的人行道指數都集中在0～0.020（圖2），并且數值越大，分布的樣本量就越小。這表明該地區的人行道數量較少，甚至有些地方缺少人行道的設置。

機動車干擾指數的平均數值為0.177，即機動車占車行道的比例是 17.7%，機動車干擾情況為中等程度。車輛干擾指數的樣本量在0到1內呈現下降式分布（圖3），即在研究地區，步行者受機動車輛干擾程度較低。

交通標識設備在步行道和車行道中所占的比重更小，平均交通標識指數為0.006，占比僅為0.6%。此外，交通標識指數樣本量分布呈現“斷崖式跌落”的特點（圖4），幾乎所有樣本都集中在指數0～0.002。這一分布特征表明，大多數的道路僅有極少量的交通指示牌，甚至可能完全沒有。

2.2.2舒適性

據數據統計，該研究區域的平均綠量達到0.250，即植物在人眼觀察范圍中占據高達 25%的比例。此外，該研究區域的沿街可視綠量數值范圍為0～0.876，且街道綠視率的樣本分布呈現“單峰波動”特征（圖5），表明區域內大多數街道的綠視率在0.100～0.400內，該區域范圍內普遍具有較好綠化水平。

不同于街道綠視率的單峰波動特性，界面圍合度的樣本量顯示出更強的集中性，呈現出“壟斷性”的特點，即絕大多數街道的界面圍合度集中在0～0.600（圖6），表明整個中心城區的界面圍合數值分布較為統一，整體的天空可視域較好。

2.2.3社交性

該研究區域的人群集聚度指數數值分布在0～0.500，平均值僅為0.042，可知街道空間人群活躍度相對較低。從頻數分布上來看（圖7），0～0.020的低值區間內集中了41%的街道；低于平均值的街道在該區域的數量占比高達62%。由此可見，在街道空間的活動人群偏少，街道空間應有的活力未被彰顯。

2.2.4美觀性

經統計，景觀豐富度指標的數值區間為0.367～0.857，色彩豐富度的數值區間為-5.099～-3.292。其中，景觀豐富度占比的平均數值達到0.730，即該地區在人眼可視范圍內的景觀豐富度為73%，這表明該地區的景觀種類較為豐富。景觀豐富度指標的樣本量呈現出類正態分布的特征，集中分布在數值0.600～0.850。景觀豐富度較低的地區占比極低，表明該區域環境的景觀豐富度較高（圖8）。

色彩豐富度的樣本量數值分布呈現出明顯的“紡錘形”結構，即低值和高值區域的街道數量較少，中間區域的街道樣本量最多（圖9），樣本量集中分布在數值-5.000～-4.000，其平均數值為-4.434。這一特征表明該地區街道的色彩豐富度屬于中等水平。

2.3 街景特征與可步行性相關性分析

本研究采用Pearson相關系數（Pearson Correlation Coefficient）來測度8個二級指標與可步行性之間的相關性。Pearson相關系數的絕對值越接近于1，表明該指標與可步行性相關性越強；反之，越接近0，二者的相關性越弱。

將研究區域可步行性得分與8項二級指標作相關性分析發現，8種關系都在0.01級別，說明8項二級指標都與可步行性存在明顯相關性。其中，除界面圍合度、機動車干擾指數與可步行性呈負相關外，其余指標呈正相關。通過比較相關性系數大小發現，街道綠視率和人群聚集度對步行性的影響較大（表4），因此可以通過適當提高街道的綠視率或者合理規劃人群的聚集度，來提升該地區的可步行性。

2.4 多元回歸分析結果

利用熵權法[46]確定8個二級指標的占比權重，進而確定所設一級指標的權重（表5）。下一步，將表3中所得到的1 000份數據的安全性、舒適性、社交性和美觀性4個指標的平均值，分別記為As、Es、Ss、Ms，可步行性評分記為Z，利用以下公式計算可步行性評分：

經計算得到1 000張隨機選取的圖片的可步行性評分約為72.507。

為了更清晰地展示最終的方程，本研究將8個二級指標分別記為符號J、Y、B、D、H、N、P、S，采用多元線性回歸分析對研究區域的可步行性進行預測。在此數據基礎上，將8個二級指標作為自變量進行多元回歸分析，從而利用多元回歸方程得到7 447份數據的可步行性評分，最終取平均值，得到整個研究區域的可步行性分值。保留各個二級指標數據的小數點后五位數值，建立多元回歸方程模型。該方程的顯著性P=0.000lt;0.05（表6），擬合優度為0.455，擬合程度較高，證明了該模型建立有效，可以進一步得到最終的模型方程。

通過進行多元線性回歸分析，得到可步行性與二級指標的關系，如以下方程所示：

基于此方程可以得到研究區域7 447張圖片的可步行性評分，最終通過統計全部圖像數據的可步行性分數，取平均值，得到研究區域的可步行性得分為74.240。這與上述人機對抗得分較為相近，表明該得分較為可靠，說明街景特征指標體系以及多元回歸方程建立有效，該區域可步行性處于中等水平。

3討論

3.1可步行性提升策略

綜合街景特征指標計算結果與數據分析結果，本研究得出以下結論：安全性、舒適性、社交性、美觀性這4類街景特征與可步行性具有一定相關性。其中，舒適性方面的街道綠視率對街道步行性的影響最為顯著；在安全性方面，人行道指數、交通標識指數與可步行性呈正相關，機動車干擾指數與可步行性呈負相關，人行道指數越高、交通標識數量越多，機動車干擾指數越低，安全性就越高，則可步行性越高；在舒適性方面，街道綠視率與可步行性呈正相關，界面圍合度呈負相關，綠視率越高、界面圍合程度越低，則可步行性越高；在社交性方面，一定范圍內，越高人群聚集度更能激發場地活力，街道可步行性就越高；在美觀性方面，街道的色彩豐富程度、景觀豐富程度與可步行性呈正相關，景觀豐富程度與色彩豐富程度越高，則可步行性越高。

綜上，本研究提出以下基于街景特征的可步行性提升策略：

1）在安全性方面，建議在部分難以滿足步行需求的道路上增設步行道或拓寬原有步行道，以提高步行道比例。對于部分不便進行人行道改造的道路，可以通過增設護欄或綠化隔離帶的方式，營造低干擾的人行道界面。此外，標識設施數量的不足會不利于行人掌握交通情況，建議增設引導標識牌。考慮到人行道空間有限，可以在增加標識牌數量的同時整合標識牌，控制立桿數量。通過上述手段可以降低機動車對人行的干擾性，提升行人的步行體驗。

2）在舒適性方面，對街道欄桿、圍墻等進行景觀化處理，或利用地面標識、綠植等方式進行柔性隔離，打破圍合界面；另一方面，對沿街建筑進行立體綠化以及對街邊綠化進行豎向空間優化設計，豐富植物層次，進一步提升行人的舒適感。

3）在社交性方面，為了提高步行者停留的意愿，可以考慮在尺度合理的步行街道旁設置休憩設施以及街頭藝術裝置，增加步行者聚集交流的場景。激發街道社交活力，更需依托沿街店鋪打造社交空間，通過對街頭店鋪鋪面的個性化設計與關懷設計，增加步行者的停留意愿和交流可能，從而營造良好的街道社交環境。

4）在美觀性方面，建議對沿街商鋪、廣告牌和標識牌等提供色彩搭配指導，有效改善沿街景觀色彩雜亂無序的情況。同時協調重點建筑的立面色彩及形式，保障沿街環境的色彩協調性。此外，可對街道立體界面進行設計，營造豐富的景觀層次，增強街道空間的景觀豐富性。

3.2研究不足

1）由于研究技術條件限制，在街景特征指標體系構建上，本研究未能完善社交性方面的指標研究，單用人群聚集度衡量社交性過于絕對和籠統，期望未來可以獲取人群在街道上的聚集時間，并處理轉化為可視化數據，更加精確地對社交指數進行計算。

2）在分割提取圖像要素的過程中，可能存在錯誤分類現象，對于景觀斑塊、色彩等精細的環境變量可能無法識別，下一步應注重提升模型的準確性和精密度。

3）本研究缺乏對街道動態特征的測度，沒有考慮到動態的人車混行問題，未來可嘗試引入如人群軌跡等動態數據，提升研究的可信度。

4結論

以華師-體育中心片區為研究對象，借助馬斯洛步行需求層次理論和“步行需求層次”模型，從安全性、舒適性、美觀性和社交性4個方面構建街景感知特征指標體系，通過全景相機采集、圖像語義切割、人機對抗模型評分、SPSS分析等多種方法，研究街景特征與可步行性關系。研究發現安全性、舒適性、社交性和美觀性4類街景特征與可步行性具有一定相關性，綠視率對街道步行性的影響最為顯著。基于分析結果，街道空間可以從安全性、舒適性、社交性和美觀性的街景特征層面進行步行性優化，以提升行人的步行體驗。本研究為更好地了解行人在街道的步行感受提供了科學的理論指引與技術指導路線，該理論與技術普適性較強，適用于大部分街區；并且為協助管理者制定相應的政策和規劃，促進步行友好的城市建設提供理論和實踐支撐。

注：圖片均為作者自繪。

參考文獻：

[1]J·H·克勞福德，甘海星. 步行城市——一個可持續發展計劃[J]. 世界建筑導報，2000（1）：12-25+68.

[2]胡燕，倪一舒，高源，等. 街道城市設計導則中“以人為本”的理念體現——以我國北京、上海、南京、廣州四城市為例[J]. 城市建筑，2020，17（8）：7-10.

[3]趙寶靜. 淺議人性化的街道設計[J]. 上海城市規劃，2016（2）：59-63.

[4]曲辰光，鄧春鳳. 基于街道使用者視角下的街道設計[J]. 中外建筑，2019（4）：149-152.

[5]劉丙乾. 基于多源數據的北京歷史文化街區街道可步行性研究[D]. 北京：北京工業大學，2020.

[6]蘇雅玨，馮悅. 基于步行者視角的歷史街道可步行性測評研究——以廣州龍驤大街為例[J]. 美與時代（上），2023（4）：88-92.

[7]盧銀桃. 基于日常服務設施步行者使用特征的社區可步行性評價研究——以上海市江浦路街道為例[J].城市規劃學刊，2013（5）：113-118.

[8]楊皓凱. 基于場景深度學習的城市街谷步行適宜性的影響評價研究[C]//中國城市規劃學會. 人民城市，規劃賦能——2022中國城市規劃年會論文集（05城市規劃新技術應用）. 北京：中國建筑工業出版社，2023：11

[9]甘欣悅，佘天唯，龍瀛. 街道建成環境中的城市非正規性 基于北京老城街景圖片的人工打分與機器學習相結合的識別探索[J]. 時代建筑，2018（1）：62-68.

[10]劉迎賓.深圳市桃源街區可步行性測度及驗證研究[D]. 哈爾濱：哈爾濱工業大學，2013.

[11]徐煜輝，楊潔. 基于步行心理需求視角的街區規劃策略研究[C]//中國城市規劃學會. 城鄉治理與規劃改革——2014中國城市規劃年會論文集（06 城市設計與詳細規劃）. 北京：中國建筑工業出版社，2014：571-579

[12]DUBEY A，NAIK N，PARIKH D，et al. Deep Learning the City： Quantifying Urban Perception at a Global Scale[C]//LEIBE B，MATAS J，SEBE N，et al. Computer Vision： ECCV 2016. Switzerland：Springer Cham， 2016.

[13]YAO Y，LIANG Z，YUAN Z，et al. A human-machine adversarial scoring framework for urban perception assessment using street- view images[J]. International Journal of Geographical Information Science，2019，33（12）：2363-2384.

[14]龍瀛. 街道城市主義新數據環境下城市研究與規劃設計的新思路[J]. 時代建筑，2016（2）：128-132.

[15]肖通，李德平，萬義良，等. 基于街景影像和手機信令數據的城市街道安全性研究[J]. 地理與地理信息科學，2022，38（1）：71-78.

[16]楊俊宴，吳浩，鄭屹. 基于多源大數據的城市街道可步行性空間特征及優化策略研究——以南京市中心城區為例[J]. 國際城市規劃，2019，34（5）：33-42.

[17]王林森，鄭重，周素紅，等. 基于街景感知的城市空間品質對空間活力的影響作用研究[J]. 規劃師，2022，38（3）：68-75.

[18]佟旭. 基于百度街景數據的蘇州古城區街道綠化研究[J]. 城市住宅，2021，28（11）：50-53.

[19]葉宇，張靈珠，顏文濤，等. 街道綠化品質的人本視角測度框架——基于百度街景數據和機器學習的大規模分析[J]. 風景園林，2018，25（8）：24-29.

[20]邵源，葉丹，葉宇. 基于街景數據和深度學習的街道界面滲透率大規模測度研究——以上海為例[J].國際城市規劃，2023，38（6）：39-47.

[21]張麗英，裴韜，陳宜金，等. 基于街景圖像的城市環境評價研究綜述[J].地球信息科學學報，2019，21（1）：46-58.

[22]劉漣漣，尉聞. 步行性評價方法與工具的國際經驗[J]. 國際城市規劃，2018，33（4）：103-110.

[23]盧銀桃，王德. 美國步行性測度研究進展及其啟示[J]. 際城市規劃，2012，27（1）：10-15.

[24]YIN L，WANG Z X. Measuring visual enclosure for street walkability：Using machine learning algorithms and Google Street View imagery[J]. Applied Geography，2016，76：147-153.

[25]葉洋，費騰. 基于街景圖像的街道空間步行品質評價研究[J]. 當代建筑，2020（11）：123-125.

[26]劉智謙，呂建軍，姚堯，等. 基于街景圖像的可解釋性城市感知模型研究方法[J]. 地球信息科學學報，2022，24（10）：2045-2057.

[27]李昂，楊珂. 基于街景圖像的軌道交通站域可步行性評價——以重慶市為例[J]. 建筑與文化，2023（10）：109-111.

[28]YAO Y，LIANG Z，YUAN Z，et al. A human-machine adversarial scoring framework for urban perception assessment using street-view images[J]. International Journal of Geographical Information Science：IJGIS，2019，33（12）：2363-2384.

[29]董世永，龍晨吟. 基于模糊綜合評價的住區可步行性測度方法及發展策略研究——以重慶典型住區為例[J]. 西部人居環境學刊，2015，30（1）：106-112.

[30]趙未坤. 社區尺度可步行性研究進展[C]//中國城市規劃學會. 杭州市人民政府.共享與品質——2018中國城市規劃年會論文集（06城市交通規劃）. 北京：中國建筑工業出版社，2018：7.

[31]張琪. 珠江新城核心區可步行性綜合評價框架構建及作用機理項的定量研究[D]. 廣州：華南理工大學，2017.

[32]楊玉茹. 基于街景圖像和機器學習的街道空間品質評價與優化研究[D]. 廣州：華南理工大學，2022.

[33]陳崇賢，李海薇，林曉玲，等. 基于計算機視覺的夜間戶外環境情緒感知特征研究[J]. 中國園林，2023，39（2）：20-25.

[34]宋汶軍. 基于多源數據分析的城市街區可步行性環境研究[D]. 北京：北京林業大學，2022.

[35]李易燁. 基于步行需求層次的廈門島城市街道可步行性評價[D]. 泉州：華僑大學，2022.

[36]ALFONZO A M. To Walk or Not to Walk？ The Hierarchy of Walking Needs[J]. Environment and Behavior，2005，37（6）：808-836.

[37]揚·蓋爾. 交往與空間[M]. 北京：中國建筑工業出版社，2002.

[38]黃志強，張航，章云睿，等. 街道視覺可步行性評估及其對居民步行活動的影響——以南京市為例[C]//中國城市規劃學會，成都市人民政府. 面向高質量發展的空間治理——2021中國城市規劃年會論文集（05城市規劃新技術應用）. 北京：中國建筑工業出版社，2021：13.

[39]劉玲君，鄭曦. 基于多源大數據與語義分割模型的街道可步行性測度[C]//中國風景園林學會. 中國風景園林學會2022年會論文集. 北京：中國建筑工業出版社，2023：7

[40]汪美會. 基于街景影像和深度學習方法的城市街道綠視率研究[C]//南京市國土資源信息中心，江蘇省測繪地理信息學會. 南京市國土資源信息中心30周年學術交流會論文集. 南京：南京市國土資源信息中心，《現代測繪》編輯部，2020：3

[41]維卡斯·梅赫塔. 街道：社會公共空間的典范[M]. 金瓊蘭，譯. 北京：電子工業出版社，2016：13-20.

[42]簡·雅各布斯. 美國大城市的死與生[M]. 金衡山，譯. 南京：譯林出版社，2006：64-79.

[43]HALL E T. The hidden dimension[M]. Garden City，NY：Doubleday，1966.

[44]MEHTA V. Lively streets： Determining environmental characteristics to support social behavior[J]. Journal of Planning Education and Research，2007，27（2）：165-187.

[45]繆岑岑. 基于街景圖片數據的城市街道空間品質測度與影響機制研究[D].南京：東南大學，2019.

[46]田蔚然，徐燕玲，黃瑩. 層次分析法和熵權法在城市街道景觀評價中的比較分析[J]. 西南師范大學學報（自然科學版），2020，45（9）：147-153.