城市生活型街道空间视觉 品质的大规模测度

对街道空间视觉品质评价方法进行优化,采集街景图片并对其进行物理和感知层面的视觉品质评价.首先,通过5个指标描述街道骨架,采用机器学习分割技术对绿视率、围合度和天空开阔度进行三维计算,对贴线率和横截面比进行二维计算.然后,通过问卷调查对街景视觉品质进行主观的满意度评价.最后,通过相关性和回归分析,构建回归模型及拟合公式.结果表明:街道空间视觉品质满意度与绿视率和贴线率呈显著正相关,与围合度呈显著负相关,与天空开阔度和横截面比无明显相关性;3个强相关指标对视觉品质的影响程度从大到小为贴线率>围合度>绿视率.     

基于多源大数据的轨道交通站域街道品质多维评价分析——以成都市三环内地铁站域街道为例

为了科学测度、准确评价站域街道的空间品质并实现有效优化,选取成都市73个地铁站域,以街道网络、POI（point of interest）、街景图片等多源大数据为支撑,运用机器学习、sDNA分析（spatial design network analysis）等技术,构建了以便捷性、功能性与舒适性为核心的评价体系,进行站域街道空间品质的大规模定量评价,并针对不同等级的站点提出了导控策略。结果表明,在城市整体层面,68.03%的站域街道评分低于中等水平,街道功能性与舒适性普遍较好,便捷性较差;在站域层面,街道空间品质呈现出南高北低、西高东低、内高外低的分布特征。研究使人本尺度的分析精度、站点尺度的分析深度和城市尺度的分析广度得以兼顾,有助于创建高效的城市管理动态反馈机制。