基于深度学习技术的城市街道空间品质大规模评估分析--以贵阳市为例
从城市街道空间品质问题出发，通过获取大规模的三维街景图像数据与机器学习结合，这种评估方法具有效率高、准确性高、范围广的特点。本文通过对开放的网络平台对现状街景图像进行采集，利用经过训练的深度卷积神经网络模型，从大规模的街景图像中识别出不同的城市特征，再根据图像分割技术处理结果，对贵阳市街道空间品质进行综合评价，有助于了解城市街道的功能。本次评估成果将为后续街道更新设计提供更精细化的导控建议，为新规划政策的人本视角转型提供支撑。
深度学习 城市街道空间 评估 贵阳
李政霖 陈冠舟 杨孝增 张浩 华明睿 孙波
北京清华同衡规划设计研究院有限公司贵州分公司 贵州师范大学地理与环境科学学院
国内会议
成都
中文
1-14
2021-09-25（万方平台首次上网日期，不代表论文的发表时间）