(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210841042.2 (22)申请日 2022.07.18 (71)申请人 上海市城市 建设设计研究总院 （集 团） 有限公司 地址 200120 上海市黄浦区西藏 南路1170 号 (72)发明人 方雪丽　蒋应红　 (74)专利代理 机构 上海知义 律师事务所 313 04 专利代理师 刘峰 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/08(2012.01) G06V 10/72(2022.01) G06V 10/75(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06F 16/55(2019.01) G06F 16/583(2019.01) G06F 30/13(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) (54)发明名称 基于面向用户感知体验的城市街道设计品 质评价方法 (57)摘要 本发明公开了基于面向用户感知体验的城 市街道设计品质评价方法， 包括如下步骤： 1、 确 定并量化影响城市街道空间品质的关键影响要 素； 2、 基于街道空间形态数据和街道街景图片数 据， 建立街道设计品质数据库； 3、 运用街道街景 图片数据以及机器学习分数算法智能化、 数字化 的技术手段， 建立街道设计空间品质评价指标与 影响要素之间的定量模型； 4、 通过数值变化趋势 分类法和数值自然间断分类法这两类统计学方 法， 综合获得街道设计空间品质评价的分档标 准； 5、 通过街道设计空间品质评价的分档标准对 需要测评的城市街道设计进行评价。 本发明精准 刻画民众对街道设计的感知体验， 准确摸清街道 设计品质的影 响机理， 提高对城市街道品质问题 诊断的精准 性。 权利要求书4页 说明书14页 附图1页 CN 115204686 A 2022.10.18 CN 115204686 A 1.基于面向用户感知体验的城市街道设计品质评价方法； 其特 征在于， 包括如下步骤： 步骤1、 确定并量 化影响城市街道空间 品质的关键影响要素； 步骤2、 基于街道空间形态数据和街道街景图片数据， 建立 街道设计品质数据库； 步骤3、 运用大量街道街景图片数据以及机器学习算法智能化、 数字化的技术手段， 建 立街道设计空间 品质评价指标与影响要素之间的定量模型； 步骤4、 通过数值变化趋势分类法和数值自然间断分类法这两类统计学方法， 综合获得 街道设计空间 品质评价的分档标准； 步骤5、 通过所述街道设计空间品质评价的分档标准对需要测评的城市街道设计进行 评价。 2.根据权利要求1所述的基于面向用户感知体验的城市街道设计品质评价方法， 其特 征在于， 所述 步骤1具体如下： 对影响城市街道空间品质的关键影响要素的量化， 即确定各所述关键影响要素的数 值， 包括城市街道 “点”要素的数值、 城市街道 “线”要素的数值和城市街道 “面”要素的数值； 其中， 所述城市街道 “点”要素包括绿化 率、 高层建筑值、 行 人数量和车辆数量； 所述城市街道 “线”要素包括 步行空间、 车 行空间、 街道面宽和界面贴线； 所述城市街道 “面”要素包括用地 性质、 用地 面积、 建筑面积。 3.根据权利要求2所述的基于面向用户感知体验的城市街道设计品质评价方法， 其特 征在于， 步骤2包括如下步骤： 步骤2.1、 获取街道空间形态数据， 具体为通过云台相机拍摄城市街道的图片， 并通过 实地踏勘对 城市街道的图片进行 校正， 构建街道空间形态数据库； 所述街道空间形态数据库的数据库要素包括用地 性质、 用地 边界和用地 面积； 步骤2.2、 获取街道街景图片数据， 具体为采用已有的全景地图作为街道街景图片的基 本数据源， 获取所需区域的全景地图及相对应携带的信息数据形成所述街道街景图片数 据； 然后， 基于全卷积复杂神经网络和深度学习方法， 运用智能识别程序对已经获取的所 述街道街景图片数据中的车行道要素、 人行道要 素、 机动车要 素进行计算机智能识别， 并对 所述城市街道 “点”要素、 所述城市街道 “线”要素和所述城市街道 “面”要素所占的像素数据 进行统计分析， 得到每 类要素的像素 数量和占比； 步骤2.3、 将所述街道街景图片数据与已经构建的所述街道 空间形态数据库进行匹配， 根据所述街道街景图片数据所携带的地理坐标信息， 将 每一所述街道街景图片映射到相对 应的所述 街道空间形态数据库中； 将所述街道街景图片数据与 所述街道 空间形态数据库关联后， 建立所需区域的街道设 计品质数据库。 4.根据权利要求3所述的基于面向用户感知体验的城市街道设计品质评价方法， 其特 征在于， 在步骤2.2中， 基于百度API端口的Python爬虫脚本采用现有全景地图作为街道街 景图片的基本数据源； 在步骤2.3中， 采用Arcgis数据分析平台， 将每一所述街道街景图片映射到相对应的所 述街道空间形态数据库中。 5.根据权利要求4所述的基于面向用户感知体验的城市街道设计品质评价方法， 其特权　利　要　求　书 1/4 页 2 CN 115204686 A 2征在于， 步骤3包括如下步骤： 步骤3.1、 确定街道设计空间品质评价指标， 从客观评价维度、 主观评价维度分别进行 筛选； 其中， 所述 客观评价维度包括行 可行性、 路网通达性和设施便利性； 所述行可行性通过步行通行指数SFI进行评价， 即所有所述街道街景图片中步行道与 车行道的所占像素量占比， 与所述 街道设计空间 品质评价指标为 正相关， 具体公式如下： 其中， wn为编号n的街景图片中总步行空间所占像素量； Rn为街景图片中总车行空间所 占像素量； 所述路网通达性通过路网密度指数RDI进行评价， 即所有所述街道街景图片中车行道 与整张图片所占像素量占比， 与所述 街道设计空间 品质评价指标为 正相关， 具体公式如下： 其中， Rn为街景图片中总车行空间所占像素量,An为街景图片总的像素量， 即该张图片 中所有面 域像素之和； 所述设施便利性通过服务设施满足指数PSI进行评价， 即所有所述街道街景图片中服 务设施与整张图片所占像素量占比， 与所述街道设计空间品质评价指标为正相关， 具体公 式如下： 其中， pn为编号n的街景图片中服务 设施所占像素量， 即该张图片中i个设施面域像 素之 和； An为街景图片总的像素量， 即该张图片中所有面 域像素之和； 所述主观评价维度包括 步行安全性、 空间舒 适性和空间友好 性； 所述步行安全性通过机动车干扰指数VII和交通标识指数ITI进行评价， 均与所述街道 设计空间 品质评价指标为负相关； 所述机动车干扰指数VII为所有所述街道街景图片中机动车斑块的像素与整张图片中 机动车道的像素总量， 具体公式如下： 其中， Cn表示街景图片中识别出的机动车斑块的像素， Rn为整张图片中机动车道的像素 总量； 车辆 干扰指数越高， 表示 街道空间中机动车占比越大， 给 人的安全感越低； 所述交通标识指数ITI为所有所述街道街景图片中交通信号灯和指示牌面域和整张图 片所占像素量占比， 具体公式如下： 其中， Tn为编号n的街景图片中交通信号灯及交通指示牌的像素面域量， 即该张图片中i 个门和窗面域像素之和； Rn为图片中街道空间的像素总量， 即该张图片中i个车行和步行道权　利　要　求　书 2/4 页 3 CN 115204686 A 3