基于街景图像和机器学习的街道女性关怀度建模研究
Published in 第六届城垣杯·规划决策支持模型设计大赛, 2022
城市街道空间环境的建设存在性别盲视现象，忽视了女性的需求。本项目基于性别包容视角，对城市中街道的女性关怀度进行评估，并挖掘街景要素对街道女性关怀度的影响。研究框架大体如下：1）搭建Trueskill算法人工审计系统，把难以量化的主观感知判断，转化为可以定量分析的具体数值；2）使用PSPnet和Mask R-CNN深度学习算法，对街景图片进要素提取，使用随机森林算法进行特征重要性选择，最终构建十五类街景要素作为预测变量；3）结合机器学习算法构建街道女性关怀度预测模型；4）模型的应用以香港为对象，绘制香港街道女性关怀度分布地图；5）识别出女性关怀度分数较弱的区域，结合模拟改造方式验证结论有效性。本项目研究结论如下：训练的浅层神经网络模型性能相对较高（R^2=0.639），可以对街道女性关怀度分值进行预测，同时由于数据类型的特殊性，使得模型可扩展能力较强；项目绘制的香港街道女性关怀度分布地图，可以直观定位城市中需改进的区域；本文 “定性+定量”的模拟改造模式，验证了影响街道女性关怀度的街景要素重要性，提出的改造建议，为解决城市建设中存在的空间权益问题提供了有效的实施路径。总体来说，本项目关注城市公共空间中的女性权利，有助于促进城市包容性。
指导老师: 罗丹/黄骁然
成员: 公丕欣/崔秦毓/张书羽/阳珖/单爽
北方工业大学/深圳大学/华东建筑设计院/深圳新城市规划建筑设计院