摘要: 摘要：【目的】步行是最基本的城市交通方式，建设步行友好型街道在城市规划中具有重要意义。随着多源城市数据与深度学习技术的发展，实现更全面、精细的街道可步行性评估成为可能。提出了一种基于城市多源数据和深度学习技术的城市街道可步行性评估方法。【方法】通过梳理可步行性相关文献，凝练出涵盖街道可意象性、便利性、活力性、舒适性和安全性五个维度的多标准街道步行价值体系，并筛选出包含23个评估指标的可步行性评估指标体系。对城市道路、建筑、绿化和用地类型矢量数据以及街景图像数据等城市多源数据进行采集、整合和预处理，结合ArcGIS技术、语义分割和目标检测算法对各可步行性指标进行计算。通过层次分析法赋权法对各个指标进行综合赋权，并对指标测算结果进行归一化处理以实现多源数据融合，最终通过加权求和得到街道可步行性综合量化值。使用该方法对北京市中心城区进行可步行性评估实验，并对评估结果进行精度验证。【结果】评价结果显示北京市中心城区综合可步行性均值为0.558，表明整体处于中等水平，并存在显著的空间异质性，二环至四环之间得分较高，而核心区和外围边缘区域得分偏低。结果表明，该方法可以高效且精准的测算大规模城市街道可步行性水平，测算结果涵盖了步行吸引力、环境舒适度和体验满意度等各个方面的精细化指标。【结论】该方法可为城市街道更新与步行环境优化提供量化支撑，并为相关政策制定与城市空间设计提供科学依据。