地理加权视角下街道活力度视觉感知驱动机制分析

【目的】旨在科学揭示街道活力度视觉感知驱动机制的空间异质性，为街道规划与管理提供精细化依据。【方法】以天津市市内六区为例，首先，通过爬取2013至2020年的街景图像，利用ResNet50模型预测活力度视觉感知概率；其次，采用DeepLabV3+模型分割出街景图像中的不同视觉要素，并通过地理加权主成分分析模型降维成主成分PC1至PC6；最后，运用地理加权随机森林模型探讨不同主成分对活力度视觉感知的驱动机制。【结果】（1）2013至2020年天津市市内六区的活力度视觉感知呈现“中心高-边缘低”的梯度特征，且中心区域活力度整体呈现上升趋势，而边缘区域则略微波动下降；（2）PC1至PC6在各年份的影响程度呈现“中心低-边缘高”的梯度特征，且东北区域普遍高于西南区域；（3）中心区域的核心驱动主成分主要为PC6，外围区域则由PC1至PC5以局部聚集的形式交织主导。【结论】基于地理加权视角的分析方法，能够有效揭示街道活力度视觉感知驱动机制的空间异质性特征。