研究综合运用语义分割、单目深度估计和声音识别等深度学习技术,将步行视野划分为前景、中景和背景三个距离层次,提取开敞度、围合度、水体可见度、视觉干扰、空间复杂度以及自然声、人声、交通声和声压级等指标。同时结合结构因果模型与SHAP可解释机器学习方法,分析环境变量的非线性变化、交互关系及不同公园和功能分区之间的差异。
研究发现,滨水步行环境偏好是空间结构与声景共同作用的结果。声压级对环境更新具有较强的干预意义,中景和前景中的人工设施、道路及车辆等视觉干扰总体会降低偏好。适度提高背景开敞度和中景水体可见度有助于改善体验,但其增益并非持续线性增加;前景围合度则呈现“适度最佳”的非线性特征。
该成果突破了传统静态照片和二维景观要素比例的评价方式,构建了面向动态步行体验的“距离分层空间结构—声景—偏好”分析框架,并将因果推断与可解释人工智能引入景观感知研究,为滨水公园的精细化更新、噪声控制、视线组织、水体展示及功能分区声景设计提供了可量化的科学依据,也为人工智能技术赋能风景园林规划设计提供了新的研究路径。
论文链接:https://doi.org/10.1016/j.buildenv.2026.115060
文字/冯思雨、李睿煊 图片/冯思雨、李睿煊
编辑/刘子昂
审核/刘子昂、高家骥、黄寒冰
编辑/刘子昂
审核/刘子昂、高家骥、黄寒冰
浏览量:108