在物联网中,人工智能辅助的深度学习神经网络的街道空间规划和设计

科学领域:

• 城市规划 城市规划
• 环境科学 环境科学
• 计算机视觉 计算机视觉

背景情况:

• 街道空间的质量显著影响城市的宜居性.
• 使用客观指标评估绿色基础设施对于城市发展至关重要.
• 物联网 (IoT) 为城市数据收集和分析提供了新的途径.

研究的目的:

• 将街道空间分类并分析绿色外观比率 (GLR).
• 使用完全卷积网络 (FCN) -8s开发街景图像语义细分模型.
• 通过使用物联网技术,调查GLR和城市街道空间居民满意度之间的相关性.

主要方法:

• 将街道空间分为四种类型:生活休,历史街道,交通区域和景观街道.
• 使用FCN-8s框架开发街景图像的语义细分模型.
• 应用物联网技术来分析T市历史城市区域内的GLR和满意度.

主要成果:

• 在街景GLR满意度和平均面积GLR之间发现了显著的正相关性 (R2 = 0.919,p < 0.05).
• 在街道类型中,对GLR的不满率各不相同:35% (生活休),33% (历史),20% (交通) 和18% (景观).
• 基于物联网的分析为GLR的分布和公众的看法提供了定量见解.

结论:

• 加强街道绿化,特别是在服务不足的地区,可以显著提高居民的满意度.
• 整合绿化战略与城市功能区是有效改善城市街景的关键.
• 该研究提供了一个基于数据的框架,用于优化城市街道绿化政策和实践.