通过街景图像和机器学习,提高大学校园以学生为中心的步行环境
Yi Qin1, Xue Wu2, Tengfei Yu3
1Department of Art and Craft, Xi'an Academy of Fine Arts, Xi'an, China.
PloS one
|April 9, 2025
概括
深度学习分析了校园步行环境,使用街景图像和志愿者评分. 结果显示,建筑物增加了抑郁症,而植被和草地增强了美学,指导校园设计以获得更好的学生体验.
科学领域:
- 环境心理学 环境心理学
- 城市规划 城市规划
- 计算机科学 计算机科学
背景情况:
- 校园步行环境显著影响大学生的日常生活和感知.
- 之前的研究由于样本规模小和方法效率低下而面临限制.
研究的目的:
- 开发和应用一个深度学习框架来评估校园行走的感知.
- 分析环境特征对四所大学学生感知的影响.
主要方法:
- 利用了15596个百度街景图像 (BSVI) 和来自100名志愿者的感知评分.
- 采用机器学习模型 (随机森林,线性回归) 来预测对美学,安全,抑郁和活力的看法.
- 进行空间和多重线性回归分析以确定关键的环境相关性.
主要成果:
- 随机森林模型在预测美学,安全性和活力方面表现出色.
- 线性回归对预测抑郁症最有效.
- 审美,安全和活力感知与地标区域和行人流量相关联.
- 建筑物与抑郁症的相关性更强 (β = 0.112).
- 植被 (β = 0.032) 和草地 (β = 0.176) 显著改善了美学.
结论:
- 深度学习为评估校园步行环境提供了一种有效的方法.
- 空间设计元素,如建筑物,植被和草地显著影响学生的感知.
- 研究结果为优化校园环境提供了见解,以增强学生的幸福感和感知体验.


