一种基于深度学习和多源数据的街道美感评估与优化方法

本发明公开了一种基于深度学习和多源数据的街道美感评估与优化方法，包括：数据采集模块，用于采集街道的地图兴趣点数据、街景图像数据和三维建筑地图数据；数据处理模块，对采集的数据进行预处理，包括筛选有效路段、提取街道客观指标；安全感知评估模块，利用深度学习技术和机器学习算法，结合麻省理工空间脉冲数据集，构建安全感知评估模型，对街道安全感知进行评分；分析优化模块，通过数理推导分析街道客观指标与安全感知的关系，确定影响街道美感感知的关键因素，并提出优化策略。根据本发明，克服传统方法局限，通过整合多种数据资源和技术手段，为城市规划设计提供科学依据，有效提升街道美学品质和城市形象，推动城市可持续发展。