基于深度学习的建成环境空间友好度评价方法

本发明公开了一种基于深度学习的建成环境空间友好度评价方法。本发明将校园空间离散化为独立单元，整合静态空间属性、动态环境状态与儿童行为响应数据，构建统一的时空图结构。通过图卷积网络捕捉空间单元间的拓扑关系，并利用门控循环单元建模时序动态变化，生成同时编码空间结构、环境波动与行为反馈的融合表征，实现了跨模态信息的深度协同分析。基于融合后的时空特征，采用共享底层网络与多分支输出层结构，同步预测综合空间友好度评分及多样性、开放性等子维度评分，为校园的空间布局改造和优化提升提供了科学决策支持。