百事娱乐 > 最新动态 >

Landsc Urban Plan | 空间结构如何影响心理恢复？一种基于图神经网络和街景图像的方法 注意力恢复理论（ART）提出了四个基本指标（远离、范围、吸引力和兼容性）来理解城市和自然环境的恢复质量。然而，由于主要依赖孤立的问卷调查或图像，先前的研究忽视了空间结构（场景实体之间的视觉关系）和邻近环境对恢复质量的影响。本研究引入了一种空间依赖的图神经网络（GNNs）方法来解决这一差距，并在城市尺度上探索空间结构与恢复质量之间的关系。构建了两类图：使用连续街景图像（SVIs）构建的街道级图，用于捕捉实体之间的视觉关系并表示空间结构；以及模拟道路拓扑关系的城市级图，用于捕捉邻近实体的空间特征，整合感知、空间和社会经济特征来衡量恢复质量。结果表明，空间依赖的GNNs优于传统模型，准确率（Acc）达到0.742，F1分数为0.740，表明其具有卓越的捕捉相邻空间特征的能力。消融实验进一步揭示了空间结构特征对恢复质量预测性能的显著正面影响。此外，研究强调了与自然相关的实体（如树木）相比人工实体（如建筑物）在高恢复质量方面具有更大的重要性。本研究阐明了空间结构与恢复质量之间的关联，为未来改善城市福祉提供了新的视角。 本研究框架由五部分组成（图 1）：1）提取特征并嵌入空间结构（即在街道级别构建图）；2）将潜在的城市特征聚合到基于 OpenStreetMap（OSM）创建的城市级图中；3）标记和增强数据集；4）训练和评估不同类型的分类模型；5）进行整体分析。 关于修复质量与物理环境之间关系的长期讨论缺乏对不同空间结构所造成影响的研究，而且缺乏在城市尺度上进行有效测量的方法。我们的研究提出了一种空间相关的 GNN 方法来解决这些问题，其中包括两种类型的图：街道和城市级别。这项研究做出了三点贡献。首先，我们提出了一种空间相关的预测方法来测量城市修复质量，即使用图神经网络捕获道路拓扑关系并将城市的上下文特征聚合为城市级图。其次，我们使用一种新颖的图方法来揭示不同修复质量之间的空间结构效应，方法是通过连续的 SVI 捕获实体之间的内在和外在关系。第三，该研究强调了自然相关实体与人工实体相比对高修复质量具有更大的意义，从而增强了修复空间特征的可理解性。