基于多源大数据评估街道空间质量和主观幸福

基于多源大数据评估街道空间质量和主观幸福感错配及其影响 本研究首先通过机器学习方法勾画出青岛市中心街道空间质量与幸福感不匹配的分布图，然后创造性地结合有序逻辑回归和限制性三次样条，检验城市变量对不匹配的非线性影响。多源大数据。研究主要发现低品质空间集中在老城区；青岛市中心区内部空间SWB得分总体较好且分布均匀，而外围空间SWB得分差异显着；路网可达性、绿地面积、生活便利性、房价与幸福感呈正相关，显着高于街道空间质量，而与土地混合利用、夜间照明指数、人口密度呈负相关。当绿地集聚值达到2.9或超过7.8、生活便利值超过12.2、房价值达到2.66万元/平方米时，改善街道空间质量最有可能提升居民主观幸福感。这些发现将城市空间质量与主观幸福感联系起来，并为城市进一步规划和重建提供支持，以通过有针对性的干预措施改善公共主观幸福感。 本研究以青岛为例，通过自然语言处理（NLP）分析129,825条带地理标签的微博签到数据，客观评估居民的主观幸福感。本研究还打算构建一个评估街道空间质量的框架，该框架包括步行安全性、空间舒适性、视觉吸引力和街道交互性四个维度，并利用海量街景图像和全卷积网络（FCN）模型对这些维度进行量化。在计算街道空间质量与幸福感之间的不匹配后，本研究的目标是利用有序逻辑回归来识别对 14 个建成环境和社会经济因素之间的不匹配产生显着影响的因素。此外，使用限制性三次样条（RCS）来验证这些城市因素对失配结果的非线性影响。本研究的第一个创新点是应用多源大数据和机器学习（ML）方法来客观评估街道空间质量与幸福感之间的不匹配情况，并生成不匹配的分布图。对现有文献的另一个贡献是，本研究认识到建筑环境和社会经济因素对失配的非线性影响，并探讨了影响阈值和影响趋势。这些发现有助于为城市进一步规划和重建提供信息，从而通过有针对性的干预措施改善公共主观幸福感。