成果简介

针对我国人口老龄化背景下城市街道适老化改造缺乏系统性评估方法的突出问题，攻克了多源异构数据融合、老年人主观感知量化、宏微观环境要素非线性影响建模等关键技术，研制了基于街景图像、多源地理空间数据与可解释机器学习算法的街道适老性智能评估系统。该系统整合了宏观建成环境指标（建筑密度、道路密度、功能多样性等19项）与微观视觉特征（绿化率、灰度率、开敞度、色彩复杂度等17项），构建了涵盖安全性、可步行性、社交性和驻留性四个核心维度的适老性评价体系，实现了城市街道尺度上适老性水平的快速评估与空间分布分析。系统具备多模态数据自动采集与处理、主观感知量化评分、非线性影响机制揭示、空间聚类与热点分析等功能，具有高效、可解释、可推广等特色优势，为城市适老化规划与更新提供科学决策支持。

所属学院：土木建筑学院

技术创新点

（1）多源异构数据融合与自动化处理：整合街景图像、兴趣点（POI）、遥感影像、路网数据、建筑数据等多源信息，实现宏微观环境特征的自动化提取与标准化处理。通过百度街景API自动采集全景图像，结合深度语义分割模型提取19类街道景观要素，突破传统人工调研效率低、成本高的瓶颈。

（2）老年人主观感知的量化建模：基于TrueSkill贝叶斯评分算法与模糊层次分析法，将老年人的主观评价转化为可量化的感知评分，覆盖安全、可步行、社交、驻留四个适老化核心维度，有效解决了主观感知难以量化的技术难题。

（3）可解释机器学习驱动的非线性影响解析：采用XGBoost等树模型构建适老性预测模型，结合SHAP和PDP可解释人工智能方法，揭示宏微观环境特征对适老性的非线性影响、阈值效应与交互作用机制。系统能够精准识别绿化率、灰度率、建筑密度等关键指标的优化区间与协同/拮抗关系。

应用前景

基于多源数据与可解释机器学习的街道适老性智能评估系统可广泛应用于城市更新规划、适老化改造设计、老年友好型社区建设等领域，特别是在需要精准识别适老化薄弱区域、量化评估改造优先级、制定差异化优化策略的场景中表现出色。例如，在城市更新规划中，系统能够快速识别老城区与新城区在安全性、可步行性、社交性等维度的空间差异，为改造决策提供数据支撑；在适老化改造设计中，系统可精准定位绿化不足、灰度空间过多、色彩复杂度失衡等具体问题，并提出针对性的优化干预区间；在老年友好型社区建设中，系统能够评估宏微观环境的协同效应，指导建筑密度控制、开敞空间优化与社区服务设施布局。随着我国老龄化进程的持续加深和城市精细化治理要求的不断提升，该系统将在更多城市和场景中发挥重要作用，推动适老化城市建设从经验驱动向数据驱动的科学决策转型。

联系方式

建筑与规划研究所：15225581856（葛老师）