现有研究路径对比
路径①
问卷访谈实验
优势
贴近真实体验
劣势
成本高、样本受限、难以大规模应用
路径②
社交媒体文本
优势
自发性、丰富语义
劣势
人群偏差、语境噪声、定位不确定
路径③
街景影像视觉
优势
街道尺度量化识别
劣势
停留在底层视觉特征、单一维度
大语言模型核心优势
Core Advantages of Large Language Models
将视觉信息与文本信息统一到同一语义表征空间，生成具备常识与价值判断的自然语言描述，充当可重复调用的虚拟市民角色。
多模态融合
视觉+文本统一表征
语义理解
高层语义显化表达
虚拟观察者
可重复调用评价
可解释性
可追溯语义依据
级联分析框架
构建从街景影像→语义描述→量化感知→地理空间格局的级联分析框架，实现客观建成环境与主观感知评价的有机联通。
1
数据采集
- • OSM路网
- • 50m间距
- • 百度时光机
- • 122,264张影像
2
语义生成
- • TBL提示词
- • Qwen2-VL-72B
- • 感知描述
- • 情绪标签
3
感知量化
- • BERT模型
- • Bi-LSTM网络
- • 连续评分
- • 细粒度表征
4
空间分析
- • TAZ聚合
- • Moran's I
- • 空间格局
- • 语义挖掘
三重底线理论（TBL）
基于可持续发展三重底线理论，构建"生态-社会-经济"提示词体系，系统评估街道空间的多维感知特征。
生态维度
- • 绿化覆盖率
- • 环境整洁度
- • 空气质量
- • 自然景观
社会维度
- • 安全感
- • 秩序性
- • 文化氛围
- • 社会活力
经济维度
- • 商业活力
- • 设施完善度
- • 功能效能
- • 经济活跃度
语义挖掘技术
共词网络分析
识别高频关键词及其共现关系
LDA主题模型
提取潜在主题与语义结构
TF-IDF分析
量化词汇重要性与特征权重
文本知识图谱
构建语义实体关系网络
核心研究发现
正向感知区域
空间分布
主要集中于二、三环路
驱动因素
"协同效应"：红墙、绿化、商业活力、文化符号
典型特征
高绿化、整洁有序、文化商业丰富
负向感知区域
空间分布
多位于城市外围及功能不完善片区
驱动因素
"短板效应"：废墟、裸土、建筑垃圾、工业噪声
典型特征
设施缺失、噪声干扰、环境污染
四大主题驱动因素
自然生态
绿化、环境、空气质量
功能效能
设施完善、秩序性
历史文化
文化符号、历史氛围
商业活力
商业氛围、经济活跃