现有研究多独立分析街道物理属性或居民出行流，缺乏对二者交互机制的系统刻画，难以支撑精细化城市治理。
遥感、POI、轨迹数据各自为政，缺乏统一图结构融合静态环境与动态行为特征。
格网或建筑单元破坏功能完整性，街道作为静动态分析单元的优势未被充分利用。
功能识别与流动性分析独立进行，功能对流动的塑造及流动对功能的反作用未被量化。
将街景物理特征与出行时序特征映射至道路对偶图，通过GAT自编码器与自优化聚类联合学习，实现功能簇的自动划分与语义标注。
以路段为节点、邻接关系为边，融合街景语义分割像素占比与OD时序分布作为节点属性。
STDC语义分割 40m感知单元GAT编码器学习低维嵌入，自优化模块通过KL散度最小化实现簇内紧凑、簇间分离。
多头注意力 联合损失TF-IDF加权POI分布，结合0.7阈值确定主导功能，识别休闲-商业、商业-公共服务等五类街道。
TF-IDF min-max标准化DBSCAN算法对路段OD流聚类，从流量规模、簇间联系、簇内流动三个维度构建17项原始指标，经相关性筛选保留11个核心指标。
DBSCAN 皮尔逊相关皮尔逊相关系数、Eta²效应量、ANOVA及两两t检验验证功能类型与流动性指标的显著差异，揭示非线性关联。
Eta² t检验实验识别五类混合功能街道，商业-公共服务型处于核心层级，流量指标显著领先；功能与流动形成正向循环。
| 功能类型 | 流动特征 | 关键问题 | 规划建议 |
|---|---|---|---|
| 休闲-商业型 | 非高峰活跃，停留长 | 昼夜活力落差大 | 补充日间业态，提升夜间照明 |
| 商业-公共服务型 | 高峰集聚，多源汇聚 | 高峰拥堵，行人空间不足 | 智能调控信号灯，拓宽人行道 |
| 行政-医疗型 | 高峰集中，目的单一 | 非高峰空间闲置 | 布局便民商业设施 |
| 工作-生活型 | 潮汐式，内部联系弱 | 慢行环境安全性差 | 建设人车分流慢行系统 |
| 出行-生活型 | 高通过，短停留 | 慢行体验差，设施可达性差 | 优化共享单车停放，衔接地铁 |
最强区分指标，功能对均为大差异，反映目的地总体吸引力，中心强外围弱。
反映街道在城市功能网络中是集聚型还是扩散型，商业-公共服务型净吸引显著。
居住区指标较高，体现通勤潮汐特征，工作-生活型早出晚归模式明显。
“商业-公共服务型街道位于顶层，以消费和公共服务为主，人流密度大，流量均衡性最好；流动性特征通过集聚效应反向强化街道功能，形成相互促进的正向循环。”
本研究为理解城市结构与人类活动相互作用提供新思路，助力城市设施科学配置与高效治理。
GAT融合对偶图与多源特征，避免传统权重偏差；TF-IDF客观定性，OD流簇保证时空一致性。
商业-公共服务型为一级中心，休闲-商业与出行-生活型为中间层，工作-生活与行政-医疗型为基础层。
预判拥堵节点、制定差异化规划指引、动态监测功能演化，推动从经验判断向数据驱动转型。
为大明湖、舜泰广场等核心区提供智能信号灯与行人空间优化方案；为旅游路、龙奥北路等夜间经济区提供业态补充与照明提升策略。
数据仅覆盖夏季常规时段，未来需引入多季节样本、手机信令与共享单车数据，并采用深度学习时序模型挖掘动态演化规律。