实证研究|GeoAI|城市感知|街景图像|“城市景观尽收眼底:一种基于众包数据从房地产影像中解析城市尺度窗外景观感知的框架”

本文仅作分享交流，版权归原文献作者所有，若感兴趣，欢迎点击底部“阅读原文”阅读.

Chucai Peng, Sijie Yang, Ang Liu, Yang Xiang, Zhixiang Zhou, Filip Biljecki, City landscape in sight: A crowdsourced framework for unlocking urban-scale window view perceptions from real estate imagery, Landscape and Urban Planning, Volume 275, 2026, 105734, ISSN 0169-2046, https://doi.org/10.1016/j.landurbplan.2026.105734.

实证研究｜GeoAI｜城市感知｜街景图像｜地理空间分析｜“城市景观尽收眼底：一种基于众包数据从房地产影像中解析城市尺度窗外景观感知的框架”

亮点

• 收集了12,334张房地产窗外景观图像（WVI），用于绘制城市感知图谱。 

• 应用混合神经网络预测全市范围内的窗外景观感知。 

• 识别楼层高度效应：高层视野开阔，低层景观生动且环境静谧。 

• 天空和树木提升偏好度；高层建筑增加单调感与压抑感。 

• 城市景观对感知的影响呈现出明显的非线性特征。

摘要

透过家中窗户看到的城市景观影响着生活质量，然而，针对城市尺度下真实窗外景观感知的研究尚显不足。本研究提出了一种大规模感知映射方法，利用从中国武汉房地产平台挂牌房源中收集的12,334张窗外景观图像（WVI）进行分析；这类图像代表了一种鲜少被探索的城市景观形式，相比以往研究中常用的渲染或模拟图像，具有显著优势。我们利用非沉浸式虚拟现实平台，基于499张WVI，收集了304名参与者在六个感知维度（如偏好度）上的27,477次成对比较数据。通过训练混合神经网络模型，我们预测了所有众包WVI的人类感知，并绘制了其空间分布图。结果显示，全市范围内存在显著的空间自相关性，并呈现出明显的“热点”与“冷点”区域。楼层高度对人类感知有强烈影响：高层住宅提供更受青睐且视野开阔的景观，而低层住宅的窗外景观则带给居民静谧与生动的体验。推断模型进一步表明，窗外景观的构成要素至关重要：天空、树木和低层建筑占比高时，会提升人们的偏好度和生动感感知；反之，高层建筑占比高则会增加单调感和压抑感。重要的是，这些效应呈现非线性特征：特定要素的过度存在可能会改变其对人类感知的影响。本研究深化了对居民城市尺度视觉体验的理解，并提供了一种可推广的、以人为本的方法，旨在为改善窗外景观视觉质量的城市规划与设计提供参考。

关键词

以人为本的地理人工智能（GeoAI）；类脑神经网络；城市感知；城市规划；城市舒适度；窗外景观

City landscape in sight: A crowdsourced framework for unlocking urban-scale window view perceptions from real estate imagery

Highlights

    •12,334 real estate window view images crowdsourced to map urban perceptions.

    •Application of a hybrid neural network to predict perceptions for WVIs citywide.

    •Identifying floor-level effects: high floors extensive, low floors vivid and quiet.

    •Sky and trees enhance preference; high-rises increase monotony and oppression.

    •City landscape impacts on perception exhibit clear non-linear patterns.

Abstract

City landscapes viewed through home windows influence quality of life, yet perceptions of actual window views at the urban scale remain understudied. This study presents an approach for large-scale mapping of perceptions using 12,334 window view images (WVIs) collected from actual residential properties listed on real estate platforms in Wuhan, China, representing a rarely explored form of urban view imagery that offers advantages over the rendered or simulated window views commonly examined in previous studies. Through a non-immersive virtual reality platform, we collected 27,477 pairwise comparisons across six perceptual dimensions (e.g. preference) from 304 participants based on 499 WVIs. A hybrid neural network model was trained to predict human perceptions of all crowdsourced WVIs and map their spatial distribution. Results reveal significant spatial autocorrelation with distinct hot and cold spots across the whole city. Floor level strongly influences human perceptions: while higher floors offer more preferred and extensive window views, lower-floor windows provide residents with quiet and vivid views. An inference model further shows that window view composition matters considerably: high ratios of sky, trees, and low-rise buildings enhance people’s preferences and perceptions of vividness, whereas high ratios of high-rise buildings increase perceptions of monotony and oppression. Importantly, these effects are non-linear: the excessive presence of certain elements can alter their impact on human perception. This work advances urban-scale understanding of residents’ visual experiences and offers a transferable, human-centric method to inform urban planning and design aimed at improving the visual quality of window views.

Keywords

Human-centred GeoAI; Neuro-inspired neural network; Urban perception; Urban planning; Urban comfort; Window view

这篇文章的核心是：用房地产平台上的真实住宅窗景图像 + 在线众包感知调查，构建一个“双众包”框架，再通过混合神经网络在城市尺度预测和制图六维窗景感知，并用可解释AI分析城市景观要素如何影响人的感受。

一、研究背景与问题逻辑

文章的问题意识来自一个矛盾：窗景很重要，但城市尺度的真实窗景感知研究很少。

• 窗景为什么重要   窗户是居民与城市景观之间的界面。窗景影响心理健康、生活满意度、压力恢复、工作效率，甚至与房价相关。在高密度城市中，好的窗景尤其稀缺。

• 现有研究缺什么   作者指出三条主要缺口：   - 多聚焦单一维度，如偏好或表现力；   - 多是小样本、实验室或模拟场景；   - 缺乏城市尺度覆盖，难以服务规划实践。   同时，真实窗景图像和大规模人类感知数据都很难获取。

• 五类数据源各有取舍   文章比较了问卷、自拍照片、现场体验、虚拟窗景、城市尺度模拟。它们分别在真实性、可扩展性、城市覆盖、视觉丰富度、变量控制上存在短板。核心矛盾是：真实性、规模化、城市覆盖和多维感知很难同时满足。

• 为什么用房地产图像   房地产平台上的全景图提供了大量真实住宅窗景，来自不同地点、楼层和小区，且是居民真实生活视角。它不同于街景图像：街景是公共街道的行人视角，而窗景图像是私人住宅内部视角，尤其能反映高密度城市的垂直分层。因此，作者把窗景图像视为一种新兴城市图像类型，与街景、建筑立面、遥感、LiDAR互补。

• 为什么需要“双众包”   图像可以从平台众包获得，但感知标签还需要人来判断。于是作者用在线成对比较调查，众包收集人对窗景的主观感知。这样就形成了：图像众包 + 感知众包的双众包框架。

二、方法论逻辑

文章采用五阶段框架：图像编码 → 感知调查 → 预测 → 推理 → 空间结果讨论。

1. 数据采集与图像编码

• 研究区：武汉。
• 数据源：链家平台住宅全景图，抓取34,091套住宅。
• 筛选后得到：12,334张窗景图像，来自1,377个小区。
• 仅保留客厅阳台视角，即平台标签“Balcony A”，以保证功能一致。
• 图像处理：转成等距柱状全景图，再做语义分割、色彩分析和ResNet50特征提取。

2. 感知调查

• 从12,334张中选499张做调查。
• 304名参与者，产生27,477条有效成对比较。
• 六个感知维度：Prefer 偏好、Monotonous 单调、Quiet 安静、Extensive 开阔、Vivid 生动、Oppressive 压抑。
• 使用网页非沉浸VR界面，强制二选一，避免“无差别”选项。
• 用TrueSkill算法把成对比较转成连续感知分数。
• 质量控制：剔除反应过快、总选同一侧、单次比较过短的响应。

3. 预测模型：从499张推广到全城

• 目标：用499张有感知分数的图像训练模型，预测全部12,334张的感知分数。
• 模型是混合神经网络，模拟视觉通路：
• 背侧通路：语义分割，提取天空、高层建筑、低层建筑、树、水等比例；
• 腹侧通路：色彩、亮度、边缘、纹理等低级视觉特征；
• 视觉皮层通路：ResNet50提取高维图像特征；
• 再加入楼层变量。
• 输出：每张图像在六个维度上的连续感知分数。
• 验证：空间块K折交叉验证，避免相邻图像同时进入训练和测试导致空间泄漏。

4. 推理模型：解释哪些环境因素驱动感知

• 这里与预测模型不同：预测模型是“图像 → 感知分数”；推理模型是“感知分数 → 建成环境变量解释”。
• 输入包括：窗景组成、1 km缓冲区内土地覆盖、建筑形态变量。
• 使用XGBoost等模型比较，最终用XGBoost + SHAP解释变量重要性和非线性关系。
• 重点发现：天空、树、高层建筑是影响最强的窗景要素，且影响不是线性的。

5. 空间分析

• 用H3六边形网格聚合图像位置。
• 计算全局Moran’s I，检测空间自相关。
• 用Getis-Ord Gi*识别热点和冷点。
• 按低、中、高楼层分组，用Mann-Whitney U检验比较感知差异。

三、主要结果

• 预测性能   混合神经网络在所有维度上最优。Prefer预测最好，R²约0.748；Monotonous较低，约0.491。ResNet50图像通路贡献最大。

• 空间分布   六维感知均存在显著空间自相关，Vivid最强。   - Prefer、Extensive热点多在武汉西南；   - Monotonous、Oppressive热点在高密度开发区；   - Quiet、Vivid冷点集中在中心城区，热点在外围 greener 地区。

• 楼层效应   - 高楼层：更偏好、更开阔，但也更单调；   - 低楼层：更安静、更生动；   - 压抑感在低楼层和中楼层之间差异不显著。

• 三类窗景感知类型   - Type 1：Prefer + Extensive，开阔、令人愉悦；   - Type 2：Monotonous + Oppressive，密集高层、重复立面；   - Type 3：Quiet + Vivid，绿化多、低层、人性尺度。

• 关键环境因素与非线性   - 天空：提升偏好和开阔感，但超过约10%可能降低安静感；   - 树：低覆盖时提升生动和安静，约3%–5%后收益饱和，过密会损害开阔感；   - 高层建筑：增加单调和压抑，超过约9%视野后，对偏好和开阔感由正转负。

• 设计支持   文章还生成六类设计支持地图，如设计优先区、垂直绿化优先区、低层质量赤字区等，并提出“City in Sight”框架，把窗景图像与街景图像整合到城市视觉评估中。

四、结论、贡献与局限

贡献：

• 提出双众包框架，把房地产图像变成城市感知数据源；
• 建立混合神经网络预测城市尺度窗景感知；
• 用可解释AI揭示非线性环境效应；
• 为以人为本的城市设计提供空间证据和设计参考。

局限：

• 仅武汉一个城市，普适性待验证；
• 房地产图像有营销选择偏差，天气、光照、角度偏优；
• 未收集参与者人口统计信息；
• 仅限客厅阳台视角；
• 只关注“视野内容”，未考虑窗户大小、遮挡、玻璃清晰度等；
• SHAP结果是统计关联，不是因果。

一句话总结：这篇文章把真实住宅窗景图像和众包感知调查结合，用“预测+推理”两段式模型，从图像预测感知、再从城市环境解释感知，为城市尺度的窗景质量评估和人性化设计提供了可复制的方法框架。