公告：
【作者】
洪齐远，赵慧敏，龙瀛
1. 清华大学建筑学院
2. 清华大学恒隆房地产研究中心
【通讯作者邮箱】
ylong@tsinghua.edu.cn
【原文信息】
Hong, Q., Zhao, H., & Long, Y. (2025). A multi-source and multi-perspective imagery method for assessing the physical appearance of gated communities. Environment and Planning B: Urban Analytics and City Science, 0(0).
https://doi.org/10.1177/23998083251401677
内容导读
龙瀛教授和博士生洪齐远、赵慧敏合著的研究论文“A multi-source and multi-perspective imagery method for assessing the physical appearance of gated communities”（多源多视角影像评估封闭式社区物理环境外观的方法），在国际期刊Environment and Planning B在线发表。
社区的物理环境外观显著地影响着居民的生活质量。传统的客观评估封闭式社区（gated community，GC）环境的方法主要依赖实地调研和基于街景影像的虚拟审计。前者成本高、劳动强度大，后者受限于空间覆盖范围有限且难以捕捉随时间变化的特征，凸显出构建更具可扩展性的数据驱动评估方法的必要性。本文提出一种多源、多视角影像评估框架，综合利用空中视角、外部视角和内部视角影像，对GC的物理环境外观进行评估。该框架围绕统一的分析模型展开，并针对不同视角设计相应的指标体系、评分规则与集成准则，从而实现跨视角的标准化测度。本文以方法论为核心，在中国牡丹江市西安区选取封闭式社区开展案例研究。结果表明，该方法与实地调研具有较高的一致性，同时显著降低了时间和人力投入。研究发现，GC在安全性与私密性方面整体表现良好，但普遍存在公共资源与基础设施供给不足的问题，凸显了开展系统性空间监测以识别优先改善区域的必要性。通过兼顾开放获取影像与主动采集影像，该框架在多样化城市情境下展现出较强的适应性。该方法为城市规划与居住区管理中的数据驱动决策提供了一套标准化、可扩展的工具。
研究背景
社区的物理环境外观被证明与居民主观安全感、身心健康以及犯罪风险等多类结局密切相关，但现有评估方法仍以问卷、居民自报和专家实地查勘为主，成本高、效率低、覆盖范围有限。在城市大数据兴起后，基于街景影像的虚拟审计逐渐流行，通过人工或计算机视觉识别街道绿化、立面维护状况、物理失序等特征，为客观评估提供了新工具。然而，这类方法依赖道路可见的外部景观，难以覆盖半私密或封闭空间，影像分辨率和更新频率也难以支持对细微特征、时变特征的监测，导致大量内向布局、出入口受限的封闭式社区（gated community，GC）长期被忽略于环境评估之外。与此同时，以安全与隐私为卖点的GC在中国和其他快速城市化地区高速发展，其围墙、门禁、内部公共空间、无障碍设施等物理特征既关乎居民生活体验，也关联公共服务责任边界和空间治理。现有针对GC的评估多为小样本、主观评价或定性研究，缺乏可在城市尺度推广的、面向GC物理环境的系统化量化框架。该研究正是在这一背景下，提出面向GC的多源多视角影像评估方法，以填补数据覆盖和方法体系的双重缺口。
研究方法
本研究整体框架见图1。首先从经典城市设计等理论出发，以“安全与隐私、公用资源、维护、基础设施”四个方面构建GC物理环境外观的概念维度，并系统梳理住房调查、城市体检和社区审计文献中的相关指标，将可通过影像直接观测的属性转化为15个可操作指标，图2给出了各类指标在影像中的典型可见特征。研究在此基础上建立统一的分析模型（图4），明确每一指标对应的数据源组合、评分规则与集成方式，将不同视角、不同来源的观测量汇总为0至1之间的规范化得分。
图1：研究框架
图2：指标特征示例
图3：分析模型：指标、数据源、评分策略和集成标准
在数据获取与处理方面，如图3，研究整合“航拍、外部街景、内部人视”三类视角，并优先利用开源数据，在可用性不足或更新滞后时辅以主动采集。航拍视角中，选择高分辨率遥感影像或无人机主动采集。外部街景视角中，采用百度、谷歌街景或车载GoPro相机主动采集。内部视角中，则从安居客、大众点评等平台抓取内部照片和视频，或在GC中使用运动相机进行内部采集。所有影像通过Python和QGIS完成空间对齐，在Labelbox中以指标为单位进行人工标注。
为了验证方法可靠性，研究在牡丹江市西安区13.9km2的范围内开展评估，并选择8个样本GC开展传统专家实地查勘，采用五级量表评分并以混淆矩阵和RMSE作为精度评价指标，对比多视角影像评估与现场结果的一致性。
图4：GC空间的三个视角和对应数据源
研究结果
牡丹江市西安区190个封闭式社区的物理外观总体状况中等偏好，平均得分为0.166，大部分社区集中在0.1–0.2区间，仅有7个社区得分高于0.5（图5）。
在四个维度上，基础设施与公用资源问题最为普遍，主要表现为无障碍设施缺失、电梯配置不足、道路破损，以及体育活动设施和内部绿化供给不足；相对而言，安全与隐私维度得分最低，说明围墙、门禁、门岗等安全设施整体维护较好，维护维度则在清洁、违规外扩和停车管理等方面暴露出一定短板。
在时空分布上，GC建成年份与外观得分存在显著负相关，新建社区整体外观状况优于老旧社区；从空间格局看，外观问题较为突出的GC更多集中在城市中心区，而外围新开发片区的社区得分相对较低。
在方法性能上，多视角影像评估在8个样本GC上的整体问题识别准确率达到93.9%；在严重程度评分上，各视角与现场评分的RMSE均控制在0.1左右。效率对比显示，在本案例所选数据源组合下，每个GC的评估人力成本约为0.38人时，理论范围在0.216–0.99人时之间，显著低于传统实地调研。
图5：研究区域评估结果 (a)空间分布；(b) 子维度结果；(c)分数分布；(d)分值与小区建设年份线性关系
总结与讨论
本研究构建以“安全与隐私、公用资源、维护、基础设施”为核心的封闭式社区物理环境外观指标体系，整合航拍、街景和内部影像，实现多源多视角评估。牡丹江案例表明，封闭式社区安全设施较为完备，但公用资源和基础设施存在短板，呈现“外部重安全、内部弱服务”的格局。该方法在保证精度的同时明显降低人力成本，为城市尺度封闭式社区常态化体检提供了可推广工具。研究也指出，目前框架尚未纳入社会经济与行为层面的信息，未来可在多城市、多制度情境下进一步扩展，尝试结合深度学习自动识别与居民感知数据，构建更加综合的封闭式社区环境评价体系。
【基金资助】
研究由国家重点研发计划（项目号:2023YFC3805400）和国家自然科学基金（项目号:62394331和62394335）资助。
声明：本文系转载自互联网，请读者仅作参考，并自行核实相关内容。若对该稿件内容有任何疑问或质疑，请立即与铁甲网联系，本网将迅速给您回应并做处理，再次感谢您的阅读与关注。