使用3D模型图像和特征价格法估计与绘制东京窗户景观合意性

《Applied Geography》:Estimating and mapping Tokyo Window View Desirability using 3D model imagery and the hedonic price approach

【字体: 大 中 小 】 时间:2026年07月14日 来源:Applied Geography 7.4

编辑推荐:

  引入一个用于估计东京住宅窗户景观合意性(Housing Window View Desirability, HWVD)的流程。利用Google 3D Tiles和Unity3D生成逼真的RGB(红绿蓝)和深度图像。证明加入HWVD显著提高了样本外(out-of

  
引入一个用于估计东京住宅窗户景观合意性(Housing Window View Desirability, HWVD)的流程。利用Google 3D Tiles和Unity3D生成逼真的RGB(红绿蓝)和深度图像。证明加入HWVD显著提高了样本外(out-of-sample)租金预测的准确性。绘制了东京的HWVD地图,揭示了与收入相关的空间聚类(spatial clustering)和社会经济分层(socioeconomic stratification)。显示HWVD与景观绿度(view greenness)和场景深度(scene depth)正相关,但与建筑围合度(building enclosure)负相关。
**论文解读:利用3D模型图像与特征价格法评估东京住宅窗户景观合意性**

**研究背景**
窗户景观直接影响居民的居住体验、注意力恢复和心理健康,环境心理学长期证实自然景观、开阔视野与庇护感具有恢复性益处。在住房市场中,窗户景观作为反复体验的环境要素,其质量通过特征价格法(hedonic price approach)被资本化为租金溢价。然而,现有研究多将景观视为离散属性(如有无水景或绿地),忽视了景观合意的整体性与不可分性;同时,高景观质量的分布是否与社会经济不平等相关,即环境特权(environmental privilege)和绿色绅士化(green gentrification)现象是否延伸至视觉环境,尚缺乏系统证据。为此,研究人员提出一种结合合成3D图像与市场揭示偏好(revealed preference)的方法,旨在自动估计东京住宅窗户景观合意性(Housing Window View Desirability, HWVD),并分析其空间分布与收入关联,以填补视觉环境不平等研究的空白。该研究发表于《Applied Geography》。

**关键技术方法**
研究采用多阶段流程:首先,基于Lifull房地产数据集(2015–2017年,东京23区,筛选后保留51,849套三卧室租赁单元)与PLATEAU建筑模型(LOD1,含几何与高度信息)进行空间匹配,通过Unity3D引擎调用Google 3D Tiles接口,生成每个物业窗户视角的RGB(红绿蓝)与深度图像,最终获得19,690个唯一视图(覆盖5,246栋建筑)。随后,构建两阶段回归模型:阶段一,基线特征价格模型(H(X;θ))利用住房属性(面积、距站距离、年客运量、建造年份、楼层等)预测对数租金;阶段二,图像条件残差模型(G(S;θ[s]))从合成图像中提取深度视觉特征(经训练的自编码器网络EncDecRGBD)预测残差,输出HWVD。空间分析采用全局Moran's I评估自相关,并将区级HWVD与平均年薪回归。有效性通过人类排序实验验证(10名日本建筑师对20组图像排序,计算斯皮尔曼秩相关)。

**研究结果**
**4.1 住房租金预测结果**
通过比较基线模型(R2=0.620)与九种加入视觉特征的模型,发现训练于合成RGB(红绿蓝)和深度(RGBD)图像的EncDecRGBD模型表现最优,样本外R2提升至0.706,均方根误差(Root Mean Squared Error, RMSE)降至0.178,显著优于使用预训练图像网络(如ViT、CLIP)的模型,证明领域特定训练对合成3D图像的必要性。

**4.2 东京HWVD空间分析**
绘制六边形网格平均HWVD图显示:西南部(如品川区0.20、大田区0.12、目黑区0.18、港区0.18)呈现高值,而东北部(如葛饰区-0.07、足立区-0.04)为低值。全局Moran's I=0.641(p<0.001)确认显著空间聚类。区级HWVD与平均年薪呈强正相关(R2=0.415,p<0.001),表明高收入区享有更高视觉景观质量。

**4.3 HWVD景观分析**
语义分析显示,HWVD与植被像素占比(绿度指数)的斯皮尔曼相关系数ρ=0.164(p<0.001),与场景深度ρ=0.042(p<0.001),与天空像素占比ρ=-0.091(p<0.001),与建筑像素占比ρ=-0.098(p<0.001)。距离东京湾的欧氏距离与HWVD负相关(皮尔逊r=-0.152,p<0.001),说明近水高层单位获得更高景观溢价。

**4.4 人类主体验证**
人类评估者排序与EncDecRGBD模型排序显著相关(ρ=0.325,p<0.001),而ViT128模型相关性较弱(ρ=0.222,p<0.001)。失败案例显示模型对狭窄但含绿化的景观评分偏高,而对宽广但含停车场的景观评分偏低,提示模型偏好开阔自然景观。

**讨论总结与结论翻译**
讨论指出,HWVD的空间不平等模式与经典特征价格理论及环境特权概念一致,高收入区因靠近开放水景、高层视野等获得更高景观价值,而低收入区则面临建筑围合和低绿度的双重劣势。这为城市规划提供了新视角,可将HWVD作为城市数字孪生中的图层,指导绿化、立面改善和景观走廊保护。同时,研究承认局限性(仅限三卧室租赁单元、Google 3D Tiles近景畸变、未分解景观感知维度等),并建议未来结合生成式AI、空间计量模型及跨城市推广。
研究结论:尽管存在这些局限性,本研究引入了一种理解住宅窗户景观人类感知的新方法。研究人员开发了一个流程,使用Google 3D Tiles收集物业窗户景观数据,通过特征价格法估计其对租金的贡献,绘制其空间分布,并验证得到的住宅窗户景观合意性(HWVD)指标。结果表明,窗户景观可以系统地纳入住房分析作为住宅价值的有意义组成部分。该方法补充了现有关注距离或语义组成的窗户景观指标,并强调了合成3D城市模型在研究城市形态、视觉体验和住房市场相互作用方面的广泛潜力。超越房地产估值,HWVD可以为城市规划、建筑设计和健康研究提供信息,帮助识别需要改进立面处理、增加绿植或重新考虑城市形态的区域。可以开始探索视觉合意性与心理健康结果之间更细致的关联,超越简单的绿度测量,探索环境心理学和认知科学的新理论。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号