运用可解释机器学习与空间优化方法评估高密度城市环境中的热视觉暴露权衡问题

《Environmental Impact Assessment Review》:Assessment of thermal-visual exposure trade-offs in high-density urban environments using explainable machine learning and spatial optimization

【字体: 大 中 小 】 时间:2026年07月14日 来源:Environmental Impact Assessment Review 12.2

编辑推荐:

  张旭东|陈泰翰|张丽清|孟凌霜|余颖文|林尔文伟|袁超新加坡国立大学设计与工程学院建筑系,新加坡117356摘要高密度城市环境中的各种环境因素相互影响,共同作用于人类健康。较高的天空开放度虽能提升视觉质量,但同时也会加剧热应力;而旨在减少热暴露的遮荫策略则可能限制其带来的恢复效果

  张旭东|陈泰翰|张丽清|孟凌霜|余颖文|林尔文伟|袁超新加坡国立大学设计与工程学院建筑系,新加坡117356摘要高密度城市环境中的各种环境因素相互影响,共同作用于人类健康。较高的天空开放度虽能提升视觉质量,但同时也会加剧热应力;而旨在减少热暴露的遮荫策略则可能限制其带来的恢复效果。这类权衡为密集城市环境中的环境评估与城市设计带来了挑战。本研究提出了一种空间化的分析框架,可在全景尺度上同时评估并优化热舒适度与视觉恢复潜力,该框架整合了基于街景图像的空间指标、具有可解释性的XGBoost与SHAP分析方法,以及基于遗传算法的优化技术,从而能够解析以往分离领域分析无法解决的非线性权衡问题。以新加坡的九个居民区为研究对象,通过基于图像的指标预测出通用热气候指数与感知恢复性评分,进而将其综合为综合热视觉评分。SHAP分析表明,天空(31.9%)、树木(20.8%)和深度(13.0%)是最具影响力的因素,且呈现出非线性特征:当树木比例大于0.15、深度大于0.35时,综合性能会提升;而当天空比例大于0.06时,则会因热效应超过视觉益处而降低综合性能。优化处理后,这些区域的UTCI平均降低了0.327℃,PRSS则提升了0.535。聚类分析进一步确定了三种空间形态类型,即开阔型、密集遮荫型和绿色平衡型,优化后的性能提升幅度在22.1%至32.5%之间,这凸显出针对不同空间形态采取差异化策略的必要性。这些通过实证得出的阈值以及综合优化框架,可为高密度热带城市的以性能为导向的城市设计提供可借鉴的定量指导。引言城市化日益被视为公共健康的关键决定因素,尤其是考虑到人们面临的热应力及心理压力等环境因素不断增加。截至2020年,全球已有超过55%的人口居住在城市地区,这一比例预计到2050年将上升至68%,给城市环境质量带来了巨大挑战(世界卫生组织,2022)。2000年至2019年间,全球每年约有489,000人死于与热相关的疾病,其中45%发生在亚洲,36%发生在欧洲(世界卫生组织,2024)。与此同时,截至2019年,约有9.7亿人患有精神障碍,而COVID-19疫情进一步加剧了人口密集城市的心理压力(Danek等人,2023;Lee等人,2023)。为应对这些挑战,城市规划者与公共卫生研究人员越来越倡导创造能够缓解热危害并改善心理健康的环境——这也是宜居城市的两大重要要素(世界卫生组织欧洲区域办事处,2016;Javadi,2021)。高度密集的居住区环境是城市健康与宜居性的重要组成部分。这些包括步行道及建筑之间的过渡区域在内的空间,是影响居民日常环境体验与福祉的重要界面(Zhang等人,2025a)。然而,在此类环境中做出设计决策时往往面临着一个根本性的矛盾:视觉上的开阔度有助于心理恢复与压力缓解,而遮荫则对缓解炎热气候下的热应力至关重要。这一设计矛盾尤其体现在空间开阔度上。较高的天空开放度可通过提供天空、云朵等视觉元素,增强视觉恢复潜力,而这些元素正是注意力恢复理论中用于缓解精神疲劳的关键因素(Kaplan,1995;Berto,2005)。多项基于全景图像的研究表明,天空与树木与恢复效果之间存在正相关关系(Helbich等人,2021)。同时,户外环境中的热舒适度也受到天空暴露程度的显著影响。在城市研究中,通常使用天空视野因子来表示从行人视角看天空的开放程度(Oke等人,2017)。较高的天空视野因子意味着更大的天空开放度,从而导致行人暴露在更多的太阳辐射下,在炎热气候中会产生明显的热不适感(Chen等人,2020;Ng等人,2012)。先前的研究表明,树木与建筑提供的遮荫可以有效控制天空开放度,保护行人免受直射阳光的影响,从而提升热舒适度(Chen等人,2021a;Chen等人,2021b;Chen等人,2023)。因此,热舒适度与视觉质量之间存在固有的权衡关系:那些为追求心理益处而增加视觉开放度的空间布局,可能会使使用者面临严重的热应力;而过度封闭的天空则可能降低视觉质量。在城市环境中平衡这两方面,并巧妙运用树木、建筑等元素作为规划干预的依据,仍是一项至关重要但尚未得到充分研究的课题。尽管人们对城市环境中的视觉恢复潜力与热舒适度越来越关注,但这两个维度通常是在不同的学科领域中分别进行研究的,这限制了我们对二者之间潜在相互依赖关系及空间协同效应的理解。虽然已有大量研究探讨了视觉恢复潜力(Lin等人,2025;Park和Ergan,2025),以及利用生理或微气候指标研究热舒适度(Kim等人,2025;Migliari等人,2022),但关于整合性研究的方法仍相对较少。近期有一些研究开始探索二者的综合影响,例如研究热环境与声学环境对绿道中心理恢复的作用(Gao和Zhu,2025)。不过,这类研究往往仅限于类别比较,比如植被茂密区域与稀疏区域之间的对比。此外,现有的分析方法大多采用线性建模方式,这类方法隐含地将每个空间特征视为具有单一方向的叠加效应,因此无法体现热反应与恢复反应所具有的阈值效应与饱和效应,也难以展现某个特征在提升某一舒适度指标的同时会降低另一指标的情况,即那种非单调的综合性能变化。因此,这类方法往往只能为每个特征确定一个最优值,而非能体现在不同情境下决定热舒适度与视觉性能平衡的动态关系。通过将热舒适度与视觉恢复潜力整合到一个统一的计算框架中,本研究旨在更深入地理解连续空间指标之间如何相互作用,从而影响城市环境中的综合舒适度。不过,要将这些复杂的非线性关系转化为可用于城市设计的可解释性证据,仍存在重要的方法论缺口。可解释机器学习非常适合解决这一问题,因为它能够模拟非线性关联与特征交互作用,同时量化各个空间指标对预测热视觉性能的贡献程度。通过将热舒适度与视觉恢复潜力纳入这一框架,本研究为在高密度城市环境中识别空间权衡关系及具有设计意义的阈值提供了透明的分析基础。这些环境互动的复杂性要求我们采用能够模拟综合效应并揭示其内在机制的方法。近年来,可解释机器学习领域的进展,尤其是将SHAP分析与XGBoost等集成方法相结合的技术,为理解非线性特征交互作用以及识别复杂环境系统中的最佳权衡方案提供了有力工具(Lundberg和Lee,2017;Chen和Guestrin,2016)。此外,遗传算法等进化优化技术也为探索能在不同环境标准间取得平衡的空间优化方案提供了可靠框架(Li和Parrott,2016)。为弥补这些研究空白,本研究提出了一种综合分析框架,用于评估高密度居住环境中的热舒适度与视觉恢复潜力。城市感知技术与计算机视觉技术的进步使得利用街景图像进行大规模、精细化的环境评估成为可能,而可解释机器学习技术则能够帮助我们建立模型,以直观的方式展示各种预测因子之间的交互作用。基于这些技术优势,本研究旨在实现两个目标:(1)开发一种可解释的机器学习框架,用于整合热舒适度与视觉恢复潜力,同时识别空间指标与综合评分之间的非线性关联;(2)研究基于遗传算法的优化方法如何为不同类型的居住环境找到最佳的空间布局方案。这一框架有助于系统地探索设计参数空间,为规划者与政策制定者提供基于证据的指导,帮助他们确定城市更新的设计方向,从而营造更健康、更宜居的城市环境。新加坡因其高城市密度、赤道气候以及大规模的公共住房建设,为这项研究提供了理想的实证案例——这些条件与全球许多快速发展中的热带城市所面临的环境设计挑战十分相似。新加坡的公共住房区属于高楼林立、人口高度密集的居住环境,由于日常生活环境中缺乏足够的恢复机会,且与自然的接触有限,这些地区的居民可能面临一定的心理压力问题(Zhang等人,2024a)。由于超过80%的新加坡人口居住在公共住房区(Abdullah和Meera,2018),因此减轻与热相关的压力问题已成为一项紧迫任务,它直接影响着居民的福祉水平(Tan等人,2018)。这些社区中不同的建筑形式、天空暴露程度、绿化情况以及其他空间特征,导致了微气候条件的巨大差异,为研究热舒适度与视觉影响之间的权衡关系提供了丰富的研究素材(Zhang等人,2025a)。通过同时考察视觉恢复潜力与热舒适度,本研究突破了以往基于证据的设计评估中仅关注单一环境维度的局限,展示了如何通过综合评估为打造更健康、更宜居的城市环境提供有实证依据的指导原则。方法研究流程包含五个主要步骤(见图1)。首先,利用基于GIS的空间形态指标选出九个具有代表性的地点,并收集对应的谷歌街景全景图像。其次,通过对这些全景图像进行语义分割与深度估计处理,提取基于图像的空间指标。然后,利用基于这些空间指标的经过验证的预测模型,分别估算出热舒适度与视觉恢复潜力,再将二者结合。基于SHAP分析结果(见图6),特征重要性排序显示了各种空间指标对模型预测结果的贡献程度存在明显差异。分析表明,天空是最具影响力的因素,其贡献占比达31.9%,平均绝对SHAP值为0.0653。树木是第二重要的因素,贡献占比为20.8%。深度则是第三重要的影响因素,贡献占比为13.0%。重新审视开阔度:热视觉权衡基于SHAP的PDP分析(见图7)显示,树木与深度有助于提升ITVS数值,而天空则会产生复杂且多为负面的影响。特征重要性分析为这些规律提供了定量支持:天空的贡献占比最高,为31.9%,其次是树木,占比20.8%,深度占比13.0%。在优化阶段,那些能够最大化ITVS值的模型通过可测量的变化反映了这些关系:平均而言,树木的比例从0.157上升到了0.188,增幅为19.7%。局限性与未来工作本研究仅关注了热舒适度与视觉恢复潜力,未考虑声音环境、触觉与嗅觉感受以及生物多样性等其他感官或生态因素(Aletta等人,2018)。研究结果是基于新加坡的九个居民区得出的,因此在应用于其他城市环境时需谨慎对待。本研究所分析的城市形态虽然能够代表新加坡高密度居住区的特点,但并未涵盖所有可能存在的城市形态。结论本研究构建了一个兼具可解释性与优化功能的框架,用于在高密度热带居住区中实现热舒适度与视觉恢复潜力的平衡。本研究利用基于全景图像的机器学习模型,为新加坡的九个居民区预测出了UTCI与PRSS数值,并将其整合到所提出的ITVS评分体系中。通过结合XGBoost、SHAP解释方法以及遗传算法,本研究量化了各类关键空间特征对ITVS值的贡献程度及其相互间的权衡关系。结果利益冲突声明作者声明自己不存在任何可能影响本文研究结果的已知财务利益或个人关系。致谢本研究得到了新加坡教育部的资金支持(项目编号:MOE2019-T2-2-184)。
相关新闻
生物通微信公众号
微信
新浪微博

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