研究人员开发了一个名为URBAN-SPIN的新框架,用于评估和改善骑行条件,特别是在历史悠久的市中心。该框架将剑桥自行车体验视频数据集(CCEVD)的街景指标的计算机视觉分析与建筑环境数据和主观调查评分相结合。由此产生的类型敏感的自行车友好度指数考虑了视觉和空间配置如何影响骑行体验,表明感知的自行车友好度是累积的、特定于上下文的特征交互的结果。研究还表明,细微的设计修改可以在不进行重大结构性改变的情况下显著改善骑行体验。 AI
影响 通过感知敏锐、类型感知的d设计策略,为评估和改善遗产城市的骑行条件提供了一个可转移的模型。
排序理由 学术论文,详细介绍了一个新框架和方法论。[lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →