街景深度学习驱动下历史城区风貌智能诊断——以青岛为例OACHSSCD

在历史城区更新与健康城市建设背景下,历史建筑风貌精细化管控与常态化监测需求日益凸显,传统风貌评价仍依赖人工普查与专家判读,存在主观性强、周期较长等问题。以青岛历史城区为例,基于街景图像采用迁移学习DeepLabv3+与人机协同识别建筑立面要素,构建历史风貌价值指数(HFVI),实现评价单元与街区尺度的风貌价值空间表达。结果表明:基于街景深度学习的建筑风貌智能诊断方法构建的HFVI在研究区呈“中南部沿海高、外围递减”的空间格局,约96%的高HFVI单元位于官方划定的历史文化街区核心保护范围及建设控制地带内,与既有普查和保护规划格局具有较高一致性。该方法可在街景尺度上降低人工判读强度,实现历史风貌价值快速诊断与分级识别,为基础数据条件较为完备的历史城区风貌评价方法更新及其与健康导向更新研究的衔接提供可借鉴的量化工具与技术路径。