Urban Complexity through Vision Intelligence: Variance, Gradients, and Correlations across Six Italian Cities
Mirko Degli Esposti, Armando Bazzani, Chiara Dellacasa, Matteo Falcioni, Mario Massimon and Martino Pietropoli
本文介绍了一种可扩展的方法,用于客观分析意大利六个主要大都市地区的质量指标:罗马,博洛尼亚,佛罗伦萨,米兰,那不勒斯和巴勒莫。 利用地理参考街景图像和先进的城市视觉智能系统,我们系统地对视觉环境进行分类,重点关注关键指标,如铺面条件指数(PCI)和立面降解评分(FDS)。 研究结果量化了结构异质性(空间变异),揭示了显着的质量分散(例如,米兰 σ^2_PCI=1.52),并确认经典的城市梯度 - 作为与核心距离的函数 - 质量变化在所有采样城市(R^2 < 0.03)中始终较弱,这表明复杂,多中心化和碎片化形态。 此外,跨度量相关性分析强调了视觉维度之间稳定但适度的相互依赖性,最明显的是立面质量和绿化(ρ≈0.35)之间的一致积极关联,表明结构和情境城市质量在弱而可解释的方式上相互差异。 这些结果共同强调了视觉智能的诊断潜力,可以捕捉意大利城市的综合空间和形态结构,并激励进行大规模的全国性分析。
This paper introduces a scalable methodology for the objective analysis of quality metrics across six major Italian metropolitan areas: Rome, Bologna, Florence, Milan, Naples, and Palermo. Leveraging georeferenced Street View imagery and an advanced Urban Vision Intelligence system, we systematically classify the visual environment, focusing on key metrics such as the Pavement Condition Index (PCI) and the Façade Degradation Score (FDS). The findings quantify Structural Heterogeneity (Spatial Va...
