如何研究城市安全感？街景图像、社会经济数据和空间统计模型的跨学科方法丨城市数据派

数据精英春季特训营火热来袭！

行业大咖亲授，

实战项目演练，

高效学习路径，

点燃你的数据潜能！

同时报名还可享更多优惠：

任选2套同报，再减200元

任选3套同报，再减360元

任选4套同报，再减520元

任选5套同报，再减700元

任选6套同报，再减900元

加我获取每套课程详细介绍

加我咨询和报名课程

---

核心内容与观点总结

这篇论文探讨了城市环境中安全感感知的性别差异及其影响驱动因素。研究结合了街景图像、社会经济数据和空间统计模型，分析了南京市主城区的安全感感知差异。研究发现：

1. 性别差异的空间分布：

性别差异主要集中在高密度的旧城区和广阔的农业用地。女性对街道色彩丰富度和界面封闭性的感知更为负面。

2.视觉元素的影响：

女性对街道色彩和封闭界面的感知更为敏感，而男性对多样化的活动特征感知更为负面。

3. 社会经济特征的影响：

本地居民的活动特征对安全感感知有积极影响，而代表多样化人群活动的特征对男性的安全感感知有负面影响。

4. 研究方法：

研究采用了梯度提升决策树（GBDT）模型和空间自相关分析，结合多尺度地理加权回归模型（MGWR）来捕捉社会经济特征、城市环境特征、社交媒体活力和安全感感知之间的空间关系。

研究为城市规划和性别平等提供了新的视角，强调了在规划决策中考虑性别差异的重要性。

摘  要

安全的感知对居民的城市生活和社会经济有着显著影响。然而，安全认知中的性别差异现象及其驱动因素尚未得到足够重视，导致城市环境中的性别不平等逐渐加剧。为解决这一问题，我们探索了一种将视觉感知与社会经济环境特征相结合的研究方法，以更全面地解释安全认知中的性别差异。

我们对中国南京主城区进行了实证调查。利用梯度提升决策树模型和空间自相关分析，探索了安全认知差异的空间分布特征。此外，还通过岭回归分析研究了视觉元素对性别差异的影响。鉴于城市环境数据和安全认知的空间分布不稳定，我们采用了多尺度地理加权回归模型来考虑不同的分布情况。这些模型捕捉了社会经济特征、城市环境特征、社交媒体活力和安全认知等指标之间的空间关系。

研究发现了一些有趣的结果：

1. 性别差异集中在高密度的老城区和广阔的农业用地。
2. 女性对街道的色彩丰富度和界面的封闭性有更负面的认知。
3. 本地人群活动的特征对安全认知有积极影响，而代表多样化人群活动的特征则更多地对男性的安全认知产生负面影响。

本研究为城市感知中的性别差异研究提供了一种全面且可复制的方法，为城市规划决策提供了见解，促进了性别包容性。

关键词：安全感感知、街景图像、性别、机器学习、多尺度地理加权回归

作者：Yu Zhu , Fengmin Su , Xin Han , Qiaoting Fu , Jie Liu

1 引 言

城市安全在居民的日常生活中起着至关重要的作用（Ceccato和Lukyte，2011）。人们希望居住在安全的环境中，以保护自己免受潜在危险（Berg等，2019）。相反，安全感较低的地区会限制个人的自由，限制他们在公共空间的活动（Ratnayake，2013），并对居民的身心健康产生负面影响（Green等，2002）。这些负面影响在弱势群体中尤为明显（Garcia-Ramon等，2004）。维也纳的研究表明，10至13岁的女孩可能因安全问题而避免进入公园和公共空间（Damyanovic等，2013）。这一问题令人担忧，因为它限制了女性获得基本服务和机会，导致社会和经济排斥（Bharucha，2017）。换句话说，研究性别差异和安全感的驱动因素对于保障性别弱势群体的基本权利和减少生活中的性别不平等是必要的。

那么，城市环境中性别群体的安全感感知有何不同？哪些因素导致了城市中两者之间的不匹配？许多研究试图通过比较性别之间的感知差异来回答这些问题。使用照片调查和虚拟环境测试，最近的研究表明，女性在各种城市场景中往往比男性感到更不安全（Baran等，2018）。随着街景图像和众包数据的发展，研究分析了男性和女性对街景元素的安全感感知（Navarrete-Hernandez等，2021）。值得注意的是，性别差异在“桥梁”和“墙壁”的影响上尤为显著。这些研究为安全感感知与性别差异之间的关系提供了宝贵的见解，但也意味着进一步理解差异的驱动因素具有挑战性。大多数研究仅从视觉特征和地理分布的角度分析了安全感感知，然而，社会因素（包括当地社会经济特征和建筑环境特征）对性别差异的潜在影响的实证分析仍然缺乏。

因此，本研究旨在通过结合视觉感知差异和社会环境特征，为性别差异研究提供更全面的解释，提出从个人视角到宏观环境特征的解释方法。这两个环境指标为安全感感知提供了不同的解释。视觉感知捕捉了对物理环境的初始感知，而社会环境特征揭示了性别差异的潜在影响，揭示了物理环境中的社会经济规律。例如，Zhang等（2021）使用机器学习和计量经济学技术识别了公共空间感知的异质性，发现城市区域的安全感感知表现出显著的社会经济隔离。

通过使用街景图像、社会经济指标、深度学习和空间统计模型，我们尝试将不同的指标纳入性别差异研究的框架中。研究方法如下：

(1) 通过基于街景图像评分数据预测大区域的安全感感知得分，探讨性别差异的地理分布特征。

(2) 利用图像特征和语义分割元素探讨性别差异的视觉驱动因素。

(3) 使用社会经济特征、城市活力和多样性以及城市形态特征探讨性别差异的宏观驱动因素。

本研究的主要贡献和创新体现在三个方面：首先，我们对量化的安全感感知性别差异进行了聚类分析，提供了性别差异在空间分布上的证据。其次，我们在视觉研究中增加了色彩和边缘特征，能够更全面地反映视觉特征对性别差异的影响。最后，我们将开放的社会经济指标纳入性别差异的解释因素，创建了一个可复制且普遍适用的工作流程。由于社会研究数据的局限性，我们的方法框架依赖于网络爬虫和开放数据，为数据可用性不足的国家和地区提供了新的见解。

以下为研究全文，关注城市数据派微信公众号，在微信公众号对话框中输入 25221，即可获得该全文PDF的下载方式。

最近有朋友问我们：为什么没有及时看到推文？因为微信改了推送规则，没有点“赞”或“在看”，没有把我们“星标”，都有可能出现这种状况。

加“星标”，不迷路！看完文章顺手点点“赞”或“在看”，就可以准时与我们见面了~

原文始发于微信公众号（城市数据派）：如何研究城市安全感？街景图像、社会经济数据和空间统计模型的跨学科方法丨城市数据派