利用纽约市的街景图像分析建筑环境与能源之间的季节性和非线性动态关系

《Sustainable Cities and Society》：Analyzing seasonal and nonlinear built environment-energy dynamics using street view imagery in New York City

社区级框架整合街景图像语义分割量化建筑环境指标并关联能源强度，揭示季节性差异及非线性关系，为城市规划提供可视化支持。

　　

林琦|周一春|关世杰|关成和

纽约大学坦登工程学院土木与城市工程系，美国纽约布鲁克林

摘要

本研究开发了一个社区层面的框架，将街景图像（SVI）与语义分割相结合，以量化建成环境指标，并将其与建筑能耗强度相关联，同时明确考虑了季节性因素。利用2017年夏季和冬季来自纽约市的48,000多张Google街景图像，计算了每张图像中的城市特征占比，并将其汇总到社区单元中，然后与传统的城市形态指标进行对比，从而提供了一个以人为本、易于理解的补充方法。通过线性回归和随机森林模型，对两个季节的电力和天然气消耗强度进行了建模。研究结果表明，在夏季图像下，汇总的SVI指标与传统指标高度一致，而在冬季这种关联性减弱。SVI衍生的建成环境指标与能耗强度之间的关系在不同行业、能源类型和季节之间存在非线性和异质性。SVI衍生的指标提供了一个以人为本的代理，有助于连接设计可视化和社区层面的能源建模。我们得出结论，季节性显著影响SVI与能源之间的关系，在收集SVI数据时应予以明确控制，而非线性则是建成环境与能源关联的一个关键特征。所提出的框架成本低廉、可扩展，并且可以应用于具有类似数据基础设施的城市，支持能源效率和减排的情景评估与规划策略。

引言

城市虽然只占地球陆地面积的一小部分，但却消耗了全球大部分的能源并产生了大部分的碳排放（联合国人居署，2015年）。其中，建筑和施工行业约占能源需求的三分之一以及超过三分之一的能源相关和过程相关的二氧化碳排放（联合国环境规划署，2024年）。在这种背景下，城市建筑能源建模（UBEM）对于将空间和政策选择与能源结果联系起来至关重要，为峰值负荷管理、脱碳路径和公平韧性目标提供定量证据和情景评估（Hong等人，2020年）。一些城市在夏季和冬季的能源需求模式有所不同，这种明显的季节性不仅加剧了基础设施的压力，还突显了将季节性因素纳入能源建模的必要性（C. Li等人，2018年；Quan等人，2025年；M. Wang等人，2025年）。在实际操作中，社区层面是城市规划和城市设计能够最直接进行干预并做出空间决策的阶段——这不同于特定建筑或纯粹的区域层面（Park & Rogers，2015年）。在这个层面上，UBEM旨在服务于规划和设计过程，以便在城市规划和城市更新的早期和中期阶段明确考虑节能和减排，从而在政策、设计和能源性能之间建立操作界面（Hao & Hong，2021年）。

然而，传统的城市数据集——如地块统计、土地利用记录、建筑属性和遥感图像——主要反映宏观结构或总体视角，无法充分捕捉随季节条件变化的建成环境特征，从而限制了社区层面规划和设计的进一步发展（Biljecki & Ito，2021年；Shi等人，2024年；Ward等人，2023年；Wei等人，2023年）。相比之下，街景图像（SVI）从人类视角以细粒度、语义丰富的形式呈现城市形态和建成环境（Middel等人，2019年；Sun等人，2022年），提供了一个以人为本、易于理解的补充方法，可以揭示社区能源需求与建成环境特征之间更微妙的联系（Dai等人，2025年；Mayer等人，2023年；Sun等人，2022年）。

近年来，越来越多的研究开始将SVI应用于城市建筑能源建模，包括提取与建筑相关的参数、用SVI衍生特征增强模型以及将SVI与其他图像融合进行预测（详见第2.3节）；然而，大多数研究要么局限于建筑层面，要么优先考虑黑箱预测，很少明确处理季节性因素，而且多能源、多终端用途的社区动态尚未得到充分解释（Dai等人，2025年；Liu & Abbasabadi，2025年；Mayer等人，2023年；Rosenfelder等人，2021年；Shi等人，2024年；Sun等人，2022年；Sun & Bardhan，2024年），这限制了模型的可解释性，并阻碍了其在社区层面规划和城市设计中的应用。

为了解决这些不足，本研究建立了一个解释性和互补性的框架，将SVI衍生的建成环境特征与传统城市数据集相结合，以更好地理解社区能源消耗的季节性变化。具体而言，该研究探讨了SVI特征如何随季节、能源来源和终端用途影响社区能源性能；评估了它们与传统城市形态指标相比在解释能力上的提升程度；并探索了如何将可解释的视觉指标转化为规划策略，以改善不同社区背景下的季节性能源性能。该框架旨在确保在城市规划和城市设计的早期和中期阶段更有效地纳入和平衡节能和减排目标。

本研究以纽约市（NYC）作为案例研究，构建了一个社区层面的综合数据库，该数据库结合了五个通过计算机视觉技术提取的街景衍生指标——建筑指数（BI）、交通指数（CI）、天空指数（SI）、绿地指数-树木（GVI-tree）和绿地指数-草地（GVI-grass），以及来自主要土地利用税地块输出（PLUTO）的传统城市数据集，包括土地利用和建筑属性、树冠覆盖数据以及人口和社会经济统计信息（本文中使用的所有缩写均在附录B的术语表中列出）。研究还纳入了具有季节代表性的街景图像，以捕捉时间变化。基于此数据库，分析采用了季节交互回归模型来识别不同季节建成环境特征与能源消耗之间的关联，并使用随机森林模型来检验非线性效应和评估模型的稳健性。研究涵盖了电力和天然气消耗，分别分析了住宅、商业和总能源使用情况，从而系统地了解了社区能源动态的季节性变化。此外，还量化了SVI衍生指标与传统城市数据集之间的关系，以评估SVI的补充信息和增量解释价值。总体而言，本研究为理解社区层面的能源动态提供了新的证据基础，并为未来的城市规划和城市设计实践提供了见解。

章节摘录

UBEM和数据来源

传统上，UBEM方法分为两类：自上而下的模型和自下而上的模型（Abbasabadi & Ashayeri，2019年；Ang等人，2020年）。自上而下的模型在区域或国家层面运行，依赖于国内生产总值（GDP）、人口或经济活动等宏观指标，但缺乏对局部变化的解释能力（Ali等人，2021年）。自下而上的模型依赖于详细的建筑级数据和基于物理的模拟，可以评估具体情况

研究区域

研究区域是纽约市（NYC），根据柯本气候分类（Kottek等人，2006年），该地区属于湿润亚热带（Cfa）气候类型。这种气候条件导致夏季对空调的需求很大（纽约市审计长办公室Brad Lander，2022年），冬季则需要严格的建筑供暖要求（NYC HCR，2022年），这两者都与建筑能耗密切相关。作为美国人口最多的城市

相关性概述和多重共线性控制

相关性分析显示，在夏季和冬季样本中，多对变量表现出较高的绝对Spearman相关性，如图1所示。夏季，SVI衍生指标之间的相关性普遍集中且明显，SVI衍生指标与几个传统变量之间的相关性也很强。例如，夏季的建筑指数（BI）与建筑密度（FAR）显著正相关，与树冠覆盖度（Tree Canopy Cover）显著负相关。BI还显示出强烈的

相关性和季节敏感性

先前的研究表明，SVI与多种城市形态和建成环境指标有很强的关联，能够以相对较低的成本有效捕捉多样的城市特征（Dai等人，2024年；Y. Hu等人，2024年；Zeng等人，2023年）。为了在政策相关的空间单元上检验这种表现能力，我们在社区层面进行了相关性分析：对街景图像进行语义分割，计算每张图像中的视觉元素占比，并对这些占比进行

结论

本研究提出了一个综合的社区层面框架，该框架以基于SVI的语义分割和聚合为核心，用于描述建成环境与多种能源强度之间的关系。该框架明确考虑了季节性因素，并验证了这些季节性影响。通过将人类视角的街景图像与传统的能源评估方法相结合，它在可解释性、可扩展性和实际可用性之间取得了平衡。

三个主要结论

未引用的参考文献

NYSERDA 2024

CRediT作者贡献声明

林琦：撰写——审阅与编辑、撰写——初稿、验证、软件、方法论、调查、正式分析、数据管理、概念化。周一春：撰写——审阅与编辑、验证、方法论。关世杰：撰写——审阅与编辑、监督、方法论、概念化。关成和：撰写——审阅与编辑、验证、监督、资源管理、项目协调、方法论、资金获取、概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。

致谢

本研究得到了上海自然与健康基金会（资助编号：20230701 SNHF）、上海浦东人才办公室2023年重点计划、上海高等教育机构的特聘教授计划（资助编号：20230111 SMEC）、国家外国专家管理局的外国青年人才计划（资助编号：10109_ 特殊资助）以及上海市教育委员会的关键项目的支持