Waterfront Spaces Research Based on Panoramic Images and Explainable Machine Learning

本数据集聚焦郑州市东风渠滨水空间研究,核心数据均源自全景影像采集技术,系统涵盖三大关键数据类型:其一为语义分割数据,可精准提取滨水空间中的地形、植被、建筑等物理要素分布信息;其二为色彩属性数据,能客观量化影像中的色彩多样性、均匀度等视觉特征;其三为主观感知数据,通过标准化评分体系收录了使用者对滨水空间景观美感、安全感、游憩价值等维度的主观评价。

该数据集经过严格的预处理流程,所有指标均已完成数值标准化与异常值清洗,数据完整性与一致性较高,可直接支撑后续分析工作。在应用场景上,既能够为随机森林模型提供高质量的输入特征,用于滨水空间质量评估、使用者偏好预测等任务;也可结合SHAP 解释方法,深入剖析各影响因素对模型输出的贡献度,清晰揭示语义分割、色彩属性等客观指标与主观感知评价之间的内在关联,为东风渠滨水空间的优化设计与精准治理提供数据支撑和理论依据。

数据集严格对应全景影像分析的技术流程,可分为三大核心模块:

语义分割数据:包含 Openness(开阔度)、Waterfront Accessibility(滨水可达性)、Walkability(步行适宜性)等 6 个空间属性指标,量化滨水空间的物理特征。

色彩属性数据:通过 Color Diversity(色彩多样性)和 Color Uniformity(色彩均匀度)两个指标,客观反映全景影像中的视觉色彩特征。

主观感知数据:涵盖 Scenic Beauty(景观美感)、Safety(安全感)、Recreational Value(游憩价值)3 个主观评价指标,均采用量化评分形式,体现使用者对滨水空间的感知体验。