空间结构如何影响心理恢复？一种基于图神经网络与街景影像的方法
计算机视觉与模式识别
2024-08-05 v2
摘要
注意力恢复理论（ART）提出了一个包含四个关键指标（远离、延展、迷恋与兼容）的理论框架，用于理解城市与自然恢复质量。然而，以往研究依赖非序列数据与非空间依赖方法，忽视了此处定义为场景实体间位置关系的空间结构对恢复质量的影响。过去的方法也难以在城市尺度上度量恢复质量。在本工作中，提出一种空间依赖的图神经网络（GNNs）方法，以揭示城市尺度下空间结构与恢复质量之间的关系。具体而言，我们在街道与城市两个层级构建了两类不同的图。街道级图利用道路段的序列街景图像（SVIs）捕捉实体间位置关系，用以表征空间结构。城市级图将道路拓扑关系建模为非欧几里得数据结构，并嵌入城市特征（包括感知特征、空间特征与社会经济特征），用以度量恢复质量。结果表明：1）空间依赖 GNNs 模型优于传统方法（Acc = 0.735，F1 = 0.732）；2）通过序列 SVIs 数据刻画的空间结构显著影响恢复质量；3）具有相同恢复质量的空间呈现出不同的空间结构模式。本研究阐明了空间结构与恢复质量的关联，为未来提升城市福祉提供了新视角。
引用
@article{arxiv.2311.17361,
title = {How does spatial structure affect psychological restoration? A method based on Graph Neural Networks and Street View Imagery},
author = {Haoran Ma and Yan Zhang and Pengyuan Liu and Fan Zhang and Pengyu Zhu},
journal= {arXiv preprint arXiv:2311.17361},
year = {2024}
}
备注
33 pages, 7 figures, Under review