A percepção espacial é essencial para entender as experiências subjetivas e o bem-estar dos residentes. No entanto, métodos eficazes para rastrear mudanças na percepção espacial ao longo do tempo e do espaço permanecem limitados. Este estudo propõe uma abordagem nova que aproveita imagens históricas de street view para monitorar a evolução da percepção espacial urbana. Usando a área central urbana de Xangai como estudo de caso, aplicamos técnicas de aprendizado de máquina para analisar 67.252 imagens de street view de 2013 e 2019, visando quantificar as dinâmicas espaciotemporais da percepção urbana. Os resultados revelam o seguinte: temporalmente, as pontuações médias de percepção em 2019 aumentaram em 4,85% em comparação a 2013; espacialmente, para cada aumento de 1,5 km de distância do centro da cidade, as pontuações de percepção aumentaram em média 0,0241; entre todos os pontos de amostragem, 65,79% experimentaram um aumento na percepção, enquanto 34,21% mostraram uma diminuição; e em termos de elementos visuais, características naturais como árvores, vegetação e estradas foram correlacionadas positivamente com as pontuações de percepção, enquanto elementos artificiais como edifícios, o céu, calçadas, paredes e cercas foram correlacionados negativamente. A estrutura analítica desenvolvida neste estudo oferece um método escalável para medir e interpretar mudanças na percepção urbana e pode ser estendida a outras cidades. As descobertas fornecem insights valiosos e sensíveis ao tempo para planejadores urbanos e formuladores de políticas, apoiando o desenvolvimento de ambientes urbanos mais habitáveis, eficientes e equitativos.
Zhong et al. (Quarta-feira,) estudaram esta questão.