随着城市化进程的加快，城市的宜居性问题越来越受到人们的重视。街道作为城市居民生活的聚集地，也是居民与城市环境发生交互的窗口，街道的局部场景深刻影响着居民在城市活动中的体验和身心健康，如何定量评估人们对于街道局部场景的感知，一直是相关研究领域重点关注的问题。传统的方法受限于样本的数量和数据处理手段，难以开展大范围内的场景感知研究。随着街景数据的可获得性大大提升以及计算机视觉技术的日臻成熟，为城市场景感知研究提供了新思路。
　　本文以基于百度街景数据，通过SegNet语义分割框架将场景具体划分为天空、建筑、树等12个类别，结合景观生态学多样性理论，计算基于街景的景观丰富度指数、Shannon-Weaver指数、Simpson指数等作为街道场景多样评价指标；从街景中提取绿化率、视觉开放性、视觉封闭性指数作为街道场景视觉质量评价指标；另外将机动化程度、汽车出现的概率、行人和自行车出现的概率作为辅助评价指标；基于POI和道路网数据计算功能混合度、重要功能POI密度、道路网密度等指标。通过以上四类指标构建场景感知计算模型，用以量化人们对局部场景的感知。利用两周的腾讯宜出行定位数据表征深圳市人群活动的时空特征。基于场景感知计算模型和城市人群活动的时空特征，通过时空地理加权回归模型分析场景感知与城市人群活动之间的关系，从而更好地理解人们对于局部场景的感知以及场景感知要素对城市人群活动的影响。研究发现，场景感知计算模型能够较好地定量评估人们对于局部场景的感知，场景感知要素对城市人群活动的影响是随着时间和空间的变化而变化的。与直接使用分割要素所占比例的量化方式相比，本研究提供了一种更具解释性的场景感知量化方法，有助于研究人员理解城市基础结构，揭示城市功能对人的行为的影响。