内容简介

安全感知反映了个体在城市环境中对风险与安全的主观感受，是评估宜居性与福祉的重要维度。不同群体之间的安全感知存在差异，但既有研究很少直接对这些群体偏差进行建模与分析。本研究通过将深度学习与街景图像相结合，运用机器学习与空间可视化方法，探讨西安市主城区的安全感知及其在性别与本地身份上的偏差。

采用“人工评分+ EfficientNet”的框架构建安全感知数据集，并利用 SegFormer进行图像语义分割以提取街景图像视觉要素。结合空间可视化、XGBoost与可解释性框架，揭示安全感知的空间格局及其影响因素。结果表明：（1）较高的安全感知与良好的基础设施与环境整洁度相关；较低的安全感知多出现在城市边缘或杂乱区域；（2）男性与流动人口的安全感知可能高于女性与本地居民；（3）女性在熟悉且人流量较大的场所（如市场）更具安全感，流动人口偏好开阔且多样的空间，而本地居民更偏好秩序良好的社区；（4）关键驱动因素包括建筑密度、道路开阔度、绿化水平与活动时空格局。

本文的贡献在于识别了女性的“感知安全区”，引入并量化了“本地身份偏差”，并提出了一种直接面向群体偏差的建模框架，为公平导向的城市规划提供了启示。