Evaluating the visual perception and environment characteristics of urban street using machine learning as well as their correlation within the context of historical urban expansion : a case study of Milan streets

The impact of urban street environments on quality of life is significant. Under standing individual perceptions and interactions within the urban environment is vital for creating sustainable and livable cities that meet community needs. Previous studies have focused on qualitative analyses of social and economic development in historical urban contexts, neglecting quantitative analyses of people’s perceptions and their correlation with physical characteristics across different historical expansion areas. Traditional quantitative methods have limitations in terms of cost and time, especially for diverse urban areas. To address these limitations, this study utilizes a field-sampling-free method ology to measure the environmental characteristics and corresponding visual perception of urban streets in various historical expansion zones. Four 400- meter streets in Milan’s historic areas are examined, with computer vision algorithms extracting street features from 282 street view images. The study quantifies physical features and evaluates street space quality in terms of "Greenness," "Imageability," "Enclosure," "Openness," and "Complexity." Machine learning is employed to measure perceptions of "Safe," "Beautiful," "Depressing," "Lively," "Wealthy," and "Boring." The correlation analysis reveals that beauty perceptions are higher in older historic areas, while safety perceptions are more prominent in newer areas. Positive perceptions, like liveliness and safety, correlate positively with street greenness and negatively with Enclosure.The beautiful perception shows high correlation with imagebility and enclosure index of urban streets Negative perceptions, such as depression and boredom, show correlations with street openness. This study enhances understanding and practical application of the relationship between urban perception and physical characteristics in historical urban development. The proposed quantitative framework offers an automated and multisource approach for evaluating urban perception and physical environ ments, providing valuable insights for urban planners, policymakers, and researchers aiming to create more livable cities.

L’impatto degli ambienti stradali urbani sulla qualità della vita è significativo. Comprendere le percezioni e le interazioni individuali all’interno dell’ambiente urbano è fondamentale per creare città sostenibili e vivibili che soddisfino le esigenze della comunità. Gli studi precedenti si sono concentrati su analisi qualitative dello sviluppo so ciale ed economico in contesti urbani storici, trascurando le analisi quantitative delle percezioni delle persone e della loro correlazione con le caratteristiche fisiche nelle diverse aree di espansione storica. I metodi quantitativi tradizion ali presentano limiti in termini di costi e di tempo, soprattutto per le aree urbane più diverse. Per ovviare a queste limitazioni, questo studio utilizza una metodologia priva di campionamenti sul campo per misurare le caratteristiche ambientali e la cor rispondente percezione visiva delle strade urbane in diverse zone di espansione storica. Vengono esaminate quattro strade di 400 metri nelle aree storiche di Milano, con algoritmi di computer vision che estraggono le caratteristiche della strada da 282 immagini street view. Lo studio quantifica le caratteris tiche fisiche e valuta la qualità dello spazio stradale in termini di "Greenness", "Imageability", "Enclosure", "Openness" e "Complexity". L’apprendimento automatico è impiegato per misurare le percezioni di "sicuro", "bello", "depri mente", "vivace", "ricco" e "noioso". L’analisi di correlazione rivela che le percezioni di bellezza sono più elevate nelle aree storiche più antiche, mentre quelle di sicurezza sono più promi nenti nelle aree più recenti. Le percezioni positive, come la vivacità e la sicurezza, sono correlate positivamente con il verde stradale e negativamente con l’involucro. La percezione di bellezza mostra un’elevata correlazione con l’imagebility e l’indice di involucro delle strade urbane Le percezioni negative, come la depressione e la noia, mostrano correlazioni con l’apertura delle strade. Questo studio migliora la comprensione e l’applicazione pratica della relazione tra percezione urbana e caratteristiche fisiche nello sviluppo urbano storico. Il quadro quantitativo proposto offre un approccio automatizzato e multisorgente per la valutazione della percezione urbana e degli ambienti fisici, fornendo preziose indicazioni a pianificatori urbani, politici e ricercatori che mirano a creare città più vivibili.