1. 研究背景与核心价值
城市公园作为现代都市重要的公共空间,其设计质量直接影响市民的生活品质。传统公园评估方法主要依赖问卷调查和人工观察,存在样本量有限、主观性强、成本高等问题。这项研究创新性地运用大语言模型技术,实现了对城市公园体验的多维度自动化感知与量化分析。
我们团队在实地调研中发现,不同社会群体对公园设施的使用体验存在显著差异。一位带孩子的母亲可能更关注游乐设施的安全性,而老年人则更在意休息区的舒适度。这种差异往往被传统的均质化设计所忽视,导致公共资源分配的实际不公平。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术方案设计思路
2.1 数据采集架构
研究采用多源异构数据融合策略:
- 社交媒体评论文本数据(TripAdvisor、大众点评等)
- 政府公开的公园投诉建议数据
- 实地采集的游客访谈录音转写文本
- 公园管理方的运营报告
我们特别设计了数据清洗流程处理网络用语和方言表达。例如将"遛娃圣地"标准化为"适合带儿童游玩",将"蚊虫多得离谱"转化为"蚊虫问题严重"等。
2.2 模型选型与调优
基于三大核心需求选择了LLaMA2-7B作为基础模型:
- 对中文网络语言的强大理解能力
- 适中的计算资源需求
- 出色的上下文关联性能
关键调优策略包括:
- 领域适配训练:注入5000条公园相关专业术语
- 情感分析增强:建立9维情感标签体系(从"极度满意"到"强烈投诉")
- 公平性检测模块:识别评价中的群体差异表述
3. 多维度感知解码实现
3.1 空间感知维度
模型可自动识别评价中的空间要素:
python复制# 空间要素提取示例
spatial_features = {
"功能区划": ["儿童游乐区","健身步道","中心广场"],
"设施分布": ["厕所间距","垃圾桶数量","照明覆盖"],
"可达性": ["入口位置","无障碍通道","停车场距离"]
}
3.2 服务感知维度
建立服务评估矩阵:
| 指标类别 | 评价维度 | 典型表述 |
|---|---|---|
| 清洁维护 | 频率质量 | "落叶清扫及时"、"厕所异味严重" |
| 安全管理 | 设施人员 | "监控摄像头不足"、"保安巡逻频繁" |
