| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第14-24页 |
| 1.1 研究背景 | 第14-16页 |
| 1.1.1 新数据环境形成以及大数据的广泛应用 | 第14页 |
| 1.1.2 人工智能的技术突破 | 第14-15页 |
| 1.1.3 城市发展转型与城市规划变革 | 第15-16页 |
| 1.2 研究目的和意义 | 第16-17页 |
| 1.2.1 研究目的 | 第16页 |
| 1.2.2 研究意义 | 第16-17页 |
| 1.3 概念界定 | 第17-20页 |
| 1.3.1 深度学习 | 第17-18页 |
| 1.3.2 主动表征数据 | 第18-20页 |
| 1.3.3 城市意象 | 第20页 |
| 1.4 研究方法与框架 | 第20-24页 |
| 1.4.1 研究方法 | 第20-21页 |
| 1.4.2 研究框架 | 第21-24页 |
| 2 相关理论及规划实践研究 | 第24-34页 |
| 2.1 城市意象的相关理论与研究 | 第24-25页 |
| 2.1.1 城市意象的理论演进 | 第24页 |
| 2.1.2 城市意象的应用实践 | 第24-25页 |
| 2.1.3 城市意象内涵的发展 | 第25页 |
| 2.2 大数据与深度学习在城市规划中的应用 | 第25-29页 |
| 2.2.1 大数据在城市规划中的相关实践 | 第25-28页 |
| 2.2.2 深度学习在城市规划中的相关实践 | 第28-29页 |
| 2.2.3 小结 | 第29页 |
| 2.3 研究评述与辨析 | 第29-34页 |
| 2.3.1 大数据在城市规划领域的增长平台期 | 第29-30页 |
| 2.3.2 大数据在城市规划应用的趋势 | 第30-31页 |
| 2.3.3 人工智能将为城市规划来带进一步的革新 | 第31页 |
| 2.3.4 大数据、深度学习与城市意象研究的适用性 | 第31-34页 |
| 3 城市意象认知模型建构 | 第34-46页 |
| 3.1 理论基础 | 第34-37页 |
| 3.2 数据来源 | 第37-39页 |
| 3.2.1 应用接口调用 | 第38页 |
| 3.2.2 数据结构设计 | 第38-39页 |
| 3.3 技术方法 | 第39-40页 |
| 3.3.1 照片图像识别——微软认知服务 | 第39页 |
| 3.3.2 自然语言处理——玻森中文语义开放平台 | 第39-40页 |
| 3.4 城市意象认知体系 | 第40-44页 |
| 3.4.1 意象类型 | 第40-42页 |
| 3.4.2 意象评价 | 第42页 |
| 3.4.3 意象结构 | 第42-44页 |
| 3.5 城市意象认知模型在城市设计中的应用 | 第44-46页 |
| 4 实证研究：重庆主城区城市意象认知研究 | 第46-80页 |
| 4.1 重庆主城区概况 | 第46-59页 |
| 4.1.1 背景简介 | 第46页 |
| 4.1.2 传统意象认知 | 第46-51页 |
| 4.1.3 相关规划解读 | 第51-59页 |
| 4.2 研究范围与数据来源 | 第59-61页 |
| 4.2.1 研究范围 | 第59-60页 |
| 4.2.2 数据来源 | 第60-61页 |
| 4.3 城市意象认知模型建构与分析 | 第61-78页 |
| 4.3.1 意象结构认知分析 | 第61-66页 |
| 4.3.2 意象类型认知分析 | 第66-74页 |
| 4.3.3 意象评价认知分析 | 第74-78页 |
| 4.4 问题总结归纳 | 第78-80页 |
| 5 结论与讨论 | 第80-84页 |
| 5.1 主要结论 | 第80-81页 |
| 5.2 创新点与局限性 | 第81-84页 |
| 5.2.1 研究的创新点 | 第81-82页 |
| 5.2.2 研究的局限性 | 第82-84页 |
| 致谢 | 第84-86页 |
| 参考文献 | 第86-90页 |
| 附录 | 第90页 |
| A 作者在攻读硕士学位期间发表的论文 | 第90页 |