公共空间作为城市之中不可缺少的空间类型,在人们工作生活中起到重要作用。现阶段我国多数城市的公共空间仍需提升活力,但传统公共空间规划多以宏观性策略为主,缺乏针对性优化方案。近几年随着计算机算力显著提升,将海量网络数据与机器学习、空间统计等相关算法结合,可以更为精细、及时地研究城市公共空间活力问题,从而提出针对性的优化建设措施。本文选取天津市中心城区内236块公共空间作为研究对象,利用海量网络数据,借助机器学习图像语义分割算法（seg-net）与空间统计等相关方法量化公共空间活力及其影响因素,确定两者空间分布特征。进而识别公共空间活力优化区域,挖掘其中主要类型公共空间活力的影响因素。最终提出针对性策略,重塑公共空间活力。第一部分通过分析天津市中心城区内公共空间活力与其影响因素的空间分布特点,为后文识别公共空间活力的优化区域提供依据。本部分首先通过总结既有研究成果,提出利用相关数据,借助机器学习图像语义分割（seg-net）与空间统计结合的方法量化公共空间活力与其影响因素。其次利用经典统计学方法,检验研究区域内工作日与休息日公共空间活力的差异性,并通过热点识别、高低值聚类等方法识别其空间分布特征。最后利用相同方法识别研究区域内公共空间活力7类16项活力影响因素的空间分布特征。第二部分基于前文分析结果,识别研究区域内需优化的公共空间活力所在区域与主要类型,并挖掘各主要类型公共空间活力的影响因素,该结果可为后续优化探索提供定量依据。本部分首先对区域内公共空间活力及其影响因素空间分布特点（高低值集聚区域）进行总结,识别出公共空间活力的优化区域主要包括天津站北侧等7区域。其次对比区域内各类型公共空间数量与比例,认为应优化社区点状公园、社区点状绿地、区级点状公园3种类型公共空间活力。最后通过地理探测器与线性回归相结合的方法,挖掘上述3类型公共空间活力的影响因素。第三部分提出研究区域内公共空间活力及其影响因素的优化探索。首先依据第二部分分析结果,提出社区点状公园、社区点状绿地、区级点状公园3种类型公共空间活力的影响因素优化策略。其次在实证探索中综合前期分析,以具有代表性的天津站北侧区域社区点状绿地类型公共空间为例,提出相应的优化方案。作者期望这一研究结果为后续天津市中心城区内公共空间的规划建设提供参考,这一研究流程可以为其他城市公共空间建设提供建设性意见。