随着中国城市化程度的不断提升,城市中居民的住区品质评价已经成为一个备受关注的话题。住区品质的评价不仅能够反映出城市居民的居住质量,同时也对城市的可持续发展和未来规划起到关键性作用。尤其是在城市中老旧住区的改造问题中,为了满足居民对更好的居住品质追求,需要了解影响人们对住区品质感知的关键要素,并对要素的具体的影响程度做出评价。但是传统城市品质评价的方法往往将关注的重点放在了城市的基础设施建设和建筑物等硬性因素,缺少人们对影响居住品质要素的主观感受和审美需求等软性的因素评价,缺乏系统性和科学性。鉴于此,本研究利用深度学习中经典的语义分割的方法进行街景图像分割,将街景分割之后的语义图片和对应的街景图片组成融合数据,利用卷积神经网络训练数据之后完成对街景的评分。利用所得到的街景图片中要素可视率数据和街景评分数据,分析影响人们对住区的空间品质评价的关机要素和关键的要素之间的相关性和对住区品质影响程度的高低。通过对大量的街景图片进行分析,得到街景主要要素之间的相关矩阵,进而探究不同的要素之间的相互影响。研究发现,在街景评分中植被要素对街景评分具有显著的正向影响。道路要素对街景评分也有微量的提升作用,而天空要素对街景得分影响则微乎其微。相比之下,建筑要素对街景得分影响较大且基本上呈现的为负向的影响。此外,街景中存在的其他要素如电线杆、垃圾桶、广告牌等要素,在研究区中所呈现的基本上为负面的影响。基于这些研究发现,确定了街景中影响住区评分的主要要素和对评分影响的权重高低,并完成多元线性回归分析,完成影响权重高低的量化。具体的结果有以下几点:（1）通过制作上海市不规则住区内的街景语义分割数据集,完成对研究区域内的街景图片的语义分割,其中Unet网络模型对街景分割的平均的像素精度能够达到76.3%,均像素精度能够达到84.6%。之后对不同研究区域中的街景图片进行要素可视率的统计分析,发现不同区域内街景图片中场景要素占比具有明显的差异性,所以了解到不同区域内街景要素可视率的特点,曹杨社区内的街道两旁的绿化较好,梦花街建筑可视率要远高于其他的研究区域,其他区域要素占比中建筑、植被、天空、其他、道路等要素之间的占比也各有不同。（2）利用街景分类的思路,通过将街景图像和对应的街景图像的语义分割图像同时作为输入,输入到卷积神经网络中进行训练后输出分类概率作为结果,以完成对街景的评分,并且分类的验证精度能够达到98.24%。之后对研究区域进行街景的评价获取不同研究区域中的街景评分数据,统计分析街景图片的得分情况,发现街景图片的评分高低与街景中要素占比之间具备明显的关联,即建筑要素占比最高的区域其街景评价的平均得分最低,相反的是植被要素像素占比最高的区域其街景的平均得分最高。（3）通过对街景中各要素和街景得分的数据进行综合分析,获取各研究区域要素之间和要素与街景得分数据见的相关性矩阵,了解到不同街景要素的相关性和要素与得分之间的相关性,风险各要素和街景得分之间具有较强的相关性。之后在将街景中各要素作为自变量,街景得分作为应变量构建多元线性回归方程,多元线性回归中对品质评分的影响系数分别为:植被:9.07,天空:5.22,道路:0.29,其他:-6.67,建筑:-4.41。所以可以了解到,对上海市的住区品质识别影响权重的最大为植被,天空可视率也对品质评估具有积极的影响,其次道路对于住区品质影响并不明显,但是其他要素以及建筑要素对于街景品质产生了明显的负面影响。（4）本研究选取的上海市典型的不规则住区作为研究区域,通过分析了解到不同研究区域之间品质得分具有较大的差异性,研究区的街景评价的平均得分分布在2.4到6.3之间,对比得分最低梦花街和最高曹杨新村之间的要素差异可知,梦花街里弄道路狭窄,街道道路罕见植被,建筑之间的间距较小,空间逼仄较为压抑,而曹杨地区街道道路相对较宽,且道路绿化植被多,街道视角下建筑可视率植被可视率高得分较高。所以住区街道增加绿化率能够显著提升居住品质得分,直观感受上能够获得相对于缺少绿化区域更好的居住环境。本研究为街景视角下城市住区品质的评估提供了一种新方法和思路,该方法和思路能够更加全面的反映影响城市居民对住区品质的主观感受因素,为城市可持续发展和城市规划以及住区改造等方面提供更加科学、客观和全面的方案参考。