城市街道的周边环境会影响居民的行为和健康。城市空间品质提升是目前中国城市发展中由“量”转向“质”阶段转型的重中之重。街道空间发展过程中面临局部品质较差的问题,进而引发城市街道观感与实体地物的消极现象。已经在国际城市研究中引起了各领域研究者如公共健康领域、环境心理学、社会经济学者等的关注。由于缺乏数据源和数据处理的方法,因此量化大型城市地区的场景感知一直是一项挑战。本文提出了一种关注情感健康与生理健康并重的视角出发的量化方法。以天津市内环路为例,关注目前城市发展过程中局部公共空间品质较差的问题。该方法通过结合目标地点的街景图像和深度学习技术来自动且高效地评估人类对大型城市环境的场景感知。本文首先提供了一个可以较好地模拟人类对建筑环境感知的深度学习模型。其次对街景图片进行语义分割,以识别对场景感知有较大影响的视觉元素。随后将视觉元素的占比与场景感知得分相关联,以确定对场景感知产生影响的周边环境要素。为了探索城市街道的消极空间分布与品质提升,本文基于迁移学习模型,使用小范围标注的天津市街景数据集快速训练五种消极空间判别模型,然后使用全量天津街景数据进行预测并统计消极空间占比。结合天津市地图实现实验结果的可视化分析,统计结果表明天津市整体消极空间占比为13.02%,消极因素主要分布在城中心五区（南开区、和平区、河北区、红桥区、河东区）的边界附近。整体来说天津市消极空间占比较低,是一个具有发展活力的新型城市。基于情感评估、消极要素分布以及街道导则指导,针对观感和实体两个维度提出对天津街道空间中消极现象的引导内容和设计策略要点。本文工作支持了城市设计理论和实践,并使用深度学习方法来理解人们如何感知场所周边环境的价值。这项研究还证明了街景图像在地方结构研究中的价值。可以从人类感知的角度分析街景语义,帮助研究人员理解底层的城市结构并揭示其对城市功能的影响;本文同时也进行了城市空间消极现象整体测度,对进一步的城市空间更新和改造提出相应的空间干预证据与手段,从而具有城市规划与设计实践层面上的研究意义。