景観特徴認識と強化された意思決定木アルゴリズムを使用した大学キャンパス機能ゾーンの最適化：学生と訪問者の間の空間反応の違いに関する研究

大学がますます開放的になるにつれて、キャンパスはもはや学生や教員の学びや日常生活の場だけでなく、公共の訪問や文化的アイデンティティのための重要な空間となっています。手動調査に依存する従来の知覚評価手法は、サンプルサイズと主観的バイアスに制約されており、グループ（学生/訪問者）間の経験の違いや空間要素と認識との複雑な関係を明らかにすることが難しくなっています。この研究は、中国の包括的なオープン大学をケーススタディとして使用し、これに対処します。ストリートビュー画像のセマンティックセグメンテーション、認識調査スコア、およびサンプル増強を用いた説明可能な機械学習を組み合わせた研究フレームワークを提案します。まず、フルサンプルモデリングを使用して、認識指標（自然、文化、美的感覚）に影響を与える重要な画像セマンティック特徴を特定し、次に学生と訪問者がキャンパス空間に対する認識と好みでどのように異なるかを比較します。グループ–空間相互作用によって引き起こされる調査データの不均衡を克服するために、少数派サンプルを条件付き生成によって拡張し、分布の真正性を保持するCTGAN手法を適用し、モデルの堅牢性と解釈可能性を向上させます。これに基づいて、説明可能な決定木アルゴリズムを使用した因果分析は、認識に対するセマンティック特徴の貢献、方向、および閾値を定量化し、グループ間の認識メカニズムの異質性を明らかにします。結果は、キャンパス機能ゾーンの知覚評価に対する方法論的支持を提供し、キャンパス計画とデザイン最適化のためのデータ駆動型、人間中心の参考を提供します。