SAGAI：基于视觉语言模型的街景智能评估与自动制图系统

SAGAI（Streetscape Analysis with Generative AI）是由Joan Perez和G. Fusco开发的开源端到端工作流，已发表于Geomatica期刊。它整合OpenStreetMap（OSM）街道网络、Google街景（GSV）图像与视觉语言模型（VLM），实现零样本、全自动的城市街景评估与交互式制图。用户只需划定区域、用自然语言定义评估标准，即可生成带评分的专题地图，为城市规划等领域提供灵活高效的分析工具。

传统城市环境评估依赖昂贵实地调研或人工标注图像数据集，耗时费力且成本高。SAGAI的出现旨在解决这些痛点：通过结合开放地理数据与生成式AI，无需预训练或人工标注，即可完成街景分析，降低研究准入门槛。

SAGAI v2.1采用模块化设计（封装于Colab笔记本），包含三层：

1. 地理空间数据层：OSM点采样生成器（提取街道网络并生成采样点）、GSV图像下载器（多方向捕获图像，需Google API密钥）；
2. 视觉语言分析层：UVLM（通用VLM加载器，支持11个模型检查点，含4-bit量化、多任务并行、共识验证、链式思维推理等功能）、任务配置（自然语言提示定义评估标准）、分析执行（批处理与断点续传）；
3. 可视化输出层：聚合与制图（GeoPandas/Folium生成交互式HTML地图，支持多聚合方法）。

SAGAI v1.0包含两个试点研究：

• 法国尼斯Paillon河谷：捕捉不同区段环境质量差异，验证真实城市适用性；
• 奥地利维也纳Penzing-Wolfersberg：处理城郊混合景观（住宅、工业、绿地），展示异质区域分析能力。 案例数据（除GSV图像外）已随GitHub仓库发布，提供可复现基准。

SAGAI存在以下局限：

1. 街景时效性：GSV图像可能滞后于现实变化；
2. VLM偏见：模型可能继承训练数据地理偏见，对非西方城市理解不足，且无法捕捉气味、声音等非视觉特征；
3. API依赖：Google Maps API可用性与成本限制大规模应用；
4. 隐私考量：高分辨率逐点分析需遵循当地隐私法规。

SAGAI代表城市分析从数据驱动到提示驱动的范式转变：同一基础设施支持任意评估维度（如步行友好性、建筑美学），无需重新训练模型；自然语言提示使评估标准可解释、易比较；基于开放数据与免费资源（Colab）降低成本。未来，随着多模态模型演进，地理空间AI工具将更强大，城市科学或向“提示即分析”方向发展。