从生产-生活-生态功能角度划分城市空间格局，不仅是国土空间结构优化的基础，也能反映城市用地的内在功能形态和空间组合模式。然而，以往城市“三生空间”的识别主要利用遥感图像、兴趣点和土地利用数据进行，缺少城市内部的立体信息。街景图像可以体现城市内部街道特征，实现街道内部物理环境近距离大规模高分辨率的客观测量。因此，本文基于街景图像提取场景语义特征，提出一种中心城区“三生空间”的识别和特征重要性分析的方法。以成都市四环内为研究区，使用梯度极限提升算法识别城市“三生空间”，进行模型精度对比检验，从道路、格网和交通分析区3个尺度分析研究区“三生空间”的格局分布特征，并引入沙普利加和解释（SHAP）方法探索“三生空间”的特征重要性。结果显示：① 本文提出的基于街景图像识别“三生空间”方法具有较好的效果，模型识别生产、生活和生态空间的R²均达到0.6，表明使用街景图像识别“三生空间”具有可行性；② 分析研究区内的“三生空间”分布格局，研究区内以生产-生活空间为主，数量多且在区域内呈片状分布，以生态空间为主的单元数量少，主要分布在大型公园处；③ 分析7维场景层语义特征的重要性，其中街道开敞度和机动化程度对三类空间形成的影响最大。本研究成果丰富了“三生空间”识别的数据和方法体系，为城市空间结构优化和发展决策提供了新的工具。

准确识别影响环境安全感知的视觉因素，对于改善城市交通环境与提升行人出行安全具有重要支撑作用。然而，既有研究难以对复杂场景下的环境安全感知进行大规模定量化研究。因此，本文利用图像语义分割和目标检测技术从街景图像中提取视觉要素，通过人工评分结合深度学习的方式构建道路安全感知数据集；再基于轻量梯度提升机和SHAP解释框架，识别出影响环境安全感知的视觉因素；最后，选取道路环境特殊的峡谷性城市兰州市安宁区高校聚集地为例进行实证研究。结果表明：① 高校及商业街的安全感知评分较高，城市道路的普遍偏低；② 天空、人行道、道路和树木的图像占比值是对环境安全感知影响最大的四类要素，其中，天空的图像占比值为线性关系，人行道和树木的图像占比值近似对数函数，道路的图像占比值则类似二次函数；③ 视觉要素占比和个数存在交互影响作用，合理的要素分布有助于形成良好的空间视线，以及营造合适的行为活动空间，从而提升环境安全感知。