街道空间对于居民的日常生活至关重要,它不仅是城市公共活动的场所,更是人们表达自我、寄托情感的重要载体,其空间品质的好坏也会影响到城市的发展,因此,街道空间品质高低已逐步成为评价城市发展的重要参考。但近年来,伴随着我国城镇化速度加快,形成了以车为主的城市道路规划——车辆占用空间过多、步行环境差、人在街道行走时感到不便和不安全、绿化不足以及环境质量较差等问题严重尤为突出。互联网街景图像具有覆盖范围广、获取成本低、贴合人的视角等优势,为城市规划、建设和管理的各领域研究提供了新数据源。因此,本文以城市街道为研究对象,以互联网街景图像为数据源,利用深度学习技术手段开展街道空间品质要素自动化识别,构建科学、全面、有效的街道空间品质评价模型,对城市街道空间品质评价和分析,探究其空间品质变化趋势,为城市街道设计导则和品质提升的制定提供辅助数据支持,有助于提升城市居民存在感和满意度。具体研究内容和结果如下:（1）首先对街景图像中的街道空间品质要素特征提取。在百度街景图像的历史数据、OSM城市路网数据和Cityscapes数据集（含5000张精细化标注图像）获取基础上,采用深度学习PSPnet网络构建街道空间要素语义特征识别模型。其中,以MIou值和像素精确度Accuracy为识别模型的评价指标,以像素占比统计公式定量化街道空间品质构成要素。（2）然后构建街道空间品质评价模型。在梳理国内外有关街道空间品质研究现状,总结不同区域的街道空间品质的评价指标和评价方法的基础上,选取影响街道空间品质的主观（5项）和客观评价指标（4项）,并确定其评分分级方法,结合主流层次分析法构建城市街道空间品质评价模型。（3）最后展开研究方法的实例验证。选取北京市南锣鼓巷街区共22条街道,共计449个采样点,4332张百度街景图像进行特征提取和分析。在街道空间要素语义特征识别模型的识别结果中,训练集的MIou值为0.80,Accuracy值为0.96;验证集MIou值为0.70,Accuracy值为0.96,满足要素识别精度要求。定量化计算得到研究区内空间要素前三类为道路、建筑和植被,占所有地物要素的75.96%。街道品质评价结果表明,研究区中高空间品质样本点数量仅占总数的12%;各道路中,地安门东大街空间品质最高,秦老胡同空间品质最低。结合不同时期街景图像发现,在干道中,地安门东大街空间品质变化最大（6.47%）,鼓楼东大街空间品质变化最小（2.72%）;在胡同中,沙井胡同空间品质变化最大（6.07%）,豆角胡同变化最小（3.70%）。