城市意象是能够反映每个城市的特征特色、可识别性的一种有效途径,更是居民脑海中关于这座城市的记忆。但随着城市规模的不断扩张,越来越多的城市日渐出现文化、特色和建筑趋同的情况,因此塑造一个良好的城市意象十分必要。传统的研究方法通常需要借助调查问卷、认知地图等方式和受访者的配合,这种方式具有数据样本少、耗时久、成本高等问题,已经无法完全满足当下城市快速发展的需求,且城市意象的评价方面暂时没有一种统一的标准。针对上述问题,本文选择近年来互联网大数据中的兴趣点(POI)数据和街道路网数据对凯文·林奇提出城市意象结构五要素进行识别认知;并将POI数据分类为标志建筑、风景名胜、市民生活和文化教育等四大类别,研究其各自在城市中的空间分布情况及每一类别中要素的类别构成;最后提出了一种意象评价模型,共包含路面可行、步行安全、空间舒适、场所社交、色彩丰富和可意象性等六大指标,利用深度学习对街景影像识别和分割,获取每张影像中城市要素的占比结果,根据公式计算得到每个坐标点的指标数值,为解决指标重要程度不一的情况,借助层次分析法为各指标分配权重并计算意象总分,可视化于地图中,综合评价城市意象。本文选择北京市西城区为例进行上述实验并指出研究区现存的意象问题。实验结果表明:(1)本文借助核密度生成的POI热力图来识别意象区域;对照西城区底图对边界进行认知分析;路径、节点和标志通过叠加路网、POI和行政区划底图共同识别;(2)西城区的意象类型以市民生活类别最为突出,几乎全部分布在意象区域内;标志建筑主要分布在研究区的中心部分;风景名胜集中在北部和东南部;文化教育类别均匀分布在整个研究区;(3)西城区整体的意象程度良好,具体南部北部的意象差异较大,呈现“北重南轻”的趋势,北部的展览路和德胜门片区是意象值最高的地区,南部的广安门外、白纸坊区域是意象程度最低的地区;(4)西城区作为老城区,最具有特色的还是胡同、四合院、古城墙等历史文化建筑,在进行城市建设时,应重点保护这些建筑,更多发展街巷文化,使城市特色更为鲜明。