街道是居民日常社交活动的空间载体,一方面承担着居住、商业、交通、休闲等多元化服务功能;另一方面,高度开放的街道更容易成为犯罪高发区。街道视觉环境要素可以影响人们的心理与行为,其对犯罪活动的发生与演变有重要影响。深入研究街道视觉环境对犯罪的影响机理,发现影响犯罪行为的关键街道环境因素,可为今后的犯罪防控、街道管理和街道设计等提供重要参考与指导意义。然而,受街道环境数据获取的限制,有关街道环境与犯罪行为的定量研究较为缺乏,导致街道环境与犯罪行为之间的影响机制仍不清楚。因此,如何基于人眼视角在街道尺度上自动、快速地测度城市街道视觉环境,定量建模犯罪活动与街道视觉环境的关联关系,揭示隐藏的犯罪驱动机理是非常有意义的科学问题。近年来,街景图像的兴起以及计算机视觉技术的发展,为街道物质环境量化带来了新思路的同时,也为定量、定性研究街道环境与犯罪行为的关系带来了新机遇。为此,本文利用谷歌街景图像（GSV）探究街道视觉环境与犯罪行为的关联关系。本文首先对收集的谷歌街景图像进行量化测度。具体地,使用深度学习技术对街景图像进行语义分割,提出并计算八类可能对犯罪有影响的视觉指标,分析各指标的空间及数量分布。接着,对犯罪行为进行时空分析。利用热点分析发现不同犯罪类型的冷热点路段,并结合视觉指标,初步探讨犯罪与街道视觉环境的关系。然后,以这八个指标作为解释变量,不同犯罪类型数量作为因变量,分别构建泊松回归模型和地理加权泊松回归模型（GWPR）,从不同的角度分析街道视觉指标与不同犯罪类型的影响关系。本文以美国纽约市曼哈顿上城区和下城区作为案例实验区,实验结果表明:1)上城与下城的街道视觉指标在空间与数量分布上有明显差异,特别地,上城的绿色视觉指数（GVI）数值更大,视觉上看上城比下城更“绿”。2)犯罪在路段上的分布具有空间聚集性,少量的路段上聚集了大量的犯罪活动。另外,暴力犯罪在上城的哈莱姆区以及下城的下东城区明显聚集。3)在全局视角下,机动化指数（MI）对财产犯罪、暴力犯罪、白天犯罪与夜间犯罪均具有显著促进作用,而GVI和灯光视觉指数（LVI）对犯罪的影响在很大程度上依赖于社会经济因素。4)在局部视角下,行人空间指数（PSI）、GVI、灯光视觉指数（LVI）、建筑视觉指数（BVI）、MI与犯罪活动的影响关系及影响强度在空间上有明显变化,且LVI在空间上的变化最剧烈。BVI对财产犯罪和暴力犯罪有很强的抑制作用,LVI对财产犯罪和夜间犯罪有较强的抑制作用。5)受地理位置、社会经济、风俗文化、街道物质要素组合差异等的影响,即便在街景视觉指标相同的街道上,视觉指标对犯罪的影响可能有差异。6)基于上述影响关系的强弱程度,可发现任意街道上影响特定犯罪活动的关键街道视觉物质要素。