近几十年来,我国城镇化取得瞩目成就的同时,也带来了交通拥堵、城市公共空间品质低下等一系列问题。同时各大城市建设由增量扩张转入存量更新阶段,其中最具代表性的广州,也强调应在城市更新中塑造高品质的城市公共空间。而街道作为最重要的城市公共空间之一,其设计与管控已由“二维平面”转向“三维空间”,并对管控的规模和精细度提出了更高的要求。此前多依靠小范围定性研究的方法已无法满足当下的需求,而如今大数据与人工智能的结合应用改善了传统方法的尺度小、主观性强等局限,基于街景图像的街道空间品质研究正为城市人本尺度街道空间实践提供指引与助力。面对城市更新与管理提质增效的需求,街道空间品质评价研究需为未来城市规划和更新改造提供基础数据资料和相应的决策支持,本文核心研究问题是如何实现基于多时相街景图像的大规模、精细化的街道空间品质测度与评价。本文以广州市老城区为研究范围,通过街景图像和机器学习构建街道空间品质评价模型,建立起街道空间品质量化研究与城市更新实践之间的联系。本文在已有相关研究的基础上,结合广州市老城区街道实际情况,对现有评价指标体系进行补充完善,通过更精细化的评价模型增强应用的实操性,评价指标为可步行性、绿视率、围合度、开敞度、可意象性、协调性、界面积极度、界面通透性。模型选用MAE作为目标损失函数,通过8个机器学习算法训练后,MAE达到1.02,相比已有模型的MAE降低了0.1左右,准确性较好,实现了街道空间品质的大规模、精细化、多维度的测度和评价。本文主要结论如下:首先,2020年广州市街道各指标得分的分布趋势各异,街道空间品质呈现聚集效应。具体从各指标上看,绿视率、围合度与开敞度、可步行性分化趋势显著;界面通透性和界面积极程度、可意象性的分布均呈现较为明显的集聚效应;而协调性分布均质。其次,2016-2020年间各指标得分变化情况各异。其次,三个关键指标变化情况如下:街道可意象性整体呈明显的上升趋势,协调性得分在2016-2020年间无明显改善,绿视率整体显著下降。与指标变化有所不同,2016-2020年广州市老城区街道空间品质仅有小幅提升。结合两年数据分析,品质提升幅度较大的是2016年处于中低水平且进行了改造的区域。最后,通过对老城区街道空间品质的监测与问题识别,发现人本尺度街道在安全、舒适、活力三个方面均存在突出的空间品质问题。为更好地促进老城区街道品质升级,宜从以下三个方面对街道空间进行优化。（1）安全:采用立体隔离,实现人车分流;并整合基础设施,保障慢行优先（2）舒适:通过微更新手段由点及面、渐进式提升街道绿化品质,激发绿化潜力,提升生态效益;同时通过系统化考虑和设计,强化街道绿化的交通辅助功能,并在重要路段塑造景观街道。（3）活力:精细雕琢第一轮廓,增加识别意象;规范立面秩序,保障视觉协调;深化功能混合,打造多元界面;创新管控模式,打通共享空间。本文通过大数据与人工智能结合应用,提供了一种可行的框架与范式来测度大规模、高精度的街道空间品质,有效弥合空间量化研究与城市更新实践之间的差距。