高密度城市化带来了诸多城市问题,城市转型与有机更新成为了中国解决城市病最重要的手段。城市空间的复杂性、系统性、整体性是当前面临的难题。面对这些矛盾与问题,需要我们对其进行合理规划和设计,并通过技术手段提高人们的生活品质,促进社会经济的发展。新兴技术的出现让这一难题有望突破,大数据的挖掘为解决复杂问题提供了新手段。本文以城市街道空间作为研究对象,选取郑州高密度城区为案例,运用大数据的街道图像辨识手段,对街道品质测度,分析郑州街道环境。在理论研究中,本文首先明确了街道空间及其品质的定义;其次对城市街道空间的发展进行梳理,找出各个时代背景下街道发展的共性;总结了街道品质的研究方法,从众多方法中发现了基于街景图像的客观评价法,明确了街道空间品质测度的各项指标及其构成要素。在定量测度中,首先利用城市路网数据和百度街景照片数据,建立了城市街道空间质量定量研究的基础数据库。其次,使用五个维度的指标来对街道品质进行定义与评价,对郑州高密度城区街道质量的基本特征以及影响因素进行了分析。最后提出街道空间优化策略,并选取了4条典型街道进行改造。具体包括以下内容:（1）街道空间品质测度与分析结果表明,在街景图像初步提取的19项视觉元素中,道路、天空、树木、建筑占比高,其像素占比总和约为整体街道空间的86%;而在19项元素的相关性分析中,可以明确地知道,建筑、树木对天空具有负向影响。从五项街道品质测度指标的相关性分析和空间分布结果中可知,郑州高密度城区街道空间品质在绿化度层面呈现分散式多中心的分布特征,该指标与树木、草地的相关性极高;在开放度层面出现由内向外递增的结构特征;在封闭度指标中出现内高外低的整体分布格局;在步行性层面呈现整体较为平均的中值分布特征;在成像性层面呈现出内高外低的中心聚集型分布格局;同时,五项指标的相关系数较低或为负相关性,原始变量相对独立,证明了评价体系的全面。此外,根据熵权法得出各项指标的占比,其中步行性占比最高为45.41%,开放度占比最低为6.68%,这说明在街道空间的设计中,应当以步行优先为原则进行优化。（2）街道空间品质影响因素将测度结果结合人口活动强度数据,利用Moran’s I双变量分析人口活动对街道品质的影响。结果显示,Moran’s I=0.0347表明街道品质对人类活动强度有正向影响,P值和Z值通过了95%置信度检验以及拒绝原假设设置的阈值。此外,在LISA聚类结果中呈现了四种聚类方式:“高-高”、“低-低”、“低-高”、“高-低”。选取“低-高”即街道品质低人口活动强度高的聚类群进行归纳汇总,共获得184条道路情况,其中一级道路（城市快速路）13条,二级道路（城市主干道）58条,三级道路（城市次干道）69条,四级道路（城市支路）44条,将此作为后文街道空间设计的参考依据。（3）街道空间优化方法与策略根据上文分析结果,定位亟待改造的区域。通过“顶层设计—提升策略—行动实施”构建街道空间优化策略和方法。依据“街道分级、主体分类、普适优先”的原则,选取陇海快速路（城市快速路）、航海中路（城市主干道）、玉凤路（城市次干道）、文劳路（城市支路）四条典型街道进行空间优化设计。结合现状问题,按照不同的出行方式将空间划分为步行空间、骑行空间、车行空间,逐一进行改造,并将设计结果进行元素的提取与指标的统计,用数据证明设计的有效性。