klasifikace městských kaňonů hraje důležitou roli při analýze dopadu geometrie městských kaňonů na morfologii měst a mikroklima. Stávající klasifikační metody využívající poměry stran vyžadují velké množství terénních průzkumů, které jsou často drahé a pracné. Navíc je pro tyto metody obtížné zvládnout složitou geometrii pouličních kaňonů, což je často vyžadováno specifickými aplikacemi. Abychom tyto obtíže překonali, vyvíjíme klasifikační přístup street canyon pomocí veřejně dostupných obrázků Google Street View (GSV). Naše metoda je inspirována nejnovějšími pokroky v hlubokém multitaskingovém učení založeném na hustě propojených konvolučních sítích (DenseNets) a přizpůsobených pro vícenásobnou klasifikaci street canyon, tj. klasifikace založené na H/W (Úroveň 1), symetrie (úroveň 2) a komplexní geometrie (úroveň 3). Provedli jsme řadu experimentů k ověření navrhované metody. Za prvé, vezmeme-li jako příklad oblast Hongkongu, metoda dosáhla přesnosti 89,3%, 86,6% a 86,1% pro tři úrovně. I při použití údajů z terénního průzkumu jako základní pravdy získala přibližně 80% pro různé úrovně. Poté jsme testovali náš předtrénovaný model v dalších pěti městech a porovnali výsledky s tradičními metodami. Byla prokázána přenositelnost a účinnost režimu. Konečně, obohatit reprezentaci složitější geometrie ulic, přístup může samostatně generovat tematické mapy pouličních kaňonů na více úrovních, aby lépe usnadnil mikroklimatické studie v prostředí s vysokou hustotou. Vyvinuté techniky pro klasifikaci a mapování pouličních kaňonů poskytují nákladově efektivní nástroj pro studium dopadu složité a vyvíjející se geometrie městského kaňonu na změny mikroklimatu.