Die Klassifizierung städtischer Schluchten spielt eine wichtige Rolle bei der Analyse der Auswirkungen der Geometrie städtischer Schluchten auf die städtische Morphologie und das Mikroklima. Bestehende Klassifizierungsmethoden unter Verwendung von Seitenverhältnissen erfordern eine große Anzahl von Felduntersuchungen, die oft teuer und mühsam sind. Darüber hinaus ist es für diese Methoden schwierig, mit der komplexen Geometrie von Straßenschluchten umzugehen, die häufig für bestimmte Anwendungen erforderlich ist. Um diese Schwierigkeiten zu überwinden, entwickeln wir einen Street View-Klassifizierungsansatz mit öffentlich verfügbaren Google Street View (GSV) -Bildern. Unsere Methode ist inspiriert von den neuesten Fortschritten im Deep-Multitasking-Lernen, die auf dicht verbundenen Faltungsnetzwerken (DenseNets) basieren und auf die Klassifizierung mehrerer Straßennetze zugeschnitten sind, d. H. H / W-basierte (Level 1), symmetriebasierte (Level 2) und komplexe Geometrie-basierte (Level 3) Klassifikationen. Wir haben eine Reihe von Experimenten durchgeführt, um die vorgeschlagene Methode zu verifizieren. Zunächst erreichte die Methode am Beispiel des Gebiets Hongkong eine Genauigkeit von 89,3%, 86,6% bzw. 86,1% für die drei Ebenen. Sogar unter Verwendung der Feldbefragungsdaten als Grundwahrheit gewann es ungefähr 80% für verschiedene Ebenen. Anschließend haben wir unser vortrainiertes Modell in fünf weiteren Städten getestet und die Ergebnisse mit traditionellen Methoden verglichen. Die Übertragbarkeit und Wirksamkeit der Regelung wurden nachgewiesen. Um die Darstellung komplizierterer Straßengeometrien zu bereichern, kann der Ansatz schließlich thematische Karten von Straßenschluchten auf mehreren Ebenen separat generieren, um mikroklimatische Studien in hochdichten gebauten Umgebungen besser zu erleichtern. Die entwickelten Techniken zur Klassifizierung und Kartierung von Straßenschluchten bieten ein kostengünstiges Instrument zur Untersuchung der Auswirkungen komplexer und sich entwickelnder städtischer Canyongeometrie auf Veränderungen des Mikroklimas.