a városi kanyon osztályozása fontos szerepet játszik a városi kanyon geometriájának a városi morfológiára és mikroklímákra gyakorolt hatásának elemzésében. A meglévő osztályozási módszerek a képarányok használatával nagyszámú terepi felmérést igényelnek, amelyek gyakran drágák és fáradságosak. Sőt, ezeknek a módszereknek nehéz kezelni az utcai kanyonok összetett geometriáját, amelyet gyakran speciális alkalmazások igényelnek. E nehézségek leküzdése érdekében kidolgozunk egy street canyon osztályozási megközelítést a nyilvánosan elérhető Google Street View (GSV) képek felhasználásával. Módszerünket a sűrűn összekapcsolt konvolúciós hálózatokon (DenseNets) alapuló mély multitask tanulás legújabb fejleményei inspirálják, és több utcai kanyon osztályozásra, azaz H/W-alapú (1.szint), szimmetria-alapú (2. szint) és komplex-geometria-alapú (3. szint) osztályozásokra szabják. Kísérletsorozatot végeztünk a javasolt módszer ellenőrzésére. Először Hong Kong területét véve példaként, a módszer 89,3% – os, 86,6% – os, illetve 86,1% – os pontosságot ért el a három szint esetében. Még a terepi felmérési adatokat is alapul véve, körülbelül 80% – ot nyert a különböző szinteken. Ezután öt másik városban teszteltük az előképzett modellünket, és összehasonlítottuk az eredményeket a hagyományos módszerekkel. Igazolták a rendszer átruházhatóságát és hatékonyságát. Végül, a bonyolultabb utcageometria ábrázolásának gazdagítása érdekében a megközelítés külön-külön tematikus térképeket készíthet az utcai kanyonokról több szinten, hogy jobban megkönnyítse a mikroklimatikus vizsgálatokat nagy sűrűségű épített környezetekben. Az utcai kanyonok osztályozására és feltérképezésére kifejlesztett technikák költséghatékony eszközt nyújtanak a komplex és fejlődő városi kanyon geometria mikroklíma változásokra gyakorolt hatásának tanulmányozásához.