Klasyfikacja Kanionu Miejskiego odgrywa ważną rolę w analizie wpływu geometrii kanionu miejskiego na morfologię i mikroklimat miejski. Istniejące metody klasyfikacji wykorzystujące współczynniki proporcji wymagają dużej liczby badań terenowych, które często są kosztowne i pracochłonne. Co więcej, Metody te są trudne do obsługi złożonej geometrii kanionów ulicznych, która jest często wymagana przez konkretne zastosowania. Aby przezwyciężyć te trudności, opracowujemy podejście do klasyfikacji kanionów ulicznych przy użyciu publicznie dostępnych obrazów Google Street View (GSV). Nasza metoda jest inspirowana najnowszymi osiągnięciami głębokiego uczenia wielozadaniowego opartego na gęsto połączonych sieciach konwolucyjnych (DenseNets) i dostosowana do wielu klasyfikacji kanionów ulicznych, tj. na podstawie H/W (Poziom 1), symetrii (Poziom 2) i złożonych geometrii (Poziom 3). Przeprowadziliśmy serię eksperymentów, aby zweryfikować proponowaną metodę. Po pierwsze, biorąc za przykład obszar Hongkongu, metoda osiągnęła dokładność odpowiednio 89,3%, 86,6% i 86,1% dla trzech poziomów. Nawet używając danych z badań terenowych jako prawdy gruntowej, zyskał około 80% dla różnych poziomów. Następnie przetestowaliśmy nasz model wstępnego szkolenia w pięciu innych miastach i porównaliśmy wyniki z tradycyjnymi metodami. Wykazano możliwość przenoszenia i skuteczność programu. Wreszcie, aby wzbogacić reprezentację bardziej skomplikowanej geometrii ulicy, podejście może oddzielnie generować tematyczne mapy kanionów ulicznych na wielu poziomach, aby lepiej ułatwić badania mikroklimatyczne w środowiskach o dużej gęstości budynków. Opracowane techniki klasyfikacji i mapowania kanionów ulicznych stanowią ekonomiczne narzędzie do badania wpływu złożonej i ewoluującej geometrii kanionów miejskich na zmiany mikroklimatu.