历史街区作为重要的公共空间,反应了当地的地域特色、景观面貌、历史文脉,展示了一个城市的外在形象与精神内涵。为进一步满足人们对高品质生活的追求,加快城市空间转型升级的步伐,历史街区逐渐成为各地重点更新和大力打造的对象。随着更新开发工作的展开,历史街区显现出了缺乏原真性、环境均质化、地域风貌特征缺失等问题。究其原因,主要在于目前的相关政策法规和学术研究相对滞后,对于历史街区视听环境的研究还不够深入,尚未建立完善的历史街区视听环境评价体系。本研究以我国住房和城乡建设部、文物局等单位共同评选的历史文化名镇中的历史街区为研究对象,从视觉感知和听觉感知的层面上对历史街区的整体环境进行较为系统的研究,并建立了一个较为准确的历史街区视听环境评价模型,以期对解决该问题提供一定的思路和技术支持。本文通过跨学科的形式,运用大数据的研究方法,对新浪微博中与研究对象有关的声景评价文本和街景图片进行了集中采集,并使用文本分析软件和街景识图工具,对声景和视觉景观要素进行了量化研究,得出了我国各个地区的历史街区的基本视听环境特征。在对量化的声景评分与10种视觉要素占比进行相关性分析后发现,声景评分仅与少部分视觉要素占比之间在统计学上显示出了较弱的相关性,与近一半的视觉要素占比之间并未体现出显著的相关性。由此得出,判断一个历史街区视听环境质量的好坏,不能仅局限于量化的视听环境数据的数值大小,还需要将主观评价也纳入评价范围的结论。随后,本研究在后续的研究工作中加入了基于微信小程序“声景云”的在线评价平台的研究,尝试运用内置于该在线评价平台的评价问卷来实现对历史街区视听环境的主观评价数据的获取。该平台除了采集声压级大小、街景图片的视觉要素占比等客观测试数据外,还让受访者对声景偏好、声景期待、8个描述主观感受语义形容词、声景满意度、视觉景观满意度、总体环境满意度进行了主观问卷评价。基于上述的数据结果,本研究还进行了相关性分析和线性回归分析。经分析发现,大多数的数据之间在统计学上存在显著的相关性,但线性回归的拟合情况不够理想,难以形成有效的线性回归模型。在线性回归模型难以建立的情况下,本研究运用了基于机器学习的非线性模型来对历史街区的视听环境进行评价预测。基于Python语言,研究使用Anaconda和VS Code为平台的基础,选取CART算法,构建了适用于历史街区视听环境评价和预测的4种决策树模型。经比较后,选取了最大决策树深度为6,预测准确率为76%的模型作为历史街区视听环境评价的最终模型。为了让模型的运行过程更加清楚,本研究还对其分类预测过程进行了可视化处理。为进一步确认该模型在实际使用中的可靠程度,本研究还在重庆市范围内选取了3处历史街区进行验证,实践验证的模型准确率为67.8%,比理论运算准确率的76%要稍低一些,但其仍然具有一定的应用和深化研究的价值。本研究通过基于大数据的客观视听环境数据研究和基于在线评价平台的主观视听环境评价研究,不仅将客观的定量研究和主观的定性研究相结合,还将声景研究和视觉景观研究相结合,讨论了视听感受之间的交互作用和互相影响的因素,弥补了部分前人的研究空白,为历史街区的建筑设计、景观营造等方面提供有效的参考。同时,本研究中构建的基于机器学习的评价模型也能在历史街区的空间规划、更新开发等工作中,为决策者提供一定的技术支持。