Studies evaluating bikeability usually compute spatial indicators shaping cycling conditions and conflate them in a quantitative index. Much research involves site visits or conventional geospatial approaches, and few studies have leveraged street view imagery (SVI) for conducting virtual audits. These have assessed a limited range of aspects, and not all have been automated using computer vision (CV). Furthermore, studies have not yet zeroed in on gauging the usability of these technologies thoroughly. We investigate, with experiments at a fine spatial scale and across multiple geographies (Singapore and Tokyo), whether we can use SVI and CV to assess bikeability comprehensively. Extending related work, we develop an exhaustive index of bikeability composed of 34 indicators. The results suggest that SVI and CV are adequate to evaluate bikeability in cities comprehensively. As they outperformed non-SVI counterparts by a wide margin, SVI indicators are also found to be superior in assessing urban bikeability and potentially can be used independently, replacing traditional techniques. However, the paper exposes some limitations, suggesting that the best way forward is combining both SVI and non-SVI approaches. The new bikeability index presents a contribution in transportation and urban analytics, and it is scalable to assess cycling appeal widely.

评估自行车性能的研究通常会计算影响骑行条件的空间指标，并将它们合并为一个定量指标。许多研究涉及现场访问或传统的地理空间方法，很少有研究利用街景图像 (SVI) 进行虚拟审计。这些评估了有限范围的方面，并非所有方面都已使用计算机视觉 (CV) 实现自动化。此外，研究尚未集中在彻底衡量这些技术的可用性上。我们通过在精细空间尺度上和跨多个地理区域（新加坡和东京）的实验来调查我们是否可以使用 SVI 和 CV 来全面评估可骑行性。扩展相关工作，我们开发了一个由 34 个指标组成的详尽的自行车性能指标。结果表明，SVI 和 CV 足以全面评估城市的可骑行性。由于它们的表现远远优于非 SVI 指标，因此 SVI 指标也被发现在评估城市可骑行性方面更胜一筹，并且有可能独立使用，取代传统技术。然而，该论文暴露了一些局限性，表明最好的方法是结合 SVI 和非 SVI 方法。新的自行车适宜性指数对交通和城市分析做出了贡献，并且可以扩展以广泛评估自行车的吸引力。该论文暴露了一些局限性，表明最好的方法是结合 SVI 和非 SVI 方法。新的自行车适宜性指数对交通和城市分析做出了贡献，并且可以扩展以广泛评估自行车的吸引力。该论文暴露了一些局限性，表明最好的方法是结合 SVI 和非 SVI 方法。新的自行车适宜性指数对交通和城市分析做出了贡献，并且可以扩展以广泛评估自行车的吸引力。