[論文レビュー] Leveraging Data Driven Approaches to Quantify the Impact of Construction Projects on Urban Quality of Life

Zhengbo Zou, Semiha Ergan|arXiv (Cornell University)|Jan 25, 2019

Occupational Health and Safety Research参考文献 62被引用数 4

ひとこと要約

本稿では、ニューヨーク市から入手可能なオープンデータを用いて、建設プロジェクトが都市の生活品質に与える影響をデータ駆動型フレームワークで定量化する手法を提案する。311サービス要請と27件の道路工事プロジェクトを分析した結果、時間経過とともに増加する苦情が確認された。特に騒音、大気質、清掃に関する苦情が顕著であり、機械学習モデルを用いた苦情傾向の予測において決定係数R²が0.67に達した。

ABSTRACT

According to the World Bank, more than half of the world's population now lives in cities, creating burdens on the degraded city infrastructures and driving up the demand for new ones. Construction sites are abundant in already dense cities and have unavoidable impacts on surrounding environments and residents. However, such impacts were rarely quantified and made available to construction teams and local agencies to inform their planning decisions. A challenge in achieving this was the lack of availability of data that can provide insights about how urban residents respond to changes in their environment due to construction projects. Wider availability of data from city agencies nowadays provides opportunities for having such analysis possible. This paper provides the details of a generic data-driven approach that enables the analysis of impact of construction projects on quality of life in urban settings through the quantification of change on widely accepted quality of life indicators in cities. This paper also evaluated the approach using data from publicly construction projects' information and open city data portals from New York City. Historical 311 Service Requests along with 27 road reconstruction projects were used as testbeds. The results showed that 61% of the projects analyzed in this testbed experienced higher 311 requests after the commencement of construction, with main complaints of 'noise', 'air quality', and 'sewer' at the beginning of construction, and 'sanitation' and 'waste' towards the end. Prediction models, built using regression machine learning algorithms, achieved an R-Squared value of 0.67. The approach is capable of providing insights for government agencies and construction companies to take proactive actions based on expected complaint types through different phases of construction.

研究の動機と目的

• 建設プロジェクトが都市住民の生活品質に与える影響を定量化するデータが不足しているという問題に対処すること。
• 公的に入手可能な都市データを用いて、建設に関連する住民の苦情を特定および分析すること。
• 異なる工事フェーズにおいて建設影響を評価するスケーラブルでデータ駆動型の手法を開発すること。
• 予測的インサイトを活用して建設チームおよび都市当局が事前に計画を立てるのを可能にすること。
• ニューヨーク市の311サービス要請および道路再建設プロジェクトの実データを用いて、アプローチの妥当性を検証すること。

提案手法

• 建設活動に関連する住民の苦情の代理指標として、歴史的な311サービス要請を用いる。
• 都市ポータルから入手可能なオープンデータを統合し、27件の道路再建設プロジェクトの工事開始日、場所、期間を含む。
• 時間系列分析を用いて、工事前、工事中、工事後の苦情件数の変化を追跡する。
• プロジェクトのスケジュールおよび特徴に基づいて、苦情の種別と件数を予測する回帰ベースの機械学習モデルを適用する。
• 311要請テキストの自然言語処理を用いて、騒音、大気質、清掃、ごみ、下水などのカテゴリに苦情を分類する。
• 決定係数（R-squared）を用いてモデルの性能を検証し、苦情傾向の予測精度を評価する。

実験結果

リサーチクエスチョン

• RQ1 建設プロジェクトは、時間経過とともに都市の生活品質に関連する住民の苦情にどのように影響を与えるか？
• RQ2 騒音、大気質、清掃などの種別ごとに、建設のどのフェーズで苦情が最も多くなるか？
• RQ3 機械学習モデルは、プロジェクトデータに基づいて苦情の件数と種別をどの程度正確に予測できるか？
• RQ4 311サービス要請のようなオープンデータソースは、建設が都市住民に与える影響を信頼性を持って反映できるか？
• RQ5 建設プロジェクトの異なるフェーズにおいて、都市の生活品質が低下する主な指標は何か？

主な発見

• 分析対象の27件の道路再建設プロジェクトのうち61％が、工事開始後に311サービス要請の件数が増加した。
• 騒音、大気質、下水に関する苦情が、建設プロジェクトの開始当初に最も多く見られた。
• 清掃およびごみ関連の苦情は、建設プロジェクトの終了に近づくにつれて顕著に増加した。
• 機械学習予測モデルは、プロジェクトフェーズ全体にわたる苦情傾向の予測において、決定係数R²が0.67に達した。
• データ駆動型アプローチにより、住民の苦情の時間的パターンを効果的に特定でき、フェーズ別影響評価が可能になった。
• 311データとプロジェクトメタデータの統合は、都市計画および建設管理に応用可能なスケーラブルな手法を提供した。