[論文レビュー] Quantitative Comparison of Open-Source Data for Fine-Grain Mapping of Land Use

Xueqing Deng, Shawn Newsam|arXiv (Cornell University)|Nov 9, 2017

Geographic Information Systems Studies参考文献 14被引用数 4

ひとこと要約

本研究では、アメリカンプランニングアソシエーションの基準に基づく新しい159クラスの土地利用分類体系を用いて、サンフランシスコにおける細分化された土地利用マッピングを目的として、Google プレイス、Bing マップ、ヤロウページ、OpenStreetMapの4つのオープンソースデータソースを評価した。一部のケースでは高い正確性を示したが、結果としてデータソース間の一致度が低く、公式データと比較して正確性も低いことが判明し、これらのデータセットだけでは信頼できる細分化された土地利用分類を実現するには不十分であることが示された。

ABSTRACT

This paper performs a quantitative comparison of open-source data available on the Internet for the fine-grain mapping of land use. Three points of interest (POI) data sources--Google Places, Bing Maps, and the Yellow Pages--and one volunteered geographic information data source--Open Street Map (OSM)--are compared with each other at the parcel level for San Francisco with respect to a proposed fine-grain land-use taxonomy. The sources are also compared to coarse-grain authoritative data which we consider to be the ground truth. Results show limited agreement among the data sources as well as limited accuracy with respect to the authoritative data even at coarse class granularity. We conclude that POI and OSM data do not appear to be sufficient alone for fine-grain land-use mapping.

研究の動機と目的

• パラセルレベルでの細分化された土地利用マッピングに適したオープンソースデータソースの妥当性を評価すること。
• アメリカンプランニングアソシエーションの基準に基づき、土地被覆とは別個の、159クラスの詳細な土地利用分類体系（LBCS）を確立すること。
• Google プレイス、Bing マップ、ヤロウページの3つのPOIソースと、OpenStreetMap（VGI）の1つのソースを、互いにおよび公式データと比較して性能を評価すること。
• 現在のオープンソースデータが、正確で細分化された土地利用分類を達成する上で抱える制限を定量化すること。
• 信頼できる土地利用マッピングを実現するために、データカバレッジのギャップと分類体系の整合性の欠如が及える障害要因を特定すること。

提案手法

• アメリカンプランニングアソシエーションの土地基盤分類基準（LBCS）に基づき、9つのレベル1、47つのレベル2、159のレベル3クラスを有する階層的で細分化された土地利用分類体系を構築した。
• サンフランシスコのパラセルレベルの土地利用データを、4つのソース（Google プレイス、Bing マップ、ヤロウページ、OpenStreetMap）から取得し、地理的に位置合わせした。
• 独自に開発したLBCS分類体系を、DataSFが提供する粗粒度の公式土地利用データと一致させ、比較的評価を可能にした。
• 公式データセットに対する各データソースの正確性を、粗粒度および細粒度の両レベルで精度（precision）と再現率（recall）の指標を用いて評価した。
• パラセルレベルでのデータソース間の一致度を測定するため、交差領域率（IoU）を計算し、異なる分類体系レベルで評価した。
• 定量的指標（精度、再現率、F1スコア）と視覚的検査を組み合わせた比較分析を実施し、分類ラベルおよび分類体系の整合性のずれを特定した。

実験結果

リサーチクエスチョン

• RQ1 Google プレイス、Bing マップ、ヤロウページ、OpenStreetMapの4つのオープンソースデータソースは、パラセルレベルにおける細分化された土地利用分類において、互いにどの程度一致しているか？
• RQ2 粗粒度の公式土地利用データセットと比較した場合、これらのオープンソースデータソースは、どの程度の妥当な精度（precision）と再現率（recall）を達成しているか？
• RQ3 分類体系の不一致とデータの粒度の違いは、オープンソースソースを用いた土地利用マッピングの信頼性にどのように影響するか？
• RQ4 特に米国都市部の文脈において、POIおよびVGIデータの主な制限は何か？
• RQ5 オープンソースデータソースを統合することで、土地利用分類の正確性を向上させられるか、それとも追加のデータソースが必要か？

主な発見

• Google プレイスとヤロウページは、データソース間で最も高い一致度を示し、クラス2000（一般販売またはサービス）のレベル1分類において最大49.33％の一致を達成した。
• Bing マップはCIEクラスにおいて非常に低い再現率（0.01）と精度（0.56）を示したが、これは主にデータセットサイズが小さいことが要因であった。
• OSMはRESIDENTクラスにおいて精度0.81、再現率0.16を達成し、高い正確性だがカバー範囲が限定的であることが示された。これは、施設の機能的POIではなく、住宅地域に焦点を当てたことによるものである。
• VISITORクラスにおいて、OSMは高い精度（0.89、53件中47件が正しくラベル付け）を示したが、再現率は低く（0.09）だった。これは、OSMが自らラベル付けしたパラセルの多くを正しく特定できたが、真の事例の多くを見逃していたことを示している。
• OSMとPOIソース間の一致度は全体的に低く、OSMは1000クラスのパラセルの多くを「個人住宅（1100）」とラベル付けした一方、POIソースはそれらを「ホテルまたは宿泊施設（1300）」とラベル付けした。これは根本的な分類体系の不一致を示している。
• どのデータソースに対しても、粗粒度レベルでの精度と再現率が両方とも0.5を超えるクラスは存在しなかった。これは、広い土地利用カテゴリですら、信頼性に欠ける可能性を示している。