[論文レビュー] Urban Visual Intelligence: Studying Cities with AI and Street-level Imagery

Fan Zhanga, Arianna Salazar Miranda+7 more|arXiv (Cornell University)|Jan 2, 2023

Urban Design and Spatial Analysis被引用数 5

ひとこと要約

本論文は、街路レベルの画像とディープラーニングを活用して都市の物理的環境と社会経済的要因との相互作用を体系的に分析する概念的枠組みであるUrban Visual Intelligenceを提唱する。AI駆動の視覚的分析と都市理論を統合することで、空間的・時間的解像度がかつてないほど高いレベルで、都市の形状、認識、人的行動に関するスケーラブルでデータ駆動型の知見を可能にする。

ABSTRACT

The visual dimension of cities has been a fundamental subject in urban studies, since the pioneering work of scholars such as Sitte, Lynch, Arnheim, and Jacobs. Several decades later, big data and artificial intelligence (AI) are revolutionizing how people move, sense, and interact with cities. This paper reviews the literature on the appearance and function of cities to illustrate how visual information has been used to understand them. A conceptual framework, Urban Visual Intelligence, is introduced to systematically elaborate on how new image data sources and AI techniques are reshaping the way researchers perceive and measure cities, enabling the study of the physical environment and its interactions with socioeconomic environments at various scales. The paper argues that these new approaches enable researchers to revisit the classic urban theories and themes, and potentially help cities create environments that are more in line with human behaviors and aspirations in the digital age.

研究の動機と目的

• 視覚的データを用いた都市の場所の物理的環境を定量化するための標準的で体系的な手法の不足に応えること。
• 画像認識、社会的混乱、都市的美観といった概念を視覚的知能を通じて再評価することで、古典的都市理論と現代のAI・ビッグデータを結びつけること。
• 地理タグ付きの街路レベルの画像とディープラーニング技術を活用して、都市環境のスケーラブルで大規模な分析を可能にすること。
• 視覚的手がかりから地域の特徴、安全性、にぎわい具合に関する解釈可能で実行可能な知見を導出し、都市計画・設計を支援すること。
• 生成的AIモデルが学習した視覚的・知覚的パターンに基づいて、都市環境のシミュレーションと設計を可能にする可能性を調査すること。

提案手法

• 都市視覚分析の主なデータソースとして、Googleストリートビューなどの地理タグ付きの街路レベルの画像を活用する。
• 深層畳み込みニューラルネットワーク（DCNN）と生成的対抗ネットワーク（GAN）を用いて、都市風景の実際の表現を抽出および生成する。
• 転移学習と事前学習済みモデル（例：ResNet、VGG）を活用して、建物のスタイル、緑化、ごみ、車両の種別などの視覚的属性を分類する。
• シーン生成技術を統合し、ユーザー定義の入力（例：土地利用、建物密度、道路種別）に基づいて都市環境をシミュレートする。
• 解釈可能なAIモデルを用いて、物理的環境の特徴と社会経済的指標との間の因果関係を解明する。
• 空間的分析を適用して、異なるスケールにおける都市の物理的特徴の組織的パターンを特定する。

実験結果

リサーチクエスチョン

• RQ1 街路レベルの画像からの視覚的情報をどのように体系的に定量化し、都市の場所の物理的環境を表現できるか？
• RQ2 AI技術は、魅力的さ、安全性、にぎわい具合といった都市的質の測定をどのように向上させられるか？
• RQ3 グラフィティ、ごみ、車両種別といった視覚的情報は、地域の社会経済的および心理社会的指標とどのように相関するか？
• RQ4 生成的AIモデルは、知覚的・構造的入力に基づいて都市環境を正確にシミュレートおよび変更できるか？
• RQ5 都市の物理的環境の基本的構造を最も適切に表現する空間的スケールと組織的単位は何か？

主な発見

• 街路レベルの画像とディープラーニングを活用することで、伝統的な観察手法を上回る効率性とカバー範囲を実現し、都市の物理的環境に対するスケーラブルで高解像度の分析が可能になる。
• 画像から抽出された視覚的情報（例：破損した窓、グラフィティ、ごみ）は、地域における社会的混乱の信頼できる代理指標として機能する。
• 画像から導出された車両種別と所有パターンは、地域の人口統計的特徴と政治的傾向と相関しており、新たな社会経済的指標を提供する。
• 生成的対抗ネットワーク（GAN）は、学習された視覚的パターンに基づいて現実的な都市風景を生成でき、シナリオプランニングやデザインの探求を支援する。
• 解釈可能なAIモデルは、都市分析における交絡要因を明らかにし、ブラックボックスモデルに比べて政策に役立つ知見の信頼性を向上させる。
• このフレームワークは、都市の物理的特徴に一貫した空間的パターンが存在することを示唆しており、都市組織の潜在的な基本的空間的単位の存在を示唆している。