[논문 리뷰] Are Safer Looking Neighborhoods More Lively? A Multimodal Investigation into Urban Life

Marco De Nadai, Radu L. Vieriu외 7명|arXiv (Cornell University)|2016. 08. 01.

Urban Design and Spatial Analysis참고 문헌 41인용 수 16

한 줄 요약

이 연구는 모바일 휴대폰 데이터(활기찬 정도의 대체 지표로 사용)와 구글 스트리트 뷰 이미지에 기반한 딥러닝 모델을 결합하여, 안전하게 느껴지는 이웃 지역이 실제로 더 활기찬 활동 수준을 보이는지 조사한다. 결과적으로 안전하게 보이는 이웃 지역은 특히 여성과 노인층에서 더 높은 활동 수준을 보이며, 녹지와 거리에 인접한 창문이 안전감을 높이는 주요 시각적 단서로 나타났다.

ABSTRACT

Policy makers, urban planners, architects, sociologists, and economists are interested in creating urban areas that are both lively and safe. But are the safety and liveliness of neighborhoods independent characteristics? Or are they just two sides of the same coin? In a world where people avoid unsafe looking places, neighborhoods that look unsafe will be less lively, and will fail to harness the natural surveillance of human activity. But in a world where the preference for safe looking neighborhoods is small, the connection between the perception of safety and liveliness will be either weak or nonexistent. In this paper we explore the connection between the levels of activity and the perception of safety of neighborhoods in two major Italian cities by combining mobile phone data (as a proxy for activity or liveliness) with scores of perceived safety estimated using a Convolutional Neural Network trained on a dataset of Google Street View images scored using a crowdsourced visual perception survey. We find that: (i) safer looking neighborhoods are more active than what is expected from their population density, employee density, and distance to the city centre; and (ii) that the correlation between appearance of safety and activity is positive, strong, and significant, for females and people over 50, but negative for people under 30, suggesting that the behavioral impact of perception depends on the demographic of the population. Finally, we use occlusion techniques to identify the urban features that contribute to the appearance of safety, finding that greenery and street facing windows contribute to a positive appearance of safety (in agreement with Oscar Newman's defensible space theory). These results suggest that urban appearance modulates levels of human activity and, consequently, a neighborhood's rate of natural surveillance.

연구 동기 및 목표

• 도시 이면의 인식된 안전성과 실제 인간 활동 수준 간의 상관관계를 조사하기 위해.
• 연령과 성별과 같은 디모그래픽 요소가 인식된 안전성과 이면의 활기 사이의 관계를 어떻게 조절하는지 조사하기 위해.
• 딥러닝을 활용해 특정 시각적 도시 요소가 안전감 인식에 기여하는 바를 특정하기 위해.
• 인구 밀도와 도심 중심까지의 거리와 같은 기존 도시 지표 외에, 외관상 안전성이 활동에 독립적으로 예측 가능한지 테스트하기 위해.

제안 방법

• 구글 스트리트 뷰 이미지에 대한 커뮤니티 기반 평가 데이터를 기반으로 컨볼루션 신경망(CNN)을 훈련시어 도시 이면의 인식된 안전성을 예측한다.
• 로마와 밀라노 전역의 도시 셀에서 인간 활동(활기)의 대체 지표로 모바일 폰 통화 기록 세부 정보를 사용한다.
• 공간적으로 필터링된 다변량 회귀 모델을 적용하여, 인구 밀도, 고용 밀도, 도심 중심까지의 거리를 통제하면서 인식된 안전성의 영향을 고립시킨다.
• 오염 감도 분석을 활용하여 CNN의 안전감 인식 예측에 가장 영향을 주는 이미지 영역을 특정한다.
• 특정 디모그래픽 그룹(예: 30세 이하, 50세 이상, 여성)에 대해 별도의 회귀 분석을 수행하여 인식된 안전성에 대한 행동 반응의 차이를 평가한다.
• 도시 데이터의 공간 자기상관성을 보완하기 위해 공간 고유벡터를 사용한다.

실험 결과

연구 질문

• RQ1 이웃의 인식된 안전성과 실제 인간 활동 수준 간에 유의미한 상관관계가 존재하는가?
• RQ2 안전감 인식이 활동의 디모그래픽 구성, 특히 연령과 성별에 따라 어떻게 영향을 주는가?
• RQ3 도시 거리 풍경에서 안전감 인식에 가장 강하게 기여하는 특정 시각적 특징는 무엇인가?
• RQ4 인구 밀도 및 위치와 같은 핵심 도시 지표를 통제한 후에도 인식된 안전성이 활기와의 관계에서 지속되는가?

주요 결과

• 인구 밀도, 고용 밀도, 도심 중심까지의 거리에 기반한 예측을 초월해, 더 안전하게 보이는 이웃 지역은 더 높은 인간 활동 수준을 보인다.
• 인식된 안전성과 활동 간의 긍정적 상관관계는 여성과 50세 이상의 개인에서 가장 강력하며, 이들은 더 안전하게 보이는 지역을 더 자주 이용한다.
• 30세 미만의 사람들은 인식된 안전성과 활동 간의 상관관계가 부정적임을 보여, 젊은 인구는 덜 안전하게 보이는 지역에서 더 활발히 활동한다.
• 오염 분석 결과, 거리에 인접한 창문과 녹지가 안전감 인식을 높이는 핵심 시각적 특징임을 확인하였으며, 이는 방어적 공간 이론을 뒷받침한다.
• 디모그래픽 및 지리적 변수를 통제한 후에도 외관상 안전성이 활동 예측에 유의미한 영향을 미침을 확인하였으며, 이는 행동에 비중 있는 영향이 있음을 시사한다.
• 활동의 공간 분포에는 유의미한 공간 자기상관성이 존재하였으며, 이는 회귀 모델에서 공간 고유벡터를 활용해 보완하였다.