[논문 리뷰] Jane Jacobs in the Sky: Predicting Urban Vitality with Open Satellite Data

Sanja Šćepanović, Sagar Joglekar외 2명|arXiv (Cornell University)|2021. 01. 28.

Impact of Light on Environment and Health참고 문헌 51인용 수 4

한 줄 요약

이 논문은 공공으로 제공되는 Sentinel-2 위성 영상을 사용하여 도시의 활기를 예측하는 딥러닝 프레임워크를 제안한다. 도시 활기의 정의는 하루 동안의 보행자 활동으로, 특히 제인 잭슨의 도시 활기의 네 가지 생성자 중에서 토지 이용 다각성과 소규모 블록 크기와 관련된 시각적 특징을 자동으로 추출한다. 이 방법은 이탈리아의 여섯 도시에서 평균적으로 활기의 변동성의 55%를 설명하며, 피렌체(61%)와 밀라노(50%)와 같은 새로운 도시로의 일반화 능력이 뛰어나지만, 로마에서는 고유한 도시 형태로 인해 성능이 저하된다.

ABSTRACT

The presence of people in an urban area throughout the day -- often called 'urban vitality' -- is one of the qualities world-class cities aspire to the most, yet it is one of the hardest to achieve. Back in the 1970s, Jane Jacobs theorized urban vitality and found that there are four conditions required for the promotion of life in cities: diversity of land use, small block sizes, the mix of economic activities, and concentration of people. To build proxies for those four conditions and ultimately test Jane Jacobs's theory at scale, researchers have had to collect both private and public data from a variety of sources, and that took decades. Here we propose the use of one single source of data, which happens to be publicly available: Sentinel-2 satellite imagery. In particular, since the first two conditions (diversity of land use and small block sizes) are visible to the naked eye from satellite imagery, we tested whether we could automatically extract them with a state-of-the-art deep-learning framework and whether, in the end, the extracted features could predict vitality. In six Italian cities for which we had call data records, we found that our framework is able to explain on average 55% of the variance in urban vitality extracted from those records.

연구 동기 및 목표

• 제인 잭슨의 도시 활기의 네 가지 생성자—토지 이용 다각성, 소규모 블록 크기, 경제 활동의 혼합, 인구 집중—이 위성 영상에서 예측 가능한지 테스트하는 것.
• 사설 또는 다중 소스 데이터에 의존하지 않고, 공공으로 제공되는 Sentinel-2 위성 영상만을 사용하여 도시 활기를 평가할 수 있는 확장 가능하고 데이터 효율적인 방법을 개발하는 것.
• 위성 영상에서 추출한 시각적 특징이 실제로 도시 활기를 얼마나 잘 예측할 수 있는지, 이동 전화 통화 기록을 대체 지표로 사용하여 평가하는 것.
• 특히 역사적 또는 문화적 도시 형태를 지닌 도시에서의 다양한 도시 환경으로의 일반화 능력을 평가하는 것.
• 특히 개발도상국과 같은 데이터가 부족한 지역에서 도시 계획가 및 정책 입안자들이 사용할 수 있는 저비용, 오픈소스 프레임워크를 제공하는 것.

제안 방법

• 프레임워크는 도시 영역을 작은 영상 조각으로 나누어 ‘이미지릿(imagelets)’으로 간주함으로써 국지적인 도시 형태를 캡처한다.
• 최신 기술의 딥러닝 모델(ResNet 기반)이 각 이미지릿에서 시각적 특징을 추출하여 도시 형태와 관련된 공간적 및 스펙트럼적 패턴을 인코딩한다.
• 이러한 국지적 특징은 평균 풀링을 통해 평균화되어 도시 지구 수준의 특징 벡터로 집계되며, 도시 지구의 시각적 특성을 대표한다.
• 모델은 라벨이 부여된 도시 지구를 대상으로 지도 학습을 통해 제인 잭슨의 두 생성자인 토지 이용 다각성과 블록 크기를 예측하도록 훈련된다.
• 모델의 두 번째 헤드는 동일한 특징 벡터에서 이동 전화 기록(CDRs)을 참조 지표로 삼아 도시 활기를 직접 예측한다.
• 모델 성능은 5겹 교차 검증과 '한 도시 제외' 검증을 통해 도시 간 일반화 능력을 테스트한다.

실험 결과

연구 질문

• RQ1 공공 또는 보조 데이터에 의존하지 않고, Sentinel-2 위성 영상에서 추출한 시각적 특징이 도시 활기의 두 가지 가장 눈에 띄는 생성자인 토지 이용 다각성과 소규모 블록 크기를 예측할 수 있는가?
• RQ2 위성 영상에서만 훈련된 딥러닝 모델이 이동 전화 기록으로 측정된 실제 도시 활기를 어느 정도 잘 예측할 수 있는가?
• RQ3 특히 역사적, 문화적 또는 도시 형태가 뚜렷한 특징을 지닌 도시에 대해 모델의 일반화 능력은 얼마나 뛰어나며, 어떤 도시에서 성능이 떨어지는가?
• RQ4 로마와 같은 도시에서 모델 성능이 저하되는 주요 요인은 무엇이며, 이러한 환경에서 모델을 어떻게 향상시킬 수 있는가?
• RQ5 이 접근 방식은 기존의 데이터 집약적인 도시 활기 평가 방식에 비해 확장 가능하고, 오픈소스이며 저비용의 대안이 될 수 있는가?

주요 결과

• 모델은 이탈리아 여섯 도시에서 위성 유도 특징에서 도시 활기의 변동성의 평균 55%를 설명하며, 조정된 R²로 측정된다.
• 한 도시 제외 검증에서, 피렌체의 경우 R²가 61%로 높고, 밀라노의 경우 50%로, 동일한 지리적 및 문화적 맥락 내에서의 새로운 도시로의 일반화 능력이 뛰어나다.
• 로마에서는 성능이 크게 저하되어 R²가 오직 25%에 그쳤으며, 주로 훈련에 사용된 현대적 도시 형태와는 대비되는 고유한 역사적 도시 구조가 원인이다.
• 이 연구는 제인 잭슨의 核심 생성자 중 두 가지인 토지 이용 다각성과 소규모 블록 크기의 특징이 딥러닝을 통해 위성 영상에서 효과적으로 유추될 수 있음을 확인한다.
• 모델의 예측 결과는 실제 발걸음 수가 아니라 활기 잠재력에 기반하므로, 패닉 봉쇄와 같은 단기적 충격을 반영하지 못할 수 있다.
• 향후 향상 가능성은 다중 모odal 데이터(예: 소셜 미디어, 이동성 데이터) 통합과 더 높은 해상도의 위성 영상으로 더 정밀한 공간적 세부 정보를 확보하는 데서 유추된다.