[논문 리뷰] Mapping parcel-level urban areas for a large geographical area

Ying Long, Yao Shen|arXiv (Cornell University)|2014. 03. 24.

Land Use and Ecosystem Services참고 문헌 47인용 수 30

한 줄 요약

이 논문은 오즈너스 서베이 데이터와 포인트 오브 인터레스트(POIs)를 사용하여 파라셀 수준의 도시 영역 매핑 프레임워크를 자동으로 제안한다. 파라셀 수준의 밀도, 주변 조건, 기능적 특성 등을 통합한 벡터 세포자기 모델을 적용하여, 중국 전역의 654개 도시에서 세밀한 도시 경계 설정을 달성한다. 이는 중해상도 위성 영상이나 인구 밀도 기반 접근 방식에 비해 더 일관되고 효율적이며 고해상도의 대안을 제공한다.

ABSTRACT

As a vital indicator for measuring urban development, urban areas are expected to be identified explicitly and conveniently with widely available dataset thereby benefiting the planning decisions and relevant urban studies. Existing approaches to identify urban areas normally based on mid-resolution sensing dataset, socioeconomic information (e.g. population density) generally associate with low-resolution in space, e.g. cells with several square kilometers or even larger towns/wards. Yet, few of them pay attention to defining urban areas with micro data in a fine-scaled manner with large extend scale by incorporating the morphological and functional characteristics. This paper investigates an automated framework to delineate urban areas in the parcel level, using increasingly available ordnance surveys for generating all parcels (or geo-units) and ubiquitous points of interest (POIs) for inferring density of each parcel. A vector cellular automata model was adopted for identifying urban parcels from all generated parcels, taking into account density, neighborhood condition, and other spatial variables of each parcel. We applied this approach for mapping urban areas of all 654 Chinese cities and compared them with those interpreted from mid-resolution remote sensing images and inferred by population density and road intersections. Our proposed framework is proved to be more straight-forward, time-saving and fine-scaled, compared with other existing ones, and reclaim the need for consistency, efficiency and availability in defining urban areas with well-consideration of omnipresent spatial and functional factors across cities.

연구 동기 및 목표

• 미세 수준의 데이터를 활용하여 대규모 지리적 영역에서 세밀하고 일관된 도시 영역 경계 설정의 부족을 해결하기 위해.
• 공간 해상도가 떨어지는 중해상도 위성 영상 및 인구 밀도 기반 방법의 한계를 극복하기 위해.
• 파라셀 수준에서 자동화되고 확장 가능한 도시 영역 매핑 프레임워크를 개발하기 위해.
• 향상된 도시 경계 검출을 위해 형태학적 및 기능적 도시 특성을 통합하기 위해.
• 다양한 중국 도시에서 일관성, 효율성, 그리고 도시 영역 정의의 가용성을 확보하기 위해.

제안 방법

• 모든 654개 중국 도시 전역에 걸쳐 지오유닛(파라셀)을 포괄적으로 생성하기 위해 오즈너스 서베이 데이터를 활용한다.
• 파라셀 수준에서 지역 밀도와 기능적 특성을 추론하기 위해 포인트 오브 인터레스트(POIs)를 활용한다.
• 각 파라셀을 밀도, 주변 조건, 공간적 맥락 기반으로 평가하는 벡터 세포자기 모델을 적용한다.
• 도로 접근성, 용도지역, POI 집중도와 같은 공간 변수를 통합하여 도시 파라셀 분류를 안내한다.
• 지역 조건과 공간적 종속성을 기반으로 도시 상태를 전파하는 반복적 인접 규칙을 사용한다.
• 결과를 중해상도 위성 영상 해석 및 인구 밀도/노선 교차 기반 추론과 비교하여 검증한다.

실험 결과

연구 질문

• RQ1 열린 접근성 있는 공간 데이터와 POIs만을 사용하여 파라셀 수준의 도시 영역을 정확하게 매핑할 수 있는가?
• RQ2 벡터 세포자기 모델은 대규모 지리적 영역에서 파라셀 척도의 도시 경계 식별에 얼마나 효과적인가?
• RQ3 형태학적 및 기능적 요소를 통합할 경우, 전통적인 밀도 기반 방법에 비해 도시 경계 설정의 정확도는 어느 정도 향상되는가?
• RQ4 이 프레임워크는 중국 내 다양한 도시 환경에서 얼마나 일관되고 효율적인가?
• RQ5 이 방법은 중해상도 위성 영상이나 인구 기반 접근 방식보다 더 높은 공간 해상도와 더 높은 정확도를 달성할 수 있는가?

주요 결과

• 제안된 프레임워크는 기존 방법에 비해 공간 해상도를 크게 향상시켜 파라셀 수준에서 세밀한 도시 영역 매핑을 가능하게 한다.
• 수동 해석이나 인구 밀도 기반 접근 방식에 비해 시간 효율성이 뛰어나고 더 간단하다.
• POI에서 유도된 밀도와 공간 맥락의 통합은 도시 경계 검출 정확도를 향상시킨다.
• 벡터 세포자기 모델은 이질적인 도시 환경 전역에서 도시 형태학적 및 기능적 패턴을 성공적으로 포착한다.
• 검증 결과, 위성 영상 및 인구 기반 해석과 비교해 본다면 이 방법은 더 일관된 도시 영역 경계 설정을 생성한다.
• 이 프레임워크는 확장 가능하며, 전국 654개 중국 도시에서의 적용을 통해 대규모 지리적 영역에 적용 가능한 것으로 입증되었다.