[논문 리뷰] Street Sense: Learning from Google Street View

Suriyan Laohaprapanon, Kimberly Ortleb외 1명|arXiv (Cornell University)|2018. 07. 10.

Geographic Information Systems Studies인용 수 3

한 줄 요약

이 논문은 Google 스트리트 뷰 영상과 아마존 메카니컬 터크를 통한 군중 라벨링을 조합하여, 도로 세그먼트의 무작위 샘플링을 통해 공공 인프라 품질을 가용하고 저비용으로 평가할 수 있는 확장 가능한 방법을 제안한다. 주요 발견은 자카르타의 도로에서 파손된 구멍이 다른 도시보다 거의 4배 많으며, 전체 세그먼트의 23%가 영향을 받았다는 것이다. 반면, 미시간 주 웨인 카운티는 수입-품질 기울기가 뚜렷하게 나타나, 높은 수입 지역에서 훨씬 적은 수의 파손된 구멍을 보였다.

ABSTRACT

How good are the public services and the public infrastructure? Does their quality vary by income? These are vital questions---they shed light on how well the government is doing its job, the consequences of disparities in local funding, etc. But there is little good data on many of these questions. We fill this gap by describing a scalable method of getting data on one crucial piece of public infrastructure: roads. We assess the quality of roads and sidewalks by exploiting data from Google Street View. We randomly sample locations on major roads, query Google Street View images for those locations and code the images using Amazon's Mechanical Turk. We apply this method to assess the quality of roads in Bangkok, Jakarta, Lagos, and Wayne County, Michigan. Jakarta's roads have nearly four times the potholes than roads of any other city. Surprisingly, the proportion of road segments with potholes in Bangkok, Lagos, and Wayne is about the same, between .06 and .07. Using the data, we also estimate the relation between the condition of the roads and local income in Wayne, MI. We find that roads in more affluent census tracts have somewhat fewer potholes.

연구 동기 및 목표

• 데이터가 부족한 도시 환경에서 공공 인프라 품질을 측정하기 위한 확장 가능하고 비용 효율적인 방법을 개발하는 것.
• 특히 미국의 맥락에서 도로 품질 격차가 지역 수입 수준과 관련이 있는지 조사하는 것.
• Google 스트리트 뷰와 군중 라벨링이 대규모 실생활 인프라 모니터링에 어떻게 활용될 수 있는지 보여주는 것.
• 자동화된 기계 학습 시스템이 대규모로 인프라 상태를 모니터링할 수 있도록 기반을 마련할 수 있는 라벨링된 데이터셋을 구축하는 것.

제안 방법

• 주요 도로, 보조 도로, 제3급 도로 및 주요 간선도로를 OpenStreetMap 데이터를 사용해 식별하고 0.5km 세그먼트로 분할한다.
• 공개 소스 지리 샘플링 파이썬 패키지를 활용해 효율적인 공간 샘플링을 위한 무작위 샘플링을 수행한다.
• 각 샘플링된 세그먼트의 시작 좌표를 기준으로 Google 스트리트 뷰 API를 호출하여 도로 수준의 영상을 확보한다.
• 아마존 메카니컬 터크를 통한 군중 라벨링을 활용해 도로 상태(파손된 구멍, 균열, 쓰레기, 보도 품질 등)를 코드화한다.
• 각 조건이 포함된 세그먼트 비율을 도시 및 수입 그룹 간 분석한다.
• 수입 5분위수와 인프라 품질 간의 관계를 분석하기 위해 통계 모델을 적용하며, 도로 유형을 보정한다.

실험 결과

연구 질문

• RQ1 글로벌 남부의 주요 도시들과 미국의 한 카운티에서 도로, 보도, 거리 청소 상태의 품질은 어떻게 다를까?
• RQ2 미시간 주 웨인 카운티에서 도로 품질이 지역 가구 소득 수준과 어느 정도 관련이 있는가?
• RQ3 다른 도시에서 주요, 보조, 제3급 도로 유형에 따라 파손된 구멍과 균열의 발생 빈도는 어떻게 달라지는가?
• RQ4 Google 스트리트 뷰 데이터를 활용해 공공 서비스를 위한 확장 가능하고 저비용의 인프라 모니터링 시스템을 구축할 수 있는가?
• RQ5 인프라 품질과 이동 편안함 및 접근성과 같은 삶의 질 지표 간의 관계는 어떠한가?

주요 결과

• 자카르타는 도로 품질이 가장 열 劣하며, 샘플링된 도로 세그먼트 중 23%가 파손된 구멍을 포함하고 있는데, 이는 방콕, 라고스, 웨인 카운티, 미시간 주에서 각각 6~7%인 것보다 거의 4배 높은 수준이다.
• 웨인 카운티에서는 높은 소득의 인구 조사 지역에서 파손된 구멍이 훨씬 적다. 소득 23,000~29,000 달러의 5분위수에서 가장 낮은 소득 그룹에 비해 파손된 구멍이 포함된 세그먼트 비율이 0.03 감소한다.
• 균열의 유병률은 웨인 카운티에서 가장 높았는데, 전체 세그먼트의 62%에서 발생했고, 그 다음으로 자카르타(44%), 방콕(24%), 라고스(20%) 순이었다. 이는 도로 유형과 강한 상관관계가 없었다.
• 쓰레기는 자카르타에서 가장 높은 비율로 나타났다(세그먼트의 21%), 그 다음으로 라고스(15%), 방콕과 웨인 카운티는 각각 6~9%의 세그먼트에서 눈에 띄는 쓰레기가 관찰되었다.
• 보도 포장률은 라고스에서 가장 낮았는데, 세그먼트의 30%에서만 포장되어 있었고, 방콕(51%), 자카르타(49%), 웨인 카운티(67%)에 비해 낮았다.
• 도로 유형을 보정한 후에도 파손된 구멍과 균열의 유병률에 대한 도시 간 격차는 여전히 뚜렷하게 유지되었으며, 이는 도시 수준의 인프라 품질 격차가 도로 분류에 의해 유일하게 결정되지 않는다는 것을 시사한다.