[논문 리뷰] The Nature of Human Settlement: Building an understanding of high performance city design

Kerry A. Nice, Gideon Aschwanden외 4명|arXiv (Cornell University)|2019. 10. 08.

Impact of Light on Environment and Health참고 문헌 34인용 수 4

한 줄 요약

이 논문은 블록 크기와 규칙성을 기반으로 전 세계 도시를 지역 유형으로 분류하기 위해 자기조직화 지도(SOM) 기반 방법을 제안한다. 이는 확장 가능한 데이터 기반의 도시 간 비교를 가능하게 하며, 지역 혼합도와 차량 활동 간 강한 상관관계(r = 0.97)를 드러내고, 도시 형태가 오염 및 지속 가능성 결과에 어떻게 연결되는지 보여주는 고유한 '도시 지문'을 규명한다.

ABSTRACT

In an impending urban age where the majority of the world's population will live in cities, it is critical that we improve our understanding of the strengths and limitations of existing city designs to ensure they are safe, clean, can deliver health co-benefits and importantly, are sustainable into the future. To enable this, a systematic and efficient means of performing inter- and intra-city comparisons based on urban form is required. Until now, methods for comparing cities have been limited by scalability, often reliant upon non-standardised local input data that can be costly and difficult to obtain. To address this, we have developed a unique approach to determine the mix, distribution, and composition of neighbourhood types in cities based on dimensions of block size and regularity, sorted by a self-organising map. We illustrate the utility of the method to provide an understanding of the underlying city morphology by overlaying spatially standardised city metrics such as air pollution and transport activity across a set of 1667 global cities with populations exceeding 300,000. The unique approach reports associations between specific mixes of neighbourhood typologies and quantities of moving vehicles (r=0.97), impervious surfaces (r=0.86), and air pollution levels (aerosol optical depth r=0.58 and NO$_{2}$ r=0.57). What this illustrates, is that this unique approach can identify the characteristics and neighbourhood mixes of well-performing urban areas while also producing unique `city fingerprints' that can be used to provide new metrics, insights, and drive improvements in city design for the future.

연구 동기 및 목표

• 지역적이고 표준화되지 않은 데이터의 한계를 극복하기 위해 전 세계 도시 간 도시 형태를 확장 가능하고 객관적인 방법으로 비교할 수 있는 방법을 개발하기 위해.
• 기본적인 도시 형태, 특히 블록 크기와 규칙성에 기반해 지역 유형을 식별하고 분류하기 위해.
• 공간적으로 표준화된 지표를 사용하여 300×300m 수준의 지역 규모에서 도시 간 및 도시 내 비교를 가능하게 하기 위해.
• 도시 형태와 환경 성과 간의 체계적 관계, 특히 대기 오염 및 불透水 표면을 포함하여 밝혀내기 위해.
• 도시 계획 및 정책에 활용할 수 있는 도시의 구조적 구성 특성을 반영하는 고유한 '도시 지문'을 생성하기 위해.

제안 방법

• 자기조직화 지도(SOM)를 사용하여 블록 크기와 규칙성이라는 두 핵심 차원에 기반해 도시 블록을 군집화한다.
• 고해상도 도시 영상 및 공간 데이터를 처리하여 블록 수준의 형태적 특징을 추출하며, 30만 명 이상의 인구를 가진 전 세계 1,667개 도시에 적용한다.
• 다양한 도시 환경 간 일관성을 확보하기 위해 공간적으로 표준화된 격자화 방법(300×300m)을 적용한다.
• 커널 밀도 추정을 사용하여 SOM이 식별한 지역 유형의 분포를 각 도시의 고유한 '도시 지문'으로 매핑한다.
• SOM 기반 지역 유형 분포를 전 세계 격자 기반 오염 데이터(AOD, NO₂) 및 지형 커버 데이터(불투수 표면, 차량, 나무)와 상관 분석한다.
• 각 도시의 SOM(x,y) 위치에 대한 가중 평균을 계산하여 도시 수준의 도시 형태 및 오염 지표를 산출하고, 도시 간 비교를 가능하게 한다.

실험 결과

연구 질문

• RQ1 어떻게 해서 블록 크기와 규칙성에 기반한 객관적이고 확장 가능한 지표를 사용해 전 세계 도시의 지역 규모에서 도시 형태를 체계적으로 비교할 수 있는가?
• RQ2 블록 크기와 규칙성에 기반한 특정 지역 유형 혼합도와 도시 환경 성과 간의 관계는 어떠한가?
• RQ3 지역 유형 분포를 통해 도시의 구조적 구성이 얼마나 정밀하게 고유한 '지문'으로 포착될 수 있는가?
• RQ4 지역 유형은 차량 밀도, 불투수 표면 커버리지 및 대기 오염 수준과 같은 측정 가능한 도시 결과와 어떻게 상관관계를 가지는가?
• RQ5 이 방법을 통해 지속 가능성 및 건강 지표에서 높거나 낮은 성능을 보이는 공통적인 구조적 패턴을 도시 간에 식별할 수 있는가?

주요 결과

• 이 방법은 전 세계 1,667개 도시의 지역 유형을 블록 크기와 규칙성이라는 주요 형태 차원을 기반으로 성공적으로 식별하고 분류하였다.
• 지역 유형 혼합도와 이동 가능한 차량 비율 간 강한 상관관계(r = 0.97)가 발견되어, 도시 형태가 교통 활동을 강력하게 예측할 수 있음을 시사한다.
• 지역 유형 혼합도와 불투수 표면 커버리지 간 높은 상관관계(r = 0.86)가 관찰되어 도시 구조가 지표면 Runoff 및 열섬 효과에 영향을 준다는 점을 연결한다.
• 지역 유형 지문과 대기 오염 수준 간의 유의미한 상관관계가 발견됨: 에어로졸 광학 두께(AOD)에 대해 r = 0.58, NO₂에 대해 r = 0.57.
• 도시 중심부는 동일 도시 내 외곽 지역보다 다른 도시 중심부와 더 높은 유사성을 보이며, 도시 핵심부의 직능적 및 구조적 동질성을 시사한다.
• 이 방법은 도시의 구조적 본질을 반영하는 고유한 '도시 지문' 생성이 가능하게 하여, 전 세계적으로 세밀한 수준의 도시 형태 및 성과 비교를 가능하게 한다.