Assessing Walkability Using Street View Images and Semantic Segmentation Technique

Jaeyeon Choi; Seungmin Noh; Somang Kim; Youngok Kang

doi:10.22776/kgs.2024.59.5.673

All Issue

2024 Vol.59, Issue 5 Preview Page Next Page

Research Article

Assessing Walkability Using Street View Images and Semantic Segmentation Technique 거리 영상과 시멘틱 세그먼테이션을 활용한 보행환경 평가

31 October 2024. pp. 673-687

PDF XML

Abstract

Walking is recognized for its positive effects in various aspects such as promoting residents' health, serving as a green mode of transportation, and strengthening community ties. As the benefits of walking become more widely acknowledged, creating a pedestrian-friendly environment has become a crucial element in urban management. Consequently, objective and quantitative evaluations of the walking environment at the street level have become a key topic. While many previous studies have identified and specified factors affecting walking through field surveys or questionnaires, these studies were mostly limited to specific areas or particular groups of residents. Recent advancements in street view images provided by Internet portals such as Google, along with developments in deep learning technology, have made it possible to closely observe the urban built environment at a detailed street level. This study aims to assess the pedestrian environment at this detailed street level by utilizing street view images and deep learning technology. To achieve this, nine evaluation indicators were established across four categories: safety, convenience, comfort, and accessibility. Semantic segmentation techniques were applied to street view images, data crawling was conducted using APIs, and GIS-based analytical methods were employed to compile a dataset of pedestrian environment evaluation indicators and conduct a comprehensive assessment of the pedestrian environment. This study is significant in that it establishes a detailed and efficient framework for evaluating the pedestrian environment at the street level using street view images and deep learning technology. Additionally, its practical applicability was demonstrated by applying the framework to analyze and propose improvements for the pedestrian environment in the study area of Anyang City.

Keywords

Walkability

Indicators for walkability

Semantic segmentation

Street view images

Deep learning

SegFormer-B5

보행은 주민의 건강 증진, 녹색 교통수단, 커뮤니티 강화 등 다양한 측면에서 긍정적인 효과를 보이는 것으로 평가되고 있다. 보행의 긍정적 효과가 인지되면서 도시 관리에 있어 걷기 좋은 보행환경을 조성하는 것은 매우 중요한 요소이며, 이를 위해 가로 단위의 상세한 수준에서 객관적이고 정량적인 보행환경 평가는 주요한 주제가 되고 있다. 기존의 많은 연구에서 현장 조사나 설문조사 등을 통해 보행에 영향을 미치는 요인들을 확인하고, 이를 구체화하였지만, 대부분 일부 지역에 국한하거나, 일부 주민을 대상으로 하는 조사가 주를 이루었다. 최근 구글 등 인터넷 포털에서 제공하는 거리 영상과 이미지 데이터를 처리하는 딥러닝 기술의 발전은 가로 단위의 상세한 수준에서 도시 건조 환경을 세밀하게 관찰하는 것을 가능하게 하고 있다. 본 연구는 거리 영상과 딥러닝 기술을 활용하여 가로 단위의 상세한 수준에서 보행환경을 평가하고자 한다. 이를 위해 안전성, 편리성, 쾌적성, 접근성 등 4가지 카테고리의 9개 평가 지표를 설정하고, 거리 영상을 크롤링한 후, 거리 영상에 시멘틱 세그먼테이션 기법과 GIS 기반 분석 기법을 활용하여 보행환경 평가 지표 자료를 구축하고, 보행환경을 종합적으로 평가하였다. 본 연구는 거리 영상과 딥러닝 기술을 활용하여 보행환경을 가로 단위로 상세하면서도 효율적으로 평가할 수 있는 기준을 마련하였으며, 이의 활용 가능성을 연구 대상 지역인 안양시에 적용하여 보행환경을 분석하고 개선안을 도출하였다는 점에 의의가 있다.

키워드

보행환경

보행환경 평가 지표

시멘틱 세그먼테이션

거리 영상

딥러닝

세그포머-B5

References

강영옥, 2023, "GeoAI 활용 분야와 연구 동향," 대한지리학회지, 58(4), 395-418. https://doi.org/10.22776/kgs.2023.58.4.395.

10.22776/kgs.2023.58.4.395

국토교통부, 2008, 보행우선구역 표준설계매뉴얼, 세종.

김규리･이제선, 2016, "보행공간 요소에 대한 보행자의 인지 및 보행만족도에 관한 연구," 한국도시설계학회지 도시설계, 17(3), 89-103.

김성은･이제선, 2015, "대중교통전용지구 조성 사업 전후의 가로환경 및 보행자 만족도 변화에 관한 연구 - 서울시 서대문구 연세로 대중교통전용지구를 중심으로," 한국도시설계학회지, 16(2), 45-60.

김은정･김명연･이지민, 2017, "대구시 레드블록 프로젝트를 통해 본 보행친화적 가로환경정비사업의 성과와 과제," 도시행정학보, 30(3), 131-148.

10.36700/KRUMA.2017.09.30.3.131

박경훈･박종완･정성관･유주한, 2007, "걷기활동 증진을 위한 보행환경 평가지표의 개발," 한국환경과학회지, 16(11), 1231-1238.

10.5322/JES.2007.16.11.1231

박지영･강영옥･김지연, 2022, "거리 영상과 시멘틱 세그먼테이션을 활용한 보행환경 평가 지표 개발," 한국지도학회지, 22(1), 53-68.

10.16879/jkca.2022.22.1.053

안양시, 2017, 2030년 안양도시기본계획, 안양.

이경환･안건혁, 2008, "지역 주민의 보행 활동에 영향을 미치는 근린 환경 특성에 관한 실증 분석: 서울시 12개 행정동을 대상으로," 대한건축학회 논문집 - 계획계, 24 (6), 293-302.

이상규･이승지･황은경･이상호, 2001, "상업지역 가로 이용자 만족요인 분석에 관한 연구," 대한건축학회논문집, 17(9), 245-252.

이수기･고준호･이기훈, 2016, "근린환경특성이 보행만족도에 미치는 영향 분석," 국토계획, 51(1), 169-187. https://doi.org/10.17208/jkpa.2016.02.51.1.169.

10.17208/jkpa.2016.02.51.1.169

이수기･이윤성･이창관, 2014, "보행자 연령대별 보행만족도에 영향을 미치는 가로환경의 특성 분석," 국토계획, 49(8), 91-105. https://doi.org/10.17208/jkpa.2014.12.49.8.91.

10.17208/jkpa.2014.12.49.8.91

이지윤･강영옥･김지연･박지영, 2022, "기계학습을 이용한 보행환경 정성적 평가에 영향을 미치는 거리영상 특성분석," 한국지리학회, 11(3), 375-391. https://doi.org/10.25202/JAKG.11.3.6.

10.25202/JAKG.11.3.6

행정안전부, 2012, 보행안전 및 편의증진에 관한 법률, 세종.

Asgarzadeh, M., Koga, T., Hirate, K., Farvid, M. and Lusk, A., 2014, Investigating oppressiveness and spaciousness in relation to building, trees, sky and ground surface: a study in Tokyo, Landscape & Urban Planning, 131, 36-41. https://doi.org/10.1016/j.landurbplan.2014.07.011.

10.1016/j.landurbplan.2014.07.011

Bartzokas-Tsiompras, A., Tampouraki, E. M. and Photis, Y. N., 2020, Is walkability equally distributed among downtowners? Evaluating the pedestrian streetscapes of eight European capitals using a micro-scale audit approach, International Journal of Transport Development and Integration, 4, 75-92. https://doi.org/10.2495/TDI-V4-N1-75-92.

10.2495/TDI-V4-N1-75-92

Blečić, I., Cecchini, A. and Trunfio, G. A., 2018, Towards automatic assessment of perceived walkability, International Conference on Computational Science and Its Applications, 351-365. https://doi.org/10.1007/978-3-319-95168-3_24.

10.1007/978-3-319-95168-3_24

Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, T., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J. and Houlsby, N., 2020, An image is worth 16x16 words: transformers for image recognition at scale. arXiv 2020, arXiv:2010.11929.

Ewing, R. and Handy, S. L., 2009, Measuring the unmeasurable: urban design qualities related to walkability, Journal of Urban Design, 14, 65-84. https://doi.org/10.1080/13574800802451155.

10.1080/13574800802451155

Frank, L. D., Schmid, T. L., Salis J. F., Chapman, J. and Saelems, B. E., 2005, Linking objectively measured physical activity with objectively measured urban form: findings from SMARTRAQ, American Journal of Preventive Medicine, 28(2), 117-125. https://doi.org/10.1016/j.amepre.2004.11.001.

10.1016/j.amepre.2004.11.00115694519

HAI (Stanford University Human-Centered Artificial Intelligence), 2024, Artificial Intelligence Index Report 2024, California.

Kang, Y., Kim, J., Park, J., and Lee, J., 2023, Assessment of perceived and physical walkability using street view images and deep learning technology, ISPRS International Journal of Geo-Information, 12(5), 186.

10.3390/ijgi12050186

Kim, S., Park, S., and Lee, J. S., 2014, Meso-or micro-scale? Environmental factors influencing pedestrian satisfaction, Transportation Research Part D: Transport and Environment, 30, 10-20. https://doi.org/10.1016/j.trd.2014.05.0050

10.1016/j.trd.2014.05.005

Li, X. and Ratti, C., 2018, Mapping the spatial distribution of shade provision of street trees in Boston using Google Street View panoramas, Urban Forestry & Urban Greening, 31, 109-119. https://doi:10.1016/j.ufug.2018.02.013.

10.1016/j.ufug.2018.02.013

Li, Y., Yabuki, N., Fukuda, T. and Zhang, J., 2020, A big data evaluation of urban street walkability using deep learning and environmental sensors, Proceedings of the International Conference on Education and Research in Computer Aided Architectural Design in Europe, Berlin, Germany, 2, 319-328.

10.52842/conf.ecaade.2020.2.319

Lu, Y., Sarkar, C. and Xiao, Y., 2018, The effect of street-level greenery on walking behavior: evidence from Hong Kong, Social Science & Medicine, 208, 41-49. https://doi.org/10.1016/j.socscimed.2018.05.022.

10.1016/j.socscimed.2018.05.02229758477

Mateo-Babiano, I., 2016, Pedestrian's needs matter: examining Manila's walking environment, Transport Policy, 45, 107-115. https://doi.org/10.1016/j.tranpol.2015.09.008.

10.1016/j.tranpol.2015.09.008

Nagata, S., Nakaya, T., Hanibuchi, T., Amagasa, S., Kikuchi, H., and Inoue, S., 2020, Objective scoring of streetscape walkability related to leisure walking: statistical modeling approach with semantic segmentation of Google Street View images, Health & Place, 66, 102428. https://doi.org/10.1016/j.healthplace.2020.102428.

10.1016/j.healthplace.2020.10242832977303

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaise, L. and Polosukhin, I., 2017, Attention is All you Need, Advances in Neural Information Processing Systems, 30. https://doi.org/10.48550/arXiv.1706.03762.

Xie, E., Wang, W., Yu, Z., Anandkumar, A., Alvarez, J. M. and Luo, P., 2021, SegFormer: simple and efficient design for semantic segmentation with transformers, Advances in Neural Information Processing Systems, 34, 12077-12090.

Zhou, H., He, S., Cai, Y., Wang, M. and Su, S., 2019, Social inequalities in neighborhood visual walkability: using street view imagery and deep learning technologies to facilitate healthy city planning, Sustainable Cities and Society, 50, 101605.

10.1016/j.scs.2019.101605

Information

Publisher :The Korean Geographical Society
Publisher(Ko) :대한지리학회
Journal Title :Journal of the Korean Geographical Society
Journal Title(Ko) :대한지리학회지
Volume : 59
No :5
Pages :673-687
Received Date : 2024-09-09
Revised Date : 2024-10-21
Accepted Date : 2024-10-21
DOI :https://doi.org/10.22776/kgs.2024.59.5.673

Journal of the Korean Geographical Society ISSN:1225-6633(Print) 대한지리학회지

All Issue