| 기사명 | 가로공간 보행만족도 예측을 위한 딥러닝 모형의 적용과 검증/Application and Validation of a Deep Learning Model to Predict the Walking Satisfaction on Street Level |
|---|---|
| 저자명 | 박근덕(Park, Keundeok) ; 이수기(Lee, Sugie) |
| 발행사 | 한국도시설계학회 |
| 수록사항 | 도시설계(한국도시설계학회지) , Vol.19 No.6(통권 제90호) |
| 페이지 | pp.19~34 |
| ISSN | 15980650 |
| 주제어 | 도시설계 ; 보행가로 ; 보행친화도 ; 딥러닝 ; Google Street View Urban Design ; Walking Street ; Walkability ; Deep Learning ; Google Street View |
| 요약1 | 본 연구는 Google Street View 360° 파노라마 이미지와 딥러닝 기법을 적용하여 가로공간의 보행만족도를 예측하고 검증하였다. 주요 연구결과는 다음과 같다. 첫째, 모형 예측값과 참값 사이의 상관 계수는 학습 모형에 따라 0.16~0.84로 나타나 결과의 정확도 범위가 비교적 큰 것으로 나타났다. 모형 간 성능차이는 딥러닝 모형 구조에 따른 차이로 판단된다. 이러한 결과는 특정 연구 주제에 대하여 가장 적합한 모형을 적용하기 위해서 딥러닝 모형의 테스트 및 검증이 중요하다는 것을 의미한다. 둘째, 네 가지 모형 중 VGG16이 가로공간에서 보행만족도 예측모형으로 적합한 것으로 나타났다. 셋째, Google Street View Image를 활용하여 보행만족도를 예측하는 경우 사전학습 모형을 전이학습하는 것이 적합하다는 것을 보여준다. 마지막으로, 본 연구는 오픈소스 데이터를 활용한 딥러닝 모형이 도시의 물리적환경 분석에 있어 중요한 역할을 할 수 있음을 시사한다. |
| 요약2 | This study examines the prediction model of walking satisfaction level of streetscape by deep learning technique. The model focuses on the streetscape imagery and walking satisfaction level of pedestrians. We trained and tested the prediction model using the Google Street View 360° Panorama images of the survey locations for walking satisfaction level. First, the correlation coefficient between machine rating and human rating regarding walking satisfaction level ranged from 0.16 to 0.84 by the transfer learning method. This finding indicates that deep learning models should be tested and validated for the purpose of specific research topic. Second, among four test models, VGG16 is relatively suitable for the prediction model of walking satisfaction level on streetscape comparing to the Inception structure in this study. Third, the result shows that transfer learning with pre-trained model could be the best one to predict average walking satisfaction level using Google Street View images. Lastly, This study shows that deep learning skills could play an important role in analyzing and predicting urban physical environments with open source imagery data. |
| 소장처 | 한국도시설계학회 |