都市の衰退の兆候を明らかにする：都市計画におけるAIの力
スタンフォード大学の研究者がUltralytics YOLOv5とGoogle Street Viewの画像を使い、都市の荒廃を測定し、地域の経時的な変化を追跡した方法を解説します。
Nuvola Ladi4 分で読めます
都市生活者が直面する貧困、インフラ、交通、健康、安全などのさまざまな課題に対処する効果的な政策を策定するうえで、都市空間の質を正確に測定することは重要です。しかし、犯罪率、所得水準、住宅状況などの社会経済データを、住民への断続的なアンケート調査で収集する従来の方法は不十分です。調査の頻度が低く、費用がかかるうえ、人間の主観に依存するため、近隣地域の状況を古い情報で捉えることになります。
この分野でのAI活用は急速に広がっており、研究者は衛星画像を使った都市スプロールの定量化や、発展途上国における貧困、富、所得の大規模なマッピングを行う機械学習プロジェクトに取り組んでいます。こうした進展にもかかわらず、都市環境における物理的な景観と、その経時的な変化については、まだ十分に調査されていません。
Andrea Vallebuenoによると、「都市空間の質、その経時的な変化、そしてそこに存在する空間的不平等を記録する適切な尺度はありません。」 Andreaは共著者のYong Suk Leeと協力し、高頻度で撮影されたGoogle Street View画像を使って道路区間レベルのパネルデータを構築することで、この課題に取り組みました。この分野で先駆的な取り組みとなりました。
Andrea Vallebuenoは、スタンフォード大学規制・評価・ガバナンス研究所の計算科学リサーチフェローです。
AIで社会に貢献する#
データサイエンスを社会貢献に活用したいというAndreaの思いから、機械学習とビジョンAIの活用を探求するようになりました。経済学のバックグラウンドを持ち、スタンフォード大学でデータサイエンスの修士号を取得したAndreaは、約1年半にわたりUltralytics YOLOv5を使用しています。
メキシコシティで育ったAndreaは、サンタフェのように、大きなコンクリートの壁が富裕層と貧困層を隔てている地域間の著しい格差を強く認識していました。データサイエンスの研究者として、Vallebuenoは従来の経済データではこうした極端な差が見過ごされ、不平等や都市の衰退を示す指標が見えにくくなることを懸念するようになりました。世界中で都市に移り住む人々が増えるなか、詳細なデータが不足していることは、ますます深刻な問題になると気づきました。
Ultralytics YOLOv5を選んだ理由#
AndreaとYongは、都市の荒廃を客観的に測定する方法の構築を目指しました。Google Street View画像に物体検出を適用し、都市の荒廃を示す8つの都市特徴を捉えました。推論速度とコンテキスト情報の活用がユースケースに不可欠だったため、YOLOv5を選びました。
トレーニング済みモデルを使って、サンフランシスコ、メキシコシティ、サウスベンドの各地域から収集した114,000枚のストリートビュー画像に対して推論を実行しました。8つの属性の検出結果を道路区間レベルで集約し、都市の荒廃を示す指標を作成するとともに、その発生状況の経時変化を測定しました。
メキシコシティ（メキシコ）
サンフランシスコ（カリフォルニア州）
Andreaとチームは、Ultralytics YOLOv5が非常に使いやすいと感じており、作業時間の大半をデータセットのキュレーションとモデルのトレーニングに費やしていました。実験トラッキングツールとの統合や、アンカーボックスの自動学習も高く評価しており、これらの機能によってプロセスがより利用しやすくなりました。
Andreaとチームは、都市環境の物理的な側面に関する肯定的な属性も含めるよう都市の質の測定方法を拡張し、多様な都市地域でこれらの指標の性能を検証することを楽しみにしています。
サンフランシスコのテンダーロイン地区において、ホームレスの人々の居住場所として使われるテントやタープをモデルが検出した結果の経時的な可視化。
AIを始めるためのアドバイス#
AIを始めたばかりの人には、自分が情熱を持てる課題や研究上の問いを見つけ、AIのライフサイクル全体に取り組むことをAndreaは勧めています。これは、直感を養い、モデルの限界を理解するための最善の方法の1つだと考えています。
AIは大学や研究者にとってますます重要なツールになっています。複雑なデータセットを調査して理解できるため、研究結果の精度と信頼性が向上します。AIを活用することで、研究者は都市空間や都市生活者が直面する課題をより包括的に理解し、より良い政策や解決策につなげられます。
YOLOv5を使ったAndreaの経験をお読みいただき、ありがとうございます。ご自身の経験を共有しませんか。ご自身のUltralytics YOLO活用事例とともに、あらゆるSNSで@Ultralyticsをタグ付けしてください。MLコミュニティに向けて皆さんの取り組みを紹介します。
執筆者
コメント
質問したり、結果を共有したり、ほかの人をサポートしたりできます。
