도시 쇠퇴 징후 발견: 도시 계획에서 AI의 힘

도시 공간의 질을 정확하게 측정하는 것은 빈곤, 인프라, 교통, 건강, 안전 등 도시 거주자들이 직면한 다양한 문제에 대처하는 효과적인 정책을 수립하는 데 매우 중요합니다. 그러나 범죄율, 소득 수준, 주거 환경과 같은 사회경제적 데이터를 수집하는 기존 방식은 부정기적이고 비용이 많이 들 뿐만 아니라 인간의 인식에 의존하기 때문에 시대에 뒤떨어진 동네 수준의 상황을 보여주는 데 그쳐 적절하지 않습니다.

이 분야에서 AI의 사용은 빠르게 인기를 얻고 있으며, 연구자들은 위성 이미지를 사용하여 도시 확산을 정량화하고, 머신 러닝 프로젝트를 통해 개발 도상국의 빈곤, 부, 소득에 대한 대규모 매핑을 생성하고 있습니다. 이러한 발전에도 불구하고 도시 환경 내의 물리적 경관과 시간 경과에 따른 변화는 아직 완전히 탐구되지 않았습니다.

안드레아 발레부에노는 "도시 공간의 질, 시간에 따른 변화, 공간적 불평등을 문서화하는 적절한 척도가 없다" 고 말합니다. 안드레아는 공동 저자인 이용석과 함께 고빈도 Google 스트리트뷰 이미지를 사용하고 거리 segment 수준에서 패널 데이터를 구축하여 이 격차를 메우며 이 분야의 선구자가 되었습니다.

Andrea Vallebueno는 스탠포드 대학교 규제, 평가 및 거버넌스 연구소의 전산 과학 연구원입니다.

AI로 좋은 일 하기

사회적 공익을 위한 데이터 과학 활용에 대한 열정으로 머신러닝과 비전 AI의 활용을 탐구하게 되었습니다. 경제학 배경과 스탠포드에서 데이터 과학 석사 학위를 취득한 Andrea는 약 1년 반 동안 YOLOv5 사용해 왔습니다.

멕시코 시티에서 어린 시절을 보낸 Andrea는 산타페와 같이 부자와 가난한 사람을 분리하는 큰 콘크리트 벽이 있는 동네 간의 극명한 격차를 예리하게 인식했습니다. 데이터 과학자 연구원으로서 Vallebueno는 전통적인 경제 데이터가 이러한 극단적인 차이를 간과하여 불평등과 도시 쇠퇴 지표를 가리는 방식에 대해 우려하게 되었습니다. 그녀는 전 세계 도시로 이주하는 사람들의 유입이 증가함에 따라 자세한 데이터 부족이 더욱 시급한 문제가 될 것이라는 것을 깨달았습니다.

왜 YOLOv5?

안드레아와 용은 도시 쇠퇴의 객관적인 척도를 만드는 것을 목표로 삼았습니다. 이들은 Google 스트리트뷰 이미지에서 물체 감지 기능을 사용하여 도시 쇠퇴를 나타내는 8가지 도시 특징을 포착했습니다. 그들이 선택한 YOLOv5 를 선택한 이유는 추론 속도와 컨텍스트 정보 활용이 이 사용 사례에 매우 중요했기 때문입니다.

훈련된 모델을 사용하여 샌프란시스코, 멕시코시티, 사우스벤드에 있는 여러 지역의 스트리트뷰 이미지 114,000장을 대상으로 추론을 실행했습니다. 8가지 속성에 대한 탐지 결과를 거리 segment 수준에서 집계하여 도시 쇠퇴 지수를 생성하고 시간에 따른 도시 쇠퇴 발생률의 변화를 측정했습니다.

‍

‍

Andrea와 그녀의 팀은 데이터 세트를 큐레이션하고 모델을 훈련하는 데 대부분의 시간을 할애할 정도로 YOLOv5 작업하기가 매우 쉽다는 것을 알게 되었습니다. 실험 추적 도구와의 통합과 바운딩 박스 자동 학습 기능 덕분에 프로세스에 훨씬 더 쉽게 접근할 수 있었다는 점도 높이 평가했습니다.

Andrea와 그녀의 팀은 도시 환경의 긍정적인 속성을 포함하도록 도시 품질 측정 기준을 확장하고 다양한 도시 지역에서 이러한 지표의 성능을 테스트하게 되어 기쁩니다.

샌프란시스코 텐더로인 지역에서 시간이 지남에 따라 노숙자 거주지로 사용되는 텐트/타프의 모델 감지 세트 시각화.

AI를 시작하기 위한 조언

AI를 처음 접하는 사람들에게 Andrea는 열정을 쏟을 수 있는 문제나 연구 질문을 찾아 AI 전체 라이프 사이클을 경험해 볼 것을 권장합니다. 이는 직관을 키우고 모델의 한계를 이해하는 데 가장 좋은 방법 중 하나라고 믿기 때문입니다.

AI는 대학과 연구자들이 복잡한 데이터 세트를 탐색하고 이해하여 연구 결과를 더 정확하고 신뢰할 수 있게 해주는 중요한 도구가 되고 있습니다. AI를 활용함으로써 연구자들은 도시 공간과 도시 거주자들이 직면한 문제에 대한 보다 포괄적인 이해를 구축하여 더 나은 정책과 솔루션으로 이어질 수 있습니다.

안드레아의 YOLOv5 사용 경험을 읽어주셔서 감사합니다! 여러분의 경험을 공유하고 싶으신가요? 어디에서나 Ultralytics 태그해 주세요. Ultralytics YOLO 사용 사례를 태그해 주시면 ML 커뮤니티에 여러분의 작업을 홍보해 드리겠습니다.

‍