도시 쇠퇴 징후 발견: 도시 계획에서 AI의 힘

도시 거주자가 겪는 빈곤, 인프라, 교통, 건강, 안전 등 다양한 문제를 해결하는 효과적인 정책을 수립하려면 도시 공간의 질을 정확하게 측정하는 일이 매우 중요합니다. 그러나 범죄율, 소득 수준, 주거 환경과 같은 사회경제적 데이터를 비정기적인 시민 설문조사로 수집하는 기존 방식은 충분하지 않습니다. 조사 빈도가 낮고 비용이 많이 들며 사람의 인식에 의존하기 때문에 지역 단위의 상황을 오래된 정보로 파악하게 됩니다.

이 분야에서 AI 활용이 빠르게 확산되고 있습니다. 연구자들은 위성 이미지를 활용해 도시 확장을 정량화하고, 머신러닝 프로젝트를 통해 개발도상국의 빈곤, 부, 소득을 대규모로 지도화하고 있습니다. 이러한 발전에도 불구하고 도시 환경의 물리적 경관과 시간에 따른 변화는 아직 충분히 연구되지 않았습니다.

Andrea Vallebueno에 따르면, "도시 공간의 질과 시간에 따른 변화, 그리고 공간적 불평등을 기록하는 적절한 측정 지표는 없습니다." Andrea는 공동 저자인 Yong Suk Lee와 함께 고빈도 Google 스트리트 뷰 이미지를 활용하고 도로 구간 단위의 패널 데이터를 구축해 이러한 공백을 메웠으며, 이 분야의 선구자가 되었습니다.

Andrea Vallebueno는 스탠퍼드 대학교 규제·평가·거버넌스 연구소의 계산과학 연구원입니다.

AI로 사회에 기여하기#

사회적 선을 위한 데이터 과학 활용에 대한 Andrea의 열정은 머신러닝과 비전 AI를 탐구하는 계기가 되었습니다. 경제학을 전공하고 스탠퍼드에서 데이터 과학 석사 학위를 받은 Andrea는 약 1년 반 동안 Ultralytics YOLOv5를 사용해 왔습니다.

멕시코시티에서 자란 Andrea는 부유층과 빈곤층을 큰 콘크리트 벽으로 나눈 산타페와 같은 지역 간의 극심한 격차를 어릴 때부터 뚜렷하게 인식했습니다. 데이터 과학 연구자로서 Vallebueno는 기존 경제 데이터가 이러한 극단적인 차이를 간과해 불평등과 도시 쇠퇴를 보여주는 지표를 가린다는 점을 우려하게 되었습니다. 전 세계적으로 도시로 이주하는 인구가 증가하면서 세부 데이터의 부재가 더욱 시급한 문제로 떠오를 것임을 깨달았습니다.

Ultralytics YOLOv5를 선택한 이유#

Andrea와 Yong은 도시 쇠퇴를 객관적으로 측정하는 지표를 만들고자 했습니다. 두 사람은 Google 스트리트 뷰 이미지에서 객체 감지를 사용해 도시 쇠퇴를 나타내는 8가지 도시 특성을 포착했습니다. 사용 사례에서 추론 속도와 맥락 정보를 활용하는 기능이 중요했기 때문에 YOLOv5를 선택했습니다.

학습된 모델은 샌프란시스코, 멕시코시티, 사우스벤드의 여러 지역에서 촬영한 스트리트 뷰 이미지 114,000장에 추론을 수행하는 데 사용되었습니다. 8가지 속성의 감지 결과를 도로 구간 단위로 집계하여 도시 쇠퇴 지수를 생성하고 시간에 따른 도시 쇠퇴 발생률의 변화를 측정했습니다.

멕시코시티, 멕시코

샌프란시스코, 캘리포니아

Andrea와 팀은 Ultralytics YOLOv5를 매우 쉽게 사용할 수 있다고 평가했으며, 대부분의 시간을 데이터셋 큐레이션과 모델 학습에 할애했습니다. 실험 추적 도구와의 통합 및 앵커 박스의 자동 학습 덕분에 프로세스를 훨씬 더 쉽게 활용할 수 있었다고 높이 평가했습니다.

Andrea와 팀은 도시 환경의 긍정적인 특성을 포함하도록 도시의 질 측정 범위를 넓히고, 다양한 도시 지역에서 이러한 지수의 성능을 테스트할 계획에 기대를 걸고 있습니다.

샌프란시스코 텐더로인 지역에서 노숙인 거처로 사용된 텐트와 방수포를 시간에 따라 감지한 모델 결과의 시각화입니다.

AI 분야에 첫발을 내딛기 위한 조언#

AI를 처음 접하는 사람들에게 Andrea는 열정을 느끼는 문제나 연구 질문을 찾고 AI의 전체 라이프 사이클을 경험해 보라고 권합니다. 이를 통해 직관을 기르고 모델의 한계를 이해할 수 있다고 생각합니다.

AI는 복잡한 데이터셋을 탐색하고 이해할 수 있도록 지원하므로 대학과 연구자에게 점점 더 중요한 도구가 되고 있으며, 연구 결과의 정확성과 신뢰성을 높여 줍니다. 연구자는 AI를 활용해 도시 공간과 도시 거주자가 직면한 과제를 더 포괄적으로 이해하고, 이를 바탕으로 더 나은 정책과 솔루션을 마련할 수 있습니다.

YOLOv5를 사용한 Andrea의 경험을 읽어 주셔서 감사합니다! 여러분의 경험도 공유하고 싶으신가요? 직접 사용한 Ultralytics YOLO 사례를 소개하며 어디서든 @Ultralytics를 태그해 주세요. 여러분의 작업을 ML 커뮤니티에 소개하겠습니다.