AI와 YOLOv5가 어떻게 도시 품질 측정을 혁신하여 효과적인 정책 결정을 돕고 도시 문제를 해결하는지 살펴보세요. 울트라리틱스의 영향력을 알아보세요.
AI와 YOLOv5가 어떻게 도시 품질 측정을 혁신하여 효과적인 정책 결정을 돕고 도시 문제를 해결하는지 살펴보세요. 울트라리틱스의 영향력을 알아보세요.
도시 공간의 질을 정확하게 측정하는 것은 빈곤, 인프라, 교통, 건강, 안전 등 도시 거주자들이 직면한 다양한 문제를 해결하기 위한 효과적인 정책을 만드는 데 있어 매우 중요한 요소입니다. 그러나 범죄율, 소득 수준, 주거 환경과 같은 사회경제적 데이터를 수집하는 전통적인 방법은 시민 설문조사를 가끔 실시하는 것으로, 빈번하지 않고 비용이 많이 들며 사람의 지각에 의존하기 때문에 동네 단위의 상황을 제대로 파악하기에는 부적절합니다.
연구자들이 위성 이미지를 이용해 도시 확산을 정량화하고 개발도상국의 빈곤, 부, 소득에 대한 대규모 매핑을 생성하는 머신러닝 프로젝트를 실험하는 등 이 분야에서 AI의 활용은 빠르게 인기를 얻고 있습니다. 이러한 발전에도 불구하고 도시 환경의 물리적 지형과 시간이 지남에 따라 어떻게 변화하는지는 아직 완전히 규명되지 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 구간 수준에서 패널 데이터를 구축하여 이 격차를 메우며 이 분야의 선구자가 되었습니다.
안드레아 발레부에노는 스탠포드 대학교의 규제, 평가 및 거버넌스 연구소의 계산 과학 연구원입니다.
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 YOLOv5를 사용해 왔습니다.
멕시코시티에서 어린 시절을 보낸 안드레아는 커다란 콘크리트 벽이 부자와 빈자를 가르는 산타페와 같은 지역 간의 극심한 격차를 예리하게 인식하고 있었습니다. 데이터 과학자 연구원으로서 발레부에노는 전통적인 경제 데이터가 이러한 극단적인 차이를 간과하여 불평등과 도시 쇠퇴의 지표를 모호하게 만드는 것에 대해 우려하게 되었습니다. 그녀는 전 세계적으로 도시로 유입되는 인구가 증가함에 따라 세부적인 데이터의 부족이 더욱 시급한 문제가 될 것이라는 사실을 깨달았습니다.
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. 이들은 추론 속도와 컨텍스트 정보 활용이 이 사용 사례에 매우 중요했기 때문에 YOLOv5를 선택했습니다.
훈련된 모델을 사용하여 샌프란시스코, 멕시코시티, 사우스벤드에 있는 여러 지역의 스트리트뷰 이미지 114,000장을 대상으로 추론을 실행했습니다. 8가지 속성에 대한 탐지 결과를 거리 세그먼트 수준에서 집계하여 도시 쇠퇴 지수를 생성하고 시간에 따른 도시 쇠퇴 발생률의 변화를 측정했습니다.
Andrea와 그녀의 팀은 데이터 세트 큐레이션과 모델 훈련에 대부분의 시간을 할애할 정도로 YOLOv5가 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 물리적 도시 환경의 긍정적인 속성을 포함하도록 도시 품질 지표를 확장하고 다양한 도시 지역에서 이러한 지표의 성능을 테스트할 수 있게 되어 매우 기쁩니다.
샌프란시스코 텐더로인 인근에서 노숙자 주거지로 사용된 텐트/타프에 대한 시간 경과에 따른 모델 감지 집합을 시각화한 결과입니다.
AI를 처음 접하는 사람들에게 Andrea는 자신이 열정을 가지고 있는 문제나 연구 질문을 찾아 전체 AI 라이프사이클을 살펴볼 것을 권장합니다. 그녀는 이것이 직관을 키우고 모델의 한계를 이해하는 가장 좋은 방법 중 하나라고 믿습니다.
AI는 복잡한 데이터 세트를 탐색하고 이해하여 보다 정확하고 신뢰할 수 있는 연구 결과를 도출할 수 있게 해주므로 대학과 연구자들에게 점점 더 중요한 도구로 자리 잡고 있습니다. 연구자들은 AI를 활용하여 도시 공간과 도시 거주자들이 직면한 문제를 보다 포괄적으로 이해함으로써 더 나은 정책과 솔루션을 개발할 수 있습니다.
안드레아의 YOLOv5 사용 경험을 읽어주셔서 감사합니다! 여러분의 경험을 공유하고 싶으신가요? 어디에서나 @Ultralytics를 태그해 주세요. 울트라트래픽스 YOLO 사용 사례를 태그해 주시면 ML 커뮤니티에 여러분의 작업을 홍보해 드리겠습니다.
