생활도로 노상주차 식별을 위한 Google Street View API와 딥러닝 모형의 적용 = Application of Google Street View API and Deep Learning for Detection of Street Parking on Community Road

다국어 초록 (Multilingual Abstract)

This study has trained and validated a deep learning model that identifies street parking on the streets of Seoul by utilizing the street view images obtained through the Google Street View API. We derived the final model which shows highest accuracy of object detection among models with variation of the number of training iterations. The final model shows 75.68% accuracy of object detection for all object types and 82.07% for street parking vehicles. The main implications of this study are as follows. This study introduces improved data collection method of street parking data in terms of time and monetary cost compared to the conventional field survey. Also this study applies the deep learning using street view image on the collection of spatial information for the urban planning and spatial analysis field.

국문 초록 (Abstract)

본 연구는 Google Street View API를 통해 취득한 가로 이미지를 활용하여 서울시 생활도로의 노상주차를 식별하는 모형을 학습 및 검증하였다. 다양한 반복학습 횟수에 따른 모형들의 정확도를 검증하여 최종모형으로 도출하였으며, 최종 모형은 모든 객체 유형에 대해 약 75.68%, 노상주차 차량에 대해 약 82.07%의 객체 탐색 정확도를 나타낸다. 연구의 주요 시사점은 주로 현장조사에 의존해 진행되어, 시간과 금전적 비용이 많이 필요하던 노상주차 데이터 수집의 한계점을 보완하였다는 점과, 딥러닝 모형을 공간분석 및 도시 계획 분야의 공간정보 수집에 적용하여 그 가능성을 제시했다는 점을 들 수 있다.

참고문헌 (Reference)

1 이수일, "생활도로에서의 교통행태와 교통사고특성에 관한 연구 - 서울특별시를 중심으로" 대한토목학회 36 (36): 97-104, 2016

2 이호준, "근린의 도로 네트워크 구조와 보행자 교통사고의 연관성분석: 서울시 TAAS (2012~2014) 자료를 중심으로" 대한국토·도시계획학회 52 (52): 141-161, 2017

3 Yin, L., "‘Big data’ for pedestrian volume: exploring the use of Google Street View images for pedestrian counts" 63 : 337-345, 2015

4 Redmon, J., "YOLOv3: an incremental improvement"

5 Gebru, T., "Using deep learning and Google Street View to estimate the demographic makeup of the us"

6 Rundle, A. G., "Using Google Street View to audit neighborhood environments" 40 (40): 94-100, 2011

7 Hanson, C. S., "The severity of pedestrian crashes: an analysis using Google Street View imagery" 33 : 42-53, 2013

8 Everingham, M., "The pascal visual object classes (voc) challenge" 88 (88): 303-338, 2010

9 Lee, S., "Role research of autonomous district for securing walk space of community road" The Seoul Institute 1-83, 2017

10 Oh, I. S., "Machine learning" Hanbit Academy, Inc 194-221, 2017

11 Diakakis, M., "Identifying elements that affect the probability of buildings to suffer flooding in urban areas using Google Street View: a case study from Athens metropolitan area in Greece" 22 : 1-9, 2017

12 Long, Y., "How green are the streets? An analysis for central areas of Chinese cities using Tencent Street View" 12 (12): e0171110-, 2017

13 김성재, "GIS를 이용한 화재진압 취약성 지도 제작 - 대구광역시 달서구를 사례로 -" 한국지리정보학회 18 (18): 11-20, 2015

14 Buduma, N., "Fundamentals of deep learning" Hanbit Media, Inc 105-126, 2017

15 Kang, J., "Building instance classification using street view images" 145 : 44-59, 2018