어디가 더 걷기 좋다고 생각하십니까? 거리영상과 샴 네트워크 기반의 딥러닝 모델을 활용한 정성적 보행환경 평가 = Where Do You Think is Better to Walk? Evaluation of the Perceived Walking Environment Using Street View Images and Deep Learning Model Based on Siamese Neural Network

국문 초록 (Abstract)

본 연구는 거리영상과 딥러닝 기술을 활용하여 보행환경에 대한 사람들의 정성적 평가를 시각화하고 그 결과를 분석하고자 하였다. 보행의 중요성이 강조되면서 보행환경에 대한 인지 평가의 중요성도 강조되고 있다. 도시 건조환경에 대한 인식의 평가는 설문이나 인터뷰 등을 통해 일부의 사람을 대상으로 제한된 지역에 대해 수행되는 한계가있었다. 하지만 보행자의 시야에서 관찰하는 것과 유사하게 도시를 프로파일링할 수 있는 거리영상의 대두와 딥러닝기술의 발전은 광범위한 지역에 상세한 수준에서 도시 건조환경에 대한 정성적 평가를 가능하게 하고 있다. 본 연구에서는 안양시와 영등포구를 연구 대상 지역으로 거리영상을 수집하고, Global-Patch-RSS-CNN 모델을 활용하여 보행환경을 정성적으로 평가한 후, 그 결과를 시각화하여 걷기 좋다고 인식되는 지역과 나쁘다고 인식되는 지역을 분석하였다. 본 연구는 세 가지 측면에서 의의가 있다. 첫째, 보행환경에 대한 정성평가를 하고자 할 때 별도의 쌍별 비교 데이터 셋을 구축하지 않고도 연구 지역의 거리영상을 활용하여 보행환경에 대한 상세한 수준의 정성평가를 할 수 있다는 점, 둘째, 보행환경 정성평가를 위한 딥러닝 모델에 있어서도 국내 실정에 맞게 구축한 보행환경 쌍별 비교 데이터셋으로 사전 훈련된 딥러닝 모델을 활용할 수 있다는 점, 셋째, 국내 타지역에서 보행환경 정성평가를 하고자 할 때 전문가가 아니라도 쉽게 보행환경 정성평가를 수행할 수 있도록 프로세스를 체계적으로 제시한다는 점이다.

다국어 초록 (Multilingual Abstract)

This study aims to visualize evaluation of the perceived walking environment and analyze the results using street view images and deep learning technology. As the importance of walking is emphasized, the importance of evaluation of the perceived walking environment is also emphasized. The evaluation of people’s perceptions about the urban built environment had limitation in that it was conducted through surverys or interviews with some people in a limited area. However, the emergence of street view images that can profile cities similarly to observations from a pedestrian’s perspective and the advancement of deep learning technologies enable qualitative evaluation of urban built environment at a detailed level over a wide range of areas. In this study, street view images were collected fromAnyang-si and Yeongdeungpo-gu, and the walking environment was qualitatively evaluated using the Global-Patch- RSS-CNN model, and the results were visualized on a map to analyze areas that are perceived as good or bad for walking. This study is significant in three ways. First, when conducting a qualitative evaluation of the walking environment, it is possible to conduct a detailed level of qualitative evaluation of the walking environment by utilizing street view images of the study area without building a training data-set; second, the deep learning model for evaluation of the perceived walking environment which is pre-trained with paired comparison data-set built for domestic conditions can be utilized; third, when conducting a evaluation of perceived walking environment in other areas of Korea, it is possible to systematically present a process so that non-professionals can easily evaluate the perceived walking environment.