論文の概要: The Hierarchical Morphotope Classification: A Theory-Driven Framework for Large-Scale Analysis of Built Form

• arxiv url: http://arxiv.org/abs/2509.10083v1
• Date: Fri, 12 Sep 2025 09:19:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:08.029528
• Title: The Hierarchical Morphotope Classification: A Theory-Driven Framework for Large-Scale Analysis of Built Form
• Title（参考訳）: 階層型モルフォプ分類:構築形態の大規模解析のための理論駆動型フレームワーク
• Authors: Martin Fleischmann, Krasen Samardzhiev, Anna Brázdová, Daniela Dančejová, Lisa Winkler,
• Abstract要約: 本稿では,階層型形態分類(HiMoC)を紹介する。 HiMoCは、自発地域化法SA3を用いて、モルフォニープ(独特な特徴を持つ最小の局所性)のアイデアを運用している。 この手法は、中央ヨーロッパのいくつかの国でテストされ、9000万以上の建物の足跡を50万枚以上のモルフォペに分類する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Built environment, formed of a plethora of patterns of building, streets, and plots, has a profound impact on how cities are perceived and function. While various methods exist to classify urban patterns, they often lack a strong theoretical foundation, are not scalable beyond a local level, or sacrifice detail for broader application. This paper introduces the Hierarchical Morphotope Classification (HiMoC), a novel, theory-driven, and computationally scalable method of classification of built form. HiMoC operationalises the idea of a morphotope - the smallest locality with a distinctive character - using a bespoke regionalisation method SA3 (Spatial Agglomerative Adaptive Aggregation), to delineate contiguous, morphologically distinct localities. These are further organised into a hierarchical taxonomic tree reflecting their dissimilarity based on morphometric profile derived from buildings and streets retrieved from open data, allowing flexible, interpretable classification of built fabric, that can be applied beyond a scale of a single country. The method is tested on a subset of countries of Central Europe, grouping over 90 million building footprints into over 500,000 morphotopes. The method extends the capabilities of available morphometric analyses, while offering a complementary perspective to existing large scale data products, which are focusing primarily on land use or use conceptual definition of urban fabric types. This theory-grounded, reproducible, unsupervised and scalable method facilitates a nuanced understanding of urban structure, with broad applications in urban planning, environmental analysis, and socio-spatial studies.
• Abstract（参考訳）: 建築された環境は、建物、通り、プロットのパターンが多用され、都市がどのように認識され、機能するかに大きな影響を与えます。 都市パターンを分類する様々な方法が存在するが、それらはしばしば強力な理論基盤を欠いている。 本稿では,階層型形態分類(HiMoC)を紹介する。 HiMoCは、連続した、形態学的に異なる局所性を説明するために、SA3 (Spatial Agglomerative Adaptive Aggregation) というベスポークな地域化法を用いて、モルフォニープ(特徴的な特徴を持つ最小の局所性)のアイデアを運用している。 これらは、オープンデータから取得した建物や通りから得られる形態的プロファイルに基づいて、その相似性を反映した階層的な分類木にさらに組織化され、単一の国の規模を超えて適用可能な、柔軟で解釈可能な布地の分類が可能となる。 この手法は、中央ヨーロッパのいくつかの国でテストされ、9000万以上の建物の足跡を50万枚以上のモルフォペに分類する。 本手法は,既存の大規模データ製品に補完的な視点を提供しながら,利用可能な形態素解析の能力を拡張し,主に土地利用や都市ファブリックの概念定義に焦点をあてる。 この理論に基づく再現可能で、教師なしでスケーラブルな手法は、都市計画、環境分析、社会空間研究に広く応用された都市構造の微妙な理解を促進する。

関連論文リスト

• Urban Forms Across Continents: A Data-Driven Comparison of Lausanne and Philadelphia [7.693465097015469]
  本研究では,地理的・文化的に異なる都市間での都市型を識別・比較するためのデータ駆動型枠組みを提案する。 ローザンヌ市,スイス市,フィラデルフィア市において,地形,多様性,緑地,興味点に関連する多次元的特徴を抽出した。 その結果, 規模, 密度, 文化状況の相違にもかかわらず, 両都市にまたがるクラスタタイプが出現している。
  論文  参考訳（メタデータ） (2025-05-05T18:13:22Z)
• GIVL: Improving Geographical Inclusivity of Vision-Language Models with Pre-Training Methods [62.076647211744564]
  我々は地理包摂型視覚・言語事前学習モデルであるGIVLを提案する。 1) 類似のカテゴリにおける概念は独自の知識と視覚的特徴を持ち、2) 類似の視覚的特徴を持つ概念は、全く異なるカテゴリに該当する可能性がある。 GIVLは、同様のスケールのデータを事前訓練した類似サイズのモデルと比較して、最先端のSOTA(State-of-the-art)を達成し、ジオディバースなV&Lタスクにおけるよりバランスの取れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-01-05T03:43:45Z)
• Neural Embeddings of Urban Big Data Reveal Emergent Structures in Cities [7.148078723492643]
  都市部の異質性を利用したニューラルネットワーク(GNN)を提案する。 アメリカ合衆国の16大都市圏において,何百万もの携帯電話利用者による大規模高解像度モビリティデータセットを用いて,都市部コンポーネント間の複雑な関係をエンコードしていることを示す。 異なる郡で訓練されたモデルによって生成された埋め込みは、他の郡における創発的空間構造の50%から60%を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-10-24T07:13:14Z)
• HUMAP: Hierarchical Uniform Manifold Approximation and Projection [42.50219822975012]
  HUMAPは、局所的・大域的構造の保存に柔軟であるように設計された、新しい階層的次元削減技術である。 提案手法の優位性を示す実証的証拠を現在の階層的アプローチと比較し,データセットラベリングにHUMAPを適用したケーススタディを示す。
  論文  参考訳（メタデータ） (2021-06-14T19:27:54Z)
• Methodological Foundation of a Numerical Taxonomy of Urban Form [62.997667081978825]
  本稿では, 生物系統学から得られた都市形態の数値分類法を提案する。 我々は同質の都市組織タイプを導出し、それら間の全体形態的類似性を決定することにより、都市形態の階層的分類を生成する。 フレーミングとプレゼンを行った後、プラハとアムステルダムの2都市でテストを行った。
  論文  参考訳（メタデータ） (2021-04-30T12:47:52Z)
• Favelas 4D: Scalable methods for morphology analysis of informal settlements using terrestrial laser scanning data [3.8668364112976876]
  世界中の10億人が非公式の集落に住んでいる。 この形式の都市化を特徴づける複雑で多層的な空間は、マッピングと形態素解析に挑戦する。 本研究では,ブラジルのリオデジャネイロ最大のファヴェラであるロシニャで収集された地表LiDARデータに基づいて,非公式な集落の形態的特性を研究する手法を提案する。
  論文  参考訳（メタデータ） (2021-04-23T15:32:59Z)
• Deep-learning coupled with novel classification method to classify the urban environment of the developing world [4.819654695540227]
  本稿では,機械解析に容易に利用できる新しい分類法を提案し,開発途上国における方法論の適用性を示す。 周辺を考慮に入れた非公式・形式的な空間の観点から都市部を分類する。 このモデルは75%の精度と60%のMean IoUでセグメント化できる。
  論文  参考訳（メタデータ） (2020-11-25T16:08:07Z)
• Predicting Livelihood Indicators from Community-Generated Street-Level Imagery [70.5081240396352]
  本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。 全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
  論文  参考訳（メタデータ） (2020-06-15T18:12:12Z)
• Two-View Fine-grained Classification of Plant Species [66.75915278733197]
  本研究では,2視点の葉のイメージ表現に基づく新しい手法と,植物種の粒度認識のための階層的分類戦略を提案する。 シームズ畳み込みニューラルネットワークに基づく深度測定は、多数のトレーニングサンプルへの依存を減らし、新しい植物種に拡張性を持たせるために用いられる。
  論文  参考訳（メタデータ） (2020-05-18T21:57:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。