論文の概要: Do Street View Imagery and Public Participation GIS align: Comparative Analysis of Urban Attractiveness

• arxiv url: http://arxiv.org/abs/2511.05570v1
• Date: Tue, 04 Nov 2025 12:40:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:44.454573
• Title: Do Street View Imagery and Public Participation GIS align: Comparative Analysis of Urban Attractiveness
• Title（参考訳）: Do Street View Imagery and Public Participation GISaligned: Comparison Analysis of Urban Attractiveness
• Authors: Milad Malekzadeh, Elias Willberg, Jussi Torkko, Silviya Korpilo, Kamyar Hasanzadeh, Olle Järv, Tuuli Toivonen,
• Abstract要約: SVI(Street View Imagery)とPPGIS(Public Participation GIS)は、場所に基づく知覚を捉えるための2つの重要なアプローチである。 本研究では,フィンランドのヘルシンキにおける都市全体でのPSGIS調査を通じて,SVIによる知覚的魅力と住民の体験との整合性について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As digital tools increasingly shape spatial planning practices, understanding how different data sources reflect human experiences of urban environments is essential. Street View Imagery (SVI) and Public Participation GIS (PPGIS) represent two prominent approaches for capturing place-based perceptions that can support urban planning decisions, yet their comparability remains underexplored. This study investigates the alignment between SVI-based perceived attractiveness and residents' reported experiences gathered via a city-wide PPGIS survey in Helsinki, Finland. Using participant-rated SVI data and semantic image segmentation, we trained a machine learning model to predict perceived attractiveness based on visual features. We compared these predictions to PPGIS-identified locations marked as attractive or unattractive, calculating agreement using two sets of strict and moderate criteria. Our findings reveal only partial alignment between the two datasets. While agreement (with a moderate threshold) reached 67% for attractive and 77% for unattractive places, agreement (with a strict threshold) dropped to 27% and 29%, respectively. By analysing a range of contextual variables, including noise, traffic, population presence, and land use, we found that non-visual cues significantly contributed to mismatches. The model failed to account for experiential dimensions such as activity levels and environmental stressors that shape perceptions but are not visible in images. These results suggest that while SVI offers a scalable and visual proxy for urban perception, it cannot fully substitute the experiential richness captured through PPGIS. We argue that both methods are valuable but serve different purposes; therefore, a more integrated approach is needed to holistically capture how people perceive urban environments.
• Abstract（参考訳）: デジタルツールが空間計画のプラクティスを形作るにつれて、異なるデータソースが都市環境の人間の経験をどのように反映しているかを理解することが不可欠である。 SVI(Street View Imagery)とPPGIS(Public Participation GIS)は、都市計画決定を支援する場所に基づく認識を捉えるための2つの重要なアプローチである。 本研究では,フィンランドのヘルシンキにおける都市全体でのPSGIS調査を通じて,SVIによる知覚的魅力と住民の体験との整合性について検討した。 参加者評価SVIデータとセマンティックイメージセグメンテーションを用いて、視覚的特徴に基づいて知覚的魅力を予測する機械学習モデルを訓練した。 我々はこれらの予測を、厳格な2つの基準と適度な基準を用いて、魅力的な、または魅力のない、PPGIS識別された場所と比較した。 以上の結果から,2つのデータセット間の部分的なアライメントのみが明らかとなった。 合意は(適度な閾値で)魅力的に67%、非魅力に77%に達したが、(厳格な閾値で)それぞれ27%と29%に減少した。 騒音,交通量,人口の存在,土地利用など,様々な文脈変数の分析により,非視覚的手がかりがミスマッチに大きく寄与していることが判明した。 このモデルは、知覚を形作るが画像では見えない、活動レベルや環境ストレスのような経験的な次元を考慮できなかった。 これらの結果から,SVIは都市感にスケーラブルで視覚的なプロキシを提供するが,PSGISによる経験的豊かさを完全に置き換えることはできないことが示唆された。 どちらの手法も価値はあるが、異なる目的に役立っていると論じるので、人々が都市環境をどのように知覚するかを全体的に把握するためには、より統合されたアプローチが必要である。

関連論文リスト

• Coverage and Bias of Street View Imagery in Mapping the Urban Environment [0.0]
  ストリートビュー画像(SVI)は、都市研究において貴重なデータ形式として出現し、都市環境を地図化し、知覚する新しい方法を可能にしている。 しかし、SVIの代表性、品質、信頼性に関する根本的な懸念はいまだに未解決のままである。 本研究は, 都市環境におけるSVIの要素レベルカバレッジを推定するための, 新規かつ効果的な手法を提案する。
  論文  参考訳（メタデータ） (2024-09-22T02:58:43Z)
• Cross-City Matters: A Multimodal Remote Sensing Benchmark Dataset for Cross-City Semantic Segmentation using High-Resolution Domain Adaptation Networks [82.82866901799565]
  我々は,都市間セマンティックセマンティックセグメンテーションタスクの研究を目的とした,新しいマルチモーダルリモートセンシングベンチマークデータセット(ハイパースペクトル,マルチスペクトル,SARを含む)を構築した。 単一都市に留まらず,多都市環境からAIモデルの一般化能力を促進するため,高解像度なドメイン適応ネットワークであるHighDANを提案する。 高DANは, 並列高分解能融合方式で, 都市景観の空間的トポロジカルな構造を良好に維持することができる。
  論文  参考訳（メタデータ） (2023-09-26T23:55:39Z)
• 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)
• Mitigating Urban-Rural Disparities in Contrastive Representation Learning with Satellite Imagery [19.93324644519412]
  土地被覆の特徴の特定における都市と農村の格差のリスクを考察する。 本稿では,畳み込みニューラルネットワークモデルの多レベル潜在空間を非バイアス化する手法として,コントラッシブラーニングを用いた高密度表現(FairDCL)を提案する。 得られた画像表現は、下流の都市と農村の予測格差を軽減し、現実の衛星画像の最先端のベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-11-16T04:59:46Z)
• PANet: Perspective-Aware Network with Dynamic Receptive Fields and Self-Distilling Supervision for Crowd Counting [63.84828478688975]
  本稿では,視点問題に対処するため,PANetと呼ばれる新しい視点認識手法を提案する。 対象物のサイズが視点効果によって1つの画像で大きく変化するという観測に基づいて,動的受容場(DRF)フレームワークを提案する。 このフレームワークは、入力画像に応じて拡張畳み込みパラメータによって受容野を調整することができ、モデルが各局所領域についてより識別的な特徴を抽出するのに役立つ。
  論文  参考訳（メタデータ） (2021-10-31T04:43:05Z)
• Gravitational Models Explain Shifts on Human Visual Attention [80.76475913429357]
  視覚的注意(英: visual attention)とは、人間の脳が優先的な処理のために関連する感覚情報を選択する能力を指す。 過去30年間に様々な評価方法が提案されてきた。 注意変動を記述するための重力モデル(GRAV)を提案する。
  論文  参考訳（メタデータ） (2020-09-15T10:12:41Z)
• 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)

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。