A utility-based spatial analysis of residential street-level conditions; A case study of Rotterdam

要約

住宅地の選択は伝統的に、アクセシビリティと社会経済的環境に関連する要因を使用してモデル化されており、地域の道路レベルの状況の重要性は無視されています。
おそらく、この無視はデータ慣行によるものです。
しかし、今日では、街頭レベルの状況をエンコードするのに非常に効果的な街頭レベルの画像が広く利用可能になっています。
さらに、コンピュータービジョン機能を組み込んだ離散選択モデルの最近の進歩により、街路レベルの状況を住宅地の選択分析に統合する機会が提供されています。
この研究では、これらの開発を活用して、都市全体の規模で住宅地の選択における街路レベルの条件から得られる効用の空間分布を調査します。
オランダのロッテルダムのケーススタディでは、街路レベルの状況から得られる効用が非常に局所的なスケールで大きく異なり、近隣の中でも状況が急速に変化することがわかりました。
私たちの結果はまた、市中心部の不動産価格の高さは、魅力的な街路レベルの条件に起因するものではないことも明らかにしています。
さらに、市の中心部は比較的魅力のない住宅地レベルの環境によって特徴付けられますが、市の南部の近隣地域（しばしば問題があると認識されています）は、驚くほど魅力的な街路レベルの環境を示しています。
この論文の方法論的な貢献は、モデルにセマンティック正則化層を導入することによって、コンピュータ ビジョン機能を組み込んだ離散選択モデルを進歩させたことです。
これにより、説明可能性が追加され、画像から情報を抽出するための別個のパイプラインの必要性がなくなり、分析が合理化されます。
したがって、この論文の発見と方法論の進歩は、都市計画における街路レベルの条件の統合を探求するためのさらなる研究への道を開きます。

要約(オリジナル)

Residential location choices are traditionally modelled using factors related to accessibility and socioeconomic environments, neglecting the importance of local street-level conditions. Arguably, this neglect is due to data practices. Today, however, street-level images — which are highly effective at encoding street-level conditions — are widely available. Additionally, recent advances in discrete choice models incorporating computer vision capabilities offer opportunities to integrate street-level conditions into residential location choice analysis. This study leverages these developments to investigate the spatial distribution of utility derived from street-level conditions in residential location choices on a city-wide scale. In our case study of Rotterdam, the Netherlands, we find that the utility derived from street-level conditions varies significantly on a highly localised scale, with conditions rapidly changing even within neighbourhoods. Our results also reveal that the high real-estate prices in the city centre cannot be attributed to attractive street-level conditions. Furthermore, whereas the city centre is characterised by relatively unattractive residential street-level conditions, neighbourhoods in the southern part of the city — often perceived as problematic — exhibit surprisingly appealing street-level environments. The methodological contribution of this paper is that it advances the discrete choice models incorporating computer vision capabilities by introducing a semantic regularisation layer to the model. Thereby, it adds explainability and eliminates the need for a separate pipeline to extract information from images, streamlining the analysis. As such, this paper’s findings and methodological advancements pave the way for further studies to explore integrating street-level conditions in urban planning.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google