MMAug, 2016

更安全的社区是否更有生气？对城市生活的多模态调查

PDF
TL;DR本研究使用移动电话数据与视觉感知数据分别作为城市区域的活跃度和安全性的代理，并使用卷积神经网络评估了城市街景中的感知安全分数，结果发现感知安全对活跃度的影响与人口年龄有关，绿化和朝街窗户对城市感知安全有积极的影响，该结果为城市规划等相关领域提供了有价值的参考。
urban areassafetylivelihoodneighbourhood perceptionconvolutional neural network
发现论文，激发创造
  • 街道之眼：利用街头成像来建模城市犯罪动态

    本研究利用机器学习和全面的街景图像数据集，探讨纽约市的城市安全挑战，以识别城市景观与犯罪率之间的关系，并特别关注街景特征与犯罪率的相关性，从而为城市规划和犯罪预防提供见解，凸显环境设计在提升公共安全方面的潜力。

    Apr, 2024

  • 深度学习城市：全球尺度下衡量城市感知

    利用卷积神经网络从大规模的人类认知感知数据集中学习，在全球范围内量化城市环境感知现象的关系。

    Aug, 2016

  • 利用成对图像比较评估骑行环境的感知安全性

    通过对感知的研究，本文提出了一种分析和理解自行车安全感知以及建筑环境和骑行背景对此感知的影响的新方法。城市规划可以利用这个评分来提高干预措施的效果，改善骑行促进活动，并且这种方法可以在不同地点或背景下进行快速评估和连续评估骑行环境的变化。

    Jul, 2023

  • 预测城市变化对行人和道路安全的影响

    本文研究了如何利用历史事故数据和街景图像自动预测城市干预对事故发生率的影响，结果显示可以利用机器学习工具优先考虑有针对性的城市干预措施，从而提高行人和车辆的安全性。

    Feb, 2022

  • 可步行街道的数字生活

    该论文研究了使用社交媒体数据自动识别安全和适宜步行街道以部分自动化计算步行性的可行性，其结果为提供实用机会以及探索步行性领域尚未解答问题的研究提供了理论基础。

    Mar, 2015

  • ELSA：评估城市街道上的社交活动定位

    为评估城市街道中社交活动的定位而提出了一个考察社交活动定位的新的基准数据集 (ELSA)，利用城市社会学和设计的理论框架，包含 937 张手动标注的图像和 4300 多个多标签边界框，用于个人和群体活动的分类，公开供研究社区使用。

    Jun, 2024

  • 通往幸福的最短路径：在城市中推荐美丽、安静、快乐的路线

    本研究利用伦敦和波士顿的数据，通过众包平台的投票结果及 Flickr 元数据分析，自动为用户提供除最短路径之外、更美丽、安静和快乐的路线建议。

    Jul, 2014

  • 使用街景和卫星图像估算房价

    使用深度神经网络从街景图像和卫星图像中自动提取视觉特征以估计伦敦房屋价格，实验表明学习街区的城市质量可以提高房屋价格预测，即使推广到未被看见的伦敦自治市镇。

    Jul, 2018

  • 地景中的恶魔：从街景影像推断流行病暴露风险

    通过构建一个受重力模型推动的区域移动性图和使用传递感知的图卷积网络模型，我们提出了一种从街景图像中评估疫情暴露风险的低成本、可扩展的方法，实验证明该模型在加权 F1 评价指标上比基准模型提升了 8.54%。

    Nov, 2023

  • 城市宜居性的时间序列分析

    通过深度学习模型，我们对荷兰城市邻里层面的长期宜居性变化进行监测。通过将年度可用的高分辨率航拍图像与宜居度量标准 (Leefbaarometer) 相结合，我们训练了一个卷积神经网络，用于预测新的时间步长中的宜居性。研究结果显示，对于训练过程中未见过的城市 (Eindhoven)，宜居性的趋势难以解释，这也体现了在不同时间段内监测宜居性的复杂性以及需要更复杂的方法来补偿与宜居性动态无关的变化。

    Sep, 2023