“Big Data, Big Cities: Computer vision uncovers predictors of physical urban change”

2018년 7월 10일(화), 15:00~16:30

서울대학교 환경대학원 글로컬홀 (82동 306호)

주요내용:

도시화(urbanization)가 진행 될수록 높은 GDP성장률, 낮은 사망률 등과 같은 긍정적인 사회적 후생을 보임.

도시에서는 물리적 도시공간구조과 사람들의 상호작용이 매우 중요한 역할을 담당하므로 최근 도시과학 연구에서는 기존의 전통적 측정방법(정부 센서스, 서베이 등)에서 나아가 보다 개선된 디지털 데이터(휴대폰과 소셜네트워크를 통한 빅데이터, street-level·Aerial·Satellite Imagery)를 활용함.

본 프로젝트에서는 도시별 식당, 백화점 등에 대한 평판·리뷰를 공유하는 지역기반 소셜네트워크인 Yelp플랫폼과 computer vision을 활용한 Streetscore 측정방법을 통해 지역수준의 경제활동, 주택가격, 그리고 이웃도시의 물리적·인구학적 변화 등을 살펴봄.

1) Yelp 분석: Starbucks 카페의 성장률과 평판 성장률이 증가할수록 주택가격 변화율에 긍정적 영향을 보임.

- urban amenities(카페, 빨래방, 이발소, 편의점, 꽃집, 와인바, 채식주의 식당, 패스트푸드점 등)이 많을수록 주택가격 변화율에 긍정적인 영향을 보임. 또한, 소득과 대졸자 비율에도 긍정적 영향을 보임.

2) Place Pulse 분석: 인구수, African-American비율, 중위연령, 대졸자비율, 중위소득, 그리고 지니계수가 높을수록 높은 streetscore을 보임. 특히, 2007~2014년 동안 인구밀도과 이웃도시의 대졸자비율이 높을수록 긍정적인 streetscore 변화를 보임. 즉 물리적 도시성장을 보임.

- Tipping Theory와 같이 이웃도시의 초기 streetscore이 높을수록 해당지역의 긍정적 물리적 환경 변화를 보이며, Invasion Theory와 같이 이웃의 환경개선은 CBD와 근접할수록 주변지역에 spillover효과를 보임.