Measurement of urban vitality with time-lapsed street-view images and object-detection for scalable assessment of pedestrian-sidewalk dynamics
Notice bibliographique
Résumé
Principles of dense, mixed-use environments and pedestrianisation are influential in urban planning practice worldwide. A key outcome espoused by these principles is generating "urban vitality", the continuous use of street sidewalk infrastructure throughout the day, to promote safety, economic viability and attractiveness of city neighbourhoods. Vitality is hypothesised to arise from a nearby mixture of primary uses, short blocks, density of buildings and population and a diversity in the age and condition of surrounding buildings. To investigate this claim, we use a novel dataset of 2.1 million time-lapsed day and night images at 145 representative locations throughout the city of Accra, Ghana. We developed a measure of urban vitality for each location based on the coefficient of variation in pedestrian volume over time in our images, obtained from counts of people identified using object detection. We also construct measures of "generators of diversity": mixed-use intensity, building, block and population density, as well as diversity in the age of buildings, using data that are available across multiple cities and perform bivariate and multivariate regressions of our urban vitality measure against variables representing generators of diversity to test the latter's association with vitality. We find that two or more unique kinds of amenities accessible within a five-minute walk from a given location, as well as the density of buildings (of varying ages and conditions) and short blocks, are associated with more even footfall throughout the day. Our analysis also indicates some potential negative trade-offs from dense and mixed-use neighbourhoods, such as being associated with more continuous road traffic throughout the day. Our methodological approach is scalable and adaptable to different modes of image data capture and can be widely adopted in other cities worldwide.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».