Changes in urban neighborhood can lead to growth and development, or they can lead to decline and present a number of challenges. The growth of an urban area is a dynamic process that affects the region at different spatial and temporal scales and is related to factors that drive change, such as the region's environment, politics, geography, and other considerations. The decline of urban areas leads to deterioration of facilities and unbalanced economic and social development. In general, the process of decline of urban areas over time is an important urban issue. Changes such as the growth and decline of these neighborhoods lead people to recognize urban change. Previous studies on perceiving and recognizing urban change has mainly considered using image data to measure people's perceived mood and atmosphere. People's perceptions of urban areas can be a factor in the potential for urban area change. These previous studies shed little light on the extent to which the visual components of urban landscape images influence the perception of urban area growth and decline. Therefore, it is necessary to investigate the perception of the horizontal components of urban scenes that determine the perception of urban growth and decline.
This paper sets the research question "How can we measure the factors that affecting the perception of growth and decline in urban neighborhood area?" and aims to investigate the factors that lead to the perception of growth and decline in urban areas using multi-dimensional urban spatial image processing and deep learning-based analysis. The detailed research questions for the research question are as follows. 1) How can we measure perceptual assessments of urban growth and decline using 2D urban imagery? 2) How can we measure perceptual assessments of urban growth and decline using 3D urban point cloud data? 3) How can we create a deep learning model to assess perceptions of urban growth and decline?
To answer each of these questions, we collected two-dimensional images of urban areas and three-dimensional point cloud data to analyze the components of urban areas. We then converted the images into virtual reality and conducted a survey to gauge people's perceptions. The questionnaire consists of physical, environmental, social, and economic elements that make up a street. Next, we processed the two-dimensional image data and three-dimensional point cloud data to classify the components of the urban area, and analyzed the relationship between the survey results and each component through multivariate linear regression analysis to generate a score for the growth and decline of the urban area. Finally, based on the calculated scores, an evaluation model using deep learning was created to derive important factors for the growth and decline of urban areas.
This dissertation analyzed the factors affecting the growth and decline of urban areas using multidimensional image data processing of urban space, and found that it can contribute to analyzing the development and decline of urban areas and identifying factors with a different measurement range than existing studies. In addition, this dissertation can provide knowledge such as setting factors for policy making and development of urban regeneration areas.
도시 지역의 변화는 지역을 성장시켜 발전을 도모하기도 하며, 지역의 쇠퇴로 여러가지 문제점을 나타내기도 한다. 도시 지역의 성장은 다양한 공간적, 시간적 규모에서 지역에 영향을 미치는 역동적인 과정이며 그 지역의 환경, 정치, 지리 등 여러 고려 사항과 같은 변화를 주도하는 요소와 관련이 있다. 도시 지역의 쇠퇴는 시설이 낙후되고 경제적, 사회적 불균형 발전을 불러온다. 일반적으로 도시 지역이 시간이 지남에 따라 쇠퇴하는 과정은 중요한 도시 문제로 대두되고 있다. 이러한 지역의 성장과 쇠퇴 같은 변화는 사람들로 하여금 도시의 변화를 인식하도록 한다. 도시 변화를 인식하고 지각하는 기존 연구들은 주로 이미지 데이터를 이용해 사람들이 직접 느끼는 기분과 분위기를 측정하는 방법을 고려하였다. 도시 지역에 대한 사람들의 지각은 도시 지역 변화 잠재력의 요인이 될 수 있다. 이러한 선행연구들은 도시경관 이미지의 시각적 구성요소가 도시 지역의 성장과 쇠퇴에 대한 지각에 어느 정도 영향을 미치는지에 대해서는 거의 밝혀지지 않았다. 따라서 도시의 성장과 쇠퇴에 대한 인식을 결정하는 도시 장면의 가로 구성 요소에 대한 인식을 조사할 필요가 있다.
본 논문은 “도시 지역의 성장과 쇠퇴에 대한 지각에 대한 요인을 측정할 수 있을까”라는 연구 질문을 설정하고 이를 위해 다차원 도시 공간 이미지 처리와 딥러닝 기반 분석으로 도시 지역의 성장과 쇠퇴에 대해 인식하게 하는 요인을 조사하는 것을 목표로 한다. 또한 연구 질문을 위한 세부적인 연구 질문을 다음과 같이 설정하였다. 1) 2D 도시 이미지를 사용하여 도시의 성장과 쇠퇴에 대한 지각적 평가를 어떻게 측정할 수 있을까? 2) 3D 도시 점군 데이터를 사용하여 도시의 성장과 쇠퇴에 대한 지각적 평가를 어떻게 측정할 수 있을까? 3) 딥러닝 모델을 만들어서 도시의 성장과 쇠퇴에 대한 인식을 평가하려면 어떻게 해야 할까?
각각의 세부 질문에 대해 대답하기 위해 도시 지역의 2차원 이미지와 3차원 점군 데이터를 수집하여 도시 지역의 구성 요소를 분석하였다. 그리고 대상지 이미지를 가상현실로 변환하여 사람들의 인식을 측정하기 위한 설문조사를 수행했다. 설문은 거리를 구성하는 물리적, 환경적, 사회적, 경제적 요소로 구성된다. 다음, 2차원 이미지 데이터와 3차원 점군 데이터를 처리하여 도시 지역의 구성 요소를 분류하고, 설문조사 결과와 다변량 선형 회귀분석을 통해 각각의 요소들 간의 관계를 분석하여 도시 지역의 성장과 쇠퇴에 대한 점수를 산출하였다. 마지막으로, 산출된 점수를 토대로 딥러닝을 활용한 평가 모델을 만들어 도시 지역의 성장과 쇠퇴에 중요한 요인들을 도출하였다.
본 학위 논문을 통해 도시 공간의 다차원 이미지 데이터 처리를 활용해 도시 지역의 성장과 쇠퇴에 영향을 주는 요인을 분석하고 이를 통해 기존의 연구와 다른 측정 범위로 도시 지역의 발전과 쇠퇴를 분석하고 요인을 파악하는데 기여할 수 있음을 밝혔다. 또한, 본 논문을 통해 도시재생 지역의 정책 결정과 발전을 위한 요인 설정 등의 지식을 제공할 수 있다.
