This dissertation adds knowledge to understand children’s movement behaviors on streets and their relationships with street environments using computer vision toward a better understanding of creating streets for children. In the concept of child-friendly cities, streets have the potential as places where children can engage in outdoor activities, foster social connections, and derive health benefits. However, rapid urbanization has transformed streets into spaces focusing on vehicles and marginalizing their social functions for children. Inspired by urban planners, cities have invested enormous resources in promoting children’s activities by redesigning urban streets. To improve the quality of streets for children, it is important to investigate children’s use of streets and the characteristics of streets. Previous studies have used varying tools to identify children’s movements and behaviors in urban spaces as well as streets such as interviews, surveys, travel diaries, and systematic observations. With the development of information and communication technology, urban researchers have collected individual movements and behaviors in microscale urban spaces using GPS tracking, mobile data, social media data, and so on. Particularly, recent studies have employed computer vision techniques to analyze human movement behaviors in urban spaces. With the development of vision sensors such as closed-circuit televisions (CCTVs) and machine learning techniques, researchers can support the scalability of traditional studies to analyze children’s movements and behaviors simultaneously and consistently.
This dissertation aims to the following key research question: “How do children move on streets and how are their movement behaviors related to street environments?”. Toward that aim, we utilize computer vision techniques to analyze children’s movement behaviors on streets and explore relationships with the physical environments of streets. To the best of our knowledge, this dissertation is the first study to utilize children’s mobility data using vision-based technologies for identifying children’s movement behaviors on streets and analyzing street environments through their movement behaviors.
The following research questions are linked to answer the key question, from understanding children’s movement behaviors on streets and their relationships with street environments: 1) How can we collect reasonable children’s trajectories for movement behavior analysis? 2) How do children move on urban streets? 3) Can children’s movement behaviors tell us about the physical environments of streets for children? For the first question, we propose a novel approach to efficiently collect and correct human trajectory data with minimized practical errors in multi-object conditions using vision-based techniques. The results demonstrate the system's ability to significantly reduce practical errors and automatically generate more precise human trajectories compared to current models, enhancing the accuracy of human movement behavior analysis. To answer the second question, we analyze children’s movement behaviors on streets through vision-based techniques by extracting children’s trajectories, calculating movement behavioral features, and classifying the movement behaviors of children. The results demonstrate children’s movement behaviors (walking, staying, and running) on the streets and identify differences in children’s movement behaviors under varying conditions such as day and time by multidimensional analysis. In addition, our automated movement behavior analysis identifies the potential of street environments to positively influence children’s use of streets from the daily street life of children. For the last question, we perform a clustering analysis of children’s movement behaviors on streets and compare them to the physical environments of the streets. In addition, we conduct a statistical analysis of relationships between children’s movement behaviors and street environments. By defining children’s movement behaviors in the context of child-friendly streets, our clustering results identify the street environments that encourage the freedom and independence of children’s movement behaviors on streets such as visual exposure, school zones, and road networks. Our statistical analysis results reveal the influences of the physical environments of streets on different types of children’s movement behaviors such as walking, staying, and running. In addition, we suggest design guidelines for fostering child-friendly streets, established on the results derived from this dissertation.
This dissertation shows the feasibility of using computer vision techniques to analyze and understand children’s movement behaviors on streets, validating traditional findings and adding new knowledge about children’s use of streets. In addition, this dissertation adds knowledge to extend the understanding of place-making for child-friendly streets to create better street environments for children’s free and independent movements and behaviors on the streets.
도시 가로는 아동에게 단순한 이동을 위한 공간 뿐만이 아닌 신체적, 사회적 활동을 위한 장소로써 가치가 높다. 아동친화도시의 프레임워크는 아동의 외부활동을 위한 안전하고 편안한 가로의 역할을 강조한다. 그러나, 급격한 도시화로 인해 도시 가로는 차량 위주의 공간으로 변모되어 아동을 위한 가로의 역할은 축소되고 있다. 이에 대응하여 많은 의사 결정자들과 도시 연구자들은 도시 가로를 재설계함으로써 가로 위 아동의 자유롭고 다양한 활동을 장려하기 위하여 노력하고 있다. 아동을 위한 도시 가로를 만들기 위해서는 가로에서의 아동의 이동 및 행동, 그리고 이와 관련된 가로의 특성을 이해하는 것이 중요하다. 기존의 연구들은 인터뷰, 설문, 통행조사, 관찰 등을 통해서 가로 위 아동의 이동 및 행동을 조사하였다. 통신 및 빅데이터기술의 발전은 세부 공간에서의 인간 행동을 수집하고 분석할 수 있도록 하였다. 그중에서도 딥 러닝 등과 같은 영상 정보 처리 기술의 발전과 CCTV 등을 활용한 도시 관제 시스템의 보급으로 컴퓨터 비전 기술은 기존 연구가 가지고 있는 확장성의 한계를 보완하면서 개별 가로에서의 인간의 이동 패턴을 자동화된 과정을 통해 지속적, 일관적으로 분석할 수 있게 하였다.
본 논문은 “아동은 도시 가로에서 어떻게 움직이며 아동의 이동 패턴은 가로 환경과 어떤 관계가 있는가?”라는 연구 질문을 설정하고 이를 위해 컴퓨터 비전 기술을 활용하여 도시 가로에서의 아동의 이동 패턴을 분석하고 가로의 물리적 환경과의 관계를 탐색한다. 또한, 연구 질문을 위해 다음과 같이 세부 연구 질문을 설정하였다: 1) 어떻게 신뢰할 수 있는 아동의 이동 데이터를 수집할 수 있는가? 2) 도시 가로에서 아동은 어떻게 움직이는가? 3) 아동의 이동 패턴은 아동을 위한 도시 가로의 물리적 환경을 이야기 할 수 있는가?
첫번째 세부 질문을 위해 영상 정보로부터 컴퓨터 비전 기술을 활용하여 다중 객체 조건에서 인간의 이동 데이터를 추출하는 방법을 제안하였다. 제안된 모델의 결과는 기존의 모델로부터 발생하는 오류를 보정하여 더 정확한 인간의 궤적 데이터(Trajectory data)를 수집하였다. 두번째 세부 질문을 위해 실제 도시 관제 시스템의 CCTV를 활용하여 도시 가로 위 아동의 이동 패턴을 분석하였다. CCTV 영상 정보로부터 앞서 제안한 방법을 사용하여 아동의 궤적 데이터를 수집하고 궤적 데이터로부터 이동 패턴을 추출 및 분류하였다. 결과는 도시 가로 위 아동의 이동 패턴(walking, staying, and running)을 도출하였으며, 다차원 분석을 통해 다양한 조건(요일, 시간, 거리)에 따른 아동의 이동 패턴의 변화를 확인하였다. 세번째 세부 질문을 위해 아동의 이동 데이터를 기반으로 가로의 물리적 환경을 분석하였다. 이를 위해, 아동의 이동 패턴을 클러스터링 분석하고 이를 가로의 물리적 환경과 비교하였다. 또한, 아동의 이동 패턴과 가로 환경 간의 관계를 다중회귀분석을 통해 통계적으로 분석하였다. 아동 친화 가로의 맥락에서 아동의 이동 특징을 정의함으로써 클러스터링 결과는 시각적 요소, 스쿨존 및 도로망과 같은 아동의 자유롭고 독립적인 이동을 촉진하는 가로 물리적 환경을 밝혔다. 통계 분석 결과는 가로의 물리적 환경이 걷기, 머무르기, 뛰기와 같은 아동의 이동 패턴 특징에 따라 다른 영향력을 보여줌을 밝혔다. 추가적으로, 분석 결과를 기반으로 어린이 보호 구역과 같은 기존의 아동 관련 가로 법규들을 탐색하고, 아동친화도시를 위한 가로 디자인 개선과 정책 시사점을 제안하였다.
본 학위 논문을 통해 컴퓨터 비전 기술을 활용하여 도시 가로에서 아동의 이동 패턴을 분석하고, 이를 통해 기존의 연구 결과를 검증하고 도시 가로 위 아동의 이동을 이해하는 데 기여할 수 있음을 시사한다. 또한, 본 논문을 통해 아동 친화 도시를 위한 가로 조성에 관한 이해를 확장하고 아동이 자유롭고 독립적으로 움직이고 행동할 수 있는 가로 환경에 관한 지식을 제공한다.
