2022 Fiscal Year Annual Research Report
Development of a new spatial analysis method that integrates texture, geometry and structural information of space
| Project/Area Number |
20K04872
|
|---|
| Research Institution | Osaka Metropolitan University |
|---|
Principal Investigator |
瀧澤 重志 大阪公立大学, 大学院生活科学研究科, 教授 (40304133)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | 空間情報解析 / CNN / グラフ畳み込みネットワーク / フロアプラン / アクセスグラフ / 賃料推計 / 印象評価 / ウォーカビリティ |
|---|
| Outline of Annual Research Achievements |
最終度は主に，前年度に行ったLIFULL HOME'Sデータセットにおける大阪府内の3LDKの住宅系不動産の大量の間取り画像からアクセスグラフを自動的に推定し，グラフ畳み込みネットワーク（GCN）を用いて，アクセスグラフとして表現された間取りの不動産的価値（間取り価値）を推計する方法を改良した，アクセスグラフの抽出アルゴリズムを改良して抽出精度の向上を図ったうえで，GCNも推定精度の強化を図った．結果として，間取り価値モデルの精度が，有意水準0.001でベースラインモデルよりも有意に精度が向上した．また，Integrated Gradientsを用いて，アクセスグラフの推計根拠説明を行い，妥当な結果を得た．この結果は，プレプリントの公開を行った後，海外ジャーナルへ投稿し，査読中である．
そのほかの取り組みとして，方法論的な展開として，Isovistの観測点を連結したグラフとして求める基本的な方法の開発を行った．ここでは，空間を単位格子点で離散化し，それらの中からすべての点を観測できる最小個数の母点を選ぶ問題を数理計画問題として定式化し，建築スケールの空間を対象として実用的な時間で求解できる事を示した．
応用研究としては，大阪市北区において，全方位画像を新規に400点ほど撮影し，100人規模の都市景観画像の主観評価を行い，より精度の高いモデルを学習で求めたり，ポイント型流動人口データから得られた街路の歩行者数を，昨年開発したDYSモデルと呼ぶCNNを含む回帰モデルによってよく推計できることを示した．
|
