| 研究課題/領域番号 |
22K04490
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分23030:建築計画および都市計画関連
|
|---|
| 研究機関 | 東京工業大学 |
|---|
研究代表者 |
沖 拓弥 東京工業大学, 環境・社会理工学院, 准教授 (40712766)
|
|---|
| 研究分担者 |
小川 芳樹 東京大学, 空間情報科学研究センター, 講師 (70794296)
|
|---|
| 研究期間 (年度) |
2022-04-01 – 2025-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,030千円 (直接経費: 3,100千円、間接経費: 930千円)
2024年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2023年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2022年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
|
|---|
| キーワード | 街路印象評価 / 深層学習 / 街路全方位画像 / Webアンケート / GAN（敵対的生成ネットワーク） / 空き家 / 建物外観 / 回答者属性 / ビッグデータ / 人工知能 / 住環境 / 持続可能性 / 根拠に基づく政策立案 |
|---|
| 研究開始時の研究の概要 |
本研究では，近年普及が進む街路全方位画像などの多様な建築・都市ビッグデータと，画像判別や回帰，画像生成などを目的とした人工知能（AI）技術を用いて，①任意の住宅地における住環境（「そのまちらしさ」や魅力，課題）を定量化・可視化する技術，および，②住宅地や街路の構成要素を変動させる施策の効果を検証するために，将来像を数値と画像の両方の形式で予測する革新的シミュレーション技術を開発する。
|
| 研究実績の概要 |
１．景観や防犯・防災の観点から住宅地に悪影響を及ぼす可能性のある空き家について，東京都大田区から提供を受けた空き家データベースをもとに，その分布特性や外観の特徴などについて基礎的な分析を行った。
２．街路全方位画像ビッグデータをもとに，使用画像が1千枚規模，回答者数が1万人規模，評価項目数22という大規模な街路印象評価Webアンケートを複数回実施した。その結果を深層学習モデルに学習させることで，回答者による22項目の観点での印象評価を高精度（79.6%～91.1%）で予測可能な「街路景観の主観的印象評価推定モデル」を構築した。このモデルを用いることで，任意の街路の主観的印象評価スコアを数値で評価することが可能となった。また，主観的印象評価と街路構成要素との関係を分析した。さらに，性別，年代，居住都道府県別にアンケート結果を学習させたモデルを別途構築し，そのモデルにより得られるスコアを比較することで，性別，年代，居住都道府県ごとの印象評価傾向の違いについて検討を行った。
３．上述の「街路景観の主観的印象評価推定モデル」においては，画像内への建物の映り込みが少なく，建物外観の影響はあまり大きくない。そこで，街路全方位画像から建物外観画像を機械的に抽出し，それをもとにWebアンケートを実施することで，建物外観の印象評価推定モデルを構築した。このモデルを用いることで，様々なアングルや建物用途について，22項目から建物外観を数値で評価することができる。
４．上述の「街路景観の主観的印象評価推定モデル」で推定される印象評価スコアを参考に，「街路を具体的にどのように改善することで，好印象な街路を実現できるか」のヒントを得るための技術として，CycleGANという画像生成AIに高評価・低評価それぞれの街路画像を学習させ，好印象街路画像生成モデルを開発した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
印象評価AIについては高精度（79.6%～91.1%）で人々の主観的印象評価を推定可能なモデルを既に構築することができ，施策効果数値予測AIと将来街路画像予測AIの開発についても，予測精度や生成精度などに課題があるものの，当初予定よりも早めに着手することができた。さらに，建物外観評価や空き家分析など，当初計画にない内容も進めることができており，当初の計画以上に研究が進展していると評価できる。
|
| 今後の研究の推進方策 |
空き家分析については，大田区が把握している状態の悪い空き家のみならず，比較的状態の良い空き家も含めた分析を行うため，区内の複数の地域を対象に空き家の悉皆調査を実施した上で，地域特性や建物外観から建物単位の「空き家度（空き家である確率）」を推定する機械学習モデルを開発する。
街路印象評価については，天候や時間帯が印象評価に及ぼす影響をモデル化するとともに，属性別の印象評価傾向の違いを定量化する手法を確立することに取り組む。
建物外観印象評価については，建物構成要素との関係を分析するとともに，地域分析や建築設計への応用を検討する。
好印象街路画像生成については，近年の画像生成AI技術も参照しながら，より高精度かつリアリティのある街路画像生成に取り組む。
|
