| 研究課題/領域番号 |
20K04872
|
|---|
| 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 | 大阪公立大学 (2022)
大阪市立大学 (2020-2021) |
|---|
研究代表者 |
瀧澤 重志 大阪公立大学, 大学院生活科学研究科, 教授 (40304133)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 空間情報解析 / 畳み込みニューラルネットワーク / 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 |
|---|
| 研究成果の概要 |
本研究では、3D Isovistを基盤とした局所的な空間分析モデルを基盤として，空間構成全体を評価できる二つのスケールのモデルを開発した．まず都市スケールのモデルでは，3D Isovistモデルに相当するCNNモデルを提案し，RGBではなく深度やセグメンテーションなどの画像を使用することで，空間性の印象評価や歩行者数の推定をある程度の精度で行えることを示した．次に間取りの空間構成分析モデルを開発した．3LDKの賃貸住宅の間取り画像から，アクセスグラフを自動的に抽出し，グラフ畳み込みネットワークによって間取り価値を推計し，ヘドニックモデルで間取り価値が高い説明力を有していることを明らかにした．
|
| 自由記述の分野 |
建築情報学
|
| 研究成果の学術的意義や社会的意義 |
建築・都市計画・不動産などの分野では，膨大かつ詳細な空間データが容易に得られるようになってきており，そうしたデータに基づく空間評価の重要度が増してきている．しかし既存の空間分析では，分析目的に応じて空間の特徴量を都度定義・計測するといったアドホックな対応がとられることが多かった．本研究では，深層学習に基づくデータリッチな時代の新たな3次元空間分析手法として，3D Isovistを基盤とした局所的な空間分析モデルをネットワーク的に扱い，空間構成全体を評価できる新しいモデルを開発した．このモデルでは，空間データの情報量をあまり落とすことなく予測や説明ができ，今後の学術的・社会的な応用が期待できる．
|
