UrSA. Implementation of digital image processing technology and application for urban design

No matter in which period, urban street as an important urban factor to urban space construction, on one hand it is the physical framework that carries transportation and culture; on the other hand it is also the space of urban life and the main public space of human perception to the city; thus, the urban street analysis is a part that can not be ignored in urban planning. This article is main researching on how to apply the deep learning technology into urban street analysis, and we propose a method: Urban Street Analysis (UrSA), which study on urban street through applying Google Street View (GSV) image API, convolutional neural network (SegNet) model, as well as data quantification, to obtain an analysis of urban street on the human visual perception level. UrSA technology works on the street analysis in different ranges to achieve the target of urban research in various level; from the view of spatial features, which range from global cities’ character, functional zones’ character and to the specific urban streets’ features. The result from UrSA also can relate with social issues, such as housing price and crime rate; at the same time, we proposed a standard that based on the human sense of visual closure to make a classification on urban streets’ open degree, and also to seek the relationship between the urban streets and social issues. In the end, the practical ability of UrSA is still limited and exists some shortages, but we expect to help urban planner to realize more about the cities where we live in, thereby it can be as a reference and guidance to urban planning.

Non importa in quale periodo, la strada urbana è un importante fattore urbano per la costruzione dello spazio urbano, da un lato è la struttura fisica che trasporta i trasporti e la cultura; d'altra parte è anche lo spazio della vita urbana e il principale spazio pubblico della percezione umana per la città; quindi, l'analisi urbana delle strade è una parte che non può essere ignorata nella pianificazione urbana. Questo articolo è la ricerca principale su come applicare la tecnologia di deep learning all'analisi delle strade urbane e proponiamo un metodo: Urban Street Analysis (UrSA), che studia su street urbani applicando l'API di immagine di Google Street View (GSV), la rete neurale convoluzionale (SegNet), così come la quantificazione dei dati, per ottenere un'analisi della via urbana sul livello di percezione visiva umana. La tecnologia UrSA lavora sull'analisi stradale in diverse gamme per raggiungere l'obiettivo della ricerca urbana a vari livelli; dal punto di vista delle caratteristiche spaziali, che vanno dal carattere delle città globali, al carattere delle zone funzionali e alle caratteristiche specifiche delle strade urbane. Il risultato di UrSA può anche riguardare questioni sociali, come il prezzo delle abitazioni e il tasso di criminalità; allo stesso tempo, abbiamo proposto uno standard basato sul senso umano della chiusura visiva per fare una classificazione sul grado aperto delle strade urbane e anche per cercare la relazione tra le strade urbane e le questioni sociali. Alla fine, l'abilità pratica di UrSA è ancora limitata ed esistono alcune carenze, ma ci aspettiamo di aiutare l'urbanista a realizzare di più sulle città in cui viviamo, quindi può essere un riferimento e una guida per la pianificazione urbana.