From multimedia data analysis to the creation of a context-aware framework for the New European Bauhaus

The New European Bauhaus (NEB) framework provides a comprehensive set of Key Performance Indicators (KPIs) to evaluate urban environments according to the principles of sustainability, aesthetics and inclusion. Although the framework defines a structured methodology for urban assessment, the computation of many indicators still relies on manual procedures, limiting their scalability and applicability to large-scale analyses. This thesis proposes an integrated framework for the automatic computation and contextual interpretation of NEB indicators. Building upon a previous implementation, a fully automated Computer Vision pipeline is developed to compute the existing Beauty indicators B.7 and B.11 directly from street-level imagery. By leveraging state-of-the-art foundation models and object detection architectures, the proposed methodology replaces the manual extraction of architectural features with an automatic workflow, significantly reducing the effort required to evaluate these indicators. Furthermore, the thesis introduces the implementation of the new NEB indicator I.3.7, combining visual information with metadata and structured datasets within a unified computational pipeline. The main contribution of this work is the definition of the Context Dimension Tree (CDT), a hierarchical framework designed to organise NEB indicators together with heterogeneous contextual information. Through the definition of context dimensions and context relations, the CDT provides a structured representation of urban context, enabling the integration of visual information, metadata, GIS layers and additional urban datasets into a common analytical framework. The proposed methodology demonstrates how automatic KPI computation and context representation can be combined to support context-aware urban analysis. By integrating heterogeneous sources of information within the Context Dimension Tree, the framework provides a scalable foundation for the interpretation of NEB indicators and represents a first step towards more comprehensive decision-support systems for urban design and planning.

Il framework del New European Bauhaus (NEB) definisce un insieme articolato di Key Performance Indicators (KPI) per la valutazione degli ambienti urbani secondo i principi di sostenibilità, bellezza e inclusione. Sebbene il framework fornisca una metodologia strutturata per l'analisi urbana, il calcolo di numerosi indicatori richiede ancora procedure manuali, limitandone la scalabilità e l'applicabilità a contesti di analisi estesi. Questa tesi propone un framework integrato per il calcolo automatico e l'interpretazione contestuale degli indicatori NEB. Basandosi su una precedente implementazione, viene sviluppata una pipeline completamente automatizzata di Computer Vision per il calcolo degli indicatori Beauty B.7 e B.11 a partire da immagini acquisite a livello stradale. Sfruttando foundation models e architetture di object detection di ultima generazione, la metodologia proposta sostituisce l'estrazione manuale delle caratteristiche architettoniche con un processo completamente automatico, riducendo significativamente il lavoro necessario per il calcolo degli indicatori. Inoltre, la tesi introduce l'implementazione del nuovo indicatore NEB I.3.7, ottenuto attraverso l'integrazione di informazioni visive, metadati e dataset strutturati. Il principale contributo del lavoro consiste nella definizione del Context Dimension Tree (CDT), un framework gerarchico progettato per organizzare gli indicatori NEB insieme a informazioni contestuali eterogenee. Attraverso la definizione di context dimensions e context relations, il CDT fornisce una rappresentazione strutturata del contesto urbano, consentendo l'integrazione di informazioni visive, metadati, layer GIS e ulteriori sorgenti informative all'interno di un unico modello analitico. La metodologia proposta dimostra come il calcolo automatico dei KPI e la rappresentazione del contesto possano essere combinati per supportare analisi urbane context-aware. Integrando sorgenti informative eterogenee all'interno del Context Dimension Tree, il framework costituisce una base scalabile per l'interpretazione degli indicatori del New European Bauhaus e rappresenta un primo passo verso futuri sistemi di supporto alle decisioni per la progettazione e la pianificazione urbana.