Sfruttare le immagini di Open Street View per la ricerca sulla percezione urbana

Le immagini a livello stradale sono fondamentali per la ricerca, aiutandoci a capire come le persone vedono l'ambiente intorno a loro. Questo tipo di immagini può essere usato per studiare vari aspetti come la sicurezza, la qualità ambientale e il piacere generale di un luogo. Tuttavia, ci sono delle sfide quando si tratta di accedere e usare queste immagini, soprattutto se provengono da fonti commerciali.

#L'importanza delle immagini di Street View aperte

Anche se molte aziende forniscono immagini di street view, spesso pongono regole rigorose su come possono essere utilizzate. Questo limita la possibilità dei ricercatori di usarle liberamente nei loro studi. Dall'altro lato, le piattaforme di immagini di street view aperte permettono un accesso più facile ai dati. Una di queste piattaforme è Mapillary, che offre una fonte di immagini stradali guidata dalla comunità che può essere utilizzata senza troppe restrizioni.

Nonostante i vantaggi delle immagini di street view aperte, la qualità delle immagini può variare notevolmente. Per garantire che i dati siano utili, i ricercatori devono filtrare le immagini di scarsa qualità attraverso un'attenta lavorazione e controlli.

#Un nuovo metodo per raccogliere dati sulla percezione

Questo articolo introduce un metodo che automatizza il processo di scaricamento e preparazione delle immagini di street view aperte per i sondaggi. L'obiettivo è capire come le persone percepiscono le diverse strade in base a queste immagini. Il metodo utilizza Amsterdam come caso di test, dove i cittadini sono stati coinvolti nel valutare le viste stradali in base a vari criteri.

Il processo inizia raccogliendo immagini da Mapillary tramite la sua interfaccia di programmazione delle applicazioni (API). Dopo il download, le immagini vengono elaborate per assicurarsi che soddisfino gli standard di qualità. Ad esempio, le immagini che sono poco chiare, troppo scure o mostrano solo un muro vengono scartate.

I ricercatori possono quindi raccogliere valutazioni dalle persone riguardo alle condizioni delle strade. Questo tipo di Coinvolgimento dei cittadini permette di avere un ampio ventaglio di opinioni e un set di dati più ampio per l'analisi.

#Le sfide delle percezioni soggettive

Le percezioni variano da persona a persona. Una strada potrebbe sembrare accogliente a un individuo e pericolosa a un altro. Le esperienze passate e i sentimenti delle persone riguardo a un luogo possono influenzare le loro percezioni. Così, quando si pongono domande come "Ti sentiresti al sicuro qui?" o "Questa strada è piacevole?", le risposte possono variare molto.

Capire questi punti di vista soggettivi è essenziale. Diversi ricercatori, come urbanisti ed esperti di trasporti, possono utilizzare queste informazioni per valutare se le percezioni di sicurezza corrispondano alle statistiche di criminalità effettive in un'area o se più persone camminano o vanno in bicicletta in strade percepite come amichevoli.

#Allontanarsi dalle misurazioni oggettive

Tradizionalmente, la progettazione urbana e la ricerca sui trasporti si basano fortemente su indicatori misurabili. Tuttavia, i sentimenti di molte persone riguardo ai luoghi non corrispondono sempre a queste misurazioni oggettive. Ad esempio, le strade della città possono avere punteggi alti su fattori come il verde o l'infrastruttura pedonale ma essere percepite come poco accoglienti o pericolose dai residenti.

Per catturare questi sentimenti soggettivi, i ricercatori spesso dovevano ricorrere a metodi che richiedevano molto tempo e risorse, come condurre interviste o sondaggi di persona. Pertanto, sviluppare metodi efficienti per raccogliere queste percezioni è cruciale.

#Come la scienza dei cittadini può aiutare

Questa ricerca incoraggia il coinvolgimento dei cittadini permettendo a non-scienziati di contribuire alla raccolta dei dati. Attraverso un'applicazione web user-friendly, le persone possono valutare le immagini in base alle loro percezioni. Questo metodo promuove la partecipazione e aiuta i ricercatori a raccogliere dati preziosi rapidamente.

Inoltre, mantenendo i dati e il software aperti e accessibili, altri ricercatori possono replicare e ampliare questo lavoro. Questo si allinea con il movimento della scienza aperta, che cerca di rendere i risultati della ricerca pubblicamente disponibili e utilizzabili da altri.

#Funzionalità dell'applicazione di sondaggio mobile

Il sondaggio avviene su un'applicazione web adatta ai dispositivi mobili. Prima di fornire le loro valutazioni, i partecipanti completano un breve sondaggio demografico che raccoglie informazioni di base come età, genere e livello di istruzione. Queste informazioni aiutano i ricercatori a classificare le risposte e identificare tendenze tra diversi gruppi.

Una volta completata la parte demografica, i partecipanti iniziano a valutare le immagini di street view. Vedono un'immagine alla volta e sono invitati a considerare vari fattori come sicurezza, camminabilità e piacevolezza generale. Per rispondere, i partecipanti semplicemente scorrono la loro scelta lungo una scala da orribile a fantastico. Questo sistema di valutazione rapido rende facile per le persone esprimere i loro sentimenti senza doverci pensare troppo su ogni immagine.

#Raccolta e analisi dei dati

Lo studio iniziale che ha coinvolto la raccolta di percezioni si è svolto ad Amsterdam. Nel corso di diversi mesi, i ricercatori hanno raccolto un numero significativo di valutazioni, consentendo di avere un set di dati ricco. Social media, mailing list universitarie e annunci in aula sono stati utilizzati per reclutare partecipanti.

Attraverso questo ampio coinvolgimento, i ricercatori sono stati in grado di raccogliere una gamma diversificata di risposte. La demografia di genere ha mostrato che i partecipanti includevano uomini, donne e persone non binarie. I background educativi variavano, con molti partecipanti che erano studenti o avevano completato studi superiori.

La distribuzione per età tendeva verso individui più giovani e di mezza età, riflettendo la popolazione studentesca urbana. Le domande sui redditi hanno anche messo in evidenza un focus su partecipanti più giovani, poiché molti riportavano guadagni mensili più bassi tipici per gli studenti.

#Trovare modelli nelle valutazioni

Una volta raccolti i dati, i ricercatori li hanno analizzati per trovare tendenze nelle percezioni. Ad esempio, le valutazioni di camminabilità sono state mappate nell'area di studio per vedere come le percezioni variavano dal centro città alle aree periferiche.

Come previsto, le aree più vicine al centro della città hanno ricevuto punteggi più alti per camminabilità e sicurezza. Al contrario, le aree periferiche tendevano a ottenere punteggi inferiori, spesso legati a contesti industriali o strade molto trafficate. Tali risultati offrono preziose intuizioni per gli urbanisti che cercano di migliorare la qualità della vita in questi quartieri.

#Il valore degli strumenti open-source

Il software sviluppato per questa ricerca è reso disponibile al pubblico, consentendo ad altri di usarlo, modificarlo o migliorarlo. Questo approccio open-source promuove la collaborazione nella comunità di ricerca e assicura che le conoscenze acquisite possano essere diffuse ampiamente.

Promuovendo la trasparenza e la riproducibilità nelle pratiche di ricerca, il progetto si allinea con i principi fondamentali della scienza dei cittadini, che cerca di coinvolgere il pubblico nelle indagini scientifiche e incoraggiare un senso di appartenenza condiviso sui dati raccolti.

#Conclusione: Direzioni future

Le informazioni ottenute da questa ricerca hanno il potenziale per informare la pianificazione urbana, le politiche dei trasporti e gli studi ambientali. Man mano che la comprensione della percezione umana si approfondisce, i ricercatori possono adattare strategie che si allineano meglio con i sentimenti delle persone riguardo ai loro ambienti.

Il lavoro futuro può ulteriormente affinare gli strumenti e i metodi utilizzati per esaminare le immagini di strada e le percezioni. Con l'evoluzione della tecnologia, l'integrazione di analisi dati avanzate e modelli di machine learning può migliorare la capacità di prevedere le percezioni su aree più ampie.

In definitiva, l'obiettivo è migliorare gli ambienti urbani e assicurarsi che le città siano progettate tenendo conto delle persone che ci vivono. Attraverso un continuo coinvolgimento dei cittadini e pratiche di ricerca aperte, la qualità della vita per molti residenti urbani può essere significativamente migliorata.