Simple Science

Ciência de ponta explicada de forma simples

# Informática# Visão computacional e reconhecimento de padrões

Aproveitando Imagens do Open Street View para Pesquisa sobre Percepção Urbana

Esse método melhora a pesquisa urbana coletando as percepções do público sobre as vistas das ruas.

― 7 min ler


Visões de Rua e PercepçãoVisões de Rua e PercepçãoUrbanapúblicas de vistas urbanas de ruas.Método automatizado coleta avaliações
Índice

Imagens de nível de rua são super importantes na pesquisa, ajudando a gente a entender como as pessoas veem o que tá ao redor delas. Esse tipo de imagem pode ser usado pra estudar várias coisas, tipo segurança, qualidade do ambiente e a diversão geral de um lugar. Mas, acessar e usar essas imagens pode ser complicado, principalmente quando elas vêm de fontes comerciais.

A Importância das Imagens de Street View Abertas

Embora muitas empresas ofereçam imagens de street view, elas costumam colocar regras bem rígidas sobre como essas imagens podem ser usadas. Isso limita a liberdade dos pesquisadores em utilizá-las nos estudos. Por outro lado, plataformas de imagens de street view abertas permitem um acesso mais fácil aos dados. Uma dessas plataformas é o Mapillary, que fornece uma fonte comunitária de imagens de nível de rua que podem ser usadas sem muitas restrições.

Apesar dos benefícios das imagens de street view abertas, a qualidade das imagens pode variar bastante. Pra garantir que os dados sejam úteis, os pesquisadores precisam filtrar as imagens de baixa qualidade através de um processamento cuidadoso e checagens.

Um Novo Método pra Coletar Dados de Percepção

Esse artigo apresenta um método que automatiza o processo de baixar e preparar imagens de street view abertas pra pesquisas. O objetivo é entender como as pessoas percebem diferentes ruas com base nessas imagens. O método usa Amsterdã como um caso de teste, onde os cidadãos participaram avaliando as views das ruas com base em vários critérios.

O processo começa com a coleta de imagens do Mapillary através da sua interface de programação de aplicativos (API). Depois de baixar, as imagens são processadas pra garantir que atendam aos padrões de qualidade. Por exemplo, imagens que estão desfocadas, muito escuras ou que mostram apenas uma parede são descartadas.

Os pesquisadores podem então coletar avaliações das pessoas sobre as condições das ruas. Esse tipo de envolvimento dos cidadãos permite uma variedade maior de opiniões e um conjunto de dados maior pra análise.

Os Desafios das Percepções Subjetivas

As percepções variam de pessoa pra pessoa. Uma rua pode parecer acolhedora pra uma pessoa e insegura pra outra. As experiências passadas e os sentimentos das pessoas sobre um lugar podem afetar suas percepções. Então, ao fazer perguntas como "Você se sentiria seguro aqui?" ou "Essa rua é agradável?", as respostas podem variar bastante.

Entender essas visões subjetivas é essencial. Pesquisadores de áreas diferentes, como urbanistas e especialistas em transporte, podem usar essas informações pra avaliar se as percepções de segurança batem com as estatísticas reais de criminalidade na área ou se mais pessoas estão andando ou pedalando nas ruas que são vistas como amigáveis.

Saindo das Medidas Objetivas

Tradicionalmente, o design urbano e a pesquisa de transporte dependem muito de indicadores mensuráveis. No entanto, os sentimentos de muitas pessoas sobre os lugares nem sempre correspondem a essas medições objetivas. Por exemplo, ruas da cidade podem ter uma pontuação alta em fatores como áreas verdes ou infraestrutura para pedestres, mas ainda assim serem vistas como pouco acolhedoras ou inseguras pelos moradores.

Pra captar esses sentimentos subjetivos, os pesquisadores muitas vezes precisavam recorrer a métodos que levam muito tempo e recursos, como fazer entrevistas ou pesquisas pessoalmente. Portanto, desenvolver métodos eficientes pra coletar essas percepções é crucial.

Como a Ciência Cidadã Pode Ajudar

Essa pesquisa incentiva a participação dos cidadãos, permitindo que não cientistas contribuam com a Coleta de Dados. Através de um aplicativo web amigável, as pessoas podem avaliar imagens com base em suas percepções. Esse método promove a participação e ajuda os pesquisadores a coletar dados valiosos rapidamente.

Além disso, ao manter os dados e o software abertos e acessíveis, outros pesquisadores podem replicar e construir sobre esse trabalho. Isso tá alinhado com o movimento de ciência aberta, que busca tornar os achados da pesquisa publicamente disponíveis e utilizáveis por outros.

Características do Aplicativo de Pesquisa Móvel

A pesquisa acontece em um aplicativo web que é fácil de usar no celular. Antes de darem suas avaliações, os participantes passam por uma pesquisa demográfica rápida que coleta informações básicas como idade, gênero e nível de educação. Essas informações ajudam os pesquisadores a classificar as respostas e identificar tendências entre os diferentes grupos.

Uma vez que a parte demográfica é concluída, os participantes começam a avaliar as imagens de street view. Eles veem uma imagem de cada vez e são convidados a considerar vários fatores como segurança, acessibilidade e agradabilidade geral. Pra responder, os participantes simplesmente arrastam sua escolha ao longo de uma escala de horrível a ótimo. Esse sistema de avaliação rápida facilita para as pessoas expressarem seus sentimentos sem precisar pensar muito em cada imagem.

Coleta e Análise de Dados

O estudo inicial sobre a coleta de percepções aconteceu em Amsterdã. Ao longo de vários meses, os pesquisadores coletaram um número significativo de avaliações, permitindo um conjunto de dados rico. Redes sociais, listas de e-mails da universidade e anúncios em sala de aula foram todos utilizados pra recrutar participantes.

Através desse engajamento amplo, os pesquisadores conseguiram coletar uma variedade de respostas. A demografia de gênero mostrou que os participantes incluíam homens, mulheres e pessoas não-binárias. As formações educacionais variaram, com muitos participantes sendo estudantes ou tendo completado ensino superior.

A distribuição etária se inclinou mais pra indivíduos jovens e de meia-idade, refletindo a população estudantil urbana. Questões sobre renda também destacaram um foco em participantes mais jovens, já que muitos relataram ganhos mensais mais baixos, típicos de estudantes.

Encontrando Padrões nas Avaliações

Depois que os dados foram coletados, os pesquisadores analisaram pra encontrar tendências nas percepções. Por exemplo, as avaliações de acessibilidade foram mapeadas pela área do estudo pra ver como as percepções variavam do centro da cidade pra áreas mais afastadas.

Como esperado, áreas mais próximas do centro da cidade receberam avaliações mais altas sobre acessibilidade e segurança. Em contraste, as áreas externas tendiam a ter pontuações mais baixas, muitas vezes ligadas a ambientes industriais ou vias muito movimentadas. Essas descobertas fornecem insights valiosos pra urbanistas que buscam melhorar a qualidade de vida nessas comunidades.

O Valor das Ferramentas de Código Aberto

O software desenvolvido pra essa pesquisa é disponibilizado ao público, permitindo que outros o usem, modifiquem ou melhorem. Essa abordagem de código aberto promove a colaboração na comunidade de pesquisa e garante que o conhecimento adquirido possa ser amplamente disseminado.

Ao promover a transparência e a reprodutibilidade nas práticas de pesquisa, o projeto está alinhado com os princípios centrais da ciência cidadã, que busca envolver o público em investigações científicas e encorajar um senso compartilhado de propriedade sobre os dados coletados.

Conclusão: Direções Futuras

As informações obtidas dessa pesquisa têm o potencial de informar o planejamento urbano, políticas de transporte e estudos ambientais. À medida que o entendimento da percepção humana se aprofunda, os pesquisadores podem adaptar estratégias que alinhem melhor com os sentimentos das pessoas sobre seus ambientes.

Trabalhos futuros podem refinar ainda mais as ferramentas e métodos usados pra examinar views de ruas e percepções. À medida que a tecnologia continua a evoluir, a integração de análise de dados avançada e modelos de aprendizado de máquina pode melhorar a capacidade de prever percepções em áreas mais amplas.

No final das contas, o objetivo é melhorar os ambientes urbanos e garantir que as cidades sejam projetadas levando em conta as pessoas que nelas vivem. Através do engajamento contínuo dos cidadãos e práticas de pesquisa abertas, a qualidade de vida de muitos moradores urbanos pode ser significativamente aprimorada.

Fonte original

Título: A citizen science toolkit to collect human perceptions of urban environments using open street view images

Resumo: Street View Imagery (SVI) is a valuable data source for studies (e.g., environmental assessments, green space identification or land cover classification). While commercial SVI is available, such providers commonly restrict copying or reuse in ways necessary for research. Open SVI datasets are readily available from less restrictive sources, such as Mapillary, but due to the heterogeneity of the images, these require substantial preprocessing, filtering, and careful quality checks. We present an efficient method for automated downloading, processing, cropping, and filtering open SVI, to be used in a survey of human perceptions of the streets portrayed in these images. We demonstrate our open-source reusable SVI preparation and smartphone-friendly perception-survey software with Amsterdam (Netherlands) as the case study. Using a citizen science approach, we collected from 331 people 22,637 ratings about their perceptions for various criteria. We have published our software in a public repository for future re-use and reproducibility.

Autores: Matthew Danish, SM Labib, Britta Ricker, Marco Helbich

Última atualização: 2024-11-04 00:00:00

Idioma: English

Fonte URL: https://arxiv.org/abs/2403.00174

Fonte PDF: https://arxiv.org/pdf/2403.00174

Licença: https://creativecommons.org/licenses/by-sa/4.0/

Alterações: Este resumo foi elaborado com a assistência da AI e pode conter imprecisões. Para obter informações exactas, consulte os documentos originais ligados aqui.

Obrigado ao arxiv pela utilização da sua interoperabilidade de acesso aberto.

Mais de autores

Artigos semelhantes