Journal of the Korean Institute of Landscape Architecture (한국조경학회지)

The Korean Institute of Landscape Architecture (한국조경학회)
권호 표지
DOI QR코드

DOI QR Code

Study of the Application of VQA Deep Learning Technology to the Operation and Management of Urban Parks - Analysis of SNS Images -

도시공원 운영 및 관리를 위한 VQA 딥러닝 기술 활용 연구 - SNS 이미지 분석을 중심으로 -

  • Lee, Da-Yeon (Dept. of Landscape Architecture, College of Urban Science, The University of Seoul ) ;
  • Park, Seo-Eun (Dept. of Landscape Architecture, College of Urban Science, The University of Seoul) ;
  • Lee, Jae Ho (Dept. of Landscape Architecture, College of Urban Science, The University of Seoul)
  • 이다연 (서울시립대학교 조경학과 ) ;
  • 박서은 (서울시립대학교 조경학과 ) ;
  • 이재호 (서울시립대학교 조경학과 )
  • Received : 2023.07.17
  • Accepted : 2023.09.05
  • Published : 2023.10.31
Download PDF
⟨ Previous Next ⟩

Abstract

This research explores the enhancement of park operation and management by analyzing the changing demands of park users. While traditional methods depended on surveys, there has been a recent shift towards utilizing social media data to understand park usage trends. Notably, most research has focused on text data from social media, overlooking the valuable insights from image data. Addressing this gap, our study introduces a novel method of assessing park usage using social media image data and then applies it to actual city park evaluations. A unique image analysis tool, built on Visual Question Answering (VQA) deep learning technology, was developed. This tool revealed specific city park details such as user demographics, behaviors, and locations. Our findings highlight three main points: (1) The VQA-based image analysis tool's validity was proven by matching its results with traditional text analysis outcomes. (2) VQA deep learning technology offers insights like gender, age, and usage time, which aren't accessible from text analysis alone. (3) Using VQA, we derived operational and management strategies for city parks. In conclusion, our VQA-based method offers significant methodological advancements for future park usage studies.

본 연구는 공원 이용자의 수요 변화에 맞춰 공원 운영 및 관리를 개선하기 위한 연구이다. 과거 공원 이용 수요에 관한 조사와 분석은 설문조사에 의존해왔으나, 최근에는 공원 이용 트렌드 및 이용자의 활동을 다각도로 파악할 수 있는 소셜미디어 데이터를 적극적으로 활용하고 있다. 하지만 이러한 연구들은 소셜미디어 데이터 중 텍스트 데이터에만 집중되어 있어 이미지 데이터에 담겨있는 정보를 얻기는 부족한 실정이다. 따라서 본 연구는 소셜미디어 이미지 데이터를 이용하여 공원 이용 특성 분석의 새로운 방법을 제시하고, 실제 도시공원 분석에 적용하여 공원 운영 및 관리 방안을 제안하고자 한다. 연구 방법으로는 Visual Question Answering(VQA) 딥러닝 기술을 활용한 이미지 분석 도구를 구축하였다. 이 도구를 이용해 공원 이용자의 특성과 위치, 이용행태 등의 각 도시공원 이용 특성을 파악하였으며, 이를 기반으로 공원별 운영 및 관리 전략을 마련했다. 연구 결과를 요약하면 다음과 같다. 첫째, VQA 딥러닝 기술을 활용해 도출한 이미지 분석 결과값이 기존의 텍스트 분석 결과값과 유사함을 확인하여 분석 도구의 유효성을 입증했다. 둘째, VQA 딥러닝 기술을 이용한 공원 이용 특성 분석은 기존의 텍스트 분석에서 얻을 수 없는 정보(성별, 연령, 이용시간 등)를 수집할 수 있음을 확인했다. 셋째, VQA 분석을 실제 공원의 이용 특성 분석에 적용하여 기존 공원의 운영 및 관리 방안을 제시했다. 본 연구의 결과를 토대로 VQA 딥러닝 기술을 이용한 공원 이용 특성 분석 방법은 향후 여러 공원 이용 특성 분석 시 중요한 방법론적 시사점을 줄 수 있을 것으로 판단된다.

Keywords

Acknowledgement

이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 지원을 받아 수행된 연구임(RS-2022-00166223).

References

  1. 고하정(2021) 도시공원 유형별 특성 및 유지 관리 방안에 관한 연구. 재단법인 숲과 나눔. 2020 인재양성 프로그램 연구자 최종 결과 보고서. 
  2. 구민아, 엄붕훈, 한예서(2018) 도심공원 이용 후 평가를 통한 이용 만족도와 이미지 평가 -대구 2 28기념중앙공원을 대상으로-. 한국조경학회지 46(4): 11-20.  https://doi.org/10.9715/KILA.2018.46.4.011
  3. 김용수, 이동훈, 박찬용(2006) 어린이공원 이용행태 조사.분석 -대구광역시 택지개발지구를 중심으로- . 한국조경학회지 34(3): 32-40. 
  4. 김지은, 박찬, 김아연, 김호걸(2019) 제3세대 SNS에 표출된 공원 유형별 이용 특성 분석. 한국조경학회지 47(2): 49-58.  https://doi.org/10.9715/KILA.2019.47.2.049
  5. 심지수(2020a) 소셜미디어 분석을 통해 본 선형공원의 이용행태: 미국 뉴욕 하이라인 이용자를 중심으로. 국토연구원 연구보고서. 
  6. 심지수(2020b) 빅데이터를 통한 공원 설계 전략이 지역 경제에 미치는 영향 확인: 서울 경의선 삼림공원 사례 연구. 국토연구원 연구보고서. 
  7. 이서효, 김해리, 이재호(2021) 한강공원의 질적 서비스와 이용자 영향권의 상관관계 분석. 한국조경학회지 49(6): 27-36.  https://doi.org/10.9715/KILA.2021.49.6.027
  8. 이재호, 김순기(2018) 도시공원의 필수 설계요소 추출 -2017년 서울시 공원이용 만족도 조사의 결과 분석을 바탕으로-. 한국조경학회지 46(6): 41-48.  https://doi.org/10.9715/KILA.2018.46.6.041
  9. 이주경, 손용훈(2022) 소셜미디어 사진 게시물의 딥러닝을 활용한 도시공원 이용자 활동 이미지 분류 모델. 한국조경학회지 50(6): 42-57.  https://doi.org/10.9715/KILA.2022.50.6.042
  10. 정윤아, 김세하, 김동희(2023) 객체 탐지 기술을 이용한 돌발해충 감지 및 분류 시스템 구현. 한국통신학회논문지 48(6): 704-711.  https://doi.org/10.7840/kics.2023.48.6.704
  11. 채진해, 조민준, 김복영(2020) 텍스트 빅데이터 분석을 통한 COVID-19 전후 서울시 주요 도시공원의 시민 이용행태 및 관심도 변화. 서울연구원 보고서. 
  12. Chen, H. and H. Chen(2020) Understanding the relationship between online self-image expression and purchase intention in SNS games: A moderated mediation investigation. Computers in Human Behavior 112: 106477. 
  13. Nobles, A. L., E. C. Leas, S. Noar, M. Dredze, C. A. Latkin, S. A. Strathdee and J. W. Ayers(2020) Automated image analysis of instagram posts: Implications for risk perception and communication in public health using a case study of #HIV. PloS One 15(5): e0231155. 
  14. Herdade, S., A. Kappeler, K. Boakye and J. Soares(2019) Image Captioning: Transforming Objects into Words. In Proceedings of the 33rd Conference on Neural Information Processing Systems (NeurIPS 2019). Vancouver, Canada. 
  15. Changpinyo, S. and D. Kukliansky(2022). All you may need for VQA are image caption. Google Research. 
  16. Srinivas, P. V. V. S., K. Gayathri, K. Bhavitha and K. D. Sarath(2023, July). BLIP-NLP Model for sentiment analysis. In Proceedings of the 2023 2nd International Conference on Edge Computing and Applications (ICECAA) (pp. 468-475). IEEE. 
  17. Z. Yang, Y. J. Zhang, S. Rehman and Y. Huang(2017) Image Captioning with Object Detection and Localization. Cornell University, Berkeley.