衛星画像と地図データで米国100都市の歩行者横断距離を測る

背景と課題

歩行者が道路を渡る距離は、交差点の歩きやすさや安全性を考えるうえで重要だ。しかし、横断箇所を都市全体で人手計測するには大きな労力がかかり、既存の交差点データにも欠落や古さがある。衛星画像から横断歩道の白線を検出する先行研究はあるが、路面標示のない横断箇所は捉えにくい。本研究は、画像から車が通れない面を見分け、地図に記録された横断位置を使って、その間の距離を測る。

研究の方法

入力の単位は、交差点または街区途中の横断地点を中心とする衛星画像と、OpenStreetMap（利用者が共同編集する地図）の道路・横断データである。著者らは地点の緯度・経度から約300万枚の画像を取得した。画像の学習用には14都市から193枚を選び、歩道、建物、公園、交通島など、車が通れない面を人手で塗り分けた。選定では画素の明暗の分布から求めるエントロピーを使い、見た目の複雑な画像を優先した。エントロピーは各明暗値の出現割合を使って分布のばらつきを表す量で、値が高い画像ほど多様な領域を含むと見込んだ。反転、回転、ぼかし、雑音の追加で学習用画像を5790枚に増やし、画像を領域ごとに分けるモデルSAM 2.1を追加学習した。

計測時には各画像を1024×1024画素に縮小し、16×16の格子点を手がかりに車が通れない面のマスク（該当画素を示す領域）を作る。輪郭を地理座標上の多角形に変え、その逆側を車が通れる領域とする。誤って道路上に作られた多角形は、地図の道路中心線に設けた帯状の範囲との重なりが10平方メートル以上、または自身の面積の5％以上なら除く。帯の幅は道路区分に応じて変える。画像から取りこぼした建物の領域は地図の建物形状で補う。次に地図から横断を表す線を取り出し、横断が点だけで記録された場合は最も近い道路線に対応付けて横断線を作る。端点の位置と向きが近い線は重複としてまとめる。各線を画像から得た多角形に重ね、元の向きを保って両端をそれぞれ線の長さの5％延ばす。延長した線と車が通れない面との交点で線を切り、残った線の長さを横断距離とする。さらに近接する重複線を統合し、1.83メートル未満と61メートル超の線を除く。出力は各横断箇所の位置と距離で、地図表示や地区・都市単位の集計に使う。

この研究の新しさ

横断歩道の塗装を探すのではなく、地図の横断線と、衛星画像から得た車道周辺の境界を組み合わせた点が特徴である。これにより、地図に横断位置が記録されていれば、標示の有無にかかわらず同じ手順で距離を測れる。著者らの先行研究では画像を人手で塗り分けて3都市を扱ったが、本研究は領域の抽出を自動化し、対象を100都市へ広げた。

従来研究との違い

論文が挙げる従来の画像認識研究は、主に路面の横断歩道標示を検出していた。著者らの以前の手法は標示のない箇所も扱えたものの、人手による画像の塗り分けが拡大の負担となった。本研究はその工程を縮小した一方、計測の出発点となる横断線はOpenStreetMapの記録に依存する。

結果と評価

100都市で808,377箇所の横断距離を算出し、処理時間は都市当たりおよそ1時間だった。サンフランシスコ全域の人手確認済みデータとの比較では、論文が報告する精度は93％、距離の絶対誤差の中央値は0.69メートルだった。ただし、93％の算出方法は本文に示されていない。同市で、人手確認済みの横断箇所を自動計測が捉えた網羅率は72％であり、距離の誤差とは別の指標である。

都市別の横断距離の中央値は、トレドの9.5メートルからノースラスベガスの23.8メートルまで幅があった。北東部・中西部では短く、南部・西部では長い傾向が示された。設立年が新しい都市ほど中央値が長い傾向も報告されたが、これは都市単位の記述的な関係であり、設立年が横断距離を変えたという因果効果を示すものではない。

限界・注意点

著者が挙げる限界は、地図に横断位置の記録がない箇所を測れないこと、樹冠が歩道を隠すと境界を誤りやすいこと、複雑な交差点では誤った横断線が残り得ることである。72％という網羅率はサンフランシスコでの結果であり、他都市にそのまま当てはめられない。衛星画像の入手範囲を理由にアンカレッジを除き、人口順位101位のフリスコを加えて100都市とした。横断距離と事故リスクの関係や、米国外での計測精度は本研究では検証していない。