Development of Housing Environment Assessment Methods Using Diverse Big Data and Artificial Intelligence for the Formation of Sustainable Residential Areas

１．景観や防犯・防災の観点から住宅地に悪影響を及ぼす可能性のある空き家について，東京都大田区から提供を受けた空き家データベースをもとに，その分布特性や外観の特徴などについて基礎的な分析を行った。２．街路全方位画像ビッグデータをもとに，使用画像が1千枚規模，回答者数が1万人規模，評価項目数22という大規模な街路印象評価Webアンケートを複数回実施した。その結果を深層学習モデルに学習させることで，回答者による22項目の観点での印象評価を高精度（79.6%～91.1%）で予測可能な「街路景観の主観的印象評価推定モデル」を構築した。このモデルを用いることで，任意の街路の主観的印象評価スコアを数値で評価することが可能となった。また，主観的印象評価と街路構成要素との関係を分析した。さらに，性別，年代，居住都道府県別にアンケート結果を学習させたモデルを別途構築し，そのモデルにより得られるスコアを比較することで，性別，年代，居住都道府県ごとの印象評価傾向の違いについて検討を行った。３．上述の「街路景観の主観的印象評価推定モデル」においては，画像内への建物の映り込みが少なく，建物外観の影響はあまり大きくない。そこで，街路全方位画像から建物外観画像を機械的に抽出し，それをもとにWebアンケートを実施することで，建物外観の印象評価推定モデルを構築した。このモデルを用いることで，様々なアングルや建物用途について，22項目から建物外観を数値で評価することができる。４．上述の「街路景観の主観的印象評価推定モデル」で推定される印象評価スコアを参考に，「街路を具体的にどのように改善することで，好印象な街路を実現できるか」のヒントを得るための技術として，CycleGANという画像生成AIに高評価・低評価それぞれの街路画像を学習させ，好印象街路画像生成モデルを開発した。

１．景観や防犯・防災の観点から住宅地に悪影響を及ぼす可能性のある空き家について，東京都大田区から提供を受けた空き家データベースをもとに，その分布特性や外観の特徴などについて基礎的な分析を行った。２．街路全方位画像ビッグデータをもとに，使用画像が1千枚規模，回答者数が1万人規模，評価項目数22という大規模な街路印象評価Webアンケートを複数回実施した。その結果を深層学習モデルに学習させることで，回答者による22項目の観点での印象評価を高精度（79.6%～91.1%）で予測可能な「街路景観の主観的印象評価推定モデル」を構築した。このモデルを用いることで，任意の街路の主観的印象評価スコアを数値で評価することが可能となった。また，主観的印象評価と街路構成要素との関係を分析した。さらに，性別，年代，居住都道府県別にアンケート結果を学習させたモデルを別途構築し，そのモデルにより得られるスコアを比較することで，性別，年代，居住都道府県ごとの印象評価傾向の違いについて検討を行った。３．上述の「街路景観の主観的印象評価推定モデル」においては，画像内への建物の映り込みが少なく，建物外観の影響はあまり大きくない。そこで，街路全方位画像から建物外観画像を機械的に抽出し，それをもとにWebアンケートを実施することで，建物外観の印象評価推定モデルを構築した。このモデルを用いることで，様々なアングルや建物用途について，22項目から建物外観を数値で評価することができる。４．上述の「街路景観の主観的印象評価推定モデル」で推定される印象評価スコアを参考に，「街路を具体的にどのように改善することで，好印象な街路を実現できるか」のヒントを得るための技術として，CycleGANという画像生成AIに高評価・低評価それぞれの街路画像を学習させ，好印象街路画像生成モデルを開発した。