Автоматизированная оценка качества города по открытым данным

Композитный индекс

Urban Quality Index ($UQI$) - композитный индекс качества городской среды, особенностью которого является:

• Учет объективных параметров города и субъективного восприятия этих параметров людьми (то есть учет объективно-субъективной природы качества города)
• Автоматизированный численный расчет
• Использование открытых данных
• Крупный масштаб (оценка агрегируется и усредняется в пределах h3-ячеек, то есть в масштабе квартала)

$UQI$ представляет собой сумму двух индикаторов: объективного и субъективного:

$$UQI = Obj + Subj,$$

Объективный индикатор $Obj$ есть сумма показателей, характеризующих инфраструктуру, а субъективный $Subj$ – показатель социального резонанса (риск).

Индекс $UQI$ агрегируется и усредняется в пределах h3-ячеек, с параметром resolution равным 8, что соответствует концепции 15-ти минутного города.

Алгоритм разработан в рамках ВКР "Проектирование и разработка сервиса оценки городских зон на основе открытых данных".

Объективный индикатор

Доступность

Доступность (accessibility) – это оценка легкости, с которой люди могут получить доступ к различным к различным ресурсам, услугам и возможностям (к различным удобствам в широком смысле слова). Доступность показывает, до каких объектов социальной и транспортной инфраструктуры можно добраться в пределах требуемого времени.

$$𝐴_{𝑖𝑚}=\sum_{𝑛=1}^𝑁𝑓(𝐷_{𝑖𝑛𝑚}),$$

где $A_{im}$ - коэффициент доступности для i-го узла при использовании режима передвижения; $f(D_{inm})$ - функция затухания на перемещение из i-го узла в n при использовании режима передвижения m.

Близость

Близость (proximity) показывает, какое минимальное расстояние требуется преодолеть, чтобы достичь какого-либо POIs (например, школы).

$$P_{im} = \begin{cases} \min_{1-n-N}(D_{in}), D_{in} \leq T \ T, D_{in} > T \end{cases}$$

где $D_{in}$ - расстояние между узлами i и n; $T$ - пороговое значение расстояния, в пределах которого рассчитывается близость.

Доступность и близость характеризуют социальную и транспортную инфраструктуру.

Ниже представлен пример

• Выгрузки данных о жилых дома, POIs (5 категорий) и пешеходного графа из OpenStreetMap
• Привязки центроидов домов и POIs к графу
• Расчет объективного индикатора $Obj$ для домов
• Агрегация и усреднение объективного индикатора $Obj$ в h3-ячейки

Субъективный индикатор

Риск

Субъективная оценка выражается численно с помощью метрики риска событий, выявленных по сообщениям из социальных сетей.

$$Risk = idw,$$ где i – интенсивность (количество отдельных текстов на событие); d – продолжительность (количество дней, когда событие было активным); w – значимость (среднее значение негатива в текстах по городским функциям, рассчитанное методами анализа настроений).

Риск события характеризует степень воздействия события на жителей.

Ниже представлен пример

• Классификации сообщений на темы
• Расчет субъективного индикатора $Subj$ для событий
• Агрегация и усреднение субъективного индикатора $Subj$ в h3-ячейки

Схема алгоритма

Ниже представлен пример расчета $UQI$ для Центрального и Адмиральтейского районов г. Санкт-Петербурга.

Используемые технологии

• Pyrosm (выгрузка данных для объективного индикатора из OpenStreetMap)
• Pandana (автоматический расчет доступности и близости для объективного индикатора)
• SOIKA (автоматическая обработка текста, выделение событий, расчет риска для субъективного индикатора)
• H3-pandas (агрегация и усреднение оценки в гексагональные ячейки системы H3)

Апробация алгоритма

1. Брюшинин А.А., Войтюк Т.Е. (науч. рук. Войтюк Т.Е.) Автоматизированная оценка качества городских зон по открытым данным // Сборник тезисов докладов конгресса молодых ученых. Электронное издание. – СПб: Университет ИТМО, [2024]. URL: https://kmu.itmo.ru/digests/article/13033