Pedestrian Discomfort Inference in Urban Environments via CCTV-Based Gait Pattern Analysis with Anomaly Detection

Abstract

Urban environments play a pivotal role in creating livable cities, necessitating effective assessment methods. However, survey-based and sensor-based approaches have limitations in providing real-time evaluations and applying them to an unspecified number of pedestrians. To address these challenges, this study developed a real-time assessment method applicable to an unspecified number of pedestrians using CCTV data for immediate urban environment improvements. This study developed a system capable of collecting pedestrian coordinate data and a method for inferring discomfort based on this data. The system can track pedestrians in real-time and collect coordinate data. Focusing on using CCTV infrastructure, this study addressed the necessity of technologies for detecting and tracking small objects. To address this demand, a novel algorithm for small object detection was developed, demonstrating robust performance in object detection and tracking across various urban scenarios. In addition, the study implemented the system within an edge computing device environment, effectively overcoming the computational challenges associated with real-time, high-quality video analysis. Furthermore, this study introduced a method for leveraging pedestrian coordinate data to infer discomfort. The anomaly detection model based on the LSTM-Autoencoder utilized extracted gait patterns such as speed, speed change, and direction change to identify distinct points in the pedestrian’s trajectory. The distinct points were closely aligned with factors that can induce discomfort, and discomfort scores reported by participants. Subsequent multiple linear regression analyses delved into the specific influence of various environmental factors on alterations in pedestrian behavior. These results suggest the potential to infer pedestrian discomfort using coordinate data through the anomaly detection model. In summary, this study aims to contribute to the prompt and continuous improvement of the urban environment by proposing a method to analyze behavioral data to infer pedestrian discomfort. In addition, the research results have the potential to create comfortable and pedestrian-friendly urban spaces and have promising applications in urban planning and safety management.;도시에는 다양한 환경 요소가 존재하며, 이러한 요소들이 보행자에 미치는 영향을 평가하는 것은 쾌적한 도시 환경을 조성하는 데 있어 핵심 단계이다. 하지만 기존의 설문조사 및 센서 기반의 평가 방식은 실시간 평가가 어렵고 불특정한 보행자에게 적용하는 데 한계가 있다. 이러한 문제점을 해결하기 위해 본 연구는 CCTV 데이터를 활용하여 불특정 다수의 보행자에게 적용할 수 있는 실시간 평가 방법을 고안하였다. 본 연구에서는 보행자의 좌표 데이터를 실시간으로 수집할 수 있는 시스템과 좌표 데이터를 활용하여 보행자의 불편함을 추론하는 방법을 개발하였다. 개발된 시스템은 실시간으로 보행자 추적이 가능하여 좌표 데이터를 수집할 수 있다. 도시의 CCTV는 일반적으로 넓은 영역을 촬영하기 때문에 기존의 알고리즘으로는 감지하기 어려운 작은 물체를 감지하고 추적할 수 있는 시스템을 개발하는 데 중점을 두었다. 또한, 고품질 영상 데이터의 처리와 실시간 분석의 중요성을 인식하여, 본 연구는 엣지 컴퓨팅 장치를 활용한 시스템을 구현하였다. 또한, 본 연구에서는 보행자의 좌표 데이터를 활용하여 불편함을 추론하는 방법을 제안하였다. LSTM-Autoencoder 기반의 이상 탐지 모델은 보행 패턴의 특징을 활용하여 보행자의 궤적에서 특이점을 식별하였다. 특이점으로 식별된 지점에 존재했던 환경 요소들은 참가자들이 불편을 유발했다고 보고했던 요소들과 관련이 있었다. 또한 다양한 환경 요인이 보행자의 행동 변화에 미치는 구체적인 영향을 분석하였다. 이를 통해 본 연구는 보행자의 좌표 데이터를 활용해 불편함을 추론할 수 있는 가능성을 확인하였다. 본 연구는 행동 데이터 분석을 통해 보행자의 불편함을 추론하는 방법을 제안함으로써 도시 환경을 즉각적이고 지속해서 개선하는 데 기여할 수 있다. 또한, 연구 결과는 보행자 친화 도시 조성에 기여할 수 있으며 도시 계획 및 안전 관리에 적용될 수 있는 가능성을 제시한다.