街道感知：从Google街景中学习
计算机与社会
2018-07-18 v1
摘要
公共服务和公共基础设施有多好？其质量是否随收入而变化？这些都是至关重要的问题——它们揭示了政府履职情况、地方经费差异的后果等。但关于许多此类问题的良好数据很少。我们通过描述一种可扩展的方法来获取关于关键公共基础设施之一：道路的数据，从而填补这一空白。我们利用Google街景的数据评估道路和人行道的质量。我们在主要道路上的位置随机采样，查询这些位置的Google街景图像，并使用Amazon Mechanical Turk对图像进行编码。我们将此方法应用于评估曼谷、雅加达、拉各斯和密歇根州韦恩县的道路质量。雅加达道路的坑洼数量几乎是其他任何城市道路的的四倍。令人惊讶的是，曼谷、拉各斯和韦恩县有坑洼的道路段比例大致相同，介于0.06和0.07之间。利用数据，我们还估计了韦恩县道路状况与当地收入的关系。我们发现更富裕普查区的道路坑洼略少。
引用
@article{arxiv.1807.06075,
title = {Street Sense: Learning from Google Street View},
author = {Suriyan Laohaprapanon and Kimberly Ortleb and Gaurav Sood},
journal= {arXiv preprint arXiv:1807.06075},
year = {2018}
}