Используя старые карты страховых пожаров, исследователи позволили системе машинного обучения воссоздать 3D-модели районов, которых больше не существует. Этот метод может не только привести к виртуальным турам по районам, но и помочь изучить экономические последствия урбанизации.
В 1866 году страховая компания Aetna наняла молодого геодезиста по имени Д. А. Сэндборн для создания страховых карт для нескольких городов Теннесси. Этот проект, наряду с атласом города Бостона, который он сделал, привел Сандборна к основанию компании, которая до сих пор снабжает страховые компании картами. В общей сложности компания создала карты, которые помогли страховым компаниям оценить пожарный риск примерно в 12 000 городов и поселков в США, Мексике и Канаде.
Поскольку карты существуют так давно, они оказались бесценным историческим архивом; отчет о том, как городские районы росли, а в некоторых случаях сокращались в Северной Америке на протяжении более века. Со временем коллекция карт была оцифрована, и сейчас в онлайн-коллекции Библиотеки Конгресса насчитывается более 35 000 карт.
Работая с этим цифровым архивом, докторант географии Университета штата Огайо по имени Ю Линь провел исследование, в ходе которого он создал инструменты машинного обучения, позволяющие компьютеру просматривать записи для извлечения таких данных, как их следы, материалы, которыми они были из чего они созданы и для чего они использовались.
Совершенно новый подход
«Суть в том, что теперь у нас есть возможность разблокировать огромное количество данных, содержащихся в этих пожарных атласах Sanborn», — сказал Харви Миллер, соавтор Юэ и профессор географии в штате Огайо. «Это позволяет использовать совершенно новый подход к городским историческим исследованиям, который мы не могли себе представить до появления машинного обучения. Это меняет правила игры».
Для исследования исследователи изучили 13 карт Санборна из двух районов на восточной окраине Колумбуса, штат Огайо. Используя данные, полученные из электронных записей, исследователи затем заставили компьютеры создать цифровые модели двух районов: Хэнфорд-Виллидж и Драйвин-парк, которые были в значительной степени разрушены в начале 1960-х годов, чтобы освободить место для строительства межштатной автомагистрали 70. Исследователи говорят. что для этого проекта в двух районах было снесено почти 400 зданий.
Согласно исследованию, точность системы машинного обучения составила 90 % при воссоздании городов, включая их рендеринг в материалах, используемых для их строительство.
Помимо развлечений
«Точность была впечатляющей. Мы действительно можем получить визуальное представление о том, как выглядели эти районы, что было бы невозможно иначе», — сказал Миллер. «В этом проекте мы хотим дойти до точки, когда мы сможем дать людям гарнитуры виртуальной реальности и позволить им ходить по улице, как это было в 1960, 1940 или, возможно, даже в 1881 году».
В дополнение к исследователи говорят, что их метод может предоставить ценную экономическую и экологическую информацию с помощью таких точек данных, как бизнес, потерянный из-за проектов развития, и как такие проекты могут изменить способ поглощения солнца в городских районах и привести к городским островам тепла. .
«Можно провести множество различных исследований. Это будет огромный ресурс для городских историков и многих других исследователей», — сказал Миллер. «Создание этих цифровых 3D-моделей и возможность реконструировать здания дает гораздо больше, чем то, что вы могли бы показать на диаграмме, графике, в таблице или на традиционной карте. Здесь просто невероятный потенциал».
Исследование было завершено. опубликовано в журнале PLOS ONE.
