Однако измерение и отслеживание качества городской среды, ее эволюции и пространственных диспропорций затруднено из-за большого объема данных, необходимых для фиксации этих закономерностей на местах. Для решения этой проблемы Йонг Сук Ли, доцент Школы глобальных отношений Keough при Университете Нотр-Дам, и Андреа Валлебуэно из Стэнфордского университета использовали машинное обучение для разработки масштабируемого метода измерения упадка городской среды на пространственно гранулированном уровне во времени.
Результаты исследования были опубликованы в журнале Scientifi c Reports.
— По мере урбанизации мира градостроителям и политикам необходимо убедиться в том, что городское проектирование и политика адекватно решают такие важнейшие проблемы, как улучшение инфраструктуры и транспорта, бедность, здоровье и безопасность горожан, а также растущее неравенство внутри городов и между ними, — сказал Ли. — Используя машинное обучение для распознавания закономерностей развития районов и неравенства в городах, мы можем помочь градостроителям и политикам лучше понять ухудшение качества городского пространства и его значение для будущего планирования.
Традиционно для измерения качества городской среды и качества жизни в ней используются социально-демографические и экономические характеристики, такие как уровень преступности и уровень доходов, данные опросов о восприятии и оценке горожанами атрибутов городской среды или наборы изображений, описывающих городское пространство и его социально-экономические качества. По словам Ли, растущая доступность изображений с видом на улицу открывает новые перспективы для выявления городских особенностей, однако надежность и согласованность этих методов в разных местах и в разное время остается практически неизученной.
В своем исследовании Ли и Валлебуэно использовали модель YOLOv5 (разновидность искусственного интеллекта, позволяющая обнаруживать объекты) для выявления восьми классов объектов, указывающих на упадок города или способствующих созданию неприглядного городского пространства, — таких как выбоины, граффити, мусор, палатки, зарешеченные или разбитые окна, обесцвеченные или обветшалые фасады, сорняки и разметка коммуникаций. В центре внимания исследователей были три города: СанФранциско, Мехико и Саут-Бенд, штат Индиана. При выборе районов этих городов учитывались такие факторы, как городское разнообразие, стадии упадка и знакомство авторов с этими городами.