Badacze z Uniwersytetu Toronto opracowali innowacyjną metodę wykorzystującą sztuczną inteligencję (AI) oraz zdjęcia z Google Street View do określania kluczowych cech budynków takich jak ich wiek i powierzchnia użytkowa. Dzięki temu jest w stanie uzyskać informacje, które dotychczas wymagały kosztownych i czasochłonnych badań terenowych.
Zespół badawczy, kierowany przez profesor Shoshannę Saxe z Wydziału Inżynierii Cywilnej i Mineralnej, wykorzystał zdjęcia fasad budynków dostępne w Google Street View, aby trenować modele AI do przewidywania danych, które nie są bezpośrednio widoczne na zdjęciach. Wyniki ich pracy zostały opublikowane w czasopiśmie Journal of Industrial Ecology.
Jak działa system?
Model sztucznej inteligencji analizuje dostępne fotografie i na ich podstawie może oszacować wiek budynku oraz jego powierzchnię użytkową. W przypadku tego pierwszego, system klasyfikuje budynki do jednej z sześciu kategorii historycznych. Osiąga w tym przypadku dokładność około 70%. Dla powierzchni użytkowej, algorytm przewiduje wartość z błędem średnim około 19,4%.
Zmienne wieku i obszaru w bazie danych / Źródło: onlinelibrary.wiley.comDo ekstrakcji cech wizualnych z obrazów wykorzystano architekturę EfficientNetV2, a następnie zastosowano warstwy w pełni połączone do estymacji atrybutów budynków. Predykcja powierzchni użytkowej została sformułowana jako problem regresji, natomiast przewidywanie wieku budynku jako problem klasyfikacji w sześciu przedziałach historycznych.
Przykładowe obrazy budynków zebrane dzięki Google Street View / Źródło: onlinelibrary.wiley.comZastosowania praktyczne
Dzięki szerokiej dostępności zdjęć z Google Street View, metoda ta oferuje opłacalny sposób generowania danych o budynkach na dużą skalę. Uzyskanie podobnych danych tradycyjnymi metodami kosztowałoby miliony dolarów, podczas gdy ich rozwiązanie wymagało jedynie około 1000 dolarów na zdjęcia .
Pięć najtrafniejszych prognoz wieku budynków / Źródło: onlinelibrary.wiley.comTakie informacje są niezwykle cenne dla urbanistów, inżynierów i osób decyzyjnych. Umożliwiają lepsze zrozumienie potrzeb infrastrukturalnych miast oraz planowanie przyszłych inwestycji. Choć wymienia się wiele korzyści, istnieją również wyzwania. Na przykład, renowacje budynków mogą wprowadzać nieścisłości w przewidywaniach wieku, a różnorodność architektoniczna może wpływać na dokładność modelu w różnych miastach. Mimo to planowane jest dalsze udoskonalanie modelu oraz jego adaptację do innych regionów i typów budynków.
- Sprawdź także: Mapy Google znów wyglądają inaczej. Odświeżony interfejs już jest
Wykorzystanie sztucznej inteligencji i zdjęć z Google Street View do analizy cech budynków stanowi przełom w dziedzinie planowania urbanistycznego i oceny środowiskowej. Metoda ta pozwala na szybkie i ekonomiczne uzyskiwanie danych, które wcześniej były trudne do zdobycia, otwierając nowe możliwości dla zrównoważonego rozwoju miast.
