公考资讯网
面试专区您的位置:首页 >新闻 >

计算机视觉算法用于研究谷歌街景图像以寻找城市变化的迹象

发布时间:2019-01-31 10:03:18 来源:

Nikhil Naik,Scott Duke Kominers及其合作者希望改变科学家研究城市环境的方式 - 在Google的帮助下。

与Edward L. Glaeser,哈佛大学Fred和Eleanor Glimp经济学教授,CésarA。Hidalgo和Ramesh Raskar,麻省理工学院媒体实验室副教授,Kominers,哈佛商学院创业管理部副教授和经济学系和Naik,经济学,历史和政治学奖获得者,撰写了一项研究,该研究使用计算机视觉算法检查数百万的谷歌街景图像,以衡量城市地区是否以及如何变化。

除了展示该技术的有效性外,该研究还发现两个关键的人口统计特征 - 高密度和高等教育 - 在城市改善中发挥着重要作用,并表现出对三种经典城市变革理论的支持。这项研究在7月6日的“美国国家科学院院刊”上发表。

“很多人,包括社会科学家和城市规划师,都有兴趣研究为什么地方会发展,以及不同城市发生了多少变化,”Naik说。“但缺乏有关城市变化的物理方面的数据。”

这就是谷歌街景图像的用武之地。

Naik说,在过去十年中,这家科技巨头已经收集了来自全国各地的数百万街景图片,作为其地图服务的一部分。更重要的是,他们通过定期重新拍摄主要城市的相同位置,使这些地图保持最新状态。因此,街景视图包含丰富的城市图像数据库,研究人员可以使用这些数据库随时间跟踪城市。

但是,使用街景图像来跟踪城市变化并不是一个新想法。

2014年,当时的博士生Jackelyn Hwang和亨利·福特二世社会科学教授罗伯特·桑普森发表了一项开创性的研究,利用志愿者团队分析街景图像,并在芝加哥的3000个城市街区找到高档化的迹象。

Naik及其合着者通过使用人工智能实现流程自动化,将这一想法更进了一步。

“通过让计算机做到这一点,我们能够真正扩大分析范围,因此我们检查了来自五个城市 - 波士顿,纽约,华盛顿特区,巴尔的摩和底特律的约160万街区的图像,”Naik说。

该系统的核心是人工智能算法,合作者“教导”以与人类相同的方式查看街景。

Naik在麻省理工学院媒体实验室的研究生课程期间最初开发于Naik,Raskar和Hidalgo之间的工作,该算法计算“Streetscore” - 街景视觉安全性评分,基于街景照片和数千名在线志愿者收集的图像偏好。

“我们建立了这种算法来计算街道交换 - 街道核心的变化,对于相隔7年间相同位置的街景图像,”Naik说。“Streetchange的正值与新建或升级有关,负值与整体下跌有关。”

在两项验证研究中 - 一项使用人类评分的图像,另一项使用来自波士顿市的市政数据 - 作者表明,他们的算法可以准确地检测出2007年至2014年期间块是否以及如何变化。

Naik等人使用该算法生成的Streetchange数据。然后从城市经济学,规划和社会学的角度看待几个长期存在的城市变迁理论。

“我们发现了对所谓的'人力资本集聚理论'的大量支持,该理论认为,当你拥有大量受过高等教育的人时,你往往会看到城市的改善,”Kominers说。“数据显示,其他人口统计特征 - 收入,住房成本或种族构成等因素 - 似乎与密度和教育无关。”

该研究还表明对一种称为“小费”的理论的支持,其中已经发展的社区往往会进一步发展。作者还发现了“入侵”理论的证据,该理论认为成功社区周边地区 - 或靠近中央商业区 - 往往会看到更大的改善。

Kominers补充说,这突出了城市不平等是真实的。“我们的研究结果强调了人力资本和教育在各个发展阶段的极端重要性,”Kominers说。“这对人们获得工作和生计很重要,但对他们改善环境的能力也很重要。我们看到的城市变化模式有助于说明为什么城市不平等仍然存在。”

Naik说,最终研究表明,人工智能和地理空间数据可用于测量建筑环境和人口,并以前所未有的分辨率和规模进行城市科学研究。“我们在这里专注于城市变化,但未来有很多可能性。”

热点推荐
随机文章