Исследование использует алгоритмы компьютерного зрения для изучения изображений Google Street View на признаки городских изменений

Ученые из Гарварда стали соавторами нового исследования, в котором для измерения масштабов и характера изменений в городской среде использовались алгоритмы компьютерного зрения для анализа миллионов изображений сервиса Google Street View. Исследование показало, что две ключевые демографические характеристики — высокая плотность и высокий уровень образования населения — играют важную роль в улучшении городской среды, а также подтвердило три классические теории городских изменений.

Исследование, описанное в статье в Proceedings of the National Academy of Sciences от 6 июля, продемонстрировало эффективность технологии. Оно было проведено Нихилом Наиком, Скоттом Дьюком Коминерсом и их коллегами, включая Эдварда Л. Глейзера из Гарварда, а также Сезара А. Идальго и Рамеша Раскара из MIT Media Lab.

Для анализа использовался алгоритм искусственного интеллекта, который вычислял «Streetchange» — изменение показателя «Streetscore» (оценки воспринимаемой безопасности городского пейзажа) для пар изображений одного и того же места, сделанных с разницей в семь лет. Положительное значение Streetchange связано со новым строительством или реновацией, отрицательное — с общим упадком. Система проанализировала около 1,6 миллиона улиц в пяти городах: Бостоне, Нью-Йорке, Вашингтоне, Балтиморе и Детройте.

Полученные данные позволили проверить несколько долгосрочных теорий городского развития. Исследование выявило сильную поддержку теории «агломерации человеческого капитала», согласно которой улучшение городской среды наблюдается в районах с высокой плотностью высокообразованных людей. Также была найдена поддержка теорий «переломного момента» (уже развитые районы развиваются дальше) и «вторжения» (районы вокруг успешных кварталов или деловых центров со временем улучшаются).

«Наши выводы подчеркивают крайнюю важность человеческого капитала и образования на всех этапах развития», — отметил Коминерс. Исследование показывает, что искусственный интеллект и геопространственные данные позволяют изучать городскую среду с беспрецедентным разрешением и масштабом.