Wyobraź sobie, że zakładasz gogle wirtualnej rzeczywistości i „spacerujesz” po dawno nieistniejącej dzielnicy w swoim mieście — oglądając ulice i budynki tak, jak wyglądały dziesiątki lat temu.
Jest to bardzo realna możliwość teraz, gdy naukowcy opracowali metodę tworzenia cyfrowych modeli 3D historycznych dzielnic przy użyciu uczenia maszynowego i historycznych map ubezpieczenia przeciwpożarowego Sanborn.
Ale modele cyfrowe będą czymś więcej niż tylko nowością – dadzą naukowcom zasoby do prowadzenia badań, które wcześniej byłyby prawie niemożliwe, takich jak oszacowanie strat ekonomicznych spowodowanych wyburzeniem historycznych dzielnic.
„Chodzi o to, że mamy teraz możliwość odblokowania bogactwa danych osadzonych w atlasach przeciwpożarowych Sanborn” – powiedział Harvey Miller, współautor badania i profesor geografii na Uniwersytecie Stanowym Ohio.
„Umożliwia zupełnie nowe podejście do miejskich badań historycznych, którego nigdy nie mogliśmy sobie wyobrazić przed uczeniem maszynowym. To zmienia reguły gry”.
Badanie zostało opublikowane dzisiaj (28 czerwca 2023 r.) w czasopiśmie PLOS ONE.
Badania te rozpoczynają się od map Sanborn, które zostały stworzone, aby umożliwić firmom ubezpieczeniowym od ognia oszacowanie ich odpowiedzialności w około 12 000 miast i miasteczek w Stanach Zjednoczonych w XIX i XX wieku. W większych miastach często były one regularnie aktualizowane, powiedział Miller, który jest dyrektorem Centrum Analiz Miejskich i Regionalnych stanu Ohio (CURA).
Problem dla badaczy polegał na tym, że próba ręcznego zebrania użytecznych danych z tych map była żmudna i czasochłonna – przynajmniej do czasu zdigitalizowania map. Wersje cyfrowe są teraz dostępne w Bibliotece Kongresu.
Współautorka badania, Yue Lin, doktorantka geografii na Uniwersytecie Stanowym Ohio, opracowała narzędzia uczenia maszynowego, które mogą wydobywać z map szczegółowe informacje o poszczególnych budynkach, w tym ich lokalizację i obrys, liczbę pięter, materiały użyte do ich budowy oraz ich podstawowe zastosowanie, jak mieszkanie czy biznes.
„Jesteśmy w stanie bardzo dobrze zorientować się, jak wyglądają budynki na podstawie danych, które otrzymujemy z map Sanborn” – powiedział Lin.
Naukowcy przetestowali swoją technikę uczenia maszynowego na dwóch sąsiednich dzielnicach w pobliżu wschodniej części Columbus w stanie Ohio, które zostały w dużej mierze zniszczone w latach 60. XX wieku, aby zrobić miejsce pod budowę I-70.
Jedna z dzielnic, Hanford Village, powstała w 1946 roku, aby pomieścić powracających czarnych weteranów II wojny światowej.
„Rachunek GI dał powracającym weteranom fundusze na zakup domów, ale można je było wykorzystać tylko na nowe konstrukcje” – powiedziała współautorka badania Gerika Logan, koordynatorka CURA. „Więc większość domów została utracona na autostradzie niedługo po ich wybudowaniu”.
Inną dzielnicą w badaniu był Driving Park, w którym również mieszkała dobrze prosperująca społeczność Czarnych, dopóki I-70 nie podzieliła jej na dwie części.
Naukowcy wykorzystali 13 map Sanborn dla dwóch dzielnic sporządzonych w 1961 roku, tuż przed wybudowaniem I-70. Techniki uczenia maszynowego były w stanie wyodrębnić dane z map i stworzyć cyfrowe modele.
Porównanie danych z map Sanford z dzisiejszymi wykazało, że w dwóch dzielnicach autostrady wyburzono łącznie 380 budynków, w tym 286 domów, 86 garaży, pięć mieszkań i trzy sklepy.
Analiza wyników wykazała, że model uczenia maszynowego był bardzo dokładny w odtwarzaniu informacji zawartych na mapach – około 90% dokładności w przypadku śladów budynków i materiałów budowlanych.
„Dokładność była imponująca. Możemy faktycznie uzyskać wizualny obraz tego, jak wyglądały te dzielnice, co nie byłoby możliwe w żaden inny sposób” – powiedział Miller.
„Chcemy dojść do punktu w tym projekcie, w którym będziemy mogli dać ludziom zestawy słuchawkowe rzeczywistości wirtualnej i pozwolić im chodzić ulicą tak, jak to było w 1960 lub 1940, a może nawet w 1881 roku”.
Miller powiedział, że korzystając z technik uczenia maszynowego opracowanych na potrzeby tego badania, naukowcy mogliby opracować podobne modele 3D dla prawie każdego z 12 000 miast i miasteczek, które mają mapy Sanborn.
Umożliwi to naukowcom odtworzenie dzielnic utraconych w wyniku klęsk żywiołowych, takich jak powodzie, a także odnowy miast, wyludnienia i innych rodzajów zmian.
Ponieważ mapy Sanborn zawierają informacje o firmach, które zajmowały określone budynki, badacze mogli odtworzyć cyfrowe sąsiedztwo, aby określić ekonomiczny wpływ ich utraty na skutek rewitalizacji miast lub innych czynników. Inną możliwością byłoby zbadanie, w jaki sposób zastąpienie domów autostradami pochłaniającymi ciepło słoneczne wpłynęło na efekt miejskiej wyspy ciepła.
„Istnieje wiele różnych rodzajów badań, które można przeprowadzić. Będzie to ogromne źródło informacji dla historyków miast i wielu innych badaczy” – powiedział Miller.
„Tworzenie tych cyfrowych modeli 3D i możliwość rekonstrukcji budynków dodaje o wiele więcej niż to, co można pokazać na wykresie, wykresie, tabeli lub tradycyjnej mapie. Jest w tym po prostu niesamowity potencjał”.