Nikhil Naik, Scott Duke Kominers y sus colaboradores esperan transformar la forma en que los científicos estudian los entornos urbanos, con la ayuda de Google.
En un trabajo conjunto con Edward L. Glaeser, profesor de economía Fred y Eleanor Glimp en Harvard y César A. Hidalgo y Ramesh Raskar, profesores asociados en el MIT Media Lab, Kominers, profesor asociado en la Unidad de Gestión Empresarial de HBSy el Departamento de Economía y Naik, miembro del Premio en Economía, Historia y Política, fueron los autores de un estudio que utiliza algoritmos de visión por computadora para examinar millones de imágenes de Google Street View en un esfuerzo por medir si las áreas urbanas están cambiando y cómo lo están haciendo.
Además de demostrar la efectividad de la tecnología, el estudio encontró que dos características demográficas clave - alta densidad y alta educación - desempeñan papeles importantes en la mejora urbana, y mostraron apoyo a tres teorías clásicas del cambio urbano. El estudiose describe en un artículo del 6 de julio en Actas de la Academia Nacional de Ciencias .
"Mucha gente, incluidos los científicos sociales y los planificadores urbanos, están interesados en estudiar por qué los lugares evolucionan y cuánto cambio ocurre en diferentes ciudades", dijo Naik. "Pero hay una falta de datos sobre los aspectos físicos del cambio urbano."
Ahí es donde entran las imágenes de Google Street View.
Durante la última década, dijo Naik, el gigante de la tecnología ha recopilado millones de imágenes de Street View de todo el país como parte de su servicio de mapeo. Además, mantienen esos mapas actualizados al volver a fotografiar periódicamente el mismoubicaciones en las principales ciudades. En consecuencia, Street View contiene una rica base de datos de imágenes urbanas que los investigadores pueden usar para seguir ciudades a través del tiempo.
Sin embargo, usar imágenes de Street View para rastrear el cambio urbano no es una idea nueva.
En 2014, el entonces estudiante de doctorado Jackelyn Hwang y Robert Sampson, profesor de ciencias sociales Henry Ford II, publicaron un estudio pionero que empleó a un equipo de voluntarios para analizar imágenes de Street View y localizar signos de gentrificación en 3.000 bloques de ciudades enChicago
Naik y sus coautores llevaron esta idea un paso más allá al usar inteligencia artificial para automatizar el proceso.
"Al hacer que una computadora lo hiciera, pudimos escalar realmente el análisis, así que examinamos imágenes de aproximadamente 1.6 millones de cuadras de cinco ciudades: Boston, Nueva York, Washington, DC, Baltimore y Detroit", Naikdijo.
En el corazón del sistema hay un algoritmo de inteligencia artificial que los colaboradores "enseñaron" a ver escenas de la calle de la misma manera que los humanos.
Desarrollado originalmente en el trabajo entre Naik, Raskar e Hidalgo durante los estudios de posgrado de Naik en el MIT Media Lab, el algoritmo calcula "Streetscore", una puntuación para la seguridad percibida de los paisajes urbanos, fotos basadas en Street View y preferencias de imágenes recopiladas de miles devoluntarios en línea.
"Desarrollamos este algoritmo para calcular Streetchange: el cambio en Streetscore para pares de imágenes de Street View de la misma ubicación capturadas con siete años de diferencia", dijo Naik. "Un valor positivo de Streetchange está asociado con nuevas construcciones o mejoras,y un valor negativo está asociado con la disminución general "
En dos estudios de validación, uno con imágenes obtenidas por humanos y otro con datos municipales de la ciudad de Boston, los autores demostraron que su algoritmo detecta con precisión si los bloques cambiaron entre 2007 y 2014 y cómo lo hicieron.
Armado con los datos de Streetchange generados por el algoritmo, Naik et al. Luego analizaron "a nivel de calle" varias teorías de cambio urbano de larga data desde la economía urbana, la planificación y la sociología.
"Encontramos mucho apoyo para lo que se llama la 'teoría de la aglomeración del capital humano', que argumenta que tiende a ver una mejora urbana cuando tiene una densidad significativa de personas altamente educadas", dijo Kominers. "Los datos sugieren que otroslas características demográficas factores como los ingresos, los costos de la vivienda o la composición étnica no parecen importar tanto como la densidad y la educación ".
El estudio también mostró cierto apoyo a una teoría llamada "propina", en la cual los vecindarios que ya se han desarrollado tienden a desarrollarse más. Los autores también encontraron evidencia de la teoría de "invasión", que argumenta que las áreas alrededor de vecindarios exitosos - ocerca de los distritos comerciales centrales: tienden a ver una mayor mejora con el tiempo
Esto resalta, agregó Kominers, que la desigualdad urbana es real ". Nuestros hallazgos refuerzan la importancia extrema del capital humano y la educación en todas las etapas del desarrollo", dijo Kominers. "Es importante para el acceso de las personas a empleos y medios de subsistencia, pero también esimportante para sus habilidades para mejorar sus entornos. Y los patrones de cambio urbano que vemos ayudan a ilustrar por qué persiste la desigualdad urbana ".
En última instancia, dijo Naik, el estudio muestra que la inteligencia artificial y los datos geoespaciales se pueden usar para medir el entorno y las poblaciones construidas y hacer ciencia urbana a una resolución y escala sin precedentes ". Nos hemos centrado en el cambio urbano aquí, pero hay muchosposibilidades para el futuro "
Esta investigación fue apoyada con fondos del Centro Internacional de Crecimiento, la Fundación Alfred P. Sloan, una beca Star Family Challenge, la Fundación Nacional de Ciencias, el Fondo Harvard Milton, el Fondo Ng del Centro Harvard de Ciencias y Aplicaciones Matemáticas,el Grupo de Trabajo sobre Capital Humano y Oportunidades Económicas patrocinado por el Instituto para el Nuevo Pensamiento Económico, el Centro Taubman para el Gobierno Estatal y Local, el Premio Google Living Labs y un regalo de Facebook.
Fuente de la historia :
Materiales proporcionados por Universidad de Harvard . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :