Un nuovo modello di computer di mappatura profonda può rilevare cambiamenti visivi alle proprietà individuali, consentendo ai ricercatori di monitorare più rapidamente la gentrificazione all'interno di quartieri e città, secondo uno studio pubblicato il 13 marzo 2019 nella rivista ad accesso libero PLOS UNO di Lazar Ilic, Michael Sawada, e Amaury Zarzelli dell'Università di Ottawa, Canada.

La gentrificazione è stata osservata in molte città occidentali con effetti ad ampio raggio. Precedenti studi hanno cercato di utilizzare i dati del censimento per identificare e analizzare la gentrificazione, ma la sua risoluzione è limitata nello spazio e nel tempo, e crea divisioni artificiali ai confini del censimento. Gli autori affermano che il presente studio è il primo a utilizzare invece l'aspetto delle proprietà individuali, la più piccola unità spaziale su cui può agire un processo di gentrificazione, per indicare una possibile gentrificazione.

Gli autori hanno avuto accesso ai panorami a 360 gradi di Google Street View (GSV) di ogni proprietà all'interno del nucleo urbano di Ottawa, Canada, e regioni limitrofe, per ogni anno dal 2007 al 2016. Hanno addestrato un modello di computer a mappatura profonda per elaborare questi dati GSV, cercando cambiamenti visivi alle proprietà nel tempo che potrebbero indicare gentrificazione:miglioramenti come nuove recinzioni, riverniciatura o sostituzione serramenti. Dopo l'allenamento, il modello ha raggiunto un'accuratezza del 95% nel rilevare gli indicatori di gentrificazione rispetto a un investigatore umano.

Per il quartiere Greenbelt, il modello ha rilevato 3483 istanze di indicatori di gentrificazione in 2922 località uniche. La mappa della densità di gentrificazione generata si allineava molto da vicino a una mappa che mostrava dove erano stati concessi i permessi di sviluppo/costruzione.

Il modello si basa su un dataset fotografico che viene mantenuto e aggiornato nel tempo, come le mappe GSV utilizzate qui. Le modifiche alle modalità di raccolta di questi set di dati fotografici possono ridurre l'accuratezza del modello. Però, gli autori notano che il loro modello di mappatura profonda può essere facilmente ricreato in luoghi con set di dati simili disponibili:un investimento di tempo relativamente modesto può ora produrre mappe altamente risolte spazialmente e temporalmente del processo di gentrificazione.

Gli autori aggiungono:"La gentrificazione sta rimodellando le nostre città, ma allo stesso tempo è difficile determinare dove e quanto velocemente si verifica il fenomeno nei grandi centri urbani dinamici. Abbiamo utilizzato un'intelligenza artificiale di deep learning per setacciare centinaia di migliaia di immagini di Google Street View di Gli edifici di Ottawa per segnalare dove e quando sono avvenuti miglioramenti visivi alle proprietà simili alla gentrificazione e, per la prima volta, ha fornito le mappe più dettagliate dell'evoluzione spaziale della gentrificazione nel tempo in una grande città. Queste mappe hanno implicazioni dirette per la pianificazione, giustizia sociale e affrontare la disuguaglianza in questo grande centro urbano".