Gli scienziati di Harvard sono tra i coautori di un nuovo studio che utilizza algoritmi di visione artificiale per esaminare milioni di immagini di Google Street View per misurare se e come stanno cambiando le aree urbane. Lo studio ha scoperto che due caratteristiche demografiche chiave - alta densità e alta istruzione - svolgono un ruolo importante nel miglioramento urbano, e ha mostrato supporto per tre teorie classiche del cambiamento urbano.

Nikhil Naik, Scott Duke Kominers, e i loro collaboratori sperano di trasformare il modo in cui gli scienziati studiano gli ambienti urbani, con l'aiuto di Google.

In collaborazione con Edward L. Glaeser, il Fred and Eleanor Glimp Professor of Economics ad Harvard e César A. Hidalgo e Ramesh Raskar, professori associati al MIT Media Lab, Kominer, un Professore Associato nell'Unità di Gestione Imprenditoriale presso HBS e il Dipartimento di Economia e Naik, un ricercatore premio in Economia, Storia e politica, ha creato uno studio che utilizza algoritmi di visione artificiale per esaminare milioni di immagini di Google Street View nel tentativo di misurare se e come stanno cambiando le aree urbane.

Oltre a dimostrare l'efficacia della tecnologia, lo studio ha scoperto che due caratteristiche demografiche chiave - alta densità e alta istruzione - giocano un ruolo importante nel miglioramento urbano, e ha mostrato supporto per tre teorie classiche del cambiamento urbano. Lo studio è descritto in un articolo del 6 luglio in Atti dell'Accademia Nazionale delle Scienze .

"Molte persone, compresi scienziati sociali e urbanisti, sono interessati a studiare perché i luoghi si evolvono e quanto cambiamento avviene nelle diverse città, " Ha detto Naik. "Ma mancano dati sugli aspetti fisici del cambiamento urbano".

È qui che entrano in gioco le immagini di Google Street View.

Per l'ultimo decennio, Naik ha detto, il gigante della tecnologia ha raccolto milioni di immagini di Street View da tutto il paese come parte del suo servizio di mappatura. Cosa c'è di più, tengono aggiornate quelle mappe rifotografando periodicamente gli stessi luoghi nelle principali città. Di conseguenza, Street View contiene un ricco database di immagini urbane che i ricercatori possono utilizzare per seguire le città nel tempo.

L'utilizzo delle immagini di Street View per monitorare i cambiamenti urbani non è un'idea nuova, anche se.

Nel 2014, l'allora dottorando Jackelyn Hwang e Robert Sampson, il professore di scienze sociali Henry Ford II, ha pubblicato uno studio pionieristico che ha impiegato un team di volontari per analizzare le immagini di Street View e individuare segni di gentrificazione in 3, 000 isolati di Chicago.

Naik e i coautori hanno portato questa idea un ulteriore passo avanti utilizzando l'intelligenza artificiale per automatizzare il processo.

"Avendo un computer a farlo, siamo stati in grado di aumentare davvero l'analisi, quindi abbiamo esaminato le immagini di circa 1,6 milioni di isolati di cinque città:Boston, New York, Washington, DC, Baltimora e Detroit, " ha detto Naik.

Al centro del sistema c'è un algoritmo di intelligenza artificiale che i collaboratori hanno "insegnato" a vedere le scene di strada allo stesso modo degli umani.

Originariamente sviluppato nel lavoro tra Naik, Raskar, e Hidalgo durante gli studi universitari di Naik al MIT Media Lab, l'algoritmo calcola "Streetscore" - un punteggio per la sicurezza percepita dei paesaggi stradali, basate su foto di Street View e preferenze sulle immagini raccolte da migliaia di volontari online.

"Ci siamo basati su questo algoritmo per calcolare Streetchange, la variazione di Streetscore per coppie di immagini Street View della stessa località catturate a sette anni di distanza, " Naik ha detto. "Un valore positivo di Streetchange è associato a nuove costruzioni o aggiornamenti, e un valore negativo è associato al declino generale."

In due studi di convalida, uno che utilizza immagini valutate da esseri umani, e un altro utilizzando i dati municipali della città di Boston:gli autori hanno dimostrato che il loro algoritmo rileva con precisione se e come i blocchi sono cambiati tra il 2007 e il 2014.

Armato di dati Streetchange generati dall'algoritmo, Naik et al. poi ha dato uno sguardo "a livello di strada" a diverse teorie di vecchia data del cambiamento urbano dall'economia urbana, pianificazione, e sociologia.

"Abbiamo trovato molto supporto per quella che viene chiamata la 'teoria dell'agglomerazione del capitale umano, ' che sostiene che tendi a vedere un miglioramento urbano quando hai una densità significativa di individui altamente istruiti, " Kominers ha detto. "I dati suggeriscono che altre caratteristiche demografiche - fattori come il reddito, spese di alloggio, o composizione etnica - non sembrano importare tanto quanto la densità e l'istruzione."

Lo studio ha anche mostrato un certo supporto per una teoria chiamata "tipping, " in cui i quartieri che si sono già sviluppati tendono a svilupparsi ulteriormente. Gli autori hanno anche trovato prove per la teoria dell'"invasione", che sostiene che le aree intorno ai quartieri di successo - o vicino ai quartieri degli affari centrali - tendono a vedere un miglioramento maggiore nel tempo.

Questo mette in evidenza, Kominers ha aggiunto, che la disuguaglianza urbana è reale. "I nostri risultati rafforzano l'estrema importanza del capitale umano e dell'istruzione in tutte le fasi dello sviluppo, " Kominers ha detto. "È importante per l'accesso delle persone al lavoro e ai mezzi di sussistenza, ma è anche importante per le loro capacità di migliorare i loro ambienti. E i modelli di cambiamento urbano che vediamo aiutano a illustrare perché la disuguaglianza urbana persiste".

In definitiva, Naik ha detto, lo studio mostra che l'intelligenza artificiale e i dati geospaziali possono essere utilizzati per misurare l'ambiente costruito e le popolazioni e fare scienze urbane con una risoluzione e una scala senza precedenti. "Ci siamo concentrati sul cambiamento urbano qui, ma ci sono molte possibilità per il futuro".

Questa ricerca è stata supportata con finanziamenti dall'International Growth Center, la Fondazione Alfred P. Sloan, una sovvenzione Star Family Challenge, la Fondazione Nazionale della Scienza, l'Harvard Milton Fund, il Ng Fund dell'Harvard Center of Mathematical Sciences and Applications, il gruppo di lavoro sul capitale umano e le opportunità economiche sponsorizzato dall'Istituto per il nuovo pensiero economico, il Centro Taubman per il governo statale e locale, il Google Living Labs Award e un regalo di Facebook.