“步行”通过了社区与3 d数字地图

通过将旧地图的三维数字模型失去了社区,研究人员旨在推进城市研究和为用户提供一个视图的城市历史。

该计划将允许人们使用虚拟现实耳机来“走”通过那些年代久远的街区——看到了街道和建筑出现在几十年前,之前他们输给了城市发展项目或自然灾害。

但数字模型将不仅仅只是一个新奇——他们会给研究人员资源进行研究之前,几乎不可能,比如拆迁造成的经济损失估算历史街区。

“这里的故事是我们现在有能力打开财富的数据嵌入在这些桑伯恩火地图册,”说哈维·米勒这项研究的作者之一,和教授地理在俄亥俄州立大学。

“它使一个全新的城市历史研究方法,机器学习之前,我们根本无法想象的。这是一个改变游戏规则。”

研究人员开始利用桑伯恩地图,在19世纪和20世纪创建允许火灾保险公司评估他们的责任在大约12000个城市和城镇在美国。

然而,团队很快意识到尝试手动收集有用的数据从这些地图是乏味而耗时的。为了使这个过程更有效率,s研究合著者悦林开发机器学习工具,可以从地图中提取单个建筑的详细信息,包括它们的位置和足迹,地板的数量,他们的建筑材料和主要用途,如住所或业务。

“我们能得到一个好主意的建筑看起来像从数据我们得到桑伯恩地图,”林说。

研究者测试他们的机器学习技术在两个相邻街区位于近东哥伦布,俄亥俄州,在很大程度上破坏了在1960年代为i - 70的建设。

这些社区之一,汉福德村,是在1946年开发的房子返回黑色的二战老兵。研究中的其他邻居开车公园,也有一个繁荣的黑人社区,直到我- 70将它一分为二。

“《退伍军人权利法》给退伍军人返回资金购买房屋,但它们只能用于新构建,”研究的合著者说Gerika洛根。所以大多数的家庭是输给了公路后不久他们。”

桑福德比较数据映射到今天表明,共有380座建筑被拆除两个地区的高速公路,包括286年的房子,86车库,五公寓和三个商店。

此外,分析结果表明,机器学习模型在重建中包含的信息非常准确的地图构建的足迹——大约90%的准确率和建筑材料。

“准确性令人印象深刻。我们可以得到一个视觉这些社区是什么样子的,不可能在任何其他方式,”米勒说。“我们想要在这个项目中我们可以给人虚拟现实的耳机,让他们走在大街上,因为它是在1960年或1940年甚至1881年。”

使用机器学习技术开发在这项研究中,研究人员可以开发类似的3 d模型对几乎所有的12000个城市和城镇桑伯恩地图,米勒说。

这将允许研究团队重新创建数字社区确定的经济影响失去他们城市更新或其他因素。另一个可能性是研究如何用高速公路取代家庭,吸收太阳的热量影响了城市热岛效应。

“这将是一个巨大的资源,为城市历史学家和各种各样的其他研究人员,”米勒说。“让这些3 d数字模型和能够重建建筑增加了那么多比你可以在一个图表显示,图,表或传统的地图。有令人难以置信的潜力。”

该研究发表在《华尔街日报》《公共科学图书馆•综合》。