Город можно увидеть не только глазами, но и алгоритмами. Исследователи из Университет Торонто искусственный интеллект нашел способ «видеть» на фотографиях фасады зданий Google Просмотр улиц и узнать о нем гораздо больше, чем кажется возможным на первый взгляд. Новая технология позволяет определять возраст, площадь поверхности и даже косвенно оценивать углеродный след зданий – то, что раньше требовало дорогостоящих исследований и бюрократических согласований.
Искусственный интеллект как инструмент градостроителя
Исследования, опубликованные в Журнал промышленной экологиипоказали, что компьютерное зрение можно использовать не только для навигации или поиска объектов, но и для анализа строительного фонда городов. Под руководством Шошаны СаксДоцент кафедры гражданского и минерального строительства Университета Торонто, команда обучила нейронную сеть определять невидимые параметры зданий на основе их внешнего вида.
«Это первая известная нам работа, в которой люди фотографировали фасад здания, а затем предсказывали вещи, которые вы не могли увидеть на фотографии», — сказал доцент. Шошанна Сакс.
Разработчики использовали тысячи изображений улиц и зданий из Google Street View. Алгоритм проанализировал элементы фасада — материалы, окна, пропорции, архитектурный стиль — и сравнил их с известными характеристиками домов. После обучения система достигла Точность определения возраста 70% И 80% при расчете площади помещения. Для градостроителей, которые обычно полагаются на устаревшие кадастровые данные или ручные измерения, это огромный шаг вперед.
Здания как источник экологических данных
Полученная информация позволяет оценить не только физические параметры зданий, но и выбросы поглощенного углерода – то есть количество парниковых газов, образующихся при производстве и транспортировке строительных материалов. В отличие от нынешних выбросов, эти выбросы уже «заперты» в конструкции домов и становятся частью экологического баланса города.
«Это дает точную оценку ресурсов, используемых для строительства, обслуживания и эксплуатации зданий», — сказал старший научный сотрудник Центра аналитики и искусственного интеллекта Техасского университета. Алекс Олсон.
По мнению Сакса, стандартные карты и описи не содержат такой подробной информации. Чтобы оценить «встроенный» углерод, вам нужно знать, из чего и когда сделан объект. ИИ помогает восполнить этот пробел, особенно когда исторические данные неполны или отсутствуют.
Зачем это нужно городам? Подобные оценки позволяют понять, какие сферы нуждаются в модернизации, где инфраструктура изношена, а где ресурсы уже перерасходованы. Это важный инструмент устойчивого развития и умного городского планирования.
Когда тысячи долларов заменяют миллионы
Технология оказалась не только точной, но и дешевой. По словам Сакса, исследователи потратили деньги на получение образца изображений. около 1000 долларов — несмотря на то, что аналогичные измерения можно было провести традиционными методами. в миллионах.
Раньше для сбора таких данных требовалось следующее:
-
исследования на месте с помощью лазерных сканеров;
-
доступ к архивным документам;
-
координация с муниципалитетами и владельцами недвижимости;
-
ручная проверка каждого здания.
Теперь алгоритмы делают это за несколько часов. Такой подход позволяет быстро проанализировать строительный фонд целого мегаполиса без вмешательства в частную собственность.
Что, если Стоит ли использовать эту технологию для старых помещений, где документы давно утеряны? Тогда муниципалитеты смогут не только оценить степень износа зданий, но и понять, какие материалы можно переработать или повторно использовать при реконструкции. Это превращает обычные фотографии в инструмент экологической и экономической политики.
Что именно «видит» ИИ?
Система распознает архитектурные детали, которые часто кажутся людям неважными. Пропорции окон, оттенки фасада, тип крыши или даже наличие кондиционера дают модели подсказку о периоде строительства и материалах.
Но можно ли доверять такому анализу без полевых испытаний? Исследование дает понять, что метод не заменяет технические исследования, но дает надежную предварительную оценку. Искусственный интеллект не «угадывает», а работает на основе вероятностных моделей, обученных на реальных данных.
Нейронная сеть допустила типичные ошибки в домах с измененным фасадом или при реконструкции: здание может быть старым, но выглядеть новым. Ученые решили эту проблему, добавив в обучение примеры ремонта и модернизации.
Ошибки часто связаны с человеческими ожиданиями. Люди склонны судить о возрасте дома по его фасаду, но архитектура может вводить в заблуждение. Алгоритм, с другой стороны, полагается на статистику, а не на «чувства», и поэтому способен обнаруживать закономерности, которые человек мог бы упустить.
Новый взгляд на городскую ткань
Сакс подчеркивает, что ИИ может это сделать создать масштабный образ городской средыранее недоступно. Для исследователей климата и архитекторов это означает, что они могут изучить, как события разных эпох влияют на текущий экологический баланс.
Почему Google Street View стал источником данных? Потому что это один из самых обширных публичных архивов изображений. Миллионы изображений высокого разрешения охватывают города по всему миру, обеспечивая единообразный формат и метаданные.
Однако метод имеет ограничения. Изображения могут быть устаревшими или недоступными в некоторых регионах из соображений конфиденциальности. Тем не менее материал по большинству крупных агломераций остается достаточным для анализа.
Олсон отмечает, что использование ИИ в городском планировании не моделирует будущее, а помогает точно описать текущую ситуациючто не менее важно. Планировщики получают инструмент, позволяющий понять, где инфраструктура используется неэффективно и где город может расти, не тратя впустую ресурсы.
Как города могут применить результаты
Технологии можно использовать не только в науке, но и на практике. Возможные сценарии:
-
Оценка углеродного следа при реконструкции территорий.
-
Планирование программ энергоэффективности — например утепление старого фундамента.
-
Проверка актуальности кадастровых данных без необходимости физического обхода.
-
Оптимизация городских бюджетов: перераспределение инвестиций в места, где здания стареют быстрее.
-
Прогнозирование потребления воды и электроэнергии по типу зданий.
Может ли ИИ заменить инженеров? Нет. Но это становится их инструментом: способом быстро увидеть общую картину, прежде чем тратить ресурсы на местные опросы.
Сакс подчеркивает, что их работа открывает возможности для междисциплинарных исследований: от оценки воздействия климата до анализа транспортных потоков и городской демографии. И все это благодаря уличным изображениям, которые изначально создавались для навигации, а не науки.
