Wetenschappers van Harvard behoren tot de co-auteurs van een nieuwe studie die computervisie-algoritmen gebruikt om miljoenen Google Street View-afbeeldingen te onderzoeken om te meten of en hoe stedelijke gebieden veranderen. Uit de studie bleek dat twee belangrijke demografische kenmerken - hoge dichtheid en hoog onderwijs - een belangrijke rol spelen bij stedelijke verbetering, en toonde steun voor drie klassieke theorieën over stedelijke verandering.

Nikhil Naik, Scott Duke Kominers, en hun medewerkers hopen de manier te veranderen waarop wetenschappers stedelijke omgevingen bestuderen - met hulp van Google.

In samenwerking met Edward L. Glaeser, de Fred en Eleanor Glimp hoogleraar economie aan Harvard en César A. Hidalgo en Ramesh Raskar, universitair hoofddocenten aan het MIT Media Lab, Komijners, universitair hoofddocent bij de afdeling Ondernemen Management van de HBS en de vakgroep Economie en Naik, een prijs fellow in economie, Geschiedenis en politiek, auteur van een onderzoek dat computervisie-algoritmen gebruikt om miljoenen Google Street View-afbeeldingen te onderzoeken in een poging om te meten of en hoe stedelijke gebieden veranderen.

Naast het aantonen van de effectiviteit van de technologie, de studie vond beide dat twee belangrijke demografische kenmerken - hoge dichtheid en hoog onderwijs - een belangrijke rol spelen bij stedelijke verbetering, en toonde steun voor drie klassieke theorieën over stedelijke verandering. De studie wordt beschreven in een paper van 6 juli in: Proceedings van de National Academy of Sciences .

"Veel mensen, inclusief sociale wetenschappers en stedenbouwkundigen, geïnteresseerd zijn in het bestuderen waarom plaatsen evolueren en hoeveel verandering er plaatsvindt in verschillende steden, "Zei Naik. "Maar er is een gebrek aan gegevens over de fysieke aspecten van stedelijke verandering."

Dat is waar Google Street View-beelden om de hoek komen kijken.

Het afgelopen decennium is Naik zei, de techgigant heeft miljoenen Street View-afbeeldingen uit het hele land verzameld als onderdeel van zijn kaartenservice. Bovendien, ze houden die kaarten up-to-date door regelmatig dezelfde locaties in grote steden opnieuw te fotograferen. Bijgevolg, Street View bevat een rijke database met stadsbeelden die onderzoekers kunnen gebruiken om steden door de tijd te volgen.

Het is geen nieuw idee om Street View-afbeeldingen te gebruiken om stedelijke veranderingen bij te houden. Hoewel.

In 2014, toen-promovendus Jackelyn Hwang en Robert Sampson, de Henry Ford II hoogleraar sociale wetenschappen, publiceerde een baanbrekende studie waarbij een team van vrijwilligers in dienst was om Street View-beelden te analyseren en tekenen van gentrificatie te lokaliseren in 3, 000 stadsblokken in Chicago.

Naik en co-auteurs gingen nog een stap verder met dit idee door kunstmatige intelligentie te gebruiken om het proces te automatiseren.

"Door het een computer te laten doen, we hebben de analyse echt kunnen opschalen, dus onderzochten we beelden van ongeveer 1,6 miljoen stratenblokken uit vijf steden - Boston, New York, Washington, gelijkstroom, Baltimore en Detroit, ' zei Naik.

De kern van het systeem is een algoritme voor kunstmatige intelligentie dat de medewerkers 'leerden' om straattaferelen op dezelfde manier te bekijken als mensen.

Oorspronkelijk ontwikkeld in het werk tussen Naik, Raskar, en Hidalgo tijdens de afstudeerstudies van Naik aan het MIT Media Lab, het algoritme berekent "Streetscore" - een score voor waargenomen veiligheid van straatbeelden, gebaseerde Street View-foto's en afbeeldingsvoorkeuren verzameld van duizenden online vrijwilligers.

"We hebben op dit algoritme voortgebouwd om Streetchange te berekenen - de verandering in Streetscore voor paren Street View-beelden van dezelfde locatie die zeven jaar na elkaar zijn vastgelegd, " zei Naik. "Een positieve waarde van Streetchange wordt geassocieerd met nieuwbouw of upgrades, en een negatieve waarde wordt geassocieerd met algehele achteruitgang."

In twee validatiestudies - een met afbeeldingen die door mensen zijn gescoord, en een andere met behulp van gemeentelijke gegevens uit de stad Boston - de auteurs toonden aan dat hun algoritme nauwkeurig detecteert of en hoe blokken tussen 2007 en 2014 zijn veranderd.

Gewapend met Streetchange-gegevens die door het algoritme zijn gegenereerd, Naik et al. nam vervolgens een "straatniveau" blik op verschillende al lang bestaande theorieën over stedelijke verandering vanuit stedelijke economie, planning, en sociologie.

"We hebben veel steun gevonden voor wat de 'human capital agglomeratietheorie' wordt genoemd, ' die stelt dat je de neiging hebt om stedelijke verbetering te zien als je een aanzienlijke dichtheid van hoogopgeleide individuen hebt, " zei Kominers. "De gegevens suggereren dat andere demografische kenmerken - factoren zoals inkomen, woonlasten, of etnische samenstelling - lijken er niet zoveel toe te doen als dichtheid en opleiding."

De studie toonde ook enige ondersteuning voor een theorie genaamd "fooien, " waarin reeds ontwikkelde buurten de neiging hebben zich verder te ontwikkelen. De auteurs vonden ook bewijs voor de "invasie" -theorie, wat stelt dat gebieden rond succesvolle buurten - of in de buurt van centrale zakenwijken - in de loop van de tijd een grotere verbetering vertonen.

Dit benadrukt, Kominers heeft toegevoegd, dat stedelijke ongelijkheid reëel is. "Onze bevindingen versterken het extreme belang van menselijk kapitaal en onderwijs in alle stadia van ontwikkeling, "Zei Kominers. "Het is belangrijk voor de toegang van mensen tot banen en levensonderhoud, maar het is ook belangrijk voor hun mogelijkheden om hun omgeving te verbeteren. En de patronen van stedelijke verandering die we zien, illustreren waarom stedelijke ongelijkheid aanhoudt."

uiteindelijk, Naik zei, de studie toont aan dat kunstmatige intelligentie en geospatiale gegevens kunnen worden gebruikt om de gebouwde omgeving en populaties te meten en stadswetenschap te doen met een ongekende resolutie en schaal. "We hebben ons hier gericht op stedelijke verandering, maar er zijn veel mogelijkheden voor de toekomst."

Dit onderzoek werd ondersteund met financiering van het International Growth Center, de Alfred P. Sloan Stichting, een Star Family Challenge-beurs, de Nationale Wetenschapsstichting, het Harvard Milton Fonds, het Ng Fund van het Harvard Center of Mathematical Sciences and Applications, de Human Capital and Economic Opportunity Working Group gesponsord door het Institute for New Economic Thinking, het Taubman Centrum voor Staats- en Plaatselijk Bestuur, de Google Living Labs Award en een cadeau van Facebook.