17 فبراير 2023
اكتشف كيف يعمل الذكاء الاصطناعي و YOLOv5 على ابتكار قياس الجودة الحضرية والمساعدة في وضع السياسات الفعالة ومعالجة التحديات الحضرية. اكتشف تأثير Ultralytics.
يُعد القياس الدقيق لجودة المساحات الحضرية جانبًا بالغ الأهمية في صياغة سياسات فعالة تعالج التحديات المختلفة التي يواجهها سكان المدن، مثل الفقر والبنية التحتية والنقل والصحة والسلامة. ومع ذلك، فإن الطرق التقليدية لجمع البيانات الاجتماعية والاقتصادية، مثل معدلات الجريمة ومستويات الدخل والظروف السكنية من خلال استطلاعات الرأي التي تُجرى للمواطنين على فترات متباعدة، غير كافية لأنها غير منتظمة ومكلفة وتعتمد على التصور البشري، مما يؤدي إلى صورة قديمة للأوضاع على مستوى الأحياء.
يكتسب استخدام الذكاء الاصطناعي في هذا المجال شعبية متزايدة، حيث يجري الباحثون تجارب على صور الأقمار الصناعية لتحديد التمدد الحضري كميًا ومشاريع تعلم الآلة لإنشاء خرائط واسعة النطاق للفقر والثروة والدخل في البلدان النامية. على الرغم من هذه التطورات، لم يتم استكشاف المشهد المادي داخل البيئات الحضرية وكيف يتغير بمرور الوقت بشكل كامل بعد.
ووفقًا لأندريا فالبوينو، "لا يوجد مقياس مناسب يوثق جودة الحيز الحضري وتغيره بمرور الوقت والتفاوت المكاني الذي يمثله". عملت أندريا مع شريكتها في التأليف، يونغ سوك لي، على سد هذه الفجوة باستخدام صور Google Street View عالية التردد وإنشاء بيانات اللوحة على مستوى segment الشارع، مما يجعلهما رائدين في هذا المجال.
أندريا فاليبوينو هي زميلة باحثة في العلوم الحاسوبية في مختبر التنظيم والتقييم والحوكمة بجامعة ستانفورد.
قادها شغف أندريا باستخدام علوم البيانات لتطبيقات الصالح الاجتماعي إلى استكشاف استخدام التعلم الآلي والذكاء الاصطناعي للرؤية. مع خلفية اقتصادية ودرجة ماجستير في علوم البيانات من جامعة ستانفورد، تستخدم أندريا YOLOv5 منذ عام ونصف تقريباً.
عندما كانت أندريا طفلة في مكسيكو سيتي، كانت تدرك تمامًا التفاوتات الصارخة بين الأحياء مثل سانتا في، حيث فصل جدار خرساني كبير الأغنياء عن الفقراء. بصفتها باحثة في علم بيانات، أصبحت فاليوبوينو قلقة بشأن كيف تتجاهل البيانات الاقتصادية التقليدية هذه الاختلافات الشديدة، مما يحجب مؤشرات عدم المساواة والتدهور الحضري. أدركت أنه مع التدفق المتزايد للأشخاص الذين ينتقلون إلى المدن في جميع أنحاء العالم، فإن نقص البيانات التفصيلية لن يصبح سوى قضية أكثر إلحاحًا.
يهدف أندريا ويونغ إلى إنشاء مقياس موضوعي للتدهور الحضري. وقد استخدما اكتشاف الأجسام في صور Google Street View لالتقاط ثماني سمات حضرية تدل على الاضمحلال الحضري. وقد اختارا YOLOv5 نظرًا لسرعته في الاستدلال واستخدامه للمعلومات السياقية التي كانت ضرورية لحالة استخدامهم.
استُخدم النموذج المدرّب لتشغيل الاستدلال على 114,000 صورة من صور الشوارع من أحياء مختلفة في سان فرانسيسكو ومكسيكو سيتي وساوث بيند. تم تجميع عمليات الكشف عن السمات الثماني على مستوى segment الشارع لتوليد مؤشرات للتدهور الحضري وقياس التغير في حدوث التدهور الحضري بمرور الوقت.
وجدت أندريا وفريقها أن YOLOv5 سهل الاستخدام بشكل لا يصدق، حيث قضوا معظم وقتهم في تنظيم مجموعة بياناتهم وتدريب نماذجهم. وقد أعربوا عن تقديرهم للتكامل مع أدوات تتبع التجارب، والتعلم التلقائي للمربعات المحددة، مما جعل العملية أكثر سهولة.
أندريا وفريقها متحمسون لتوسيع نطاق قياسهم للجودة الحضرية ليشمل السمات الإيجابية للبيئة الحضرية المادية واختبار أداء هذه المؤشرات في مجموعة متنوعة من الأحياء الحضرية.
تصور مجموعة عمليات الكشف عن الخيام/المشمعات المستخدمة كمساكن للمشردين بمرور الوقت في حي تندرلوين، سان فرانسيسكو.
بالنسبة لأولئك الجدد في مجال الذكاء الاصطناعي، توصي أندريا بإيجاد مشكلة أو سؤال بحثي شغوفين به والمرور بالدورة الكاملة للذكاء الاصطناعي. إنها تعتقد أن هذه إحدى أفضل الطرق لبناء الحدس وفهم قيود نموذجهم.
أصبح الذكاء الاصطناعي بشكل متزايد أداة حاسمة للجامعات والباحثين، لأنه يمكنهم من استكشاف وفهم مجموعات البيانات المعقدة، مما يجعل نتائجهم أكثر دقة وموثوقية. من خلال الاستفادة من الذكاء الاصطناعي، يمكن للباحثين إنشاء فهم أكثر شمولاً للمساحات الحضرية والتحديات التي يواجهها سكان المدن، مما يؤدي إلى سياسات وحلول أفضل.
شكرًا على قراءتك لتجربة أندريا مع YOLOv5! هل ترغب في مشاركة تجربتك؟ شاركنا في كل مكان على Ultralytics مع Ultralytics YOLO الخاصة بك وسنقوم بالترويج لعملك في مجتمع تعلّم الآلة.
.webp)
