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.
يعد القياس الدقيق لجودة المساحات الحضرية جانبًا حاسمًا في وضع 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، وظروف السكن من خلال استطلاعات الرأي التي تُجرى بين الحين والآخر بين المواطنين غير كافية، لأنها غير متكررة ومكلفة وتعتمد على الإدراك البشري، مما يؤدي إلى صورة قديمة للأوضاع على مستوى الحي.
ويحظى استخدام الذكاء الاصطناعي في هذا المجال بشعبية متزايدة، حيث يقوم الباحثون بتجربة صور الأقمار الصناعية لقياس الامتداد الحضري ومشاريع التعلم الآلي لتوليد خرائط واسعة النطاق للفقر والثروة والدخل في البلدان النامية. على الرغم من هذه التطورات، لم يتم بعد استكشاف المشهد المادي داخل البيئات الحضرية وكيفية تغيره بمرور الوقت بشكل كامل.
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 قطاع الشارع، مما يجعلهما رائدين في هذا المجال.
أندريا فاليبوينو زميل باحث 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 برنامج YOLOv5 منذ عام ونصف تقريباً.
عندما كان طفلاً في مكسيكو سيتي، كان أندريا مدركًا تمامًا للتفاوتات الكبيرة بين أحياء مثل سانتا في، حيث يفصل جدار خرساني كبير بين الأغنياء والفقراء. وباعتبارها باحثة في مجال علم البيانات، أصبحت فاليبيونو قلقة بشأن كيفية إغفال البيانات الاقتصادية التقليدية لهذه الاختلافات الشديدة، مما يحجب مؤشرات عدم المساواة والتدهور الحضري. وأدركت أنه مع التدفق المتزايد للأشخاص الذين ينتقلون إلى المدن في جميع أنحاء العالم، سيصبح نقص البيانات التفصيلية مشكلة 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 نظراً لسرعة الاستدلال واستخدام المعلومات السياقية التي كانت ضرورية لحالة استخدامهما.
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 قطاع 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 مقياس الجودة الحضرية ليشمل السمات الإيجابية للبيئة الحضرية المادية واختبار أداء هذه المؤشرات في مجموعة متنوعة من الأحياء الحضرية.
تصور مجموعة من نماذج الكشف عن الخيام/المشاجب المستخدمة كمساكن للمشردين على مر الزمن في حي تندرلوين في سان فرانسيسكو.
بالنسبة لأولئك الجدد في مجال الذكاء الاصطناعي، توصي أندريا بإيجاد مشكلة أو سؤال بحثي يثير شغفهم ويمرون بدورة حياة الذكاء الاصطناعي الكاملة. فهي تعتقد أن هذه إحدى أفضل الطرق لبناء الحدس وفهم حدود نموذجهم.
أصبح الذكاء الاصطناعي أداة مهمة للجامعات والباحثين بشكل متزايد، حيث يمكّنهم من استكشاف وفهم مجموعات البيانات المعقدة، مما يجعل النتائج التي يتوصلون إليها أكثر دقة وموثوقية. وبالاستفادة من الذكاء الاصطناعي، يمكن للباحثين تكوين فهم أكثر شمولاً للأماكن الحضرية والتحديات التي يواجهها سكان المدن، مما يؤدي إلى وضع سياسات وحلول أفضل.
شكرًا على قراءتك لتجربة أندريا مع YOLOv5! هل ترغب في مشاركة تجربتك؟ شاركنا في كل مكان على @Ultralytics بتجربتك الخاصة بك Ultralytics YOLO الخاصة بك وسنقوم بالترويج لعملك في مجتمع تعلّم الآلة.
.webp)
