17 فبراير 2023
اكتشف كيف يساهم الذكاء الاصطناعي و YOLOv5 في تطوير قياس جودة المدن، مما يساعد في وضع سياسات فعالة ومواجهة التحديات الحضرية. تعرف على 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.
وفقًا لـ أندريا فاليبيونو، "لا يوجد مقياس مناسب يوثق جودة المساحة الحضرية، وتغيرها بمرور الوقت، والتفاوت المكاني الذي تمثله." عملت أندريا مع مؤلفها المشارك، يونغ سوك لي، لملء هذه الفجوة باستخدام صور Google Street View عالية التردد وإنشاء بيانات لوحة على مستوى مقطع الشارع، مما يجعلهم روادًا في هذا المجال.
أندريا فاليبوينو هي زميلة باحثة في العلوم الحاسوبية في مختبر التنظيم والتقييم والحوكمة بجامعة ستانفورد.
قاد شغف أندريا باستخدام علم البيانات في التطبيقات الاجتماعية ذات النفع العام إلى استكشاف استخدام تعلم الآلة والذكاء الاصطناعي البصري. بخلفية اقتصادية ودرجة الماجستير في علم البيانات من جامعة ستانفورد، تستخدم أندريا YOLOv5 منذ حوالي عام ونصف.
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.
هدف أندريا ويونغ إلى إنشاء مقياس موضوعي للتدهور الحضري. لقد استخدموا الكشف عن الكائنات في صور Google Street View لالتقاط ثماني سمات حضرية تدل على التدهور الحضري. لقد اختاروا YOLOv5 نظرًا لسرعة الاستدلال واستخدام المعلومات السياقية، والتي كانت ضرورية لحالة استخدامهم.
تم استخدام النموذج المدرب لتشغيل الاستدلال على 114000 صورة من صور الشوارع من أحياء مختلفة في سان فرانسيسكو ومكسيكو سيتي وساوث بيند. تم تجميع عمليات الكشف عن السمات الثماني على مستوى مقطع الشارع لإنشاء مؤشرات على التدهور 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 البيانات الخاصة بهم وتدريب نماذجهم. لقد قدروا التكامل مع أدوات تتبع التجارب، والتعلم التلقائي للمربعات المحيطة، 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 لقراءتك عن تجربة أندريا مع YOLOv5! هل ترغب في مشاركة تجربتك؟ ضع علامة لنا في كل مكان Ultralytics@ مع حالة الاستخدام الخاصة بك جدًا لـ Ultralytics YOLO وسنقوم بالترويج لعملك لمجتمع تعلم الآلة.
