AIとYOLOv5が都市の質的評価をどのように革新し、効果的な政策決定を支援し、都市の課題に取り組むかを解説します。Ultralyticsの影響をご覧ください。
都市空間の質の正確な測定は、貧困、インフラ、交通、健康、安全など、都市居住者が直面するさまざまな課題に対処する効果的な政策を作成する上で重要な側面です。ただし、犯罪率、所得水準、住宅状況などの社会経済的データを、不定期な市民調査を通じて収集する従来の方法は、頻度が少なく、費用がかかり、人間の認識に依存するため、近隣レベルでの状況の最新の全体像が得られないため、不十分です。
この分野におけるAIの利用は急速に普及しており、研究者たちは衛星画像を利用して都市のスプロール現象を定量化したり、機械学習プロジェクトで発展途上国の貧困、富、収入の大規模なマッピングを生成したりする実験を行っています。これらの進歩にもかかわらず、都市環境内の物理的な景観と、それが時間とともにどのように変化するかは、まだ十分に解明されていません。
Andrea Vallebueno氏によると、「都市空間の質、その経時的な変化、およびそれが示す空間的不平等を示す適切な尺度は存在しません。」 Andreaは、共同著者のYong Suk Lee氏と協力して、高頻度のGoogleストリートビュー画像を使用し、街路セグメントレベルでパネルデータを構築することにより、このギャップを埋め、この分野のパイオニアとなりました。
Andrea Vallebuenoは、スタンフォード大学の規制、評価、ガバナンス研究所の計算科学の研究員です。
社会貢献アプリケーションにデータサイエンスを使用したいというAndreaの情熱から、機械学習とビジョンAIの利用を検討するようになりました。経済学のバックグラウンドとスタンフォード大学のデータサイエンスの修士号を持つAndreaは、約1年半YOLOv5を使用しています。
メキシコシティで子供時代を過ごしたアンドレアは、サンタフェのような地域間の劇的な格差を痛感していました。そこでは、大きなコンクリートの壁が富裕層と貧困層を隔てていました。データサイエンティストの研究者として、バレブエノは、従来の経済データがこれらの極端な違いを見落とし、不平等と都市の衰退の指標を曖昧にしていることを懸念するようになりました。彼女は、世界中の都市に流入する人々が増加するにつれて、詳細なデータの不足がより深刻な問題になることに気づきました。
AndreaとYongは、都市の荒廃を客観的に測定することを目指しました。彼らは、Googleストリートビューの画像で物体検出を使用し、都市の荒廃を示す8つの都市の特徴を捉えました。推論速度と、彼らのユースケースにとって非常に重要であったコンテキスト情報の使用により、YOLOv5を選択しました。
トレーニング済みのモデルを使用して、サンフランシスコ、メキシコシティ、サウスベンドのさまざまな地域の114,000枚のストリートビュー画像に対して推論を実行しました。8つの属性の検出結果は、街路区間レベルで集計され、都市の荒廃の指標を生成し、時間の経過に伴う都市の荒廃の発生率の変化を測定しました。
Andreaと彼女のチームは、YOLOv5が非常に扱いやすいと感じており、時間の大部分をデータセットのキュレーションとモデルのトレーニングに費やしました。実験追跡ツールとの統合と、バウンディングボックスの自動学習に感謝しており、プロセスがはるかにアクセスしやすくなりました。
Andreaと彼女のチームは、都市の質の尺度を拡大し、物理的な都市環境のポジティブな属性を含め、多様な都市近隣地域でこれらの指標のパフォーマンスをテストすることに意欲的です。
サンフランシスコのテンダーロイン地区で、ホームレスの住居として使用されているテント/タープのモデル検出セットの経時的な可視化。
AIを初めて使用する人にとって、Andreaは、情熱を注げる問題や研究課題を見つけ、AIライフサイクル全体を経験することを推奨しています。彼女は、これが直感を養い、モデルの限界を理解するための最良の方法の1つであると考えています。
AIは、大学や研究者にとってますます重要なツールになりつつあります。AIを活用することで、複雑なデータセットを調査および理解し、調査結果をより正確かつ信頼性の高いものにすることができます。研究者はAIを活用することで、都市空間と都市生活者が直面する課題をより包括的に理解し、より良い政策と解決策につなげることができます。
YOLOv5に関するAndreaの経験についてお読みいただきありがとうございます！あなたの経験を共有しませんか？あなた自身のUltralytics YOLOの使用例を@Ultralyticsでタグ付けして、あなたの作品をMLコミュニティに宣伝しましょう。
