都市衰退の兆候を明らかにする：都市計画におけるAIの力
AIとYOLOv5が都市の品質測定をどのように革新し、効果的な政策立案と都市課題の解決に役立っているかを探ります。Ultralyticsの影響力を発見してください。
都市空間の質を正確に測定することは、貧困、インフラ、交通、健康、安全といった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策定する上で重要な側面です。しかし、犯罪率、所得水準、住居環境などの社会経済データを市民へのアンケート調査を通じて収集する従来の手法は、頻度が低く、費用がかさみ、また人間の主観に頼っているため、地域レベルの現状を把握するには不十分であり、時代遅れな状況を生み出しています。
この分野におけるAIの活用は急速に普及しており、研究者たちは衛星画像を用い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を通じて発展途上国における貧困、富、所得の大規模なマッピングを行ったりしています。こうした進歩にもかかわらず、都市環境内の物理的景観や、それが時間とともにどのように変化するかについては、まだ十分に解明されていません。
Andrea Vallebuenoによると、*「都市空間の品質、その経時的な変化、およびそれが示す空間的不平等を記録する適切な指標は存在しない」*とのことです。Andreaは共著者のYong Suk Leeと共に、高頻度のGoogle ストリートビュー画像を使用し、ストリートセグメントレベルでパネルデータを構築することでこのギャップを埋め、この分野の先駆者となりました。
Andrea Vallebuenoは、Stanford University’s Regulation, Evaluation, and Governance Labの計算科学リサーチフェローです。
AIで社会貢献を#
社会貢献のためのデータサイエンス活用に対するアンデア（Andrea）の情熱から、機械学習とビジョンAIの活用を探求するようになりました。経済学のバックグラウンドを持ち、スタンフォード大学でデータサイエンスの修士号を取得したアンデアは、約1年半にわたりUltralytics YOLOv5を活用しています。
メキシコシティで育ったAndrea氏は、サンタフェのようにコンクリートの壁が富裕層と貧困層を隔てているといった、地域間の劇的な格差を痛感していました。データサイエンティストの研究者として、Vallebueno氏は従来の経済データがいかにこうした極端な違いを見落とし、不平等や都市衰退の指標を隠蔽しているかを懸念するようになりました。世界中で都市への人口流入が加速する中、詳細なデータの欠如はさらに切迫した問題になると確信したのです。
なぜUltralytics YOLOv5なのか？#
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 ストリートビュー画像で物体検出を使用し、都市の荒廃を示す8つの都市特徴を捉えました。YOLOv5を選択した理由は、その推論速度と、ユースケースにとって極めて重要であったコンテキスト情報の活用にあります。
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、サウスベンドの各地域のストリートビュー画像114,000枚に対して推論を実行しました。8つの属性の検出結果をストリートセグメントレベルで集約し、都市荒廃の指標を作成して、都市荒廃の発生率の経時変化を測定しました。
メキシコ、メキシコシティ
カリフォルニア州、サンフランシスコ
アンデアとそのチームは、Ultralytics YOLOv5が非常に扱いやすいと感じており、作業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や、バウンディングボックスの自動学習が評価され、プロセスがよりアクセスしやすくなりました。
Andrea氏とそのチームは、都市の質を測定する指標を拡大し、物理的都市環境のポジティブな属性を含めること、そして多様な都市地域においてこれらの指標のパフォーマンスを検証することに期待を寄せています。
サンフランシスコのテンダーロイン地区における、ホームレスの住居として使用されるテントやタープの経時的なモデル検出結果の可視化。
AIを始めるためのアドバイス#
AI初心者に対してAndrea氏は、自分が情熱を持てる問題や研究課題を見つけ、AIのライフサイクル全体を経験することを勧めています。これこそが、直感を養い、モデルの限界を理解するための最善の方法の一つだと考えているからです。
AIは、複雑なデータセットを探索して理解することを可能にし、研究結果の精度と信頼性を高めるため、大学や研究者にとってますます重要なツールとなっています。AIを活用することで、研究者は都市空間や都市居住者が直面する課題についてより包括的な理解を得ることができ、ひいてはより良い政策や解決策を導き出すことができます。
AndreaのYOLOv5に関する経験を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？独自のUltralytics YOLOのユースケースを添えて @Ultralytics をあらゆる場所でタグ付けしていただければ、MLコミュニティに向けてあなたの作品を宣伝いたします。
