Revelando sinais de deterioração urbana: o poder da IA no planejamento urbano

Medir com precisão a qualidade dos espaços urbanos é fundamental para criar políticas eficazes que enfrentem os diversos desafios das pessoas que vivem nas cidades, como pobreza, infraestrutura, transporte, saúde e segurança. No entanto, os métodos tradicionais de coleta de dados socioeconômicos — como taxas de criminalidade, níveis de renda e condições habitacionais — por meio de pesquisas esporádicas com cidadãos são inadequados: são pouco frequentes, caros e dependem da percepção humana, levando a uma visão desatualizada das condições em cada bairro.

O uso da IA nesse campo está ganhando popularidade rapidamente, com pesquisadores experimentando imagens de satélite para quantificar a expansão urbana e projetos de aprendizado de máquina para gerar mapeamentos em larga escala da pobreza, da riqueza e da renda em países em desenvolvimento. Apesar desses avanços, a paisagem física dos ambientes urbanos e as mudanças que ocorrem nela ao longo do tempo ainda não foram totalmente exploradas.

Segundo Andrea Vallebueno, "não existe uma medida adequada que documente a qualidade do espaço urbano, suas mudanças ao longo do tempo e a desigualdade espacial que ele apresenta." Andrea trabalhou com seu coautor, Yong Suk Lee, para preencher essa lacuna usando imagens frequentes do Google Street View e construindo dados em painel no nível de segmentos de rua, tornando-os pioneiros nesse campo.

Andrea Vallebueno é pesquisadora bolsista em Ciência Computacional no Laboratório de Regulação, Avaliação e Governança da Universidade Stanford.

Fazendo o bem com IA#

A paixão de Andrea por usar a ciência de dados em iniciativas de impacto social levou-a a explorar o uso do aprendizado de máquina e da IA para visão computacional. Com formação em economia e mestrado em Ciência de Dados pela Stanford, Andrea usa o Ultralytics YOLOv5 há cerca de um ano e meio.

Quando era criança na Cidade do México, Andrea percebia claramente as grandes disparidades entre bairros como Santa Fe, onde um enorme muro de concreto separava ricos e pobres. Como pesquisadora em ciência de dados, Vallebueno ficou preocupada com o modo como os dados econômicos tradicionais ignoram essas diferenças extremas, ocultando os indicadores de desigualdade e declínio urbano. Ela percebeu que, com o fluxo crescente de pessoas que se mudam para cidades em todo o mundo, a falta de dados detalhados se tornaria um problema cada vez mais urgente.

Por que o Ultralytics YOLOv5?#

Andrea e Yong queriam criar uma medida objetiva do declínio urbano. Eles usaram detecção de objetos em imagens do Google Street View para capturar oito características urbanas indicativas desse declínio. Escolheram o YOLOv5 por sua velocidade de inferência e pelo uso de informações contextuais, essenciais para o caso de uso deles.

O modelo treinado foi usado para executar inferências em 114.000 imagens do Street View de diferentes bairros de San Francisco, Cidade do México e South Bend. As detecções das oito características foram agregadas no nível dos segmentos de rua para gerar índices de declínio urbano e medir a variação da incidência desse declínio ao longo do tempo.

Cidade do México, MX

San Francisco, CA

Andrea e sua equipe consideraram o Ultralytics YOLOv5 incrivelmente fácil de usar, e passaram a maior parte do tempo organizando o conjunto de dados e treinando os modelos. Eles valorizaram a integração com ferramentas de acompanhamento de experimentos e o aprendizado automático de caixas-âncora, que tornou o processo muito mais acessível.

Andrea e sua equipe estão animadas para ampliar a medida da qualidade urbana, incluindo atributos positivos do ambiente urbano físico, e testar o desempenho desses índices em um conjunto diversificado de bairros urbanos.

Visualização das detecções do modelo de tendas/lonas usadas como moradias improvisadas ao longo do tempo no bairro de Tenderloin, em San Francisco.

Dicas para começar na IA#

Para quem está começando na IA, Andrea recomenda encontrar um problema ou uma pergunta de pesquisa que desperte seu interesse e percorrer todo o ciclo de vida da IA. Ela acredita que essa é uma das melhores maneiras de desenvolver a intuição e compreender as limitações do modelo.

A IA está a tornar-se cada vez mais uma ferramenta essencial para universidades e investigadores, pois permite explorar e compreender conjuntos de dados complexos, tornando as conclusões mais precisas e fiáveis. Ao tirar partido da IA, os investigadores podem compreender os espaços urbanos de forma mais abrangente e os desafios enfrentados pelos seus habitantes, o que conduz a políticas e soluções melhores.

Obrigado por ler sobre a experiência de Andrea com o YOLOv5! Quer compartilhar sua experiência? Marque-nos em todas as redes com @Ultralytics e conte seu próprio caso de uso do Ultralytics YOLO; vamos divulgar seu trabalho para a comunidade de aprendizado de máquina.