Nhận diện dấu hiệu suy thoái đô thị: Sức mạnh của AI trong quy hoạch đô thị

Việc đo lường chính xác chất lượng không gian đô thị là yếu tố then chốt để xây dựng các chính sách hiệu quả nhằm giải quyết nhiều thách thức mà cư dân đô thị phải đối mặt, như nghèo đói, cơ sở hạ tầng, giao thông, sức khỏe và an toàn. Tuy nhiên, các phương pháp truyền thống thu thập dữ liệu kinh tế xã hội — chẳng hạn như tỷ lệ tội phạm, mức thu nhập và điều kiện nhà ở — thông qua các cuộc khảo sát người dân không thường xuyên là chưa đủ. Những khảo sát này diễn ra thưa thớt, tốn kém và phụ thuộc vào nhận thức chủ quan của con người, dẫn đến bức tranh lỗi thời về điều kiện ở cấp khu dân cư.

Việc ứng dụng AI trong lĩnh vực này đang nhanh chóng trở nên phổ biến; các nhà nghiên cứu đang thử nghiệm ảnh vệ tinh để định lượng sự mở rộng đô thị và các dự án machine learning để lập bản đồ quy mô lớn về nghèo đói, sự giàu có và thu nhập tại các quốc gia đang phát triển. Bất chấp những tiến bộ này, cảnh quan vật lý bên trong môi trường đô thị và những thay đổi của cảnh quan theo thời gian vẫn chưa được nghiên cứu đầy đủ.

Theo Andrea Vallebueno, "hiện chưa có thước đo phù hợp nào ghi nhận chất lượng không gian đô thị, sự thay đổi theo thời gian và bất bình đẳng không gian tại đó." Andrea cùng đồng tác giả Yong Suk Lee đã nỗ lực lấp đầy khoảng trống này bằng cách sử dụng ảnh Google Street View có tần suất cập nhật cao và xây dựng dữ liệu bảng ở cấp đoạn đường, trở thành những người tiên phong trong lĩnh vực này.

Andrea Vallebueno là nghiên cứu viên về Khoa học Tính toán tại Phòng thí nghiệm Quy định, Đánh giá và Quản trị thuộc Đại học Stanford.

Ứng dụng AI vì lợi ích cộng đồng#

Niềm đam mê ứng dụng khoa học dữ liệu vào các mục tiêu vì lợi ích xã hội đã thôi thúc Andrea tìm hiểu machine learning và AI thị giác. Với nền tảng kinh tế học và bằng thạc sĩ Khoa học Dữ liệu của Stanford, Andrea đã sử dụng Ultralytics YOLOv5 khoảng một năm rưỡi.

Khi còn nhỏ ở Thành phố Mexico, Andrea đã nhận thức rõ sự chênh lệch sâu sắc giữa các khu dân cư như Santa Fe, nơi một bức tường bê tông lớn ngăn cách người giàu với người nghèo. Với vai trò nhà nghiên cứu khoa học dữ liệu, Vallebueno lo ngại rằng dữ liệu kinh tế truyền thống bỏ qua những khác biệt cực đoan này, che khuất các dấu hiệu bất bình đẳng và suy thoái đô thị. Cô nhận ra rằng khi ngày càng nhiều người trên khắp thế giới chuyển đến các thành phố, tình trạng thiếu dữ liệu chi tiết sẽ ngày càng trở nên cấp bách.

Vì sao chọn Ultralytics YOLOv5?#

Andrea và Yong muốn tạo ra một thước đo khách quan về suy thoái đô thị. Họ sử dụng tính năng phát hiện đối tượng trên ảnh Google Street View để ghi nhận tám đặc điểm đô thị cho thấy tình trạng suy thoái. Họ chọn YOLOv5 nhờ tốc độ inference và khả năng sử dụng thông tin ngữ cảnh, những yếu tố then chốt đối với trường hợp sử dụng của họ.

Model đã huấn luyện được dùng để chạy inference trên 114.000 ảnh Street View từ các khu dân cư khác nhau tại San Francisco, Thành phố Mexico và South Bend. Các kết quả phát hiện tám thuộc tính được tổng hợp ở cấp đoạn đường để tạo chỉ số suy thoái đô thị và đo lường sự thay đổi về mức độ suy thoái theo thời gian.

Thành phố Mexico, MX

San Francisco, CA

Andrea và nhóm của cô nhận thấy Ultralytics YOLOv5 cực kỳ dễ sử dụng; phần lớn thời gian của họ dành cho việc tuyển chọn tập dữ liệu và huấn luyện model. Họ đánh giá cao khả năng tích hợp với các công cụ theo dõi thí nghiệm và tính năng tự động học anchor box, giúp quy trình trở nên dễ tiếp cận hơn nhiều.

Andrea và nhóm của cô rất hào hứng mở rộng thước đo chất lượng đô thị để bao gồm các đặc điểm tích cực của môi trường đô thị hữu hình, đồng thời kiểm tra hiệu năng của các chỉ số này trên nhiều khu dân cư đô thị đa dạng.

Hình ảnh trực quan hóa tập hợp kết quả phát hiện của model về lều/bạt được dùng làm nơi trú ngụ của người vô gia cư theo thời gian tại khu Tenderloin, San Francisco.

Lời khuyên cho người mới bắt đầu trong lĩnh vực AI#

Với những người mới làm quen với AI, Andrea khuyên nên tìm một vấn đề hoặc câu hỏi nghiên cứu mà mình tâm huyết và trải qua toàn bộ vòng đời AI. Cô tin rằng đây là một trong những cách tốt nhất để xây dựng trực giác và hiểu rõ các giới hạn của model.

AI ngày càng trở thành công cụ thiết yếu đối với các trường đại học và nhà nghiên cứu, vì công nghệ này giúp họ khám phá và hiểu các bộ dữ liệu phức tạp, từ đó làm cho phát hiện chính xác và đáng tin cậy hơn. Bằng cách tận dụng AI, các nhà nghiên cứu có thể xây dựng hiểu biết toàn diện hơn về không gian đô thị và những thách thức mà cư dân đô thị phải đối mặt, từ đó đưa ra chính sách và giải pháp tốt hơn.

Cảm ơn bạn đã đọc về trải nghiệm của Andrea với YOLOv5! Bạn muốn chia sẻ trải nghiệm của mình chứ? Hãy gắn thẻ chúng tôi ở mọi nơi với @Ultralytics, kèm theo trường hợp sử dụng Ultralytics YOLO của riêng bạn, và chúng tôi sẽ quảng bá công trình của bạn đến cộng đồng ML.