استكشف كيف يساهم الذكاء الاصطناعي و YOLOv5 في الابتكار في قياس الجودة الحضرية، مما يساعد على وضع سياسات فعالة ومعالجة التحديات الحضرية. اكتشف تأثير Ultralytics.
يعد القياس الدقيق لجودة المساحات الحضرية جانبا حاسما في إنشاء سياسات فعالة تعالج التحديات المختلفة التي يواجهها سكان الحضر مثل الفقر والبنية التحتية والنقل والصحة والسلامة. ومع ذلك ، فإن الطرق التقليدية لجمع البيانات الاجتماعية والاقتصادية مثل معدلات الجريمة ومستويات الدخل وظروف السكن من خلال استطلاعات المواطنين العرضية غير كافية ، لأنها نادرة ومكلفة وتعتمد على الإدراك البشري ، مما يؤدي إلى صورة قديمة للظروف على مستوى الحي.
يكتسب استخدام الذكاء الاصطناعي في هذا المجال شعبية سريعة ، حيث يقوم الباحثون بتجربة صور الأقمار الصناعية لتحديد الزحف العمراني ومشاريع التعلم الآلي لتوليد خرائط واسعة النطاق للفقر والثروة والدخل في البلدان النامية. على الرغم من هذه التطورات ، فإن المشهد المادي داخل البيئات الحضرية وكيف يتغير بمرور الوقت لم يتم استكشافه بالكامل بعد.
ووفقًا لأندريا فالبوينو، "لا يوجد مقياس كافٍ يوثق جودة الحيز الحضري وتغيره بمرور الوقت والتفاوت المكاني الذي يمثله" . وقد عملت أندريا مع المؤلف المشارك لها، يونغ سوك لي، على سد هذه الفجوة باستخدام صور عالية التردد Google Street View وإنشاء بيانات لوحة على مستوى قطاع الشارع، مما يجعلهما رائدين في هذا المجال.
أندريا فاليبوينو زميل باحث في العلوم الحاسوبية في مختبر التنظيم والتقييم والحوكمة بجامعة ستانفورد.
قادها شغف أندريا باستخدام علوم البيانات للتطبيقات الاجتماعية الجيدة إلى استكشاف استخدام التعلم الآلي الذكاء الاصطناعي الرؤية. مع خلفية اقتصادية ودرجة الماجستير في علوم البيانات من ستانفورد ، كانت أندريا تستخدم YOLOv5 لمدة عام ونصف.
عندما كانت طفلة في مكسيكو سيتي ، كانت أندريا تدرك تماما الفوارق الهائلة بين أحياء مثل سانتا في ، حيث يفصل جدار خرساني كبير الأغنياء عن الفقراء. بصفته باحثا في عالم البيانات ، أصبح Vallebueno قلقا بشأن كيفية تغاضي البيانات الاقتصادية التقليدية عن هذه الاختلافات الشديدة ، مما يحجب مؤشرات عدم المساواة والانحدار الحضري. وأدركت أنه مع تزايد تدفق الأشخاص الذين ينتقلون إلى المدن في جميع أنحاء العالم، فإن الافتقار إلى البيانات التفصيلية سيصبح قضية أكثر إلحاحا.
يهدف أندريا ويونغ إلى إنشاء مقياس موضوعي للتدهور الحضري. وقد استخدما الكشف عن الأجسام في صور التجوّل الافتراضي Google لالتقاط ثماني سمات حضرية تدل على الاضمحلال الحضري. وقد اختارا YOLOv5 نظرًا لسرعة الاستدلال واستخدام المعلومات السياقية التي كانت ضرورية لحالة استخدامهم.
تم استخدام النموذج المدرب لتشغيل الاستدلال على 114000 صورة للتجول الافتراضي من أحياء مختلفة في سان فرانسيسكو ومكسيكو سيتي وساوث بيند. تم تجميع اكتشافات السمات الثماني على مستوى قطاع الشارع لتوليد مؤشرات للتدهور الحضري وقياس التغير في حدوث الاضمحلال الحضري بمرور الوقت.
وجدت أندريا وفريقها YOLOv5 أن يكون من السهل للغاية العمل معه ، حيث يقضي معظم وقتهم في تنظيم مجموعة البيانات الخاصة بهم وتدريب نماذجهم. لقد أعربوا عن تقديرهم للتكامل مع أدوات تتبع التجربة ، والتعلم التلقائي للمربعات المحيطة ، مما جعل العملية أكثر سهولة.
أندريا وفريقها متحمسون لتوسيع مقياس الجودة الحضرية ليشمل السمات الإيجابية للبيئة الحضرية المادية واختبار أداء هذه المؤشرات في مجموعة متنوعة من الأحياء الحضرية.
تصور لمجموعة الاكتشافات النموذجية للخيام / الأقمشة المستخدمة كمساكن للمشردين بمرور الوقت في حي تندرلوين ، سان فرانسيسكو.
بالنسبة لأولئك الجدد في الذكاء الاصطناعي ، توصي أندريا بإيجاد مشكلة أو سؤال بحثي متحمسون له ويمرون بدورة حياة الذكاء الاصطناعي الكاملة. إنها تعتقد أن هذه واحدة من أفضل الطرق لبناء الحدس وفهم قيود نموذجهم.
أصبحت الذكاء الاصطناعي بشكل متزايد أداة حاسمة للجامعات والباحثين ، لأنها تمكنهم من استكشاف وفهم مجموعات البيانات المعقدة ، مما يجعل نتائجهم أكثر دقة وموثوقية. من خلال الاستفادة من الذكاء الاصطناعي ، يمكن للباحثين إنشاء فهم أكثر شمولا للمساحات الحضرية والتحديات التي يواجهها سكان الحضر ، مما يؤدي إلى سياسات وحلول أفضل.
شكرا لقراءة تجربة أندريا مع YOLOv5! هل ترغب في مشاركة تجربتك؟ ضع علامة لنا في كل مكان @Ultralytics مع الخاصة بك جدا Ultralytics YOLO حالة الاستخدام وسنقوم بالترويج لعملك لمجتمع ML.
