AIとYOLOv5 、効果的な政策立案を支援し、都市の課題に取り組む、都市の品質測定をどのように革新するかを探る。Ultralytics' インパクトをご覧ください。
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、安全など、都市生活者が直面する様々な 課題に取り組む効果的な政策を策定する上で、非常に重 要である。しかし、犯罪率、所得水準、住宅事情など、社会経済的なデータを時折市民調査を通じて収集する従来の方法は、頻度が低く、費用がかかり、人の感覚に頼るため、近隣レベルの状況について時代遅れの把握につながり、不十分である。
この分野での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使って都市のスプロールを定量化したり、機械学習プロジェクトで発展途上国の貧困、富、所得の大規模なマッピングを生成したりしている。こうした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ない。
アンドレア・ヴァレブエノによると、「都市空間の質、経年変化、空間的不平等を記録する適切な尺度は存在しない」 。アンドレアは、共著者であるヨンソク・リー（Yong Suk Lee）とともに、Google ストリートビューの高頻度画像を使い、街区レベルのパネルデータを構築することで、このギャップを埋め、この分野のパイオニアとなった。
アンドレア・ヴァレブエノ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研究員。
アンドレアは、ソーシャルグッドなアプリケーションにデータサイエンスを利用したいという情熱から、機械学習とビジョンAIの利用を探求するようになった。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ドレアは、YOLOv5 を使い始めて約1年半になる。
メキシコシティで育ったアンドレアは、大きなコンクリートの壁が貧富を分けるサンタフェのような地域間の劇的な格差を痛感していた。データサイエンティストの研究者として、バレビュエノは、従来の経済データがいかにこうした極端な違いを見過ごし、不平等や都市の衰退の指標を不明瞭にしているかを懸念するようになった。彼女は、世界的に都市への人口流入が増加する中、詳細なデータの欠如はより差し迫った問題になると考えた。
アンドレアとヨンは、都市の衰退を客観的に測定することを目的とした。彼らは、Google ストリートビュー画像の物体検出を使って、都市の衰退を示す8つの都市の特徴を捉えた。彼らが選んだのは YOLOv5を選んだ理由は、その推論速度と、彼らのユースケースにとって重要な文脈情報の利用である。
学習させたモデルを用いて、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ストリートビュー画像114,000枚に対して推論を行った。8つの属性の検出値をストリート・セグメント・レベルで集計し、都市衰退の指標を生成し、都市衰退の発生率の経時変化を測定した。
Andrea氏と彼女のチームは、YOLOv5 が信じられないほど簡単に作業でき、大半の時間は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された。彼らは、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を高く評価し、このプロセスをより身近なものにした。
アンドレアと彼女のチームは、都市の質の尺度を拡張し、物理的な都市環境の肯定的な属性を含め、多様な都市近隣でこれらの指標の性能をテストすることに興奮している。
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やタープを経時的に検出したモデル一式の視覚化。
初めてAIに触れる人には、自分が情熱を傾けられる問題や研究課題を見つけ、AIのライフサイクルをすべて経験することを勧める。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ひとつだと考えている。
AIは、複雑なデータセットを探索・理解し、研究結果をより正確で信頼性の高いものにするため、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る。AIを活用することで、研究者は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を導き出すことができる。
アンドレアのYOLOv5 での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たいですか？あなたの使用例を @Ultralytics にタグ付けしてください。 Ultralytics YOLOあなたのユースケースをMLコミュニティに紹介します。
