Представьте, что вы надеваете гарнитуру виртуальной реальности и «прогуливаетесь» по давно исчезнувшему району вашего города — видите улицы и здания такими, какими они были десятилетия назад.
Это вполне реальная возможность теперь, когда исследователи разработали метод создания цифровых 3D-моделей исторических кварталов с использованием машинного обучения и исторических карт страхования от пожара в Санборне. Исследование было опубликовано в журнале PLOS ONE.
Но цифровые модели будут больше, чем просто новинкой — они дадут исследователям ресурс для проведения исследований, которые раньше были бы практически невозможны, таких как оценка экономических потерь, вызванных сносом исторических кварталов.
«Суть в том, что теперь у нас есть возможность раскрыть огромное количество данных, заложенных в эти атласы пожаров Санборна», — сказал Харви Миллер, соавтор исследования и профессор географии в Университете штата Огайо.
«Это позволяет использовать совершенно новый подход к городским историческим исследованиям, который мы никогда не могли себе представить до машинного обучения. Это меняет правила игры».
Это исследование начинается с карт Санборна, которые были созданы для того, чтобы позволить компаниям по страхованию от пожара оценить свою ответственность примерно в 12 000 городах Соединенных Штатов в 19-м и 20-м веках. По словам Миллера, директора Центра городского и регионального анализа штата Огайо (CURA), в крупных городах они часто регулярно обновлялись.
Проблема для исследователей заключалась в том, что попытки вручную собрать полезные данные с этих карт были утомительными и отнимали много времени — по крайней мере, до тех пор, пока карты не были оцифрованы. Цифровые версии теперь доступны в Библиотеке Конгресса.
Соавтор исследования Юэ Лин, докторант географического факультета университета штата Огайо, разработал инструменты машинного обучения, которые могут извлекать из карт подробную информацию об отдельных зданиях, включая их местоположение и следы, количество этажей, строительные материалы и их основное использование, например, для жилья или бизнеса.
«Мы можем получить очень хорошее представление о том, как выглядят здания, основываясь на данных, которые мы получаем с карт Санборна», — сказал Лин.
Исследователи протестировали свою технику машинного обучения в двух соседних районах на ближнем востоке Колумбуса, штат Огайо, которые были в значительной степени разрушены в 1960-х годах, чтобы освободить место для строительства I-70.
Один из районов, Хэнфорд-Виллидж, был застроен в 1946 году для размещения возвращающихся чернокожих ветеранов Второй мировой войны.
«Законопроект GI давал возвращающимся ветеранам средства на покупку домов, но их можно было использовать только на новостройки», — сказала соавтор исследования Герика Логан, координатор по связям с общественностью CURA. «Таким образом, большинство домов были потеряны из-за шоссе вскоре после того, как они были построены».
Другим районом, включенным в исследование, был Драйвинг-парк, где также проживало процветающее сообщество чернокожих, пока I-70 не разделила его надвое.
Исследователи использовали 13 карт Санборна для двух районов, составленных в 1961 году, незадолго до того, как была построена I-70. Методы машинного обучения позволили извлекать данные из карт и создавать цифровые модели.
Сравнение данных с картами Сэнфорда с сегодняшним днем показало, что в двух районах, прилегающих к шоссе, было снесено в общей сложности 380 зданий, в том числе 286 домов, 86 гаражей, пять квартир и три магазина.
Анализ результатов показал, что модель машинного обучения была очень точной при воссоздании информации, содержащейся на картах, — около 90% точности для следов зданий и строительных материалов.
«Точность была впечатляющей. Мы действительно можем получить визуальное представление о том, как выглядели эти районы, что было бы невозможно никаким другим способом», — сказал Миллер.
«В этом проекте мы хотим дойти до того момента, когда сможем раздать людям гарнитуры виртуальной реальности и позволить им ходить по улице, как это было в 1960 или 1940 году, а возможно, даже в 1881 году».
По словам Миллера, используя методы машинного обучения, разработанные для этого исследования, исследователи могли бы разработать аналогичные 3D-модели практически для любого из 12 000 городов, у которых есть карты Санборна.
Это позволит исследователям воссоздать районы, утраченные в результате стихийных бедствий, таких как наводнения, а также обновления городов, депопуляции и других видов изменений.
Поскольку карты Санборна содержат информацию о предприятиях, занимавших определенные здания, исследователи могли бы воссоздать цифровые кварталы, чтобы определить экономические последствия их потери из-за обновления городов или других факторов. Другой возможностью было бы изучить, как замена домов магистралями, поглощающими солнечное тепло, повлияла на эффект городского теплового острова.
«Существует множество различных видов исследований, которые можно провести. Это станет огромным ресурсом для городских историков и множества других исследователей», — сказал Миллер.
«Создание этих цифровых 3D-моделей и возможность реконструировать здания добавляют гораздо больше, чем то, что вы могли бы показать на диаграмме, графике, таблице или традиционной карте. Здесь просто невероятный потенциал».