MIT計算機視覺預測城市衰落 下一個北上廣在哪

來源：MIT

【導讀】一個社區，一個城市的未來會發展成什麼樣？計算機視覺可以告訴我們答案。MIT 媒體實驗室的研究員分析了160萬組拍攝於不同年份的照片。使用比較的結果，研究者測試了幾個社會科學中關於城市復興的幾個流行的假設。他們發現，受過高等教育的居民的數量、離城市商業中心的接近性、與其他有吸引力的社區的距離以及系統分配的初始完好評分與社區未來的實體條件的改善有著強烈的正相關。下一個大城市的興起，受過高等教育的人才是關鍵因素。在中國，如果尋找下一個北上廣，這是一個啟示。

從逃離北上廣到下一個北上廣

逃離北上廣在中國是一個廣泛被提及的話題，涉及到北京、上海和廣州，也許還要加上深圳等大型城市中面臨的生活問題：比如污染、交通堵塞和生活壓力。

近年來關於逃離北上廣的討論，也延展到了「逃回北上廣」，因為這些逃離的人們在新環境中不適應，又逐漸遷回。

在逃離與逃回中 ，還有一個中間地帶：有一群人，他們不是逃回原籍，而是逃到距離一線城市最近的二線城市或者衛星城。

那麼，城市的變遷，社區的變化可以預測嗎？一個社區，一個城市的未來會發展成什麼樣？計算機視覺可以告訴我們答案。

MIT：用計算機視覺預測城市衰落

四年前，MIT 媒體實驗室的研究員開發了一個計算機視覺系統，能夠分析城市中居民上傳的街景照片，以確認社區的完好程度。

現在，為了證實哪些因素會影響城市的變遷，該團隊聯合哈佛大學的研究者，使用相同的系統對美國5所大城市的街區的改進和衰落情況進行了量化。

該研究於7月初發表在美國國家科學院院刊上，研究者所使用的系統比較了160萬組拍攝於不同年份的照片。使用比較的結果，研究者測試了幾個社會科學中關於城市復興的幾個流行的假設。他們發現，受過高等教育的居民的數量、離城市商業中心的接近性、與其他有吸引力的社區的距離以及系統分配的初始完好評分與社區未來的實體條件的改善有著強烈的正相關。

該研究的另外一些發現也許更有意義：最開始的收入水平，以及房價其實並不能預測出未來社區的改善程度。

「所以，這並不是一個關於收入的故事，不是說有很多富人都住在某個小區，而他們碰巧是接受過高等教育的」，研究的主要作者César Hidalgo說，「這顯然是一個強調專業技能的故事」。

GIF/790K

臨界點理論

「這是我們的研究證明的第一個理論」，論文的第一作者Nikhil Naik說，「第二個理論是臨界點理論，也就是已經很好的社區會越來越好，而那些做得不夠好的社區，則不會得到多大的改善。

同時，研究者也發現，平均水平上，原始評分越高，在後期越能有效地轉化為更高的得分，二者的關係是線性的：一個擁有兩倍初始分數的社區將獲得大約兩倍的改善。這與一些理論家的預測相矛盾，他們認為經過一些「臨界點」，社區質量的改善應該開始加速。

研究人員還測試了這樣一個假設，即當他們的建築物衰減到需要更換或更新時，社區往往會被振興。但是，他們發現一個社區的建築物的平均年齡與其實體的改善程度之間幾乎沒有相關性。

GIF/734K

嘈雜信號：語義分割的計算機視覺技術進行處理

決定最初社區完好評級的系統是一個機器學習系統，它已經對成千上萬個例子進行了訓練，其中人類志願者評估了成對的圖像中描繪的街景的相對完好性。在新研究中，系統比較了谷歌街景視圖可視化工具中與相同地理坐標相關聯的圖像，但這些圖片間隔了七年。

然而，這些圖像必須進行預處理，以確保系統推斷的感知完好性的變化是可靠的。例如，以前Hidalgo集團的工作表明，綠色空間的普及是人類志願者評估社區完好性的標準之一。但是，如果早期捕捉的圖像是在夏天，而後來圖像在冬天被捕獲，機器學習系統可能會被愚弄，認為鄰里已經失去了綠色空間。

同樣，街道窗戶建築的流行也似乎增加了社區的完好分數。但是，如果在圖像前景的面板卡車掩蓋了其後面的建築物中的三層樓的窗戶，系統可能會將圖像降為低分。

因此，研究人員使用稱為語義分割的計算機視覺技術，根據構成圖像的對象，對其數據集中的160萬張圖像中的每一個像素進行分類。如果像卡車或者行人構成太多的圖像，系統會拒絕處理圖像，而是將其與不同坐標相關聯的圖像進行比較。同樣，在評估街景感知的完好性時，系統忽視了那些對季節變化太敏感的圖像部分，如樹木和天空。

GIF/654K

為了驗證系統的分析，研究人員還從他們的數據集中提供了15,000個隨機選擇的圖像，通過亞馬遜的Mechanical Turk眾包平台招聘審稿人，他們被要求評估所描繪的社區的相對完好性。評審人員的評估與計算機系統的一致性達到72％。但大多數的分歧集中在完好分數幾乎沒有變化的圖像對上。在這些邊界的情況下，任何兩個人也可能都達成一致。

紐約大學城市科學與進步中心的教授Julia Lane說：「我認為這是頂尖研究人員所做的一項非常有趣和有遠見的工作， 「我希望看到更多的這樣的工作。

César Hidalgo說，我希望這項研究開始幫助我們了解城市環境如何影響人們以及人們如何影響它，以便在城市規劃的背景下進行決策時，我們能對不同設計對行為的影響有更加科學的認識。

論文：計算機視覺發現城市變遷影響因素

論文摘要：

哪些地段正在發生著切實的改善？該研究引入了一種計算機視覺的方法，來根據時間序列上的街景圖像變化衡量某社區、某地段發生的切實變化。研究者將 5 座美國城市的外觀變化和其經濟、人口數據相結合，找出了預測社區、地段改善的三個因素：第一，受過大學教育人口稠密的社區，更有可能發生切實改善，這一點與人力資本和區域性成功相關理論一致；二，原本就具有良好外部面貌的地段、社區，平均來說會取得更大的外部改善——這一點與城市變遷的 「臨界」理論一致；第三，地段、社區的改善與它和中央商務區及其他有吸引力的社區的距離成正相關——這與城市變遷的「侵食」理論一致。總體來說，研究結果正印證了城市變化的三個經典理論。這說明使用計算機視覺和街景圖像來研究城市動態具有一定的價值和潛力。

上圖：街景得分的顯著變化

社區物質升級的相關性：城市正面變化發生在地理和物理上有吸引力的地區，密集，受過高等教育的人群。上圖是如紐約布魯克林街區所示。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！