将旧地图转变为丢失社区的3D数字模型

想象一下，戴上虚拟现实耳机，“步行”穿过您所在城市的一个早已消失的社区，看到几十年前的街道和建筑物。

现在，研究人员已经开发出一种方法，可以使用机器学习和历史悠久的桑伯恩火灾保险地图创建历史街区的3D数字模型，这是一种非常现实的可能性。该研究发表在《PLOSONE》杂志上。

但数字模型将不仅仅是一个新奇事物，它们将为研究人员提供进行以前几乎不可能的研究的资源，例如估计拆除历史街区造成的经济损失。

该研究的合著者、俄亥俄州立大学地理学教授哈维·米勒(HarveyMiller)表示：“我们现在有能力解锁这些桑伯恩火灾地图集中嵌入的大量数据。”

“它为城市历史研究提供了一种全新的方法，这是我们在机器学习之前无法想象的。它改变了游戏规则。”

这项研究从桑伯恩地图开始，创建这些地图的目的是让火灾保险公司能够评估19世纪和20世纪美国约12,000个城镇的责任。俄亥俄州立大学城市和区域分析中心(CURA)主任米勒说，在大城市，它们经常定期更新。

研究人员面临的问题是，尝试从这些地图中手动收集可用数据既乏味又耗时——至少在地图数字化之前是这样。美国国会图书馆现已提供数字版本。

研究合著者、俄亥俄州立大学地理学博士生YueLin开发了机器学习工具，可以从地图中提取各个建筑物的详细信息，包括它们的位置和占地面积、楼层数、建筑材料和主要用途，例如住宅或商业。

“我们能够从桑伯恩地图上获得的数据很好地了解建筑物的外观，”林说。

研究人员在俄亥俄州哥伦布市近东侧的两个相邻社区测试了他们的机器学习技术，这两个社区在20世纪60年代大部分被毁，为I-70州际公路的建设让路。

其中一个街区汉福德村(HanfordVillage)于1946年开发，用于安置归国的二战黑人退伍。

研究报告的合著者、CURA的外展协调员GerikaLogan表示：“《退伍权利法案》为返回的退伍提供了购买房屋的资金，但这些资金只能用于新建房屋。”“所以大部分房屋建成后不久就被高速公路淹没了。”

研究中的另一个社区是驾驶公园(DrivingPark)，这里也是一个繁荣的黑人社区，直到70号州际公路将其一分为二。

研究人员使用了1961年(即70号州际公路建成之前)制作的13张桑伯恩地图，绘制了两个社区的地图。机器学习技术能够从地图中提取数据并创建数字模型。

将桑福德地图与今天的数据进行比较显示，为了修建高速公路，两个街区总共拆除了380栋建筑，其中包括286栋房屋、86个车库、5套公寓和3家商店。

结果分析表明，机器学习模型在重新创建地图中包含的信息方面非常准确——对于建筑占地面积和建筑材料的准确率约为90%。

“准确性令人印象深刻。我们实际上可以直观地了解这些社区的样子，这是其他任何方式都无法实现的，”米勒说。

“我们希望在这个项目中能够为人们提供虚拟现实耳机，让他们像1960年、1940年甚至1881年一样走在街上。”

米勒说，利用为本研究开发的机器学习技术，研究人员可以为拥有桑伯恩地图的12,000个城镇中的几乎任何一个开发类似的3D模型。

这将使研究人员能够重建因洪水等自然灾害以及城市更新、人口减少和其他类型的变化而失去的社区。

由于桑伯恩地图包含有关占用特定建筑物的企业的信息，因此研究人员可以重新创建数字社区，以确定因城市更新或其他因素而失去它们的经济影响。另一种可能性是研究用吸收太阳热量的高速公路取代住宅如何影响城市热岛效应。

“可以进行很多不同类型的研究。这对于城市历史学家和其他各种研究人员来说将是巨大的资源，”米勒说。

“制作这些3D数字模型并能够重建建筑物比图表、图表、表格或传统地图中显示的内容要多得多。这里有令人难以置信的潜力。”