Опубликовано 24 февраля 2021, 16:32

Машинное обучение помогло создать 4D-карты старых городов

Машинное обучение помогло создать 4D-карты старых городов

© Thomas Schmall/Flickr

Российские и итальянские ученые разработали метод воссоздания городов прошлого в 4D, который основан на машинном обучении и использовании исторических карт. Исследование опубликовано в журнале Applied Sciences.

Исторические карты являются очень важным источником, который позволяет анализировать изменения в городской планировке и застройке. Но на традиционных картах информация представлена только в двухмерном виде. Из-за этого часть информации пропадает, например сведения о высоте зданий. Это становится проблемой для 3D/4D-моделирования облика города, так как без данных о высоте невозможно получить необходимую точность в представлении, анализе, визуализации и моделировании объемного пространства.

Решить эту проблему взялись российские и итальянские ученые. Они разработали способ, с помощью которого можно создавать 4D-модели зданий с помощью исторических карт и машинного обучения. Он позволяет предсказывать высоту зданий, основываясь на их геометрических параметрах, данных о районе и категории здания. Также с его помощью можно получать более подробные данные о различных явлениях и изменениях в облике города, сыгравших важную роль в формировании современной городской среды. Свой метод они испытали на четырех исторических картах Тренто (1851, 1887, 1908 и 1936 гг.) и Болоньи (1884 и 1945 гг.), на которых отражены наиболее важные изменения облика города за последние столетия, и создали 4D-версии городов.

«Разработанная нами методика обучения и предсказания, протестированная на исторических данных, оказалась эффективной и перспективной для целого ряда других приложений. Пока для предсказания используется небольшое число характерных признаков, но в ближайшее время мы планируем обобщить методику для решения реальных задач в условиях отсутствия данных о высотах рельефа местности. Разработанные при помощи этой методики модели позволят восполнить нехватку геопространственных данных при исследовании исторических и труднодоступных ландшафтов», — рассказал один из авторов исследования, аспирант Сколтеха и исследовательского института FBK в Тренто Эмре Оздемир.