Predicen si los barrios mejorarán o empeoran gracias a las fotos tomadas por Google Street View.
|
El método científico se puede aplicar a todo objeto de estudio sobre el que se tenga una interacción experimental. Incluso se puede aplicar al urbanismo.
Cada día una mayor cantidad de población humana vive en las ciudades. Pero estas no siempre proporcionan calidad de vida. Algunos barrios prosperan mientras que otros se degradan. ¿Qué hace que el destino de un barrio sea uno u otro?
Para poder responder a esa pregunta unos investigadores han puesto a prueba las distintas teorías que había al respecto usando fotos recolectadas por Google Street View en distintos barrios urbanos de EEUU en 2007 y en 2014. A partir de esas fotos y un modelo computacional han podido averiguar de forma automática si los barrios estudiados han prosperado o se han degrado en ese tiempo. Luego han contrastado esta información con diversos datos sociológicos y demográficos de esos mismos barrios, como ingresos económicos de sus habitantes, nivel de estudios, etc. La idea era identificar los indicadores que pueden predecir el destino final de un barrio.
Llegan a la conclusión de que los factores que más determinan ese destino es la densidad de población y el nivel de estudios de sus habitantes, pero no su nivel de ingresos.
“Los métodos de visión computacional pueden ser usados para detectar y medir mejoras urbanas y su declive a nivel de calle. Estos datos, a cambio, pueden ayudarnos a comprender las causas y consecuencias de las variaciones en las infraestructuras privadas y públicas de las ciudades, como demostramos en nuestro trabajo”, dice Nikhil Naik (MIT)
Las ciudades estudiadas fueron Baltimore, Boston, Detroit, Nueva York y Washington DC. El estudio se basa en una herramienta denominada Streetscore desarrollada por estos mismos investigadores y que usa un algoritmo de visión artificial. El algoritmo fue entrenado gracias a una base de datos masiva de 2011 (Place Pulse), de este modo puede deducir la seguridad de una barrio a partir de fotos del mismo.
Al pasarle fotos de distintos barrios en esas ciudades de esos dos años en concreto, el nuevo programa Streetchange puntuaba la seguridad de los mismos de 0 a 25 puntos. Las resta de esta puntuación en esos dos años dio una métrica de cómo han cambiado esos barrios. Naturalmente, la métrica obtenida fue calibrada a través de un proceso manual para una mejor precisión.
La comparación entre la métrica proporcionada por Streetchange y los datos demográficos permitieron poner a prueba varias teorías de las existentes sobre el cambio urbano.
En primer lugar vieron que las dos variables que más estaban correlacionadas con un cambio positivo proporcionado por Streetchange era una alta densidad de población y una alto porcentaje de adultos con título universitario. Sin embargo, no encontraron relación entre esta puntuación y los ingresos de los habitantes o el precio de las casas (en compra o alquiler). Esto sugiere que los efectos positivos del nivel educativo no está relacionados con los ingresos, sino con las habilidades que proporciona.
Además, en segundo lugar, estos investigadores descubrieron que los barrios que eran más bonitos terminaban mejorando más que los barrios feos, pero que incluso los barrios feos mejoraban en este periodo de 7 años si se daban las condiciones adecuadas. Esto apoyaba parcialmente una segunda teoría urbana.
Otro efecto positivo que encontraron fue que si un barrio está cerca de otro que sea atractivo físicamente o que está cerca de centros de negocios entonces tiende a mejorar. Esto estaría de acuerdo con la teoría urbana de la invasión.
Con este estudio se demostraría que los métodos de visión computacional son validos para dar apoyo, total o parcial, a varias teorías urbanas que identifican los factores que contribuyen a un cambio positivo. Así que los investigadores implicados esperan que en el futuro estos métodos jueguen un papel importante en el estudio, comprensión y predictibilidad de la dinámica de los ambientes urbanos.
Copyleft: atribuir con enlace a http://neofronteras.com/?p=5625 [1]
Fuentes y referencias:
Artículo original [2]
Foto: Naik y colaboradores.