Les chercheurs utilisent l'IA pour « voir '' au-delà de la façade d'une structure dans Google Street View
Des chercheurs de l'Université de Toronto ont développé une méthode qui utilise des images de l'intelligence artificielle (AI) et des images Street View de Google pour glaner des informations plus détaillées sur les bâtiments, tels que leur âge et leur aire de plancher.
Ces données supplémentaires peuvent ensuite être utilisées pour évaluer les stocks de construction, les flux de matériaux de construction et les gaz à effet de serre incarnés, qui sont des estimations des émissions générées par la production et le transport de marchandises.
L'étude est publiée dans le Journal of Industrial Ecology.
« Il s'agit du premier article que nous connaissons où les gens ont pris une photo qui vous montre le devant du bâtiment, puis prédit des choses que vous ne pouvez pas voir sur l'image », explique Shoshanna Saxe, professeur agrégé au Département de génie civil et minéral à la Faculté des sciences appliquées et de l'ingénierie qui ont dirigé l'équipe de recherche par le centre du centre pour l'environnement bâti durable.
« Mes motivations étaient très axées sur l'utilisation de la recherche sur le carbone incarnée, mais cela sera utile pour beaucoup de personnes différentes. J'ai parlé à des chercheurs qui envisagent de comprendre l'utilisation de l'eau pour de futures évaluations de planification ou de résilience. »
Étant donné que Google Street View est largement disponible, la méthode offre un moyen rentable de générer des données de construction à grande échelle.
« Nous avons dépensé peut-être 1 000 $ pour des photos pour obtenir des données qui coûteraient autrement des millions de dollars à obtenir », explique Saxe. « Personne n'a des millions de dollars à dépenser pour simplement construire des dimensions, c'est donc la différence entre pouvoir travailler sur ces problèmes et non. Avoir des méthodes qui peuvent nous permettre de comprendre les quartiers et les bâtiments à grande échelle est vraiment utile. »
L'équipe a formé l'IA pour estimer les attributs de construction en fonction des images extérieures de la structure, atteignant une précision de 70% pour la prédiction de l'âge et une précision de 80% pour la prédiction de la zone de plancher.
« Être en mesure d'évaluer les extérieurs permet une sorte de supposition éclairée sur les intérieurs et les types d'utilisations que les occupants ont mis sur l'infrastructure locale », explique le co-auteur Alex Olson, chercheur principal de l'IA au Centre pour l'analyse et l'ingénierie de l'intelligence artificielle de l'U de T. « Il donne une forte estimation des ressources utilisées dans la construction, le maintien et l'exploitation des bâtiments. »
Saxe ajoute que les idées acquises grâce à leur approche ne peuvent pas être dérivées de cartes ou de plans de construction seuls.
« Vous devez voir des structures », dit-elle. « L'une des distinctions est que nous prédisons quelle est la superficie interne du bâtiment. Et, bien que cela suit évidemment la taille de l'extérieur du bâtiment, il est en fait plus difficile à prévoir. Et vous ne pouvez pas non plus voir quel âge le bâtiment a de l'extérieur.
« Si vous avez de l'expérience, vous pouvez vous promener et dire que ce bâtiment me semble que ce bâtiment me semble que ce bâtiment, etc.
L'utilisation de l'IA pour regarder au-delà de la construction de façades pourrait aider les urbanistes à mieux comprendre les besoins des ressources des villes et à hiérarchiser les futurs projets d'infrastructure.
« Vous voulez comprendre où il y a des ressources ou des infrastructures sous-utilisées dans votre ville », explique Olson. « Il semble que nous devrions déjà avoir les données, mais nous ne le faisons vraiment pas. Avec cela, bien qu'il ne modélise pas l'avenir, il décrit assez précisément quelle est la situation actuelle et nous permet d'utiliser les données pour planifier nos utilisations de ressources et ce que nous voulons faire à l'avenir. »
