Transformer d’anciennes cartes en modèles numériques 3D de quartiers perdus

Imaginez que vous attachiez un casque de réalité virtuelle et que vous « marchiez » dans un quartier disparu depuis longtemps de votre ville, en voyant les rues et les bâtiments tels qu’ils apparaissaient il y a des décennies.

C’est une possibilité très réelle maintenant que les chercheurs ont développé une méthode pour créer des modèles numériques 3D de quartiers historiques à l’aide de l’apprentissage automatique et des cartes historiques de l’assurance incendie de Sanborn. L’étude a été publiée dans la revue PLOS ONE.

Mais les modèles numériques seront plus qu’une simple nouveauté – ils donneront aux chercheurs une ressource pour mener des études qui auraient été presque impossibles auparavant, comme l’estimation de la perte économique causée par la démolition de quartiers historiques.

« L’histoire ici est que nous avons maintenant la capacité de déverrouiller la richesse des données qui sont intégrées dans ces atlas des incendies de Sanborn », a déclaré Harvey Miller, co-auteur de l’étude et professeur de géographie à l’Ohio State University.

« Cela permet une toute nouvelle approche de la recherche historique urbaine que nous n’aurions jamais pu imaginer avant l’apprentissage automatique. Cela change la donne. »

Cette recherche commence par les cartes Sanborn, qui ont été créées pour permettre aux compagnies d’assurance incendie d’évaluer leur responsabilité dans environ 12 000 villes et villages des États-Unis au cours des XIXe et XXe siècles. Dans les grandes villes, ils étaient souvent mis à jour régulièrement, a déclaré Miller, directeur du Center for Urban and Regional Analysis (CURA) de l’Ohio State.

Le problème pour les chercheurs était qu’essayer de collecter manuellement des données utilisables à partir de ces cartes était fastidieux et prenait du temps, du moins jusqu’à ce que les cartes soient numérisées. Des versions numériques sont désormais disponibles auprès de la Bibliothèque du Congrès.

Le co-auteur de l’étude, Yue Lin, doctorant en géographie à l’Ohio State, a développé des outils d’apprentissage automatique qui peuvent extraire des détails sur les bâtiments individuels des cartes, y compris leurs emplacements et leurs empreintes, le nombre d’étages, leurs matériaux de construction et leur utilisation principale, comme un logement ou une entreprise.

« Nous sommes en mesure d’avoir une très bonne idée de ce à quoi ressemblent les bâtiments à partir des données que nous obtenons des cartes de Sanborn », a déclaré Lin.

Les chercheurs ont testé leur technique d’apprentissage automatique sur deux quartiers adjacents du côté est de Columbus, dans l’Ohio, qui ont été en grande partie détruits dans les années 1960 pour faire place à la construction de la I-70.

L’un des quartiers, Hanford Village, a été développé en 1946 pour abriter les anciens combattants noirs de retour de la Seconde Guerre mondiale.

« Le projet de loi GI a donné aux anciens combattants de retour des fonds pour acheter des maisons, mais ils ne pouvaient être utilisés que sur de nouvelles constructions », a déclaré la co-auteure de l’étude, Gerika Logan, coordinatrice de la sensibilisation de l’ARUC. « Ainsi, la plupart des maisons ont été perdues au profit de l’autoroute peu de temps après leur construction. »

L’autre quartier de l’étude était Driving Park, qui abritait également une communauté noire florissante jusqu’à ce que la I-70 le divise en deux.

Les chercheurs ont utilisé 13 cartes Sanborn pour les deux quartiers produites en 1961, juste avant la construction de la I-70. Des techniques d’apprentissage automatique ont permis d’extraire les données des cartes et de créer des modèles numériques.

La comparaison des données des cartes de Sanford avec celles d’aujourd’hui a montré qu’un total de 380 bâtiments ont été démolis dans les deux quartiers pour l’autoroute, dont 286 maisons, 86 garages, cinq appartements et trois magasins.

L’analyse des résultats a montré que le modèle d’apprentissage automatique était très précis pour recréer les informations contenues dans les cartes, soit environ 90 % de précision pour les empreintes de bâtiments et les matériaux de construction.

« La précision était impressionnante. Nous pouvons en fait avoir une idée visuelle de ce à quoi ces quartiers ressemblaient, ce qui ne serait pas possible autrement », a déclaré Miller.

« Nous voulons arriver au point dans ce projet où nous pouvons donner aux gens des casques de réalité virtuelle et les laisser marcher dans la rue comme c’était en 1960 ou 1940 ou peut-être même 1881. »

En utilisant les techniques d’apprentissage automatique développées pour cette étude, les chercheurs pourraient développer des modèles 3D similaires pour presque toutes les 12 000 villes et villages qui ont des cartes de Sanborn, a déclaré Miller.

Cela permettra aux chercheurs de recréer des quartiers perdus à la suite de catastrophes naturelles telles que des inondations, ainsi que du renouvellement urbain, du dépeuplement et d’autres types de changements.

Étant donné que les cartes de Sanborn incluent des informations sur les entreprises qui occupaient des bâtiments spécifiques, les chercheurs pourraient recréer des quartiers numériques pour déterminer l’impact économique de leur perte à cause du renouvellement urbain ou d’autres facteurs. Une autre possibilité serait d’étudier comment le remplacement des maisons par des autoroutes qui absorbent la chaleur du soleil affecte l’effet d’îlot de chaleur urbain.

« Il y a beaucoup de différents types de recherches qui peuvent être faites. Ce sera une ressource formidable pour les historiens urbains et une variété d’autres chercheurs », a déclaré Miller.

« Faire ces modèles numériques 3D et pouvoir reconstruire des bâtiments ajoute bien plus que ce que vous pourriez montrer dans un graphique, un graphique, un tableau ou une carte traditionnelle. Il y a un potentiel incroyable ici. »