機器學習使我們的工作和生活更加高效和智能。本文分析了如何利用機器學習建設智慧城市，主要從兩方面進行展開：1)分析城市發生變化的原因;2)機器學習作為一門科學在智慧城市研究中的應用。
機器學習正在幫助城市規劃師認同或反駁長期存在的關于城市的理論。
為什么某些城市讓人感到安全，而有些則讓人覺得危險?為什么別的城市是美麗的?隨著時間的推移，城市是如何發展和變化的?最重要的是，我們如何量化我們感知城市的看法，并用它來更合理地規劃城市地區?
麻省理工學院媒體實驗室集體學習小組主任CésarHidalgo花了數年時間， 他使用眾包數據和機器視覺技術來建立城市模型，以回答統計和調查根本無法解答的問題。
Hidalgo的研究表明，人工智能已經滲透在我們日常生活的方方面面，從芭比娃娃到網頁設計，而且也開始滲透到學術研究領域，尤其是在我們在研究智慧城市方面。但隨著這一新興領域的發展，人工智能也面臨著新的挑戰。
研究人員利用機器學習分析谷歌七年間的街景照片，觀察城市是如何發生變化的。
是什么使城市發生變化?
以該小組最近在《美國國家科學院院刊》上發表的論文為例。該研究使用了谷歌發布的五個城市在七年間的街景照片，分析了一些關于城市復興的著名觀點。這是一個已經被研究了幾十年的關鍵問題，人們圍繞著幾個學派關于如何以及為什么會出現城市復興的思想進行了大量的辯論。Hidalgo和他的團隊以160萬張街景照片為對照組，通過機器學習對那些“經典”的城市理論進行測試。
研究小組發現， 城市積極變化的最大因素實際上是受過高等教育人群的數量。 而且，整潔的城市和商業區也有聯系，其“安全評分”也一樣。但令人驚訝的是，與某些理論相反的是，收入和住房成本與城市的積極或消極的物理變化沒有關聯。Hidalgo在麻省理工學院新聞中解釋道：“城市復興這與收入理論無關，也就是說，聚集高收入群體的城市并不代表受教育程度高。”
利用機器學習來加深我們對城市化的理解，類似這樣的研究，我們可以把這門學科變成一門科學，而不僅僅是一門社會科學。Hidalgo說：“我希望這個研究能夠幫助我們理解城市環境對人們的影響以及人們對環境的影響。這樣我們在制定城市規劃方案時，我們就會對不同設計方案有更加科學的解釋。這些方法還可以幫助我們了解官方數據未統計到的增長與變化。”
從社會科學到科學
然而，在這種情況下使用機器學習仍然有許多挑戰。 最大的挑戰是什么呢?數據。
Hidalgo之前研究使用的數據來自于他和同事共同創建的網頁。在網頁上，用戶可以評價街景的安全和美觀程度，從而給研究員提供人們如何看待街景的數據。但是要想全面開展這項研究，他還需要更多的數據支撐。到目前為止，他們仍然依靠網頁用戶的有機增長來填充機器學習的數據。但是要想真正擴大樣本容量，Hidalgo表示他們也許會為參與者提供一些報酬。
但是， 這種研究方法的挑戰不會隨著數據的獲得而結束。城市是不斷變化的，動態的，而且不是每一個圖像都能理想地適用于算法處理。 Hidalgo說，Nikhil Naik是麻省理工學院Abdul Latif Jameel貧困行動實驗室的博士后，多年來致力于數據研究。研究過程中，主要的挑戰是解析谷歌街景圖像，因為即使只有一輛卡車在行駛，也會導致圖像解析前后的巨大差異。而且，該小組還必須考慮季節性變化，比如地上的積雪和暴風雨天氣。
為了修正數據中的這些異常，研究人員必須對數據庫中160萬個圖像中的每個像素描繪的真實對象進行分類。如果有太多的像素被識別為卡車或行人，程序就不會使用那個很精確的圖像，反而在同一街區將其轉換為類似的圖像。這個系統也被設置為忽略類似于樹木或天空這樣的東西，因為在不同的季節，它們的變化太大，以至于不能得出準確的變化圖像。
真正的挑戰在于把實驗室的研究成果應用于城市建設。Hidalgo說：“我認為兩者結合的方法在城市規劃方面是比較常見的。但是，這個方法需要更好地擴展，那就是如何將這些方法整合到規劃者和架構師手中。”
機器學習的前景是光明的，正如Hidalgo的工作成果一樣。他認為，機器學習將在未來5-10年內用于智慧城市的研究。而且變化具有相通性。城市隨著時間進行變化，同時也適用于機器學習的傳播。
原文來自：IT時代網