More than two-thirds of the world's population is expected to live in cities by 2050, according to the United Nations. As urbanization advances around the globe, researchers at the University of Notre Dame and Stanford University said the quality of the
据联合国统计，到2050年，世界上预计将有超过三分之二的人口进入城市随着全球城市化的进步，北美大学和斯坦福大学的研究人员认为，城市物理环境的质量将变得越来越重要，人类福祉和可持续发展举措也将越来越重要
然而，测量和跟踪城市环境的质量，其进化和空间稀疏性是很困难的，因为需要大量的地面数据来捕捉这些模式为了解决这个问题，荷兰大学全球事务学院的技术、经济和全球事务助理教授YongSukLee和斯坦福大学的AndreaVallebeno使用机器学习开发了一种问题方法，从空间上测量城市和气候的变化
他们的发现最近发表在科学报告中
李说：“与此同时，城市规划者和政策制定者需要确保城市的信号和政策能够充分解决基础设施和交通改善、贫困、城市居民的健康和安全以及城市内部质量的提高等关键问题。”“利用机器学习来识别邻近地区的发展模式和城市质量，我们可以帮助城市规划者和决策者更好地了解和了解城市空间的不断恶化及其对未来规划的重要性。”
传统上，衡量城市空间的宜居性和质量使用了社会人口学的去组学特征，如指标和商业水平、城市居民对城市环境贡献的感知和价值的调查数据，或描述城市空间和相关经济质量的图像数据集李说，越来越多的立体图像显示出了识别城市特征的潜力，但这些方法的可靠性和一致性在不同的位置和时间上仍有待探索
在这项研究中，LeeandVallebeno使用YOLOv5模型（一个具有可检测对象的非物质集成电路）来检测出正确的对象类别，这些对象表示城市和城市，或是构成一个不明亮的城市空间——比如坑洞、涂鸦、垃圾、帐篷、栏杆或破窗户、褪色或褪色的aç；广告、杂草和公用设施标志他们关注三个城市：墨西哥的旧金山和印第安纳州的南本德这些城市中的社区是基于以下因素的，包括社区多样性、分期付款和作者与他们的家庭关系
使用比较数据，他们在三个背景下评估了他们的方法：2009年至2021年旧金山东区的家庭压力，2017年至2019年墨西哥城市社区的小型住房项目短缺，2011年至2019年间南本德的西部高区——这是一个城市生活水平下降的原因之一
研究人员发现，训练模型能够充分检测不同城市和外国的物体，并且特别适合于有人群的地方，如旧金山
例如，主要研究人员评估了旧金山地区的时间和地理变化，这些变化近年来一直在增长
根据Lee的说法，模型在南本德的最终负荷区域中进行了调整，证明了在人口密度较低的情况下可以调整对象的延迟和类型此外，还发现了一些应该镶珠的零件
“我们的发现表明，像这样的保留模型能够检测不同周边地区和城市之间的死亡事件，这突出了这种方法的潜力，可以扩大规模，以跟踪美国和其他国家城市之间的城市流动性和变化，因为树景图像是可用的，”他说
Lee说，与使用更粗糙的传统经济数据源相比，该模型有可能使用更有效地收集的数据提供有价值的信息，并且它可能是政府、非政府组织和公众的有价值和及时的工具
李说：“我们发现，我们的方法可以让中国人有效地跟踪城市的质量以及多个城市和地区的变化。”“然后，这种类型的数据可以用于制定城市政策和规划，以及受城市化影响的社会化，包括无障碍。”