研究人员使用AI在Google Street View中的结构外墙之外“看到”

多伦多大学的研究人员开发了一种使用人工智能（AI）和Google Maps的街道视图图像来收集有关建筑物的更详细信息，例如其年龄和地板区域的方法。

然后可以使用这些附加数据来评估建筑库存，建筑材料流和体现温室气体这是对商品生产和运输产生的排放的估计。

这项研究是出版在工业生态杂志。

“这是我们知道的第一篇论文，人们拍摄了一张照片，向您展示了建筑物的前面，然后预测了您在图片中看不到的事情，”应用科学与工程学院的民用和矿产工程系副教授Shoshanna Saxe说，他带领研究团队通过可持续建筑环境中心的研究团队。

“我的动机非常专注于体现的碳研究用途，但这对许多不同的人都很有用。我已经与研究人员进行了交谈，这些研究人员正在研究了解用水以进行未来的计划或弹性评估。”

由于Google Street View广泛可用，因此该方法提供了一种具有成本效益的方式来生成大型建筑数据。

萨克斯说：“我们在照片上花了1000美元，以获取否则将耗资数百万美元才能获得的数据。”“没有人只能花费数百万美元来仅建造尺寸，因此这是能够解决这些问题而不是解决这些问题之间的区别。拥有可以让我们大规模理解社区和建筑物的方法确实有用。”

该团队根据结构的外部图像培训了AI来估算建筑物的属性，以实现70％的年龄预测准确性，而落地面积预测的精度为80％。

T分析与人工智能工程中心的AI高级研究人员Alex Olson说：“能够评估外部的人可以对内部和乘员在本地基础设施上放置的用途进行一种有教养的猜测。”“它对用于建造，维护和运营建筑物的资源进行了强有力的估计。”

萨克斯补充说，通过他们的方法获得的见解不能独自从地图或建设计划中得出。

她说：“您需要看到结构。”“区别之一是我们预测建筑物的内部平方英尺是什么。尽管显然可以跟踪建筑物外部的大小，但实际上很难预测。而且您也看不到建筑物从外部有多大。

如果您有经验，您可以四处走走说，这座建筑对我来说是关于我古老的，对我来说，等等。但是，有各种各样的事情使它变得很难，包括翻新。前面可能与后面有所不同。正面砖块，玻璃是玻璃，玻璃，玻璃吗？

使用人工智能超越建筑物的外观可能会有所帮助城市规划师更好地了解城市的资源需求，并确定未来的基础架构项目。

奥尔森说：“您想了解您所在城市的资源或基础设施未充分利用的地方。”“听起来我们应该已经拥有数据，但我们确实没有。虽然这并不能建模未来，但它确实准确地描述了当前情况，并允许我们使用数据来规划我们的资源用途以及我们将来想要做什么。”