机器学习使我们的工作和生活更加高效和智能。本文分析了如何利用机器学习建设智慧城市，主要从两方面进行展开：1)分析城市发生变化的原因;2)机器学习作为一门科学在智慧城市研究中的应用。
机器学习正在帮助城市规划师认同或反驳长期存在的关于城市的理论。
为什么某些城市让人感到安全，而有些则让人觉得危险?为什么别的城市是美丽的?随着时间的推移，城市是如何发展和变化的?最重要的是，我们如何量化我们感知城市的看法，并用它来更合理地规划城市地区?
麻省理工学院媒体实验室集体学习小组主任CésarHidalgo花了数年时间， 他使用众包数据和机器视觉技术来建立城市模型，以回答统计和调查根本无法解答的问题。
Hidalgo的研究表明，人工智能已经渗透在我们日常生活的方方面面，从芭比娃娃到网页设计，而且也开始渗透到学术研究领域，尤其是在我们在研究智慧城市方面。但随着这一新兴领域的发展，人工智能也面临着新的挑战。
研究人员利用机器学习分析谷歌七年间的街景照片，观察城市是如何发生变化的。
是什么使城市发生变化?
以该小组最近在《美国国家科学院院刊》上发表的论文为例。该研究使用了谷歌发布的五个城市在七年间的街景照片，分析了一些关于城市复兴的著名观点。这是一个已经被研究了几十年的关键问题，人们围绕着几个学派关于如何以及为什么会出现城市复兴的思想进行了大量的辩论。Hidalgo和他的团队以160万张街景照片为对照组，通过机器学习对那些“经典”的城市理论进行测试。
研究小组发现， 城市积极变化的最大因素实际上是受过高等教育人群的数量。 而且，整洁的城市和商业区也有联系，其“安全评分”也一样。但令人惊讶的是，与某些理论相反的是，收入和住房成本与城市的积极或消极的物理变化没有关联。Hidalgo在麻省理工学院新闻中解释道：“城市复兴这与收入理论无关，也就是说，聚集高收入群体的城市并不代表受教育程度高。”
利用机器学习来加深我们对城市化的理解，类似这样的研究，我们可以把这门学科变成一门科学，而不仅仅是一门社会科学。Hidalgo说：“我希望这个研究能够帮助我们理解城市环境对人们的影响以及人们对环境的影响。这样我们在制定城市规划方案时，我们就会对不同设计方案有更加科学的解释。这些方法还可以帮助我们了解官方数据未统计到的增长与变化。”
从社会科学到科学
然而，在这种情况下使用机器学习仍然有许多挑战。 最大的挑战是什么呢?数据。
Hidalgo之前研究使用的数据来自于他和同事共同创建的网页。在网页上，用户可以评价街景的安全和美观程度，从而给研究员提供人们如何看待街景的数据。但是要想全面开展这项研究，他还需要更多的数据支撑。到目前为止，他们仍然依靠网页用户的有机增长来填充机器学习的数据。但是要想真正扩大样本容量，Hidalgo表示他们也许会为参与者提供一些报酬。
但是， 这种研究方法的挑战不会随着数据的获得而结束。城市是不断变化的，动态的，而且不是每一个图像都能理想地适用于算法处理。 Hidalgo说，Nikhil Naik是麻省理工学院Abdul Latif Jameel贫困行动实验室的博士后，多年来致力于数据研究。研究过程中，主要的挑战是解析谷歌街景图像，因为即使只有一辆卡车在行驶，也会导致图像解析前后的巨大差异。而且，该小组还必须考虑季节性变化，比如地上的积雪和暴风雨天气。
为了修正数据中的这些异常，研究人员必须对数据库中160万个图像中的每个像素描绘的真实对象进行分类。如果有太多的像素被识别为卡车或行人，程序就不会使用那个很精确的图像，反而在同一街区将其转换为类似的图像。这个系统也被设置为忽略类似于树木或天空这样的东西，因为在不同的季节，它们的变化太大，以至于不能得出准确的变化图像。
真正的挑战在于把实验室的研究成果应用于城市建设。Hidalgo说：“我认为两者结合的方法在城市规划方面是比较常见的。但是，这个方法需要更好地扩展，那就是如何将这些方法整合到规划者和架构师手中。”
机器学习的前景是光明的，正如Hidalgo的工作成果一样。他认为，机器学习将在未来5-10年内用于智慧城市的研究。而且变化具有相通性。城市随着时间进行变化，同时也适用于机器学习的传播。
原文来自：IT时代网