多伦多大学团队用AI从谷歌街景中揭示建筑隐藏信息，助力城市规划与环保

多伦多大学的研究团队开发了一种方法，利用Google地图的街景图像和人工智能（AI）技术来获取建筑物更详细的信息，比如其年龄和楼层面积。这项研究发表在《工业生态学杂志》上，由工程学院材料与矿物工程系副教授肖珊娜·萨克斯领导。团队中的共同作者亚历克斯·奥尔森是一位高级AI研究员，他强调，这种方法不仅能够通过外观图像预测建筑物内部情况，还能为城市规划者提供关于资源需求和未来基础设施项目的有价值见解。 这项技术的核心在于通过街景照片对外部建筑进行分析，以此推测内部使用情况以及占用当地基础设施的方式。研究人员表示，尽管可以从外部大致估算建筑物的面积，但预测其内部面积更为复杂。同样，建筑物的年龄也是预测的重要部分，因为外观经过翻新可能无法直接看出其历史。萨克斯指出，建筑材料和建造年代决定了建筑物的温室气体排放量和能效性能，因此这一信息对于评估建筑存量、建设材料流动及内含温室气体等具有重要意义。 萨克斯表示，团队训练AI估计建筑物属性时使用了建筑外观图像，最终实现了高达70%的年龄预测准确率和80%的楼面面积预测准确率。这种方法的成本效率极高，获取数据的成本仅为传统方法的千分之一。她提到：“我们花了大约1000美元购买照片，得到了价值数百万美元的数据。” 这种利用AI技术获取大规模建筑数据的能力，可以帮助城市规划者识别资源利用不足或多余的地区，进而优化资源配置和未来的工程项目。萨克斯和奥尔森都强调了这种方法的实际应用潜力，如水资源管理和城市韧性评估等。他们认为，尽管现有的城市数据已经相当丰富，但在具体到每个建筑物的情况时，这类数据仍显得不足。通过这种方法，可以准确描述当前城市的实际情况，为未来的规划提供有力支持。 业内专家认为，多伦多大学的这项研究开辟了一个新的领域，通过低成本的手段获得了大量关于城市建筑的高质量数据。这不仅能帮助城市规划者更好地理解现有资源的分配情况，还能为未来的可持续发展项目提供重要的参考依据。多伦多大学在这一领域的研究一直走在前列，尤其是其在可持续建筑环境中心和数据分析与人工智能工程中心的工作，这些成果进一步巩固了该大学在全球科技创新领域的地位。