人工智能能預測下一個城市更新區域嗎? - 彭博社
Richard Florida
標誌宣傳西倫敦新建的待售房屋。託比·梅爾維爾/路透社對城市更新的擔憂在過去十年中不斷增加,因為富裕和受過教育的人羣重新湧入城市。但未來城市更新的速度和模式能否被預測?新的研究由一組數據科學家和地理學家提出了這樣的觀點。
這項研究由倫敦國王學院的喬納森·裏德斯、喬丹·德·索薩和菲爾·哈伯德進行,並發表在城市研究期刊上,使用了一種稱為機器學習的人工智能技術,該技術基本上是訓練計算機模型從過去的數據中學習,以預測未來的模式。在這種情況下,研究團隊使用了倫敦過去城市更新的數據來預測下一次城市更新將發生在哪裏。
彭博社城市實驗室芝加哥以冷靜、派對和陽光克服了民主黨全國委員會的懷疑者納粹掩體的綠意改造將醜陋的過去變成城市的眼球吸引者聖保羅的貧民窟如何幫助庇護南美洲最大城市僅使用公共交通的跨洲競賽該研究使用機器學習分析2001年的數據,以“預測”2011年發生的城市更新。然後,利用該模型,預測2021年將發生城市更新的地點。研究開始時通過四個關鍵變量來衡量社會經濟地位:家庭收入、房地產價值、職業份額(“頂級”職業類別的百分比)和職業資格(基於獲得某一國家職業認證水平的居民比例)。
一旦研究人員計算了每個社區的社會經濟地位,他們分析了年齡和種族等其他人口統計指標與城市化之間的相關性。社區數據基於英國的低層超級輸出區(LSOA),該區域類似於美國的人口普查區,人口在1,000到3,000人之間。
當2001年的模型預測2011年會發生什麼時,它與現實生活中發生的情況非常吻合。與其他傳統模型(如標準迴歸分析)相比,它生成了非常接近的統計擬合。
令人驚訝的是,研究發現一些關鍵的人口統計因素,如“雙收入無子女家庭”(DINKs)、車輛擁有率或種族,並未在城市化的主要預測因素中排名靠前。移民確實預測了城市化,但僅限於來自歐盟其他成員國(截至2001年)、美洲以及澳大利亞和新西蘭的人。建築類型也具有一定的預測價值,尤其是排屋或較老的建築。最終,研究發現大多數主要預測因素反映了職業:長時間工作、技能和資格,以及工作靈活性,例如自僱或在家工作。
下面的地圖繪製了2011年的城市化情況,使用自2001年以來的社會經濟地位變化在社區層面上進行分析。它顯示了從倫敦市中心發出的兩個城市化關鍵軸線,一個朝西南方向,另一個朝東北方向,特色是所謂的“億萬富翁街”。深紫色的社區社會地位下降,而黃色的社區社會地位上升。淺薄荷色代表社會地位變化如此之小,以至於可能在統計上不具相關性。即使是富裕的社區,根據該模型也經歷了變化和城市化。
2011年的城市更新社區
城市研究雜誌下圖顯示了2021年城市更新的預測,再次將城市更新描繪為社區內社會經濟地位的變化。這裏模型預測城市更新不僅會發生在威斯敏斯特、肯辛頓和切爾西的中心社區,還會進一步擴展到通常的工人階級區。同時,它預測城市更新將會跳過郊區的小城鎮,這表明一個社區的提升可能與另一個社區的遷移和衰退有關。深紫色代表地位下降,黃色代表地位上升。
2021年城市更新社區的預測
城市研究雜誌模型還預測,城市更新最終會整體放緩。值得注意的是,從2001年到2011年經歷最劇烈變化的社區,從2011年到2021年將顯示出較少的變化。模型發現這些社區的得分會隨着時間的推移而提高,但這一趨勢可能不會加速。
未來,研究團隊希望重新審視他們的方法,但使用更及時的數據,例如通過Zoopla(一個類似於美國Zillow的房地產網站)獲取的實時房價,甚至通過Twitter獲取的其他文化消費指標,以預測城市更新將如何以及何時發生。
雖然像英國脱歐和新的交通基礎設施項目這樣的事件可能會改變紳士化的進程,但看起來像機器學習這樣的工具可以幫助我們理解不僅過去為什麼會發生紳士化,還可以瞭解未來最有可能發生的地方。
CityLab 編輯部研究員 Claire Tran 為本文提供了研究和編輯支持。