借助技术和导航设备向公民提供促进物理可达性的信息将使城市变得更加智能和更具包容性。米兰理工大学的一位年轻研究人员使用人工智能 (AI) 来识别由鹅卵石、桑皮特里尼和砖块制成的街道和人行道之间的差异，这些街道和人行道的高度和宽度差异很大，这些差异是历史城市的特征并使其成为典型，但也是历史城市的一个元素给老年人和运动障碍人士带来困难。
这项发表在《国际应用地球观测和地理信息杂志》上的研究使用了移动测绘系统，具体来说，在本例中是一辆配备了意大利徕卡地理系统公司提供的仪器的汽车，用于对萨比奥内塔小镇进行测绘。自 2008 年以来，它与曼图亚一起被联合国教科文组织列为世界遗产，是被历史城墙包围的文艺复兴时期村庄的象征。
“从收集的数据或点云开始，即分布在调查空间中的数以百万计的点，使我们能够获得我们周围事物的测量和三维表示，例如房屋、街道、广场、人行道和各种物体，借助机器学习，可以识别历史城市环境中最容易到达的轨迹和路径。”米兰理工大学曼图亚联合国教科文组织研究实验室研究员 Daniele Treccani 解释道。
米兰理工大学地形学和制图学教授 Andrea Adami 解释说：“机器学习 (ML) 允许复杂的神经网络尝试模拟人脑的功能，从大量先前结构化的数据中‘学习’由操作员完成。在学习阶段之后，通过输入的组合，可以自动识别和分类数据中的对象，无需人工干预。”
“在这种情况下，”Treccani 继续说道，“用于评估物理可达性的元素是人行道，即用户的首选路线和道路。计算的属性包括宽度、高度、坡度和铺路材料。ML 方法显示出良好的可靠性的结果(89%)，并经过现场验证。”
“然后在 QGIS 中制作专题城市地图，计算无障碍路线，并提出 OpenStreetMap 更新的数据。Sabbioneta 的工作使得测试和展示人工智能方法在管理历史城市中心的无障碍性方面的重要性成为可能。”
几何和空间地理参考信息的自动提取可以扩展到其他城市元素，并用于旅游可达性和导航应用，以及为消除建筑障碍计划(PEBA)或城市可达性计划创建地图库。一般来说，收集和处理的数据可用于构建城市模型和历史城市中心的数字模型。
Daniele Treccani 目前正致力于将他的研究扩展到其他城市测量系统的数据，例如 UAS(无人机)摄影测量、飞机或便携式系统(背包或手持式)的激光扫描仪测量系统，并继续与维戈大学合作(西班牙)，他与该机构一起进行了部分研究。
从这项研究开始，无障碍主题还促进了与曼图亚教区和意大利主教会议的合作，并与布雷西亚大学和摩德纳大学共同开发了国家利益研究项目(“PRIN”)和雷焦艾米利亚。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！