.
Imagine colocar um fone de ouvido de realidade virtual e “caminhar” por um bairro antigo de sua cidade – vendo as ruas e prédios como eram décadas atrás.
Essa é uma possibilidade muito real agora que os pesquisadores desenvolveram um método para criar modelos digitais 3D de bairros históricos usando aprendizado de máquina e mapas históricos da Sanborn Fire Insurance.
Mas os modelos digitais serão mais do que uma novidade – eles darão aos pesquisadores um recurso para realizar estudos que antes seriam quase impossíveis, como estimar a perda econômica causada pela demolição de bairros históricos.
“A história aqui é que agora temos a capacidade de desvendar a riqueza de dados incorporados nesses atlas de incêndio de Sanborn”, disse Harvey Miller, coautor do estudo e professor de geografia na Ohio State University.
“Ele permite uma abordagem totalmente nova para a pesquisa histórica urbana que nunca poderíamos ter imaginado antes do aprendizado de máquina. É uma virada de jogo.”
O estudo foi publicado hoje (28 de junho de 2023) na revista PLOS UM.
Esta pesquisa começa com os mapas de Sanborn, que foram criados para permitir que as seguradoras de incêndio avaliassem sua responsabilidade em cerca de 12.000 cidades e vilas nos Estados Unidos durante o século XIX.º e 20º séculos. Em cidades maiores, eles eram frequentemente atualizados regularmente, disse Miller, que é diretor do Centro de Análise Urbana e Regional (CURA) do estado de Ohio.
O problema para os pesquisadores era que tentar coletar manualmente dados utilizáveis desses mapas era tedioso e demorado – pelo menos até que os mapas fossem digitalizados. As versões digitais estão agora disponíveis na Biblioteca do Congresso.
O coautor do estudo, Yue Lin, estudante de doutorado em geografia no estado de Ohio, desenvolveu ferramentas de aprendizado de máquina que podem extrair detalhes sobre edifícios individuais dos mapas, incluindo suas localizações e pegadas, o número de andares, seus materiais de construção e seu uso principal, como habitação ou comércio.
“Conseguimos ter uma boa ideia de como são os edifícios a partir dos dados que obtemos dos mapas de Sanborn”, disse Lin.
Os pesquisadores testaram sua técnica de aprendizado de máquina em dois bairros adjacentes no lado leste de Columbus, Ohio, que foram amplamente destruídos na década de 1960 para abrir caminho para a construção da I-70.
Um dos bairros, Hanford Village, foi desenvolvido em 1946 para abrigar veteranos negros da Segunda Guerra Mundial.
“O projeto de lei GI deu fundos aos veteranos que retornaram para comprar casas, mas eles só poderiam ser usados em novas construções”, disse a coautora do estudo Gerika Logan, coordenadora de divulgação do CURA. “Portanto, a maioria das casas foi perdida na rodovia pouco depois de serem construídas.”
O outro bairro no estudo foi o Driving Park, que também abrigou uma próspera comunidade negra até a I-70 dividi-la em duas.
Os pesquisadores usaram 13 mapas de Sanborn para os dois bairros produzidos em 1961, pouco antes da construção da I-70. As técnicas de aprendizado de máquina foram capazes de extrair os dados dos mapas e criar modelos digitais.
A comparação dos dados dos mapas de Sanford com os de hoje mostrou que um total de 380 prédios foram demolidos nos dois bairros para a rodovia, incluindo 286 casas, 86 garagens, cinco apartamentos e três lojas.
A análise dos resultados mostrou que o modelo de aprendizado de máquina foi muito preciso ao recriar as informações contidas nos mapas – cerca de 90% de precisão para pegadas e materiais de construção.
“A precisão foi impressionante. Podemos realmente ter uma noção visual de como eram esses bairros, o que não seria possível de outra maneira”, disse Miller.
“Queremos chegar ao ponto neste projeto em que podemos dar às pessoas fones de ouvido de realidade virtual e deixá-las andar pela rua como era em 1960 ou 1940 ou talvez até 1881.”
Usando as técnicas de aprendizado de máquina desenvolvidas para este estudo, os pesquisadores poderiam desenvolver modelos 3D semelhantes para quase qualquer uma das 12.000 cidades e vilas que possuem mapas de Sanborn, disse Miller.
Isso permitirá aos pesquisadores recriar bairros perdidos por desastres naturais como inundações, bem como renovação urbana, despovoamento e outros tipos de mudança.
Como os mapas de Sanborn incluem informações sobre empresas que ocupavam edifícios específicos, os pesquisadores poderiam recriar bairros digitais para determinar o impacto econômico de perdê-los para a renovação urbana ou outros fatores. Outra possibilidade seria estudar como a substituição de residências por rodovias que absorvem o calor do sol afeta o efeito de ilha de calor urbana.
“Há muitos tipos diferentes de pesquisa que podem ser feitos. Isso será um recurso tremendo para historiadores urbanos e uma variedade de outros pesquisadores”, disse Miller.
“Fazer esses modelos digitais 3D e ser capaz de reconstruir edifícios acrescenta muito mais do que você poderia mostrar em um gráfico, gráfico, tabela ou mapa tradicional. Há um potencial incrível aqui.”
.
