19、利用机器学习预测旧金山城市发展

利用机器学习预测旧金山城市发展

1. 机器学习在城市规划中的潜力

人工智能和机器学习在建筑、工程和施工行业的出现，为设计师带来了巨大的潜力。设计师可以通过迭代预测来处理不断扩展的建筑和基础设施数据，从而做出更明智的设计决策，改善基础设施的建设和维护。多年来，Skidmore, Owings & Merrill (SOM)一直在探索如何利用机器学习来提升建成环境。2018年，SOM的首届“第一年加速器计划”聚焦于城市这一行业中最复杂的有机体，进一步拓展了相关研究。

机器学习在城市尺度上是建筑师和规划师诊断复杂问题、揭示城市模式的有力工具。它能让设计师基于数据做出设计决策，并提供一个平台，利用专业知识和技能干预和调整发展趋势。在某些情况下，将机器学习融入设计过程可能会产生意想不到的新设计方案。

2. 城市尺度机器学习的数据基础

城市尺度机器学习的一大机遇在于设计师可以从公共和私人机构获取大量不断扩展的开源数据。然而，旧金山虽然有众多公司和组织拥有专有城市数据集，但由于数据的专有性质，很难将这些数据纳入研究。在公开可用的旧金山城市数据中，SF OpenData是最强大、标准化程度最高的公共数据库，成为了该项目机器学习模型的基础。

研究团队在项目中发现，探索性机器学习研究问题与合适的数据集之间存在紧密关系。机器学习高度依赖数据质量，因为其目的是基于现有信息分析进行预测。一个基于干净、强大数据集构建的机器学习模型，能让算法获取每个数据点的大量信息，有可能发现之前被忽视的特征之间的隐藏模式。相反，一个不一致且数据匮乏的数据集会导致模型性能不佳、结果不准确。因此，开发一个对设计师有益的机器学习模型，不仅需要有意义的设计问题，还需要相关且完整的