Глобальное прогнозирование высоты зданий стало проще благодаря машинному обучению
Поскольку города продолжают расти в глобальном масштабе, характеристика застроенной среды имеет важное значение для понимания населения, прогнозирования потребления энергии, мониторинга воздействия городских островов тепла, предотвращения ухудшения состояния окружающей среды и планирования городского развития. Здания являются ключевым компонентом застроенной среды, и в настоящее время отсутствуют данные о высоте зданий на глобальном уровне. Клинтон Стайпек из Национальной лаборатории Оук-Ридж Министерства энергетики использует машинное обучение для получения более полной картины геометрии зданий, включая высоту зданий с точностью до 3 метров. До сих пор это было труднодостижимо. Предыдущие методы определения высоты здания требовали информации не только о самой конструкции, например, о дорогах или количестве людей внутри. Используя особенности здания и окружающих его конструкций, Стипек и его коллеги разработали алгоритм, позволяющий выяснить, как оценить высоту зданий в любой точке мира. «Мы разработали открытый исходный код , который использует особенности морфологии здания на уровне здания для прогнозирования высоты», — сказал Стайпек. «Алгоритм может использоваться в любой точке мира, устраняя прежние барьеры, такие как определение здания или измерение теней, которые создают ложные срабатывания». Команда опубликовала свои результаты в Scientific Reports. Коллега Стайпека, Тейлор Хаузер, заинтересовался проблемой заполнения пробела в высоте зданий во время работы над проект...
Переход на новый Outlook станет проще благодаря программе App Assure Переход на новый Outlook особенно важен для корпоративных пользователей, которым нужны над ...
CHASPIK.SPB.RU