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...
Жителям ЯНАО стало проще получать ипотеку В ЯНАО упростили подачу ипотечных заявок при использовании жилищных сертификатов. Об этом ...
CHASPIK.SPB.RU