Modelo 3D del vecindario Driving Park de 1961 antes de que fuera demolido para dar paso a la interestatal. Fuente: Universidad Estatal de Ohio
Imagínese ponerse sus gafas de realidad virtual y “caminar” por un vecindario desaparecido hace mucho tiempo en su ciudad, viendo las calles y los edificios como se veían hace décadas.
Esta es una posibilidad muy real ahora que los investigadores han desarrollado un método para crear modelos digitales en 3D de vecindarios históricos utilizando aprendizaje automático y mapas históricos de seguros contra incendios de Sanborn. El estudio fue publicado en la revista MÁS UNO.
Pero los modelos digitales serán más que una simple novedad: brindarán a los investigadores recursos para realizar investigaciones que antes habrían sido casi imposibles, como estimar las pérdidas económicas causadas por la demolición de distritos históricos.
“La cuestión es que ahora tenemos la capacidad de desbloquear la gran cantidad de datos integrados en los atlas de incendios de Sanborn”, dijo Harvey Miller, coautor del estudio y profesor de geografía en la Universidad Estatal de Ohio.
“Permite un enfoque completamente nuevo para la investigación histórica urbana que nunca podríamos haber imaginado antes del aprendizaje automático. Cambia las reglas del juego”.
Pruebas comienza con mapas de Sanborn que se crearon para permitir que las compañías de seguros contra incendios evalúen su responsabilidad en aproximadamente 12,000 ciudades y pueblos de los Estados Unidos durante los siglos XIX y XX. En las ciudades más grandes, a menudo se actualizaban con regularidad, dijo Miller, quien es director del Centro de Investigación Urbana y Regional del Estado de Ohio (CURA).
El problema para los investigadores era que tratar de recopilar manualmente datos útiles de estos mapas era tedioso y requería mucho tiempo, al menos hasta que se digitalizaron los mapas. Las versiones digitales ya están disponibles en la Biblioteca del Congreso.
El coautor del estudio, Yue Lin, estudiante de doctorado en geografía en la Universidad Estatal de Ohio, desarrolló herramientas de aprendizaje automático que pueden extraer información detallada sobre edificios individuales de los mapas, incluida su ubicación y contorno, la cantidad de pisos, los materiales utilizados en su construcción y su principal uso, como apartamento o negocio.
“Podemos tener una muy buena idea de cómo se ven los edificios a partir de los datos que obtenemos de los mapas de Sanborn”, dijo Lin.
Los investigadores probaron su técnica de aprendizaje automático en dos vecindarios adyacentes cerca del este de Columbus, Ohio, que fueron destruidos en gran parte en la década de 1960 para dar paso a la construcción de la I-70.
Uno de los vecindarios, Hanford Village, se estableció en 1946 para acomodar a los veteranos negros de la Segunda Guerra Mundial que regresaban.
“El proyecto de ley GI les dio a los veteranos que regresaban fondos para comprar casas, pero solo podían usarse para nuevas construcciones”, dijo la coautora del estudio, Gerika Logan, coordinadora de CURA. “Entonces, la mayoría de las casas se perdieron en la carretera poco después de que se construyeron”.
Otro vecindario en el estudio fue Driving Park, que también tenía una próspera comunidad negra hasta que la I-70 lo dividió en dos.
Los investigadores utilizaron 13 mapas de Sanborn para dos vecindarios dibujados en 1961, justo antes de que se construyera la I-70. Las técnicas de aprendizaje automático pudieron extraer datos de mapas y crear modelos digitales.
La comparación de los datos del mapa de Sanford con los de hoy mostró que se demolieron un total de 380 edificios en los dos distritos de la carretera, incluidas 286 casas, 86 garajes, cinco apartamentos y tres tiendas.
El análisis de los resultados mostró que el modelo de aprendizaje automático fue muy preciso en la reproducción de la información contenida en los mapas: alrededor del 90 % de precisión para los contornos de los edificios y los materiales de construcción.
“La precisión fue impresionante. De hecho, podemos tener una idea visual de cómo se veían estos vecindarios que no sería posible de otra manera”, dijo Miller.
“Queremos llegar a un punto en este proyecto en el que podamos darle a la gente cascos de realidad virtual y dejarlos caminar por la calle como en 1960 o 1940 o tal vez incluso en 1881”.
Miller dijo que usando técnicas de aprendizaje automático desarrolladas para este estudio, los investigadores podrían desarrollar modelos 3D similares para casi cada una de las 12,000 ciudades y pueblos que tienen mapas de Sanborn.
Esto permitirá a los científicos recrear barrios perdidos por desastres naturales como inundaciones, así como por renovación urbana, despoblación y otros tipos de cambios.
Debido a que los mapas de Sanborn contienen información sobre las empresas que ocuparon ciertos edificios, los investigadores pudieron reconstruir el vecindario digital para determinar el impacto económico de su pérdida debido a la renovación urbana u otros factores. Otra posibilidad sería investigar cómo la sustitución de viviendas por carreteras que absorben el calor solar afectó el efecto de isla de calor urbano.
“Hay muchos tipos diferentes de investigación que se pueden hacer. Será una gran fuente de información para los historiadores urbanos y muchos otros investigadores”, dijo Miller.
“Crear estos modelos digitales en 3D y poder reconstruir edificios agrega mucho más de lo que se puede mostrar en un gráfico, gráfico, tabla o mapa tradicional. Hay un potencial increíble en ello”.
Más información:
Cree modelos digitales en 3D a nivel de edificio de distritos urbanos históricos 1 a partir de mapas de Sanborn Fire Insurance utilizando aprendizaje automático, MAS UNO (2023). journals.plos.org/plosone/arti… journal.pone.0286340