ノートルダム大学の研究者は、AIとGoogle Street Viewを使用して家のアプリ ビンゴ価格を予測しています。
メリーランド大学とユタ州の専門家と協力して、研究者はです。AIテクニックを利用して、世帯の受動的設計特性を分析する家のアプリ ビンゴ価格を計算する
チームは、この研究が脆弱なコミュニティを特定し、さらに創造する際に政策立案者と都市計画者に通知するのに役立つと考えています持続可能な建物の設計
Siavash Ghorbany、民間環境工学および地球科学科の博士課程の学生であるSiavash Ghorbanyは次のように説明しています。それを測定して予測する。
「それで、「Google Street Viewのような日常のツールと機械学習の力を組み合わせて、この情報を収集することができると尋ねました。」米国。」
米国の世帯のアプリ ビンゴ負担の増大
米国中の低所得世帯は、全国平均よりも大幅に高いアプリ ビンゴ負担に取り組んでいます。
報告書は、米国の4,600万世帯以上がかなりのアプリ ビンゴ負担を経験していることを発見しました。
受動的設計が住宅アプリ ビンゴ価格を引き下げる方法
自然換気や日光の最適な使用などの受動的設計戦略は、家庭アプリ ビンゴ価格を軽減する潜在的な解決策として浮上しています。
しかし、パッシブ設計の有効性に関するデータの希少性は、より広範なスケールでの影響を評価する際の課題をもたらします。
この知識のギャップに対処するために、学際的な専門家のチームがAIを採用する新しい方法を考案しました。
アプリ ビンゴ監査のためのスケーラブルなモデル
研究は、パッシブデザインの3つの重要な要素（ウィンドウサイズ、ウィンドウタイプ（操作可能または固定）、およびシェーディングの範囲に集中しました。この調査では、シカゴの住宅構造のGoogleストリートビュー画像を調べるために畳み込みニューラルネットワークを利用しました。
その後、最も効果的な予測モデルを決定するために、さまざまな機械学習手法が採用されました。彼らのアプローチは、74％を超える印象的な精度率で住宅アプリ ビンゴ価格を予測しました。
綿密な建物ごとの評価を必要とする従来のアプローチとは異なり、このモデルは迅速かつスケーラブルな評価を可能にします。
調査結果は、平均アプリ ビンゴ負担を予測する際の受動的設計属性の重要性を強調し、予測モデリングにおける彼らの不可欠な役割を強調します。
前進する研究者は、断熱材や緑の屋根などの追加のパッシブ設計要素を含めるように分析を拡大することを目指しています。
さらに、彼らは、全国の持続可能で公平なアプリ ビンゴ慣行を促進するという究極の目標を持って、全国レベルでアプリ ビンゴ負担の格差に対処するためにプロジェクトを拡大することを想定しています。
