Умные города

Летающие машины, телепорт, голограммы и роботы — всё это неотъемлемые элементы фантазий о городе будущего. Однако если разговоры о будущем зачастую наполняются мистическими образами, реальность такова, что ИИ уже активно изменяет подходы к городскому планированию. Умные города — это не просто концепция, это результат интеграции передовых технологий в повседневную жизнь мегаполисов. Они обещают улучшить качество жизни, оптимизировать использование ресурсов и сформировать более устойчивую инфраструктуру.

Городская морфология 

Часто, а иногда даже слишком часто, ведутся дискуссии о том, что ИИ заменит человека, но в случае городского дизайна превосходство творения над творцом является безусловным преимуществом. Так, совсем недавно группа исследователей и урбанистов из Китая разработала систему городского планирования на основе ИИ. В работе выделяются ключевые факторы, способствующие идеальному городскому плану в рамках концепции «15-минутного города». Модель обучалась на проектах, созданных людьми, и на паттернах, которые получили положительный отклик от граждан, например, увеличение числа парков и велосипедных дорожек. В ходе тестирования было установлено, что система быстро генерирует планы, которые в большинстве случаев превосходят разработки экспертов. Создатели проекта уточняют, что с помощью этой модели проектировщики могут повысить продуктивность, генерируя более эффективные пространственные планы за гораздо меньшее время. 

Похожий проект был создан сингапурской компанией Digital Blue Foam уже не в исследовательских, а в коммерческих целях. В основе его возможностей лежит DBF Engine — платформа корпоративного уровня, использующая алгоритмы для поддержки генеративного проектирования и пространственной аналитики. В частности, проект Urban Insights не просто обрабатывает и визуализирует открытые данные о городских пространствах — он превращает сухую статистику в инструменты для принятия решений. Система помогает архитекторам и городским планировщикам глубже понять динамику развития мегаполисов, выявляя скрытые паттерны и взаимосвязи в больших объемах информации. 

В целом, использование прототипов для анализа методов городского дизайна является одним из наиболее перспективных направлений применения ИИ в области градостроительства. В этой связи также стоит отметить не новую, но эффективную технологию «цифровых двойников». Виртуальные модели городов позволяют создавать и оценивать разные сценарии развития еще до их реальной реализации. Объединяя данные с устройств IoT и систем ГИС, алгоритмы ИИ предсказывают, как изменения в инфраструктуре, такие как новые здания или маршруты, скажутся на транспортных потоках, экологической ситуации и потреблении энергии. К примеру, в рамках проекта DUET во Фландрии была разработана модель дорожного движения, которая рассчитывает, какая интенсивность может ожидаться одновременно на прилегающих улицах при закрытии одной или нескольких дорог. 

Мониторинг инфраструктуры

Системы с использованием ИИ также модернизируют инспекцию инфраструктуры. В частности, активно используются аэрофотосъемка, т.е. беспилотники, оснащенные технологией распознавания изображений. Они находят проблемы и осуществляют мониторинг в режиме реального времени, что стимулирует раннее реагирование, а также повышает безопасность и надежность ручных проверок.

В 2021 году Национальный департамент планирования Колумбии запустил пилотный проект, объединивший аэрофотосъемку с анализом городов для решения проблемы неформального жилья. В ходе проекта было установлено, что около 85% территорий, определенных с помощью алгоритмических карт, совпадают с участками, проверенными и обозначенными местными специалистами. Уровень точности оказался достаточно высоким для определения приоритетных зон, требующих государственной политики по улучшению городской среды. Основываясь на результатах начального проекта, было разработано программное обеспечение MAIIA. Этот инструмент является компонентом Open Urban Planning Toolbox — каталога цифровых инструментов с открытым исходным кодом, предназначенных для городского планирования. Его основная цель заключается в упрощении автоматизированного выявления и картирования неформальных поселений в различных регионах, предлагая эффективные и доступные решения для жилищных вопросов.

На пути к устойчивости

ИИ также может помочь городам в борьбе с последствиями изменения климата. Моделирование прогнозов, оценка рисков и системы раннего оповещения на базе ИИ способствуют повышению устойчивости к экстремальным погодным явлениям.

Например, ИИ система Tree Canopy от Google помогает городскому планированию в смягчении последствий экстремальных волн жары. Интегрированный в Google Environmental Insights Explorer, он сочетает ИИ с аэрофотоснимками городов, что позволяет властям понять степень покрытия деревьев и способствует более эффективному планированию новых посадок.

Помимо того, стоит упомянуть исследователей IBM, которые разработали процесс точного определения, картирования и измерения количества углерода, которое могут накапливать деревья на определенной территории. В исследовании учитываются их виды, геометрическая форма и объем листьев. С помощью этого инструмента можно точно обозначить особенности определенных видов и места, где конкретные виды деревьев будут наиболее полезны, что поможет эффективно внедрять растительность в городских центрах. 

Цифровые двойники также можно использовать для моделирования последствий ураганов и других экстремальных погодных явлений. Галвестон, расположенный на побережье Техасского залива, использует цифрового двойника, чтобы лучше понять, как решения в области планирования и инфраструктуры влияют на устойчивость к наводнениям. Цифровой двойник Галвестона может моделировать последствия наводнений при различных сценариях реагирования на опасность, чтобы информировать Галвестон о политических решениях, связанных с обеспечением устойчивости.

Партисипация и коммуникация

Даже если модель создала самый идеальный проект, есть вероятность, что он может не понравиться гражданам. Следовательно, существуют дополнительные ИИ инструменты, которые облегчают общение между планировщиками и населением. К примеру, применение виртуальной реальности (VR) или дополненной реальности (AR) может помочь жителям наглядно представить предлагаемые изменения и высказать свое мнение, способствуя более широкому участию в процессе планирования. 

Один из проектов, нацеленных на использование VR в городском планировании, называется Twinable. Он использует 3D-модель Гетеборга, цифрового двойника города, разработанного DTCC для проведения масштабных городских симуляций и визуализаций. Twinable поддерживает ряд значимых инициатив, включая инструмент для содействия диалогу по вопросам разрешений на строительство с применением AR, совместную работу различных заинтересованных сторон в VR, коллективное проектирование с детьми, а также использование смешанной реальности для визуализации и оценки таких критериев комфорта, как качество воздуха и уровень шума.

Другим примером использования ИИ для коммуникации с населением по вопросам городского планирования является UrbanistAI. Созданный компаниями Toretei и SPIN Unit для преобразования городского планирования проект призван превратить пассивных наблюдателей в активных участников, позволяя сообществам формировать свое окружение — это больше похоже на ИИ-версию placemaking. Сочетая коллективный разум с ИИ, инструмент помогает пользователям визуализировать реальное влияние политики, проводить мозговые штурмы по созданию новых общественных пространств и совместно разрабатывать дизайнерские решения. 

Противоречия и сложности

В области городского планирования потенциал искусственного интеллекта рассматривается как средство решения множества задач. Однако для полной интеграции ИИ необходимо преодолеть несколько препятствий. Одной из ключевых сложностей является нехватка данных. Эффективное использование ИИ в этой сфере зависит от наличия точной и полной информации, включая такие аспекты, как плотность населения, транспортные потоки и использование земель. Сбор таких данных может осложняться проблемами, связанными с конфиденциальностью, а также неполнотой имеющихся наборов данных.

С увеличением способности ИИ справляться с нехваткой данных, внимание исследователей и общественности в значительной степени сосредоточилось на роли граждан как бесплатных источников информации. Это вызывает живые дискуссии насчёт того, что люди зачастую добровольно предоставляют свои данные для городских баз, которые в дальнейшем могут использоваться частными компаниями в их собственных интересах. Важным аспектом этих обсуждений является необходимость осознания последствий такого поведения и защиты прав граждан. Тем не менее, несмотря на достигнутые успехи и возникающие споры вокруг использования данных, нельзя игнорировать значительный потенциал ИИ в области городского планирования.

Виктория Совгирь, политолог