_y_Bello_Monte,_Panoramica+copia.jpg)
Pero ¿Qué es ARTURO?
Arturo es el nombre de un algoritmo de aprendizaje
automatizado diseñado para determinar cuáles son las condiciones
urbanísticas que hacen que nuestras ciudades sean más habitables y así
poder ayudar a técnicos y administraciones.
¿Por qué?
El urbanismo es la ciencia de hacer ciudades. Para ello, esta disciplina se nutre de múltiples datos de los entornos urbanos, que le permiten establecer en sus diseños criterios objetivos, mensurables y comparables.
El urbanismo no tan sólo tiene como retos plantear una
movilidad ágil, proyectar un tejido residencial accesible, disponer de
suelos para las actividades económicas o resolver eficientemente el
impacto energético y medioambiental de todo ello, sino que además busca
hacerlo de forma que las ciudades sean los lugares más habitables del planeta.
Sin embargo, no sabemos cómo medir la habitabilidad de la
ciudad ya que ésta depende de muchos parámetros subjetivos. A pesar del
gran número de sofisticados sensores existentes desplegados en nuestro
entorno, aún somos incapaces de medir la habitabilidad y solamente
preguntando a los ciudadanos podremos comprender en qué consiste.
La opinión de un único ciudadano puede parecer arbitraria, pero
si juntamos la opinión de miles de ellos podremos construir una idea
precisa de qué es la habitabilidad. Y con toda esta información podremos
entrenar un algoritmo que clasifique los distintos parámetros urbanísticos y sus combinaciones en función de la habitabilidad que generan.
¿En qué consiste?
Arturo es el nombre de un algoritmo entrenado por
ciudadanos y diseñado para determinar qué variables urbanísticas son
aquellas que hace que nuestras ciudades sean más habitables. El
algoritmo toma el nombre de Arturo Soria
queriendo así recordar uno de los mayores urbanistas de España,
que con el proyecto de la ciudad lineal quiso poner en el centro de la
práctica del urbanismo el bienestar de sus habitantes.
El urbanismo tiene múltiples retos a resolver para que las
ciudades sean unos entornos en los que desarrollar de forma óptima la
vida humana: la movilidad, la gestión de los suelos, la ordenación de
las actividades económicas, la disposición de las proporciones correctas
de vivienda, la relación con los servicios y equipamientos, entre
otros.
Además, la resolución de estos retos debe ser inclusiva, sin excluir a ninguno de los habitantes. Debe ser también justa,
es decir, ofreciendo oportunidades a todos por igual y haciendo que
aquellas personas con mayor desventaja social encuentren también en la
ciudad un lugar donde crecer. La ciudad no puede ser un obstáculo. Debe
también ser sostenible con el medio ambiente para garantizar la
propia existencia a lo largo del tiempo y también la del resto de
territorios que no son ciudad. La ciudad aspira a ser el lugar más habitable de la tierra, aquel que ofrece y garantiza las mejores condiciones para desarrollar una vida plena. En definitiva las ciudades quieren ser lugares habitables.
Si bien el urbanismo es reconocido como la ciencia de hacer ciudades,
en muchos casos sus metodologías producen aproximaciones al fenómeno
mediante metodologías no replicables, no comparables y sobretodo no
mensurables. Esto conlleva un lento aprendizaje entre las distintas
experiencias urbanas del mundo y la imposibilidad de comprender como una
ciudad puede aprender de otra.
El experimento que hemos realizado quiere hacer medible la habitabilidad de la ciudad.
Como ya se ha enunciado anteriormente, se trata de un concepto del cual
dependen muchos otros pero que resume con gran precisión el objetivo
último del urbanismo. Queremos comprender si es posible hacer objetiva
la idea de habitabilidad. Si es posible cuantificarla y medirla. Y
además comprender qué parámetros urbanísticos son los más influyentes en esta cuantificación.
En lugar de tratar de construir una única descripción posible de cómo es una ciudad habitable, queremos construir una descripción colectiva
mediante la participación del mayor número de ciudadanos. Probablemente
cada uno de nosotros difiera de las opiniones de los demás, ya que es
posible que aquello que agrada a unos no agrade del mismo modo al resto.
Sin embargo, si somos capaces de recoger un gran número de opiniones, a
pesar de las diferencias entre ellas, podremos encontrar una idea
general. Sobre un gran volumen de respuestas podremos extraer aquellas
características comunes a todas ellas.
Para ello, el proyecto pide a los ciudadanos que evalúen una serie de pares de fotografías de distintas calles de la ciudad.
Mediante las valoraciones obtenidas se obtiene un listado con las
calles mejor y peor valoradas. Una vez se ha ordenado este conjunto de
imágenes (que en total representa el 10% de las calles de Madrid),
podemos analizar cuáles son las características comunes entre aquellas
que comparten votaciones similares. Cada fotografía ha sido
caracterizada previamente, asociándole hasta 50 parámetros urbanísticos
como por ejemplo la densidad construida, los usos del suelo, la
geometría de los edificios, su antigüedad, su calidad constructiva y
otros valores más complejos como las mixturas existente entre los
valores mencionados. También conocemos el ancho de las calles, su
jerarquía dentro de la trama urbana, cuáles son las actividades
económicas en planta baja y la demografía del lugar.
Mediante un algoritmo de aprendizaje automatizado (Gradient Boost)
podemos buscar estos patrones mencionados y realizar dos pasos más muy
importantes. Por un lado, clasificar el resto de calles de la ciudad que
no fueron valoradas y por lo tanto extender este criterio al resto de
la ciudad. Por el otro, determinar qué características de las empleadas
para definir la información urbanística que se halla tras cada imagen
son más importantes a la hora de clasificar estas fotografías. Y con
ello, poder valorar, por ejemplo, si a la hora de definir la
habitabilidad urbana tiene mayor relevancia la mixtura de usos o la
calidad de la edificación, si disponer de tejidos monofuncionales
residenciales es más atractivo para los ciudadanos, si preferimos las
calles anchas o las calles estrechas, si la altura de los edificios es
relevante, etc…
Este experimento se apoya sobre dos experiencias anteriores realizadas hace varios años. La primera, llamado StreetScore, dirigido por Cesar Hidalgo y la segunda titulado Urbanopticon, dirigido por Daniele Quercia.
Ambas evalúan mediante la participación ciudadana fotografías del
entorno urbano con el objetivo de descubrir los patrones que se hallan
detrás de estas valoraciones. Mediante técnicas de análisis de imágen
extraen información de las fotografías (color, etc...) y determinan qué
características visuales de la imagen condicionan aspectos urbanos de
difícil cuantificación como la reconocibilidad del entorno urbano o la
seguridad percibida.
El experimento desarrollado en esta ocasión proporciona, por
primera vez, una interpretación de los resultados a partir de los valores urbanísticos
que se encuentran asociados a cada imagen- asumiendo que la experiencia
visual del espacio es la consecuencia de los parámetros que definen
cada tejido urbano. De este modo obtenemos una valoración de cuáles son
los aspectos más importantes en el planeamiento urbano, pudiendo así
incidir con los resultados sobre las herramientas actuales de
planeamiento.
La información capturada mediante la participación de los
ciudadanos, el modelo de datos empleado sobre el que se entrena el
algoritmo y los resultados finales son abiertos. Se pueden
descargar libremente para que cualquiera pueda utilizarlos y asía
ensanchar el conocimiento de las ciudades gracias a la información
aportada por ciudadanos.
Para más informacion puede consultar su página oficial en:
http://arturo.300000kms.net/#7
No hay comentarios:
Publicar un comentario