La predicción de la altura de los edificios a través del aprendizaje automático
En un mundo donde las ciudades crecen de manera exponencial, comprender el entorno construido se vuelve crucial para analizar las poblaciones humanas, proyectar el uso de energía y planificar el desarrollo urbano. Sin embargo, a nivel global, existe una carencia significativa de datos sobre la altura de los edificios, un elemento esencial dentro de este entorno urbano. Un equipo de investigadores del Laboratorio Nacional Oak Ridge, liderado por Clinton Stipek, ha desarrollado un innovador enfoque utilizando técnicas de aprendizaje automático para estimar la altura de los edificios con una precisión de hasta tres metros.
Hasta ahora, las metodologías tradicionales para determinar la altura de los edificios requerían información que iba más allá de la estructura misma, incluyendo factores como la disposición de las carreteras o la cantidad de personas en su interior. Stipek y su equipo han diseñado un algoritmo que analiza las características morfológicas de los edificios y sus estructuras circundantes, permitiendo realizar estimaciones precisas de altura en cualquier parte del mundo. Este avance se traduce en la eliminación de barreras previas, como la definición de lo que constituye un edificio y la medición de sombras que podían producir resultados erróneos.
El interés por este proyecto surgió de un trabajo previo relacionado con el inventario de estructuras en Estados Unidos, donde se identificaron errores en datos anteriores debido a las sombras de los edificios, que distorsionaban las mediciones. Taylor Hauser, un analista de datos geoespaciales del equipo, comenzó a desarrollar herramientas que generan un número significativo de mediciones conocidas como morfologías de edificios, las cuales describen aspectos de un edificio en relación con sus edificios vecinos. Al integrar 65 características morfológicas en el cálculo de alturas y utilizando un algoritmo de árbol de impulso llamado XGBoost, los investigadores han logrado identificar patrones ocultos que permiten prever la altura de un edificio basándose únicamente en sus características bidimensionales. Los resultados de este trabajo se están incorporando en proyectos de gran envergadura, como LandScan, un programa de mapeo poblacional, y Global Building Intelligence, que busca catalogar las características de los edificios a nivel global.
