Usan IA y Google Street para ver el interior de edificios

Un equipo de científicos de la Universidad de Toronto ha desarrollado un método que utiliza inteligencia artificial (IA) e imágenes de Street View de Google Maps para obtener información más detallada sobre los edificios, como su antigüedad y superficie construida.

Estos datos adicionales pueden utilizarse para evaluar el parque inmobiliario, los flujos de materiales de construcción y los gases de efecto invernadero incorporados, que son estimaciones de las emisiones generadas por la producción y el transporte de mercancías. Los resultados de este análisis se han publicado en Journal of Industrial Ecology.

“Este es el primer artículo que conocemos en el que se tomó una foto que muestra la fachada del edificio y luego se predice información que no se puede ver en la imagen – explica Shoshanna Saxe, líder del estudio, en un comunicado -. Mi motivación se centraba en el uso de la investigación sobre el carbono incorporado, pero esto será útil para muchas personas. He hablado con investigadores que buscan comprender el uso del agua para la planificación futura o las evaluaciones de resiliencia”.

Gracias a la amplia disponibilidad de Google Street View, el método ofrece una forma rentable de generar datos de edificios a gran escala.

“Gastamos unos 1000 dólares en fotos para obtener datos que, de otro modo, costarían millones de dólares - añade Saxe -. Nadie dispone de millones de dólares para invertir solo en las dimensiones de los edificios, así que esta es la diferencia entre poder trabajar en estos problemas o no. Disponer de métodos que nos permitan comprender los barrios y los edificios a escala es realmente útil”.

El equipo entrenó la IA para estimar los atributos del edificio basándose en imágenes exteriores de la estructura, logrando una precisión del 70 % en la predicción de la edad y del 80 % en la predicción de la superficie construida.

“Evaluar los exteriores permite una estimación fundamentada de los interiores y del tipo de uso que los ocupantes dan a la infraestructura local – explica el coautor Alex Olson -. Ofrece una estimación sólida de los recursos utilizados en la construcción, el mantenimiento y la operación de los edificios”.

Saxe añade que la información obtenida con su enfoque no puede obtenerse únicamente de mapas o planos de construcción. Es necesario ver las estructuras de acuerdo con los autores y una de las diferencias es que predecimos la superficie interior del edificio. Y, aunque obviamente esto coincide con el tamaño del exterior, en realidad es más difícil de predecir. Además, no se puede ver la antigüedad del edificio desde el exterior.

“Si tienes experiencia, puedes recorrerlo y decir: "Ese edificio me parece más o menos así de antiguo, este otro me parece más o menos así de antiguo, y así sucesivamente". Pero hay todo tipo de factores que lo dificultan, incluidas las renovaciones. La fachada puede ser diferente a la trasera. ¿Y la fachada es de ladrillo, vidrio u hormigón? Conocer la antigüedad del edificio es importante, ya que indica qué materiales se utilizaron y qué carbono incorporado contiene. Y, también, su rendimiento”, destaca Olson.

Es cierto que usar la IA para ver más allá de las fachadas de los edificios podría ayudar a los expertos en urbanismo a comprender mejor las necesidades de recursos de las ciudades y priorizar futuros proyectos de infraestructura. Pero también aporta importante información para ingenieros a la hora de realizar reformas o demoliciones controladas y, obviamente, en objetivos militares.