原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在试图了解在城市中穿过街道的难易程度。步行距离（即从一个人行道到另一个人行道的距离）是决定人们是否感到安全或是否会被汽车撞到的一个巨大因素。但是，要测量每一个城市路口的这段距离，就像试图数清沙滩上的每一粒沙子一样；这太庞大、太混乱，且人类手工完成需要耗费太长时间。
这篇论文描述了一种巧妙的方法，利用“机器人眼睛”（人工智能）来同时测量美国 100 个最大城市的这些街道横截面。以下是他们是如何实现的，并将其分解为简单的步骤：
1. 问题所在：需要测量的街道太多了
多年来，研究人员一直知道，较长的横截面距离更危险。但我们并没有一份全国性的横截面距离地图。以前的尝试就像是在用手画壁画：虽然准确，但极其缓慢且耗费人力。而且，他们主要寻找路面上涂有“斑马线”的地方，从而忽略了许多完全没有涂漆的横截面。
2. 解决方案：数字化的“剪切与粘贴”工作
研究人员建立了一个三步走的自动化流水线：
第一步：拍摄照片（快照）
他们使用计算机程序抓取了美国 100 个最大城市中约 300 万个街道路口的卫星照片。可以把它想象成对全美每个十字路口进行一次鸟瞰式的快照。第二步：教导机器人（美术课）
他们需要计算机能够区分道路（车辆行驶的地方）和人行道（行人行走的地方）。为了教导这一点，他们向 AI（名为 Meta 的“Segment Anything Model”）展示了一批由人类手动涂色的人行道和建筑物的照片。- 类比： 想象你给一个孩子看一张饼干的照片和一张盘子的照片，把盘子涂成蓝色，把饼干涂成棕色。一旦孩子学会了这个模式，你就可以递给他一张新图片，他就能立刻在不经你再次指示的情况下把盘子涂成蓝色。
- 他们教会了 AI 识别“不可驾驶区域”（人行道、公园、建筑物），并忽略可驾驶的道路。
第三步：“Grow-Cut”魔法（剪刀）
这是最具有创意的一部分。研究人员利用了一份数字地图（OpenStreetMap），该地图上有粗略的线条标示出横截面可能出现的位置。- 类比： 想象你有一根绳子横放在桌子上，但绳子太长了，垂到了边缘之外。你有一把神奇的剪刀，只有当绳子碰到特定的颜色区域（人行道）时才会进行切割。
- 计算机获取了地图中粗略的横截面线条，并让它们稍微向外“生长”。然后，它利用 AI 识别出的“颜色区域”（人行道）作为引导，将线条精确地“剪切”在人行道开始的地方。这便得出了从街道一侧到另一侧的精确距离。
3. 结果：全国步行距离地图
通过运行这个过程，他们成功测量了近 80 万个横截面，在每个城市大约仅耗时一小时。
准确度如何？
他们在旧金山进行了测试，并与人类手工验证的数据进行了对比。AI 的准确率达到了 93%。平均而言，AI 的误差仅为 2 英尺 3 英寸（不到 1 米）。这就像是在猜测一辆车的长度时，误差仅为一个步长的距离。他们发现了什么？
- 旧城市 vs 新城市： 美国的老城市（建城于 1800 年以前）通常拥有较短的横截面距离。较新的城市（建城较晚）则拥有长得多的横截面。这表明随着美国的发展，城市开始建造更宽阔的街道以适应汽车，从而增加了行人的难度。
- 地域差异： 美国东北部和中西部的城市倾向于拥有较短的横截面（约 30 英尺），而南部和西部的城市则拥有长得多的横截面（高达 78 英尺）。
- 规律： 在几乎每个城市中，大多数横截面都很短（社区街道），但存在着一些非常长的横截面“走廊”（大型公路），这些地方非常显眼。
4. 为什么这很重要
这项研究为城市规划者提供了一种“超能力”。他们不再需要靠猜测或花费数年时间去测量街道，现在他们拥有一张显示哪里横截面过长的地图。这有助于他们决定在哪里建造安全岛或缩短人行道宽度，从而提高步行安全性，特别是针对老年人、带着婴儿车的父母或任何行动不便的人群。
5. 局限性（“坑”在哪里）
作者坦诚地说明了该方法并不完美的地方：
- 树木干扰： 如果街道被茂密的树叶覆盖，卫星相机就看不见人行道，AI 可能会产生困惑。
- 地图缺失： 该系统依赖 OpenStreetMap 来知道在哪里寻找横截面。如果某个横截面不在地图上，AI 就无法测量它。
- 缺失的城市： 由于阿拉斯加的卫星地图无法以他们所需的格式提供，他们不得不将阿拉斯加的安克雷奇替换为德克萨斯州的一个城市。
简而言之，这篇论文展示了我们可以如何结合卫星照片、智能 AI 和数字地图，来瞬间测量我们城市的“步行友好度”，并揭示了美国的新兴城市是为了汽车而建得更宽，而老城市则更紧凑，更适合行人。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。