Un modèle informatique montrant une gamme de styles de maisons et de rues
À l’aide d’anciennes cartes d’assurance contre les incendies, des chercheurs ont permis à un système d’apprentissage automatique de recréer des modèles 3D de quartiers qui n’existent plus. Cette technique pourrait non seulement déboucher sur des visites virtuelles des quartiers, mais aussi contribuer à l’étude de l’impact économique de l’urbanisation.
En 1866, un jeune géomètre nommé D. A. Sandborn a été chargé par la compagnie d’assurance Aetna de créer des cartes d’assurance pour plusieurs villes du Tennessee. Ce projet, ainsi qu’un atlas qu’il avait réalisé pour la ville de Boston, a conduit D.A Sandborn à fonder une entreprise qui, aujourd’hui encore, fournit des cartes aux compagnies d’assurance. Au total, l’entreprise a créé des cartes qui ont aidé les compagnies d’assurance à évaluer les risques d’incendie dans environ 12 000 villes aux États-Unis, au Mexique et au Canada.
En raison de leur ancienneté, ces cartes se sont révélées être des archives historiques inestimables, qui témoignent de la croissance et, dans certains cas, de la décroissance des zones urbaines en Amérique du Nord depuis plus d’un siècle. La collection de cartes a finalement été numérisée et la Bibliothèque du Congrès possède aujourd’hui plus de 35 000 cartes dans sa collection en ligne.
À partir de ces archives numériques, un doctorant en géographie de l’université d’État de l’Ohio, Yue Lin, a réalisé une étude dans laquelle il a créé des outils d’apprentissage automatique permettant à un ordinateur de passer les documents au peigne fin pour en extraire des données telles que les empreintes, les matériaux utilisés pour leur construction et l’usage qui en était fait.
Une toute nouvelle approche
« L’histoire ici, c’est que nous avons maintenant la possibilité de débloquer la richesse des données contenues dans ces atlas d’incendie D.A Sanborn », a déclaré Harvey Miller, coauteur de Yue et professeur de géographie à l’État de l’Ohio. « Cela permet une toute nouvelle approche de la recherche historique urbaine que nous n’aurions jamais pu imaginer avant l’apprentissage automatique. Cela change la donne ».
Pour l’étude, les chercheurs ont demandé à leur programme d’examiner 13 cartes de D.A Sanborn de deux quartiers situés à la périphérie est de Columbus, OH. À l’aide des données extraites des documents électroniques, les chercheurs ont ensuite demandé aux ordinateurs de créer des modèles numériques des deux quartiers : Hanford Village et Driving Park, qui ont été en grande partie détruits au début des années 1960 pour faire place à la construction de l’Interstate 70. Selon les chercheurs, près de 400 bâtiments ont été démolis dans les deux quartiers pour ce projet.
Selon l’étude, le système d’apprentissage automatique a obtenu un taux de précision de 90 % dans la recréation des villes, y compris dans le rendu des matériaux utilisés pour leur construction.
Au-delà du divertissement
« La précision était impressionnante. Nous pouvons réellement obtenir un sens visuel de ce à quoi ressemblaient ces quartiers, ce qui ne serait pas possible par d’autres moyens », a déclaré Harvey Miller. « Nous voulons en arriver au point où nous pourrons donner aux gens des casques de réalité virtuelle et les laisser marcher dans la rue telle qu’elle était en 1960 ou en 1940, voire en 1881. »
Outre la valeur ludique potentielle, les chercheurs affirment que leur technique pourrait fournir des informations économiques et environnementales précieuses grâce à des données telles que les entreprises perdues en raison de projets de développement et la manière dont ces projets pourraient modifier la façon dont le soleil est absorbé dans les zones urbaines et entraîner la formation d’îlots de chaleur urbains.
« Il y a beaucoup de types de recherche qui peuvent être effectués. Ce sera une ressource formidable pour les historiens urbains et une multitude d’autres chercheurs », conclut Harvey Miller. « La création de ces modèles numériques en 3D et la possibilité de reconstruire les bâtiments apportent beaucoup plus que ce que l’on peut montrer dans un diagramme, un graphique, un tableau ou une carte traditionnelle. Il y a là un potentiel incroyable. »
https://news.osu.edu/turning-old-maps-into-3d-digital-models-of-lost-neighborhoods/
https://news.osu.edu/turning-old-maps-into-3d-digital-models-of-lost-neighborhoods/
