想象一下，你戴上一副虚拟现实头盔，"漫步"在你所在城市的一个已经不存在的社区里——看着街道和建筑物，就像几十年前的样子重现眼前。

现在，研究人员已经开发出一种使用机器学习和历史上的Sanborn消防保险图创建历史街区三维数字模型的方法，这使得这种可能性变得非常真实。该研究已经发表在《PLOS ONE》杂志上。

然而，数字模型将不仅仅是一种新奇之物——它们将为研究人员提供一个资源，进行以前几乎不可能进行的研究，比如估计历史街区拆迁所造成的经济损失。

“这里的故事是，我们现在有能力解锁嵌入在这些Sanborn火灾地图册中的数据财富，”研究共同作者、俄亥俄州立大学地理学教授Harvey Miller说道。

这项技术能够为城市历史研究带来全新的方法，这是我们在机器学习应用之前无法想象的。它将会是一个改变游戏规则的技术。

这项研究从Sanborn地图开始，这些地图是为了让火灾保险公司在19世纪和20世纪时在大约12,000个美国城镇中评估他们的责任而创建的。在大城市中，它们经常被更新，这是由俄亥俄州立大学城市和区域分析中心(CURA)的主任米勒表示的。

研究人员面临的问题是，试图从这些地图中手动收集可用数据的过程既乏味又耗时，至少直到这些地图被数字化之前。现在，这些地图的数字版本已经在美国国会图书馆可供使用。

研究合著者、俄亥俄州立大学地理学博士生林悦，开发了机器学习工具，能够从地图中提取有关独立建筑物的细节，包括它们的位置和平面图，楼层数量，建筑材料以及主要用途，如居住或商业。

林先生表示：“我们能够从桑伯恩地图的数据中，非常清晰地了解建筑物的外观。”

研究人员将他们的机器学习技术应用于俄亥俄州哥伦布市近东区的两个毗邻社区，这两个社区在1960年代被大规模拆除，为I-70的建设腾出了空间。

其中一个社区，汉福村，是在1946年建立的，为了安置回归的二战黑人退伍军人。

“退伍军人拨款法案为回归的退伍军人提供了购买住房的资金，但这些资金只能用于购买新建的房屋，”研究合著者、CURA的外展协调员Gerika Logan说道。“所以，这些房屋在建成不久之后大多数都被公路所夺。”

在这项研究中，另一个被考察的社区是Driving Park，它曾经是一个充满活力的黑人社区，直到I-70将其一分为二。

研究人员使用了1961年产生的13张圣伯恩地图，这些地图是在I-70公路修建之前制作的，机器学习技术能够从地图中提取数据并创建数字模型。

通过与现在的桑福德地图上的数据进行比较，发现两个社区中共有380座建筑因修建公路而被拆除，其中包括286座住宅、86座车库、5座公寓和3座商店。

对结果进行分析显示，机器学习模型在重新呈现地图中所包含的信息方面非常准确——建筑轮廓和建筑材料方面准确率约为90%。

我们希望在这个项目中达到一个阶段，让人们能够戴上虚拟现实头盔，仿佛走在1960年、1940年，甚至1881年的街道上。

据米勒表示，利用为这项研究开发的机器学习技术，研究人员可以为几乎拥有桑博恩地图的12000个城市和城镇开发类似的三维模型。

这将使研究人员能够重新建立因自然灾害（如洪水）、城市更新、人口减少及其他种类的变化而消失的社区。

因为Sanborn地图包含了占据特定建筑物的企业的信息，研究者可以重建数字化社区，以确定失去这些建筑物对城市改造或其他因素的经济影响。另一种可能性是研究用吸收阳光热量的高速公路替代住宅对城市热岛效应的影响。

"有许多不同类型的研究可以进行。这将成为城市历史学家和其他各类研究人员的巨大资源，"米勒表示。

制作这些3D数字模型并能够重建建筑物，比图表、图表、表格或传统地图所能展示的要多得多。这里有着令人难以置信的潜力。