Μήπως έρχεται η ώρα να χρησιμοποιήσουμε αλγορίθμους για τη χάραξη ζωνών χρήσεων γης;

Πηγή φωτογραφίας: https://pixabay.com/en/photos/algorithms/

Οι ζώνες χρήσεων γης μετρούν πάνω από έναν αιώνα ζωής στις ΗΠΑ και στη βάση αυτών δημιουργήθηκαν οι μεγαλύτερες αμερικανικές πόλεις, εκτός ίσως από το Χιούστον. Αυτές όρισαν τι μπορεί να χτιστεί πού και ποιες δραστηριότητες μπορούν να λάβουν χώρα σε κάθε γειτονιά. Ωστόσο, καθώς η πολυπλοκότητα της χάραξης τέτοιων ζωνών αυξάνεται διαρκώς, οι ακαδημαϊκοί έχουν αρχίσει να διερευνούν ολοένα και συχνότερα αν τα παραδοσιακά συστήματά τους, που βασίζονται σε κανόνες  για τον αστικό χώρο, μπορούν να αντικατασταθούν από άλλα, δυναμικά συστήματα, βασισμένα στην τεχνολογία blockchain, σε αλγόριθμους μηχανικής μάθησης και σε γεωχωρικά δεδομένα.

Χαρακτηριστικό παράδειγμα ακαδημαϊκών με τέτοιες αναζητήσεις είναι οι Kent Larson και John Clippinger, καθηγητές στο MIT Media Lab. Μια από τις πιο απαιτητικές προκλήσεις, που αντιμετωπίζουν σήμερα οι αμερικανικές πόλεις είναι οι τιμές των οικιστικών ακινήτων, που έχουν απογειωθεί στη διάρκεια των τελευταίων δεκαετιών, δημιουργώντας απίστευτους περιορισμούς ως προς τον τόπο κατοικίας τόσο για τους νέους, όσο και για τους γηραιότερους, τόσο για τους εργένηδες και τις εργένισσες, όσο και για τις οικογένειες. Το ενοίκιο για ένα  διαμέρισμα ενός δωματίου φτάνει στα δυσθεώρητα 3.400 δολάρια στο Σαν Φρανσίσκο και στα 3.350 δολάρια στη Νέα Υόρκη, κάνοντάς τες απρόσιτες ακόμη και για τους ιδρυτές νεοφυών επιχειρήσεων που χρηματοδοτούνται γενναιόδωρα, πόσο μάλλον για καλλιτέχνες ή εκπαιδευτικούς κάθε είδους. Πέραν αυτού, η εύρεση κατοικίας από μόνη της δεν είναι αρκετή για να καλυφθούν οι ανάγκες ενός εργαζόμενου στη σύγχρονη οικονομία της γνώσης. Κάθε γειτονιά πρέπει να έχει ωραία και φθηνά εστιατόρια, ανοιχτούς δημόσιους χώρους και χώρους πολιτισμού, αλλά και μανάβικα, καθαριστήρια και κομμωτήρια. Το σημερινό σύστημα ζωνών θα μπορούσε μόνο να θέσει την απαίτηση οι διάφορες αναπτύξεις ακινήτων να συμπεριλάβουν τέτοιες υποδομές εντός τους, ώστε να αδειοδοτηθούν. Αυτό όμως μπορεί να δημιουργήσει ολόκληρες “ερήμους” ώς προς την ύπαρξη εστιατορίων ή γενικότερα αυτού που λέμε “ζωή” σε μια πόλη. Στον κόσμο των Larson και Clippinger ωστόσο, προτείνονται συστήματα τελείως διαφορετικά, ικανά να αυτορρυθμίζονται με βάση τις πραγματικές ανάγκες. Στα συστήματα αυτά “φορτώνονται” δεδομένα για τη διάρκεια των μετακινήσεων, τα οικονομικά κάθε μονάδας, στοιχεία που σχετίζονται με την υγεία ή τις απαιτούμενες ανέσεις κ.ά. Όλα αυτά εισάγονται σε ένα σύστημα μηχανικής μάθησης, που έχει έναν και μοναδικό στόχο: να προσπαθήσει να μεγιστοποιήσει τον βαθμό ευτυχίας των κατοίκων.

 

Άρθρο με πληροφορίες από το techcrunch.com

Διαβάστε περισσότερα για το πώς λειτουργεί το σύστημα ΕΔΩ

Comments are closed