(English below)

Sử dụng bản đồ AI để giải quyết các thách thức liên quan đến tăng trưởng đô thị nhanh chóng — và hỗ trợ phát triển đô thị bền vững

Thách thức đô thị hóa của Zambia
Sự phát triển đô thị này không phải là không có thách thức, trong số đó có sự căng thẳng đối với cơ sở hạ tầng hiện có. Những thách thức khác bao gồm:

• Lấn chiếm ranh giới thành phố trên đất nông nghiệp và phong tục
• Sự gia tăng của các khu định cư phi chính thức
• Suy thoái môi trường

Dân số đô thị của Zambia đang gia tăng và sẽ đạt 12 triệu người vào năm 2030 - gấp đôi dân số đô thị vào năm 2015. Hơn nữa, vào năm 2018, UN Habitat báo cáo rằng 40% dân số Zambia đang ở các khu vực thành thị với ước tính 70% sống ở các khu định cư không chính thức.

Trong khi các vấn đề xã hội, kinh tế và môi trường đáng kể đặc trưng cho các khu định cư phi chính thức, chúng cũng là trung tâm của hoạt động kinh tế và việc làm. Xét rằng các thành phố của Zambia chiếm 80% GDP, nên coi đô thị hóa là một cơ hội để tăng trưởng kinh tế hơn là một thách thức.

Để đạt được mục tiêu này, Trung tâm Tăng trưởng Quốc tế (IGC) đã làm việc với UN-Habitat để hỗ trợ Bộ Chính quyền địa phương Zambia thúc đẩy các khu định cư đô thị thịnh vượng và hòa nhập. Họ đang làm việc để đảm bảo rằng các thị trấn và thành phố của Zambia có khả năng phục hồi để hỗ trợ tăng trưởng kinh tế.

Một cách để giải quyết thách thức tăng trưởng đô thị là áp dụng các phương pháp quy hoạch đô thị hiệu quả cho phép mở rộng. Quy hoạch đô thị phải dựa trên dữ liệu và thông tin chất lượng cập nhật. Thật không may, Zambia phải đối mặt với một lỗ hổng bản đồ số. Thiếu dữ liệu không gian đầy đủ cần thiết để lập kế hoạch mở rộng đô thị và cung cấp dịch vụ công tốt hơn.

Vấn đề khác là các kỹ thuật lập bản đồ và thu thập dữ liệu truyền thống không thể theo kịp với tốc độ phát triển đô thị cao ở thủ đô Lusaka của Zambia.

Do đó, làm cách nào chúng ta có thể giải quyết tốt nhất những trở ngại này và cải thiện tính sẵn có của dữ liệu bản đồ để lập kế hoạch không gian tốt hơn ở các thị trấn và thành phố của Zambia?

Giải quyết khoảng trống bản đồ số
May mắn thay, với những tiến bộ trong công nghệ Trí tuệ nhân tạo (AI), việc lập bản đồ giờ đây có thể được thực hiện với tốc độ cao hơn và tiết kiệm chi phí hơn. Thật vậy, việc lập bản đồ thường mất vài tháng - nếu không muốn nói là vài năm - giờ có thể được thực hiện trong vài tuần.

Với suy nghĩ này, Ordnance Survey đã hợp tác với Hiệp hội Kiến trúc sư Khối thịnh vượng chung (CAA) để tạo ra một bản đồ cơ sở kỹ thuật số đầu tiên của Lusaka từ hình ảnh trên không. Bản đồ cơ sở — tập trung vào việc xác định các khu định cư không chính thức — sẽ giúp:

• Xác định quy mô của các khu định cư không chính thức
• Tính toán ước tính số người sống trong các khu định cư không chính thức và mật độ dân số — dựa trên số lượng tòa nhà
• Xác định khả năng tiếp cận các con đường và các dịch vụ công cộng trong các khu định cư chính thức và không chính thức
• Dự đoán sự phát triển của các khu định cư phi chính thức

Hơn nữa, bản đồ cơ sở sẽ được ứng dụng trong xóa đói giảm nghèo, quản lý đất đai, nhà ở, các dịch vụ cơ bản và xã hội, phát triển cơ sở hạ tầng và điều phối các khoản đầu tư quy mô lớn. Nó cũng sẽ giúp tránh những thảm họa trong tương lai do tăng trưởng đô thị không có kế hoạch.

Tạo bản đồ cơ sở kỹ thuật số của Lusaka, Zambia
Trong dự án này, Ordnance Survey (OS) đã sử dụng AI để lập bản đồ một khu vực có diện tích 420km2 của Lusaka, Zambia.

Để làm được điều này, trước tiên họ lấy hình ảnh từ trên không từ Cục Khảo sát Zambia thuộc Bộ Đất đai và Tài nguyên Thiên nhiên. Hình ảnh trên không có độ phân giải không gian là 20cm. Sau đó, họ xác định các lớp đối tượng địa lý khác nhau trên hình ảnh, tức là các tòa nhà, đường xá, cây cối, cỏ, nước, bề mặt tự nhiên, bề mặt kín, v.v.

Tiếp theo, họ xử lý trước hình ảnh trên không và xác định phương pháp huấn luyện tốt nhất. Sau đó, họ gắn nhãn hình ảnh sẽ được sử dụng làm dữ liệu đào tạo và sau đó đào tạo mô hình. Sau đó, họ áp dụng mô hình được đào tạo vào phần còn lại của hình ảnh bao phủ toàn bộ Thành phố Lusaka để phân loại.

Cuối cùng, họ đăng bản đồ kết quả đã xử lý để làm sạch bất kỳ vấn đề lớn nào, ví dụ: thực thi các góc của tòa nhà ở 90 độ.

Tổng quan thống kê về Bản đồ cơ sở

Dưới đây là tổng quan thống kê về bản đồ cơ sở kết quả:

• Các tòa nhà chiếm 11% tổng diện tích được lập bản đồ
• Số lượng đối tượng địa lý tòa nhà riêng lẻ được chụp là 256.480
•  82.389 khác cấu trúc đã được lập bản đồ — bao gồm cả các tòa nhà đang được xây dựng. Các khu vực này chiếm 1,5% tổng diện tích được lập bản đồ
• Cây có diện tích 74,4km2 (18% tổng diện tích được lập bản đồ)
• 4.067 km đường liên kết đã được lập bản đồ
• Chiều dài của các liên kết đường sắt được lập bản đồ là 34 km
•  65,1km2 hoặc 6% diện tích được lập bản đồ được bao phủ bởi cỏ

Nhìn lại những thách thức
Cảnh quan đô thị châu Phi khác biệt đáng kể về cách trang điểm và diện mạo so với các khu vực đô thị ở Mỹ, châu Âu hoặc châu Á - những nơi cũng có nhiều dữ liệu hơn để đào tạo các mô hình AI.

Từ vùng ngoại ô nông thôn đến khu vực thành thị, Lusaka có cảnh quan đa dạng và thay đổi nhanh chóng. Nó có nhiều loại thực vật và kiểu xây dựng khác nhau, từ các khu định cư không chính thức đến các tòa nhà thương mại và công nghiệp lớn. Khi đào tạo mô hình, dữ liệu đào tạo phải đại diện cho cảnh quan đa dạng này, đó là một thách thức.

Ngoài ra, trong khi mô hình xác định chính xác các bức tường và các công trình kiên cố khác, nó không xác định được các tòa nhà đang được xây dựng vì chúng không có mái che. Tuy nhiên, chúng được xếp vào "cấu trúc khác".

Tiếp theo là gì?
Dựa trên những bài học kinh nghiệm trong dự án này, Khảo sát Vật liệu sẽ cải thiện mô hình, khiến nó có thể áp dụng hơn trong việc lập bản đồ các khu vực khác.

“Chương trình này sẽ thúc đẩy giá trị liên quan đến dữ liệu không gian chính xác và phù hợp. Việc cung cấp nhanh chóng bản đồ cơ sở kỹ thuật số quốc gia có thể mở rộng và nhân rộng không chỉ phù hợp với các thành phố như Lusaka, mà còn mang lại những lợi ích sâu rộng ở quy mô quốc gia và khu vực. Dữ liệu hệ điều hành sẽ cung cấp bằng chứng và thông tin để hỗ trợ các quyết định quan trọng khi nâng cấp các khu định cư phi chính thức hiện có và lập kế hoạch cơ sở hạ tầng trong tương lai để thúc đẩy sự thịnh vượng kinh tế ”. Andy Wilson, Giám đốc Khu vực Châu Phi, Hệ điều hành

----

Putting AI to Work: Creating a Digital Base Map of Lusaka, Zambia
Using AI mapping to tackle the challenges associated with rapid urban growth—and support sustainable urban development

Zambia’s Urbanisation Challenge
This urban growth is not without challenges, among them a strain on the existing infrastructure. Other challenges include:

• City boundary encroachment on agricultural and customary land
• Proliferation of informal settlements
• Environmental degradation

Zambia’s urban population is on the rise and will reach 12 million by 2030—double its urban population as of 2015. Furthermore, in 2018, the UN Habitat reported that 40% of the Zambian population are in urban areas with an estimated 70% living in informal settlements. 

While significant social, economic and environmental problems characterise informal settlements, they’re also centres of economic activity and employment. Considering that Zambian cities account for 80% of the GDP, urbanisation should be viewed as an opportunity for economic growth rather than a challenge.

To this end, the International Growth Centre (IGC) has been working with UN-Habitat to support the Zambia Ministry of Local Government to promote prosperous and inclusive urban settlements. They’re working to ensure that Zambia’s towns and cities are resilient to support economic growth.
One way of addressing the urban growth challenge is by adopting efficient urban planning practices that allow for expansion. Urban planning should be based on up-to-date quality data and information. Unfortunately, Zambia faces a digital map gap. There is a lack of sufficient spatial data needed for better planning for urban expansion and public service delivery. 

The other problem is that traditional data collection and mapping techniques cannot keep up with the high rate of urban sprawl in Zambia’s capital, Lusaka. 

Therefore, how might we best address these obstacles and improve the availability of mapping data for better spatial planning in Zambia’s towns and cities?

Addressing the Digital Map Gap
Luckily, with advances in Artificial Intelligence (AI) technologies, mapping can now be done at a higher speed, and more cost effectively. Indeed, mapping that would normally take months—if not years—can now be done in weeks. 

With this in mind, Ordnance Survey collaborated with the Commonwealth Association of Architects (CAA) to create an inaugural digital base map of Lusaka from aerial imagery. The base map—which focuses on the identification of informal settlements—will help to:

• Identify the size of informal settlements
• Compute an estimate of the number of people living in informal settlements and the population density—based on the number of buildings
• Identify access to roads and public services within formal and informal settlements
• Predict the growth of informal settlements

Furthermore, the base map will find application in poverty reduction, land management, housing, basic and social services, infrastructural development, and coordination of large-scale investments. It will also help to avoid future disasters resulting from unplanned urban growth.

Creating the Digital Base Map of Lusaka, Zambia
In this project, Ordnance Survey (OS) used AI to map an area covering 420km2 of Lusaka, Zambia. 

To do this, they first obtained aerial imagery from the Zambia Survey Department in the Ministry of Lands and Natural Resources. The aerial imagery had a spatial resolution of 20cm. They then identified different feature classes on the imagery, i.e. buildings, roads, trees, grass, water, natural surface, sealed surface, etc.

Next, they preprocessed the aerial imagery and determined the best training method. After that, they labelled the imagery to be used as training data and then trained the model. Afterwards, they applied the trained model to the rest of the imagery covering all of Lusaka City for classification. 

Lastly, they post processed the resulting map to clean up any major issues e.g. enforcing building corners at 90 degrees.

Statistical Overview of the Base Map

Here’s a statistical overview of the resulting base map:

• Buildings occupy 11% of total area mapped
• The number of individual building features captured was 256,480
• 82,389 other structures were mapped—including buildings under construction. These cover 1.5% of the total area mapped
• Trees cover an area of 74.4km2  (18% of the total area mapped)
• 4,067km of road links were mapped 
• The length of rail links mapped was 34km 
•  65.1km2 or 6% of the mapped area is covered with grass 

A Look at the Challenges  
The African urban landscape differs significantly in makeup and appearance from urban areas in America, Europe or Asia—which also have more data on which to train AI models. 

From rural suburbs to urban areas, Lusaka has a diverse and rapidly changing landscape. It has varying vegetation cover and building types, ranging from informal settlements to large commercial and industrial buildings. When training the model, the training data had to represent this diverse landscape, which was a challenge. 

Additionally, while the model correctly identified walls and other permanent structures, it failed to identify buildings which were under construction because they were roofless. Nonetheless, these were classified under ‘other structures’. 

What Comes Next?
Leveraging on the lessons learnt in this project, Ordnance Survey will improve the model, making it more applicable in mapping other regions.

“This programme will promote the value associated with accurate and relevant spatial data. The rapid delivery of a scalable and replicable national digital base map is not only relevant to cities such as Lusaka, but also has far reaching benefits at national and regional scale. OS data will provide the evidence and information to support critical decisions when upgrading existing informal settlements and planning future infrastructure to promote economic prosperity.” Andy Wilson, Africa Region Director, OS.

Geolink tổng hợp từ Geoawesomeness