面向发展中世界村庄和农村地区提供援助的项目，往往会遇到耗时的挑战，即便是最基础的工作也不例外：例如确定哪些地点最适合开展试点项目，或部署新系统，例如为尚未接入电力的地区提供太阳能。村庄的规模和位置往往连地图都标注得不准确，因此需要耗时的实地调查来寻找合适地点。
如今，麻省理工学院的一组研究生与一个由数据科学家组成的社会服务团体共同提出了一种方法，可将评估流程中的部分工作自动化。他们开发的软件能够从现成的卫星图像中识别房屋，甚至辨别房屋类型，有望节省大量时间，否则这些时间原本要花在派团队逐村走访上。他们的研究成果现已发表于期刊 Big Data。
团队成员 Brian Spatocco 解释说，这支多学科团队是在麻省理工学院 Sidney Pacific 研究生宿舍的讨论中组建起来的：“我们开始讨论这个问题，意识到大家都具备相关技能。”去年，团队的提案为他们赢得了麻省理工学院 IDEAS Global Challenge 的 10,000 美元奖金，这笔资金帮助项目启动，并使团队成员得以在去年夏天前往印度农村地区，用当地实际条件检验图像处理系统。
这个团队后来扩大，纳入了一位供职于纽约 DataKind DataCorps 的麻省理工学院校友以及该机构的另一位研究人员。他们聚焦于印度和非洲的两个初期项目，不过强调，他们的软件解决方案也可用于许多其他类型的项目和地区。
为援助项目遴选村庄
第一个项目旨在为撒哈拉以南非洲的一项计划遴选村庄。该计划向低收入农村地区居民发放不限定用途的现金补助，帮助他们提高生活水平，使他们能够购买设备、牲畜，或任何他们认为最能满足自身需求的东西。发放补助的机构采用的系统是瞄准最贫困的村庄：通过统计茅草屋顶房屋与更昂贵的金属屋顶房屋所占比例来筛选；此前，这项工作由实地工作人员完成。
第二个项目是在印度农村地区遴选村庄，安装微电网，以太阳能板和蓄电池储能系统供电，随后确定这些太阳能板的最佳选址，以及最高效的电力输送网络配置。
两种情况下，首先要做的关键工作都是将卫星图像中建筑物位置的判定任务自动化。本研究中，团队使用了两类卫星图像：Google Earth 图像有三个彩色“通道”，分别对应红、绿、蓝；商业卫星图像还包括一个近红外通道，可提供额外信息，用于检测植被及其他特征。
识别建筑物
这个过程首先由人们目视检查卫星图像并找出房屋。随后，这些人工选定的示例会作为训练数据输入机器学习系统，由系统尝试归纳判断一处结构是否为房屋的标准，然后“尝试在一张新图像中预测”房屋的位置。论文合著者 George Chen 说，挑战之一在于，有时并不容易判断某处结构究竟是两栋彼此相近的房屋，还是同一栋建筑的两个部分。另一些情况下，“房屋的颜色与地面颜色相近”，不过他说这种情况较少见。
不过，随着系统处理的示例增多，“随着时间推移，计算机可以从人工挑选的数据集中学习”，并更擅长判断房屋的位置，Spatocco 说。随后，在目前正于肯尼亚和乌干达村庄开展无条件现金转移的非洲援助项目中，还会增加一个步骤，用来区分屋顶为金属的房屋；金属屋顶的反光性远强于茅草屋顶。
在印度微电网安装项目中，一旦确定房屋位置，计算机就会运行数千种不同方案，模拟太阳能板、电池组和配电线路可能的布置位置。这使团队能够选出所需线路最少、同时可为最多房屋供电的配置，从而尽量降低成本。该程序也可以依据其他当地标准选择配置，例如某个村庄明确希望将太阳能板安装在特定位置。
团队表示，他们开发的通用算法除了最初测试的两个具体项目外，还可能有许多其他用途。例如，关于印度人口变化的数据很少，包括哪些地区人口增加或减少以及变化幅度。Spatocco 说，通过自动追踪房屋的位置及其随时间的变化，“这可能成为分析人口变动的极有力工具”。他补充说：“它可以回答有关这些人口动态的深层问题。”
随着项目继续推进，下一阶段测试将在印度选出四个村庄：两个将采用现有方法安装太阳能微电网，另外两个则按照软件选定的方案安装。研究人员将尽可能选出条件相近的村庄，随后随时间比较各系统的实际成本和性能，以准确确定新方法能带来多大效益。
联合国基金会制图小组主席、提供卫星制图服务的发展组织 DevelopmentMaps.org 负责人 Stewart Craine 说：“我们希望公共机构最终能认识到，为发展中国家的 1 亿农村家庭绘制地图是明智之举。”他并未参与这个项目。他解释说：“初步制图可以减少将昂贵的实地时间浪费在绘制家庭位置上，并将更多资源用于村庄讨论以及完善初步的桌面设计。”总体而言，他认为这篇论文是该领域“一项出色的贡献”。
团队成员还包括麻省理工学院研究生 Kendall Nowocin、Vivek Sakhrani 和 Ling Xu，以及 Kush Varshney SM ’06、PhD ’10 和 Brian Abelson；后两位均来自 Datakind DataCorps。团队与总部位于班加罗尔的非营利组织 SELCO Foundation 合作，该组织正在印度实施微电网安装；团队还与 GiveDirectly 合作开展非洲现金转移计划。这项研究得到了麻省理工学院 Tata Center for Technology and Design 的指导和支持，该中心隶属于麻省理工学院能源计划。
本文由 MIT News联合发布。本文发表并不意味着世界经济论坛认可其中的观点。
订阅我们的每周通讯， 及时了解 Agenda 动态。
作者：David L. Chandler 是 MIT News 特约撰稿人。
图片：南苏丹团结州 Leer，一处院落内房屋的航拍景象。路透社/Andreea Campeanu
