新南威尔士大学城市未来研究中心的研究人员开发和测试的机器学习模型可能能够更好地为政策制定者提供有关预测社区变化的知识和数据，并且有了更好的预测数据，政策制定者和政府可以提供更公平的城市规划和结果。

研究人员最近在《城市》杂志上发表了他们关于该模型的初步发现。

士绅化是一种影响世界各地许多城市的城市现象——这是一种社区变化，穷人或历史上的工薪阶层社区在人口、土地使用和住房负担能力方面经历了巨大的变化。

士绅化可能会取代低技能工人和弱势群体等居民，并对其产生负面影响，政府和政策制定者往往难以解决相关危害。

新南威尔士大学城市未来研究中心(UNSW City Futures Research Centre)研究生研究员威廉·萨克韦(William Thackway)说:“士绅化往往发现得太晚了，要解决它造成的危害可能代价高昂。”“政策制定者充分解决中产阶级化造成的危害的能力取决于积极主动的策略，这些策略可以在成本太高之前防止或减轻弱势群体的流离失所。”

悉尼的中产阶级化

Thackway先生、Christopher Petitt教授、Matthew Ng博士和Chyi Lin Lee副教授开发了机器学习模型原型，并测试了来自悉尼的各种数据作为案例研究。

萨克韦表示:“我们研究的一个关键发现是，预计士绅化边界将进一步从市中心向外扩展。”“以前，士绅化圈是在悉尼CBD周围5-10公里的范围内，但预计将扩大到10-20公里。”

该研究发现了一种被研究人员称为“溢出”的效应，作为预测悉尼士绅化的全面指标。“溢出”是指从高档化热点地区迁移到附近租金略便宜的郊区的居民。

萨克韦表示:“在21世纪初至21世纪头十年，内西区成为士绅化的主要热点，但我们的分析预测，奥本(Auburn)和班克斯敦(Bankstown)等西部更深处的郊区可能成为新的热点。”

根据这项机器学习分析，赖德以外的伊斯特伍德和曼利以外的布鲁克维尔是其他经历“溢出”效应的郊区，预计它们将士绅化。分析还重申了兰德威克以外的Botany和Maroubra是士绅化热点。

除了溢出效应，悉尼士绅化和社区变化的其他潜在驱动因素包括犯罪水平的变化、新的交通发展和人口结构的进一步变化。 

2016-2021年悉尼预测社区变化的地图。橙色/红色区域预测中产阶级化，紫色/蓝色区域预测社会经济地位下降。图片:由Thackway等人提供(2023年)。

令人惊讶的中产阶级化指标

这种新的机器学习模型的优势在于，它可以在变量之间建立联系，否则在其他仅涉及人类专业知识的分析方法中会忽略这些变量。

萨克韦表示:“我们的研究包含了比以往机器学习研究更广泛的预测变量，涵盖社会经济、住房、商业和Airbnb数据。”

机器学习模型是使用来自广泛数据输入的80多个预测变量进行训练和调整的，这些数据输入包括财产报告、人口普查、企业登记和Airbnb。

为了测试其准确性，研究人员将该模型追溯应用于以前未士绅化的社区，这些社区最终变成了士绅化。

萨克韦说，在悉尼的一些地区，家庭组成和关系状况是士绅化的重要指标。

“令人惊讶的是，一个地区已婚夫妇的增加导致该地区士绅化的预测更高，而根据我们的模型，离婚和单亲家庭更多的地区不太可能士绅化。”

在某些情况下，在预测郊区士绅化方面，家庭和人际关系与房价、教育和就业一样重要。

寻找更好的定量方法

城市政策领域的预测建模和机器学习工具仍处于起步阶段。

“政策制定者对这些模型的可信度仍持怀疑态度，”Thackway先生说。“以前的机器学习模型都有一个‘黑箱’元素，这意味着我们无法看到机器是如何得出结论的。正因为如此，政策制定者的偏好主要是定性方法。”

但是，新南威尔士大学研究人员开发的这种新的机器学习模型可以以87.3%的准确率预测士绅化，并且通过实现一个模型解释工具来解释机器学习模型是如何得出结论的，从而消除了“黑箱”元素。

“像邻里变化预警系统(neighborhood Change Warning System)和中产阶级化指数(Gentrification Index)这样的定性方法，政策制定者很容易理解，”萨韦说。“但缺点是它们非常简单，缺乏健壮性。

“与定性方法相比，我们的机器学习模型包含了数十个，甚至数百个指标。与定性方法中的基本指标相比，使用机器学习的优势在于，该模型可以识别变量之间的相互作用和关系，而仅凭人类专业知识不一定能做到这一点。”

总的来说，新南威尔士大学团队创建了一个更全面、更健壮、更解释性的机器学习模型，改进了预测未来士绅化热点的最佳实践。

将来使用的机会

该工具正处于开发阶段，还可以对其进行更极端的测试，以确保其性能。

“目前，我们工作的主要含义是，这种模式可以产生有意义和强大的结果，使城市规划者能够做出积极的政策决策和干预。”

Thackway先生说。

“虽然我们以悉尼为案例研究来测试模型，但通过输入类似的数据，它可以应用于可比城市。”

“在过去，大多数士绅化研究都着眼于已经发生的事情，以分析士绅化的驱动因素。这种机器学习模型可以对中产阶级化进行预测建模。”

“随着2021年人口普查数据的发布，预测2026年的脆弱地区将为政策制定者提供一个实证工具，以便主动干预，为脆弱社区设计更公平的解决方案。”

注：本文由院校官方新闻直译，仅供参考，不代表指南者留学态度观点。