The FARI Brussels Conference returns on 18 and 19 November in Brussels, find out more.
An Initiative of
Supported by
SEP 2024
FARI et la Région de Bruxelles-Capitale font progresser l'urbanisme avec la modélisation des bâtiments
FARI – AI for the Common Good Institute et son groupe de recherche, VUB-ETRO (Électronique et Informatique de la Vrije Universiteit Brussel), collaborent avec la Région de Bruxelles-Capitale pour développer la modélisation des bâtiments en automatisant la détection des fenêtres, des portes et du nombre d’étages à partir d’images panoramiques RVB fournies par Paradigm.
Ce projet utilisera des techniques de pointe en apprentissage profond pour analyser ces images et produire des modèles de bâtiments précis, validés à l’aide de données de référence provenant de Perspective. Visant à améliorer l’urbanisme et les évaluations architecturales, ce prototype implique une collaboration avec plusieurs acteurs, dont Paradigm, Perspective et la commune d’Ixelles, et devrait être achevé d’ici le 31 décembre 2024.
Ce projet s’inscrit dans l’initiative de la Région de Bruxelles-Capitale visant à créer des « jumeaux numériques », des représentations virtuelles d’objets réels, pour gérer, visualiser et utiliser les données afin de rendre la ville plus intelligente et fonctionnelle. Dans le cadre de cette initiative, un autre projet avec FARI et le Machine Learning Group (MLG) de l’Université Libre de Bruxelles (ULB) portant sur la modélisation du trafic est également en cours de développement.
Le projet de modélisation des bâtiments représente une avancée majeure dans l’utilisation des technologies pour l’urbanisme et l’évaluation architecturale à Bruxelles. En automatisant la détection des caractéristiques des bâtiments et en validant les modèles avec des données de référence, cette collaboration promet d’améliorer l’efficacité et la précision de la gestion des données urbaines. Faisant partie de l’initiative des jumeaux numériques de la Région de Bruxelles-Capitale, ce projet, ainsi que l’effort parallèle de modélisation du trafic, souligne le potentiel des techniques d’IA avancées et d’apprentissage profond pour transformer les environnements urbains et préparer la voie aux villes intelligentes de demain.
Share
Other projects