1. 我是CIO首页
  2. 资讯
  3. 人工智能

借助激光雷达和人工智能,灾难发生后道路状况得以清除

借助激光雷达和人工智能,灾难发生后道路状况得以清除
在此激光雷达图中,人工智能算法已识别出道路(红色)。
通过将此地图与OpenStreetMaps配对,用户可以规划被认为无法通行的道路周围的路线,并且可以在整个出行范围内进行规划,这里的总覆盖范围约为400平方英里。
图片来源:麻省理工学院

考虑飓风袭击后的日子。树木和杂物阻塞了道路,桥梁被毁,道路部分被冲刷掉。紧急情况管理人员很快将面临一系列问题:如何将物资运送到某些地区?疏散幸存者的最佳途径是什么?哪些道路受损严重而无法开放?

由于没有关于路网状态的具体数据,紧急情况管理人员通常不得不基于不完整的信息来做出答案。麻省理工学院林肯实验室的人道主义援助和救灾系统小组希望使用其机载激光雷达平台,结合人工智能(AI)算法,以填补这一信息空白。

该小组的研究员查德·坎德说:“对于真正的大规模灾难,尽早了解运输系统的状态至关重要。通过我们的特殊方法,您可以确定道路的生存能力,进行最佳的路线规划并获得量化的道路损害。”

自2017年飓风季节以来,该团队一直在受灾的城镇上飞行其先进的激光雷达平台。激光雷达的工作原理是沿一个区域向下脉冲光子,并测量每个光子弹回传感器所需的时间。这些到达时间的数据点绘制了3D“点云”地图(每条道路,树木和建筑物)的地图,精确度不到1英尺。

迄今为止,他们已经绘制了卡罗来纳州,佛罗里达州,德克萨斯州和波多黎各的大片土地。在这些地区发生飓风后,该团队手动筛选了数据,以帮助联邦紧急事务管理局(FEMA)查找并量化对道路的损害,以及其他任务。该团队现在的重点是开发可以使这些过程自动化并找到解决损害的方法的AI算法。

道路状况如何?

安理会说,灾难发生后有关道路网络的信息以“不同的信息流马赛克”的形式提供给应急管理人员,即卫星图像,民航巡逻队拍摄的航拍照片以及经过审查的众包服务。

“获取数据的各种努力很重要,因为每种情况都不尽相同。众包可能最快,并且有冗余是件好事。但是当您考虑像波多黎各的玛丽亚飓风这样的灾难规模时,这些不同的流可以势不可挡,不完整且难以合并。”他说。

在这段时间里,激光雷达可以充当全视之眼,提供一张区域的大图以及道路特征的详细信息。该实验室的平台特别先进,因为它使用对单个光子敏感的盖革模式激光雷达。这样,当系统从头顶飞过时,其传感器可以收集数百万个从树叶中的滴流中滴落的光子。然后可以将这些叶子从激光雷达地图中过滤掉,从而发现原本从空中看不见的道路。

为了提供道路网络的状态,首先通过神经网络运行激光雷达图。训练该神经网络以查找和提取道路,并确定其宽度。然后,AI算法搜索这些道路并标记表明道路无法通行的异常。例如,向上延伸并穿过道路的一堆激光雷达点很可能是一棵倒下的树。高程突然下降很可能是道路上的一个洞或被冲刷的区域。

借助激光雷达和人工智能,灾难发生后道路状况得以清除
左侧是AI算法标记的激光雷达地图中的道路异常。查看标记区域的横截面将显示一个孔,该孔的尺寸为10 x 7 x 1米。该地区的地面实况证实了道路建设。图片来源:麻省理工学院

然后将提取的道路网络及其异常标志与区域的OpenStreetMap(类似于Google地图的开放式访问地图)合并。紧急管理人员可以使用该系统来规划路线,或者在其他情况下可以标识孤立的社区-与公路网隔离的社区。该系统将向他们显示两个指定位置之间最有效的路线,并在无法通行的道路周围查找弯路。用户还可以指定在路上行驶的重要性。根据该输入,系统提供穿过停车场或田野的路线。

从提取道路到发现规划路线受损的过程,可以应用于单个社区或整个城市范围内的数据。

多快和多准确?

为了了解该系统的运行速度,请考虑一下在最近的一次测试中,该团队飞行了激光雷达平台,处理了数据并在36小时内获得了基于AI的分析。那架出击场的面积为250平方英里,约等于伊利诺伊州芝加哥市的面积。

但是,准确性与速度同样重要。理事会说:“随着我们将AI技术整合到决策支持中,我们正在开发度量以表征算法的性能。”

为了找到道路,该算法确定激光雷达点云中的点是“道路”还是“非道路”。该团队针对50,000平方米的郊区数据对该算法进行了性能评估,结果ROC曲线表明,当前算法提供了87%的真实阳性率(即正确标记为“道路”的点),并且20%的误报率(即,将点标记为“道路”,可能不是道路)。误报通常是几何形状看起来像道路但不是道路的区域。

负责算法测试工作的Dieter Schuldt 表示:“由于我们拥有另一个用于识别道路一般位置的数据源,即OpenStreetMaps,因此可以排除这些误报,从而获得道路网络的高精度数据。”

对于检测道路损坏的算法,团队正在进一步汇总地面真实数据以评估其性能。同时,初步结果令人鼓舞。他们的损害发现算法最近标记为审查马萨诸塞州贝德福德的一条可能被阻塞的道路,该道路似乎是一个宽10米,长7米,宽1米的洞。该镇的公共工程部门和现场访问证实,施工阻塞了道路。

这项工作的贡献者巴瓦尼·安纳塔布霍特拉(Bhavani Ananthabhotla)表示:“实际上,我们并不期望这种特殊的出击能够捕捉到道路阻塞的例子,这是一个有趣的发现。通过附加的地面真相注释,我们不仅希望评估和改善性能,而且希望更好地根据区域紧急管理需求定制未来的模型,包括告知路线规划和维修成本估算。”

该团队将继续测试,训练和调整其算法以提高准确性。他们的希望是,这些技术可能会很快部署,以帮助在灾难恢复期间回答重要问题。

理事会说:“我们将激光雷达想象成一个3-D支架,可以叠加其他数据并且可以信任它。信任越多,紧急情况经理和整个社区就越有可能使用它来做出最佳决策。”

本文为作者 新然 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论