普渡大學的人工智能評估工具確定了 2016 年台灣地震造成的剪切裂縫損壞
,並以綠色勾勒出損壞區域。(台灣 DataCenterHub,普渡大學)
,並以綠色勾勒出損壞區域。(台灣 DataCenterHub,普渡大學)
地震發生後,有效的損害評估對於挽救生命和規劃快速有效的對策至關重要。評估需要在不能危及額外生命的情況下,準確、快速地衡量損害的規模和程度。使用來自災難現場航拍圖像的日本人工智能模型能夠做到這一點。
日本廣島大學的一組研究人員開發了一種人工智能系統,用於分析地震後拍攝的航拍圖像並快速評估所顯示的破壞,以便團隊可以優先掌握關鍵區域。人工智能將建築物置於 D0 到 D6 範圍內的損壞等級,該等級最初由日本北海道大學的教授提出。該比例尺被日本建築學會用作該國木結構房屋的標準損壞比例。“我們的模型將未倒塌的建築物識別為 D0-D1 損壞及倒塌為 D5-D6 損壞,”首席研究員 Hiroyuki Miura 說,他是廣島大學高級科學與工程研究院的副教授。然而,“仍然難以準確地從空中對中等損傷等級 (D2-D4) 進行分類,”他補充道。
雖然這個等級是日本特有的,但 Miura 說它相當於在國際上使用的「歐洲宏觀地震等級 (EMS)」破壞等級G1-G5,同時也適用於其他國家的地震破壞檢測。
Hiroshima AI 模型使用卷積神經網絡,這是一種從基本模式匹配實現圖像識別的深度學習機制。這種類型的人工智能系統在應用前都要接受許多訓練。在本案例中,人工智能首先接受日本 1995 年神戶地震和 2016 年熊本地震圖片的訓練。
雖然通過比較前後圖像來評估損失似乎是一種更合乎邏輯的方法,但 Miura 指出了比較多個事件的災後圖像的許多優點。“在大地震等自然災害發生後立即要進行的緊急應變計畫中,準備和評估事前圖像非常耗時,”Miura 說。“當由於缺乏觀察而在某些受影響地區無法獲得此類事件前的圖像時,這些方法就無法應用。為了克服這一限制並執行快速及時的緊急應變,最好能從災後圖像中就識別損壞。”
普渡大學機械與土木工程教授、 A.M.ASCE博士 Shirley Dyke也致力於使用 AI 計算地震後的損害評估。像她這樣的 AI 模型在結構上訓練有關柱、梁、內部和外部圖像等的數據。“一旦我開發了這種結構並訓練我的 (AI) 模型,就可以從世界任何地方獲取任何數據集,將其放入該模型中,並在幾分鐘內組織數據集,”Dyke 說。
正是這種效率是人工智能最大的優勢。因為它消除了許多繁重的工作,這些工作將對來自災區的圖像進行分類和分類,它可以幫助研究人員更快地跳到實際分析。“如果準備好數據集,我們的 AI 模型可以在幾分鐘內對 10,000 座建築物的損壞情況進行分類,”Miura 說。
普渡大學教授、A.M.ASCE 博士 Shirley Dyke 和加拿大滑鐵盧大學助理教授 Chul Min Yeum
評估地震破壞圖像,以納入普渡大學的 AI 評估工具。(馬克·西蒙斯,普渡大學)
評估地震破壞圖像,以納入普渡大學的 AI 評估工具。(馬克·西蒙斯,普渡大學)
Hiroshima AI 模型並非萬無一失,但準確率高達 94%。“如果建築物被高大的樹木包圍,損壞識別將很困難,因為屋頂的部分或大部分,被航拍圖像中的植被遮擋,”Miura 說。“再舉一個例子,如果有垃圾之類的小物件分佈在建築物周圍,我們的方法會將建築物錯誤分類為受損,因為很難區分這些特徵是否是來自倒塌建築物產生的碎片。” 他補充說,太陽能電池板也存在類似的挑戰。航拍圖像也並不總是能描繪出完整的畫面。“如果建築物因軟層擠壓而倒塌(只有一樓倒塌),我們的模型會低估損壞程度,因為這些倒塌建築物的屋頂在圖像中似乎完好無損,”Miura 說。
解決方法是向 AI 提供更多圖像以創建更強大的系統。廣島模型訓練了從 45 張航拍照片中提取的大約 7,000 個建築“圖像塊”。“在 AI 訓練過程中,圖像塊被擴充到(形成)大約 15,000 個圖像塊,”Miura 說。在數據增強過程中,通過水平和垂直翻轉、旋轉和增加原始圖像塊的對比度,人為地創建新的圖像塊。
雖然日本因地震而臭名昭著——該國每年發生近 2,000 次地震——但海嘯和洪水也很常見。
人工智能模型在這些其他類型的自然災害中也很有用。Miura 正在使用來自 2018 年 7 月廣島縣滑坡事件和 2020 年 7 月熊本縣洪水事件的圖像來訓練模型。對於山體滑坡、颱風和洪水,我們正在通過提供這些訓練樣本來更新 AI 模型,”Miura 說。
(提供:Hiroyuki Miura)
最終目標是使恢復更快、更有效。“我(希望)更新的 AI 模型將用於真實的災難情況,以比傳統方法更快地向當地市政當局和利益相關者提供基礎設施損壞信息,”Miura 說。“衍生的損害信息將有助於實際的災後活動,例如早期恢復計畫和廢物管理計畫。”
2020.12.01 ASCE by Poornima Apte