激光雷達(dá)與人工智能助力清晰了解災(zāi)后路況

　　想想颶風(fēng)襲擊后的日子。樹木和碎片堵塞道路，橋梁被毀，道路部分被沖毀。應(yīng)急管理人員很快就會面臨一系列問題：如何將物資運(yùn)送到某些地區(qū)?疏散幸存者的最佳途徑是什么?哪些道路損壞嚴(yán)重而無法保持開放?

　　如果沒有關(guān)于道路網(wǎng)絡(luò)狀態(tài)的具體數(shù)據(jù)，應(yīng)急管理人員通常不得不根據(jù)不完整的信息做出回答。麻省理工學(xué)院林肯實(shí)驗(yàn)室的人道主義援助和救災(zāi)系統(tǒng)小組希望使用其機(jī)載激光雷達(dá)平臺，搭配人工智能 (AI) 算法，來填補(bǔ)這一信息空白。

　　“對于真正大規(guī)模的災(zāi)難，盡早了解運(yùn)輸系統(tǒng)的狀態(tài)至關(guān)重要，”該小組的研究員乍得委員會說。“通過我們的特殊方法，您可以確定道路的可行性，制定最佳路線，并量化道路損壞。您可以駕駛它，運(yùn)行它，您擁有一切。”

　　自 2017 年颶風(fēng)季節(jié)以來，該團(tuán)隊(duì)一直在受災(zāi)城鎮(zhèn)上空飛行其先進(jìn)的激光雷達(dá)平臺。激光雷達(dá)的工作原理是在一個(gè)區(qū)域上向下脈沖光子并測量每個(gè)光子反彈回傳感器所需的時(shí)間。這些到達(dá)時(shí)間數(shù)據(jù)點(diǎn)繪制了景觀的 3D“點(diǎn)云”地圖——每條道路、每棵樹和每棟建筑——精確度在大約一英尺以內(nèi)。

　　迄今為止，他們已經(jīng)繪制了卡羅萊納州、佛羅里達(dá)州、德克薩斯州和波多黎各的大片地區(qū)。在這些地區(qū)發(fā)生颶風(fēng)后，該團(tuán)隊(duì)立即手動(dòng)篩選數(shù)據(jù)，以幫助聯(lián)邦緊急事務(wù)管理局 (FEMA) 查找和量化道路損壞等任務(wù)。該團(tuán)隊(duì)現(xiàn)在的重點(diǎn)是開發(fā)可以自動(dòng)化這些過程并找到繞過損壞的方法的 AI 算法。

　　道路狀況如何?

　　市議會表示，災(zāi)難發(fā)生后道路網(wǎng)絡(luò)的信息以“不同信息流的馬賽克”形式提供給應(yīng)急管理人員，即衛(wèi)星圖像、民航巡邏隊(duì)拍攝的航拍照片以及經(jīng)過審查的眾包。

　　“這些獲取數(shù)據(jù)的各種努力很重要，因?yàn)槊糠N情況都不同?？赡艽嬖诒姲羁斓那闆r，有冗余是件好事。但是當(dāng)你考慮到波多黎各的颶風(fēng)瑪麗亞等災(zāi)難的規(guī)模時(shí)，這些不同的流可以是壓倒性的、不完整的、難以合并的，”他說。

　　在此期間，激光雷達(dá)可以充當(dāng)全視之眼，提供區(qū)域的大圖以及道路特征的細(xì)粒度細(xì)節(jié)。該實(shí)驗(yàn)室的平臺特別先進(jìn)，因?yàn)樗褂脤蝹€(gè)光子敏感的蓋革模式激光雷達(dá)。因此，當(dāng)系統(tǒng)在頭頂飛行時(shí)，它的傳感器可以收集數(shù)百萬個(gè)光子中的每一個(gè)，這些光子穿過樹葉的開口。然后可以將這些樹葉從激光雷達(dá)地圖中過濾掉，從而揭示原本無法從空中看到的道路。

　　為了提供道路網(wǎng)絡(luò)的狀態(tài)，激光雷達(dá)地圖首先通過神經(jīng)網(wǎng)絡(luò)運(yùn)行。這個(gè)神經(jīng)網(wǎng)絡(luò)經(jīng)過訓(xùn)練可以找到和提取道路，并確定它們的寬度。然后，人工智能算法搜索這些道路并標(biāo)記表明道路無法通行的異常情況。例如，向上延伸穿過道路的一組激光雷達(dá)點(diǎn)很可能是一棵倒下的樹。海拔的突然下降很可能是道路上的一個(gè)洞或被沖毀的區(qū)域。

　　提取的道路網(wǎng)絡(luò)及其標(biāo)記的異常，然后與該區(qū)域的 OpenStreetMap(類似于谷歌地圖的開放訪問地圖)合并。應(yīng)急管理人員可以使用該系統(tǒng)來規(guī)劃路線，或者在其他情況下識別孤立的社區(qū)——那些與道路網(wǎng)絡(luò)隔絕的社區(qū)。系統(tǒng)將向他們顯示兩個(gè)指定位置之間最有效的路線，在無法通行的道路上尋找繞道。用戶還可以指定留在路上的重要性;根據(jù)該輸入，系統(tǒng)提供通過停車場或場地的路線。

　　這個(gè)過程，從提取道路到發(fā)現(xiàn)規(guī)劃路線的損壞，可以應(yīng)用于單個(gè)社區(qū)或整個(gè)城市的數(shù)據(jù)。

　　多快，多準(zhǔn)確?

　　要了解該系統(tǒng)的運(yùn)行速度，請考慮在最近的一次測試中，該團(tuán)隊(duì)在 36 小時(shí)內(nèi)駕駛激光雷達(dá)平臺，處理數(shù)據(jù)并獲得基于 AI 的分析。那次出動(dòng)覆蓋了 250 平方英里的區(qū)域，相當(dāng)于伊利諾伊州芝加哥的面積。

　　但準(zhǔn)確性與速度同樣重要。“當(dāng)我們將人工智能技術(shù)納入決策支持時(shí)，我們正在開發(fā)衡量算法性能的指標(biāo)，”委員會說。

　　為了尋找道路，算法確定激光雷達(dá)點(diǎn)云中的一個(gè)點(diǎn)是“道路”還是“非道路”。該團(tuán)隊(duì)針對 50,000 平方米的郊區(qū)數(shù)據(jù)對算法進(jìn)行了性能評估，所得 ROC 曲線表明當(dāng)前算法提供了 87% 的真陽性率(即正確標(biāo)記了一個(gè)點(diǎn)為“道路”)，具有20% 的誤報(bào)率(即，將一個(gè)點(diǎn)標(biāo)記為可能不是道路的“道路”)。誤報(bào)通常是幾何上看起來像道路但實(shí)際上不是道路的區(qū)域。

　　“因?yàn)槲覀冇辛硪粋€(gè)數(shù)據(jù)源來識別道路的大致位置，OpenStreetMaps，可以排除這些誤報(bào)，從而產(chǎn)生道路網(wǎng)絡(luò)的高度準(zhǔn)確的 3D 點(diǎn)云表示，”一直領(lǐng)導(dǎo)該算法的迪特·舒爾特說 -測試努力。

　　對于檢測道路損壞的算法，該團(tuán)隊(duì)正在進(jìn)一步聚合地面實(shí)況數(shù)據(jù)以評估其性能。與此同時(shí)，初步結(jié)果令人鼓舞。他們的損壞查找算法最近標(biāo)記了馬薩諸塞州貝德福德一條可能被封鎖的道路，該道路似乎是一個(gè)寬 10 米、長 7 米、深 1 米的洞。該鎮(zhèn)的公共工程部門和實(shí)地考察證實(shí)，施工堵塞了道路。

　　“我們實(shí)際上并沒有預(yù)料到這次特殊的出擊會捕捉到道路堵塞的例子，這是一個(gè)有趣的發(fā)現(xiàn)，”這項(xiàng)工作的貢獻(xiàn)者 Bhavani Ananthabhotla 說。“通過額外的地面實(shí)況注釋，我們希望不僅可以評估和提高性能，還可以更好地根據(jù)區(qū)域應(yīng)急管理需求定制未來模型，包括為路線規(guī)劃和維修成本估算提供信息。”

　　該團(tuán)隊(duì)正在繼續(xù)測試、訓(xùn)練和調(diào)整他們的算法以提高準(zhǔn)確性。他們希望這些技術(shù)可以很快被部署來幫助回答災(zāi)難恢復(fù)期間的重要問題。

　　“我們將激光雷達(dá)描繪成一個(gè) 3D 支架，其他數(shù)據(jù)可以疊加并且可以信任，”委員會說。“信任度越高，應(yīng)急管理人員和整個(gè)社區(qū)就越有可能利用它來做出最好的決定。