bt365手机平台-下载首页

  • 在该激光雷达图,AI算法已经确定道路(红色)。通过配对这个地图开放街道地图,用户可以围绕规划被认为无法通行,并可以在整个架次,在这里占地约400平方英里的规模做到道路路线。

    在该激光雷达图,AI算法已经确定道路(红色)。通过配对这个地图开放街道地图,用户可以围绕规划被认为无法通行,并可以在整个架次,在这里占地约400平方英里的规模做到道路路线。

    研究人员的形象礼貌。

    全屏
  • 在左,在激光雷达地图中的道路的异常被标记由一个AI算法。观看的标记区域显示的横截面的孔,其测量由10 7 1米。该地区的地面实况确认道路建设。

    在左,在激光雷达地图中的道路的异常被标记由一个AI算法。观看的标记区域显示的横截面的孔,其测量由10 7 1米。该地区的地面实况确认道路建设。

    图片来源:研究人员。

    全屏

用激光雷达和人工智能,道路状况在灾难发生后放晴

在该激光雷达图,AI算法已经确定道路(红色)。通过配对这个地图开放街道地图,用户可以围绕规划被认为无法通行,并可以在整个架次,在这里占地约400平方英里的规模做到道路路线。

自动化工具可以帮助应急管理人员进行决策,规划路线,并在城市尺度道路进行量化损害。


记者联系

大卫granchelli
电子邮件: granchelli@ll.mit.edu
电话:781-981- 4204
bt365手机app林肯实验室

考虑到天飓风袭击之后。树木和碎片阻塞道路,桥梁被破坏,和道路的部分被冲了出去。应急管理人员即将面临的问题,一群:如何用品获取传递到特定区域?什么是用于疏散幸存者的最佳途径?哪些道路太损保持开放?

而对道路网的状态具体数据,应急管理人员往往要立足于信息不完全的答案。在bt365手机app林肯实验室希望在人道主义援助和救灾系统集团使用其机载激光雷达平台,以人工智能(AI)算法配对,填补了这一信息空白。  

“对于一个大型的真正灾难,了解运输系统的状态尽可能早地是至关重要的,”乍得议会,该组中的研究员说。 “我们的特定方法,可以判断道路的可行性,做到最优路由,并同时获得量化的路面损坏,你飞它,你运行它,你就拥有了一切。”

自2017年飓风季节,球队已经飞了先进的激光雷达平台在灾区城镇。激光雷达的工作原理是脉冲光子向下在一个区域上并测量所花费的每个光子反弹回传感器的时间。时间的到达这些数据点漆的景观3D“点云”地图 - 每路,树,建设 - 内约准确性的脚下。

迄今为止,他们已经映射到卡罗来纳州,佛罗里达州,德克萨斯州和所有波多黎各的巨大的大片。在这些地区飓风的直接后果,通过数据筛选手动的团队来帮助联邦应急管理署(FEMA)寻找和道路损坏进行量化,以及其他任务。球队现在的重点是发展人工智能,可以将这些流程自动化,并设法路线周围的损害算法。

什么是道路状况?

约在灾难发生后的路网信息涉及到应急管理人员在“镶嵌不同的信息流,”委员会说,即卫星图像,由民用空中巡逻拍摄,并从审核源众包航拍照片。

“获取数据这些不同的努力是重要的,因为每一种情况是不同的。有可能的情况下,当众包是最快的,这是好事,有冗余。但是当你考虑在波多黎各像飓风玛丽亚灾害的规模,这些不同的流可以是压倒性的,不完整的,难以凝聚,”他说。

在这些时候,激光雷达可以作为一个全视之眼,提供了一个区域的大画面的地图和道路功能也精细的细节。该实验室的平台,特别是先进的,因为它使用盖革模式雷达,这是一个单光子敏感。正因为如此,它的传感器可以收集每个百万光子该滴流通过在叶子作为系统开口的开销飞行。然后这个叶子可以被过滤掉激光雷达图,揭示了否则会从鸟瞰隐藏的道路。

提供道路网络的状态,激光雷达地图首先通过一个神经网络的运行。这个训练神经网络寻找并提取道路,并确定它们的宽度。然后,AI算法搜索这些道路和标志异常指示的道路无法通行。例如,激光雷达点集群向上延伸,并隔着一条马路有可能被击倒的树。在海拔突然下降可能是一个孔或在道路淘汰区。

所提取的道路网,其被标记的异常,然后将其与区域(类似于Google地图开放式访问地图)的OpenStreetMap的合并。应急管理人员可以使用这个系统来规划路线,或在其他情况下,以确定与世隔绝的社区 - 那些从道路网络被切断。系统会显示他们两个指定位置之间的最有效的途径,寻找周围绕行道路不通。用户还可以指定它是多么的重要,留下的道路上;该输入的基础上,系统提供了通过停车场或字段路由。  

这个过程中,从提取的道路寻找到规划路线的损伤,可以在一个单一的附近的刻度或整个城市施加到数据。

如何快速,准确度如何?

获得的这个系统是如何工作的快,考虑到在最近的测试中,球队立马激光雷达平台,处理的数据,找来艾基于分析的36个小时内的想法。该出击覆盖250平方英里,约伊利诺伊州芝加哥市的大小的区域。

但精确度同样为速度一样重要。 “作为我们一体化人工智能技术为决策支持,我们正在开发的指标来表征算法的性能,”委员会说。

寻找道路,算法确定在激光雷达点云的点是“道”或“不属于道路。”车队跑了算法的性能评估对50000平方米郊区的数据,并将得到的ROC曲线表明,当前算法提供了87%的真阳性率(即,正确地标注点为“路”),有20%的假阳性率(即,标记的点为“道路”可能不道路)。误报通常以几何方式看起来像一个道路,但都没有的地方。

“因为我们有用于识别道路,开放街道地图的大体位置另一个数据源,这些误报可以排除,导致路网的高度精确的三维点云表示,”减肥schuldt,谁一直领先的算法 - 说测试工作。

用于检测路面损坏的算法,球队在进一步聚集地面实况数据的流程来评估其性能。在此期间,初步结果已经看好。其损坏寻找算法最近被判审查马萨诸塞州贝德福德的,这似乎是一个长孔测量宽10米7米×1米深潜在阻塞道路。该镇的公共工程部门,并实地考察证实,建筑挡住了去路。

“事实上,我们并没有去期待,这个特殊的出击将捕获封锁道路的例子,这是一个有趣的发现,”珀瓦尼ananthabhotla,是造成这一工作说。 “额外的地面实况注释,我们希望不仅是评估和改善业绩,同时也更好地适应未来的车型区域应急管理需求,包括通知的路线规划和修理成本估算。”

该小组正在继续测试,训练和调整自己的算法,以提高精确度。他们希望的是,这些技术可能很快灾难恢复过程中被部署到帮助回答的重要问题。

“我们想象激光雷达作为3D支架,其他数据可以搭着和可以信任的,”委员会说。 “越信任,越有可能一个紧急经理,和一般的社区,将用它来使他们能最好的决定。”


主题: 林肯实验室, 自然灾害, 成像, 传感器, 天气, 人工智能, 算法, 研究, 救灾, 技术与社会, 雷达

回到顶端