更精準！英研究人員利用AI監(jiān)測預防城市洪水
據(jù)外媒12月27日報道，世界各地的沿海地區(qū)都因氣候變化、海平面上升遭受洪水威脅。蘇格蘭鄧迪大學RogerWang領(lǐng)導的研究團隊最近展示了如何利用三大技術(shù)（AI、社交媒體和公民科學眾包）監(jiān)測城市洪水，并認為此方法可幫助沿海地區(qū)做好災前準備。
首先，KUKA機器人示教器維修，研究人員從高分辨率城市洪水計算機模型開始，著手開發(fā)早期洪水探測系統(tǒng)。模型結(jié)果需經(jīng)數(shù)據(jù)驗證，從而保證其可靠性，但經(jīng)過三個月的數(shù)據(jù)采集，研究人員卻空手而歸。其次，研究人員計劃用基于物理學的洪泛模型來更新他們的模型，來預測洪水發(fā)展。
衛(wèi)星遙感價格昂貴，且在城市地區(qū)經(jīng)常受到技術(shù)問題的影響，www.tka.net.cn，而地面?zhèn)鞲衅骶W(wǎng)絡的安裝和維護成本很高。即使是最常見的方法，政府工作人員的目擊調(diào)查也不在預算之內(nèi)。于是，研究人員將推特和眾包應用程序MyCoast作為替代方案，用來收集侵蝕和潮汐等海岸條件的數(shù)據(jù)。
利用這一替代方案進行數(shù)據(jù)收集的步驟如下：（1）掃描推特上的洪水、水壩和堤壩等關(guān)鍵詞，識別洪水相關(guān)事件。（2）利用自然語言處理（NLP）這一人工智能識別推特用戶的信息，包括洪水位置、水深、洪水趨勢、人類情感、損失估計，甚至包括可精確到英尺的超高分辨率數(shù)據(jù)，庫卡機器人驅(qū)動器維修，如推特用戶的街道名稱和建筑物號碼。（3）因為包含關(guān)鍵字的推文很可能是無關(guān)緊要的，所以要利用AI進行去噪，比如利用計算機視覺程序?qū)⒑樗畧D片從MyCoast的照片中篩選出來，但是其準確率僅有70%，故這個系統(tǒng)并不完美。
研究人員稱，與洪水相關(guān)的推文與較高的降水量相關(guān)，而眾包數(shù)據(jù)與實際封路密切相關(guān)。他們認為推特這樣的工具可以更好地進行大規(guī)模監(jiān)控，而MyCoast這樣的應用程序則可以在較小的范圍內(nèi)提供寶貴的見解。有了這些工具，他們希望能在潛在的洪水問題上發(fā)揮積極的作用。
這項研究近期已在《計算機與地球科學》雜志上發(fā)刊。