利用AI識(shí)別城市建筑物特征，預(yù)測(cè)其面對(duì)地震等災(zāi)難時(shí)的風(fēng)險(xiǎn)

大數(shù)據(jù)文摘出品

來(lái)源：sciencedaily

編譯：Jane

從商業(yè)到工業(yè)設(shè)計(jì)，再到娛樂(lè)等一列領(lǐng)域，人工智能正在提供新的機(jī)遇。那么，土木工程和城市規(guī)劃又會(huì)如何？機(jī)器學(xué)習(xí)和深度學(xué)習(xí)將如何幫助我們創(chuàng)建更安全、更具可持續(xù)、更具彈性的建筑環(huán)境。

美國(guó)國(guó)家科學(xué)基金會(huì)(NSF) NHERI SimCenter是加州大學(xué)伯克利分校自然災(zāi)害工程社區(qū)的計(jì)算建模和仿真中心，該機(jī)構(gòu)的一個(gè)團(tuán)隊(duì)開(kāi)發(fā)了一套名為BRAILS(大規(guī)模人工智能建筑識(shí)別)的工具，可以自動(dòng)識(shí)別城市建筑的特征，甚至可以檢測(cè)城市建筑在地震、颶風(fēng)或海嘯中可能面臨的風(fēng)險(xiǎn)。

加州大學(xué)伯克利分校的博士后研究員，BRAILS項(xiàng)目的首席開(kāi)發(fā)者Charles（Chaofeng）Wang說(shuō)：該項(xiàng)目的產(chǎn)生是出于快速、可靠地描述城市結(jié)構(gòu)的需要。

“我們想仿真災(zāi)害對(duì)一個(gè)地區(qū)所有建筑的影響，但我們沒(méi)有建筑屬性的描述，”Wang說(shuō)?！袄?，在舊金山灣區(qū)，有數(shù)百萬(wàn)棟建筑。使用人工智能，我們能夠得到所需的信息。我們可以訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，從圖像和其他數(shù)據(jù)源中推斷建筑信息?！?/p>

BRAILS使用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)來(lái)提取有關(guān)建筑環(huán)境的信息。它被設(shè)想為建筑師、工程師和規(guī)劃專(zhuān)業(yè)人員更有效地規(guī)劃、設(shè)計(jì)和管理建筑物和基礎(chǔ)設(shè)施系統(tǒng)的工具。

SimCenter最近發(fā)布了BRAILS 2.0版本，其中包括預(yù)測(cè)更大范圍建筑特征的模塊。這些特征包括居住類(lèi)型(商業(yè)、獨(dú)戶(hù)或多戶(hù))、屋頂類(lèi)型(平頂、山墻或斜頂)、基礎(chǔ)立面、建造年份、樓層數(shù)以及建筑物是否有“軟層”——土木工程術(shù)語(yǔ)，指具有很大開(kāi)放空間底層的結(jié)構(gòu)(如店面)，這些結(jié)構(gòu)在地震中更容易倒塌。

由Wang和他的同事開(kāi)發(fā)的基本BRAILS框架會(huì)自動(dòng)從衛(wèi)星和地面圖像自動(dòng)提取建筑物信息，并將這些信息與來(lái)自多個(gè)數(shù)據(jù)源的數(shù)據(jù)（如微軟足跡數(shù)據(jù)和開(kāi)放地圖）進(jìn)行合并--這是一個(gè)協(xié)作項(xiàng)目，可以免費(fèi)創(chuàng)建可編輯的世界地圖。該框架還提供將這些數(shù)據(jù)與稅務(wù)、城市調(diào)查和其他信息相結(jié)合的選項(xiàng)，以補(bǔ)充計(jì)算機(jī)視覺(jué)組件。

SimCenter首席研究員兼聯(lián)合主任Sanjay Govindjee指出:“鑒于區(qū)域仿真的重要性，以及執(zhí)行這些任務(wù)需要大量庫(kù)存數(shù)據(jù)，機(jī)器學(xué)習(xí)確實(shí)是取得進(jìn)展的唯一選擇。我們很興奮能看到土木工程師學(xué)習(xí)這些新技術(shù)，并將其應(yīng)用于現(xiàn)實(shí)世界的問(wèn)題”。

巧用眾包數(shù)據(jù)力量

最近，SimCenter在公民科學(xué)門(mén)戶(hù)網(wǎng)站Zooniverse上啟動(dòng)了一個(gè)項(xiàng)目，以收集更多的標(biāo)簽數(shù)據(jù)。該項(xiàng)目被稱(chēng)為“建筑防災(zāi)偵探”，它使公眾能夠識(shí)別建筑物的特定建筑特征，如屋頂、窗戶(hù)和煙囪。這些標(biāo)簽將用于訓(xùn)練額外的特征提取模塊。

Wang說(shuō):“我們?cè)谌路輪?dòng)了Zooniverse項(xiàng)目，在幾周內(nèi)我們就有了1000名志愿者，并標(biāo)注了2萬(wàn)張圖片。”

由于沒(méi)有完整或完全準(zhǔn)確的數(shù)據(jù)源，BRAILS使用邏輯和統(tǒng)計(jì)方法來(lái)執(zhí)行數(shù)據(jù)增強(qiáng)，以填補(bǔ)空白。它還計(jì)算其估計(jì)的不確定性。

在分別開(kāi)發(fā)和測(cè)試這些模塊的準(zhǔn)確性后，團(tuán)隊(duì)將它們組合在一起，并在BRAILS內(nèi)部創(chuàng)建了CityBuilder工具。將給定的城市或區(qū)域輸入到CityBuilder，可以自動(dòng)生成該地理區(qū)域中每個(gè)結(jié)構(gòu)的特征。

Wang和他的同事進(jìn)行了一系列驗(yàn)證演示，或者如他們所說(shuō)的測(cè)試平臺(tái)，以確定人工智能衍生模型的準(zhǔn)確性。每個(gè)測(cè)試臺(tái)都會(huì)生成結(jié)構(gòu)清單，并根據(jù)歷史或可能發(fā)生的事件來(lái)仿真災(zāi)害的影響。

該團(tuán)隊(duì)已經(jīng)在舊金山建立了地震試驗(yàn)臺(tái)，以及路易斯安那州查爾斯湖、德克薩斯州海岸和新澤西州大西洋城的颶風(fēng)試驗(yàn)臺(tái)。

Wang說(shuō)：“我們的目標(biāo)是雙重的。首先，通過(guò)仿真并向決策者提供結(jié)果，以減輕未來(lái)的損失。其次，利用這些數(shù)據(jù)快速仿真真實(shí)場(chǎng)景，這樣能夠在偵察小組部署前就快速跟進(jìn)新事件。我們希望近實(shí)時(shí)的仿真結(jié)果能夠幫助指導(dǎo)更準(zhǔn)確的應(yīng)急響應(yīng)?！?/p>

該團(tuán)隊(duì)在2021年2月發(fā)行的《建筑自動(dòng)化》中概述了他們的框架。他們展示了他們的神經(jīng)網(wǎng)絡(luò)可以生成一個(gè)區(qū)域內(nèi)建筑物真實(shí)的空間分布，并描述了如何將其用于新澤西州五個(gè)沿海城市的大規(guī)模自然災(zāi)害風(fēng)險(xiǎn)管理。

該團(tuán)隊(duì)在2021年近岸環(huán)境共享運(yùn)營(yíng)研究物流研討會(huì)(SHORELINE21)上展示了在路易斯安那州登陸的最強(qiáng)颶風(fēng)勞拉的測(cè)試平臺(tái)。

在被問(wèn)及BRAILS的性能時(shí)，Wang說(shuō):“對(duì)于某些模型，比如入住率，我們看到準(zhǔn)確率接近100%。而對(duì)于其他模塊，比如屋頂類(lèi)型，我們看到了的準(zhǔn)確率趨近90%?！?/p>

計(jì)算資源

為了訓(xùn)練BRAILS模塊并運(yùn)行仿真，研究人員使用了德克薩斯州高級(jí)計(jì)算中心(TACC)的超級(jí)計(jì)算機(jī)——特別是世界上速度最快的學(xué)術(shù)超級(jí)計(jì)算機(jī)Frontera和專(zhuān)為深度學(xué)習(xí)設(shè)計(jì)的基于GPU系統(tǒng)的Maverick 2。

Wang解釋說(shuō)：“對(duì)于一個(gè)模型，訓(xùn)練可以在幾個(gè)小時(shí)內(nèi)完成，但這取決于圖像的數(shù)量，圖形處理器的數(shù)量，學(xué)習(xí)率等因素?！?/p>

和SimCenter一樣，TACC是NSF NHERI項(xiàng)目的資助伙伴。TACC設(shè)計(jì)并維護(hù)DesignSafe-CI(網(wǎng)絡(luò)基礎(chǔ)設(shè)施)——一個(gè)用于計(jì)算、數(shù)據(jù)分析的平臺(tái)和自然災(zāi)害研究人員使用的工具的平臺(tái)。

德克薩斯大學(xué)奧斯汀分校土木工程教授，DesignSafe項(xiàng)目的首席研究員Ellen Rathje說(shuō)：“該項(xiàng)目是一個(gè)很好的例子，說(shuō)明通過(guò)DesignSafe進(jìn)行的高級(jí)計(jì)算如何與NHERI的許多組件一起工作，為自然災(zāi)害研究和新工具開(kāi)辟新的途徑。” 

BRAILS/CityBuilder與SimCenter區(qū)域彈性測(cè)定(R2D)工具無(wú)縫配合。R2D是SimCenter應(yīng)用程序框架的圖形用戶(hù)界面，用于量化自然災(zāi)害對(duì)區(qū)域的影響。它的輸出包括整個(gè)城市或地區(qū)中每座建筑的損壞狀態(tài)和損失率(建筑修復(fù)成本與重置價(jià)值的百分比)，以及對(duì)預(yù)測(cè)的信心程度。

“將風(fēng)場(chǎng)或地面震動(dòng)應(yīng)用于成千上萬(wàn)棟建筑，以評(píng)估颶風(fēng)或地震這類(lèi)災(zāi)害事件影響的仿真需要大量的計(jì)算資源和時(shí)間，”Wang說(shuō)?！案鶕?jù)規(guī)模的不同，一個(gè)城市范圍的仿真通常需要在TACC上運(yùn)行數(shù)小時(shí)。”

他說(shuō)，TACC是進(jìn)行這項(xiàng)研究的理想環(huán)境，它提供了他的團(tuán)隊(duì)需要的大部分計(jì)算?！皬氖屡cDesignSafe相關(guān)的NSF項(xiàng)目，我?guī)缀蹩梢院翢o(wú)限制地計(jì)算。這真是太棒了?！?/p>

影響

為了使我們的社區(qū)更能抵御自然災(zāi)害，我們需要知道我們將來(lái)會(huì)遭受多大程度的破壞，以便告知居民和決策者是否應(yīng)該加固建筑或?qū)⑷藗冝D(zhuǎn)移到其他地方。

“這就是仿真和建模所能提供的，”Wang說(shuō)?！八羞@些都是為了創(chuàng)造一個(gè)更具彈性的建筑環(huán)境?！?/p>

相關(guān)報(bào)道：

https://www.sciencedaily.com/releases/2021/05/210519120858.htm