利用AI识别城市建筑物特征，预测其面对地震等灾难时的危机
发布时间：2021-06-05 16:01:18 所属栏目：大数据 来源：互联网
导读：从商业到工业设计，再到娱乐等一列领域，人工智能正在提供新的机遇。那么，土木工程和城市规划又会如何?机器学习和深度学习将如何帮助我们创建更安全、更具可持续、更具弹性的建筑环境。 美国国家科学基金会(NSF) NHERI SimCenter是加州大学伯克利分校自然灾
|
从商业到工业设计，再到娱乐等一列领域，人工智能正在提供新的机遇。那么，土木工程和城市规划又会如何?机器学习和深度学习将如何帮助我们创建更安全、更具可持续、更具弹性的建筑环境。
美国国家科学基金会(NSF) NHERI SimCenter是加州大学伯克利分校自然灾害工程社区的计算建模和仿真中心，该机构的一个团队开发了一套名为BRAILS(大规模人工智能建筑识别)的工具，可以自动识别城市建筑的特征，甚至可以检测城市建筑在地震、飓风或海啸中可能面临的风险。
加州大学伯克利分校的博士后研究员，BRAILS项目的首席开发者Charles(Chaofeng)Wang说：该项目的产生是出于快速、可靠地描述城市结构的需要。
“我们想仿真灾害对一个地区所有建筑的影响，但我们没有建筑属性的描述，”Wang说。“例如，在旧金山湾区，有数百万栋建筑。使用人工智能，我们能够得到所需的信息。我们可以训练神经网络模型，从图像和其他数据源中推断建筑信息。”
BRAILS使用机器学习、深度学习和计算机视觉来提取有关建筑环境的信息。它被设想为建筑师、工程师和规划专业人员更有效地规划、设计和管理建筑物和基础设施系统的工具。
SimCenter最近发布了BRAILS 2.0版本，其中包括预测更大范围建筑特征的模块。这些特征包括居住类型(商业、独户或多户)、屋顶类型(平顶、山墙或斜顶)、基础立面、建造年份、楼层数以及建筑物是否有“软层”——土木工程术语，指具有很大开放空间底层的结构(如店面)，这些结构在地震中更容易倒塌。
由Wang和他的同事开发的基本BRAILS框架会自动从卫星和地面图像自动提取建筑物信息，并将这些信息与来自多个数据源的数据(如微软足迹数据和开放地图)进行合并--这是一个协作项目，可以免费创建可编辑的世界地图。该框架还提供将这些数据与税务、城市调查和其他信息相结合的选项，以补充计算机视觉组件。
SimCenter首席研究员兼联合主任Sanjay Govindjee指出:“鉴于区域仿真的重要性，以及执行这些任务需要大量库存数据，机器学习确实是取得进展的唯一选择。我们很兴奋能看到土木工程师学习这些新技术，并将其应用于现实世界的问题”。
巧用众包数据力量
最近，SimCenter在公民科学门户网站Zooniverse上启动了一个项目，以收集更多的标签数据。该项目被称为“建筑防灾侦探”，它使公众能够识别建筑物的特定建筑特征，如屋顶、窗户和烟囱。这些标签将用于训练额外的特征提取模块。
Wang说:“我们在三月份启动了Zooniverse项目，在几周内我们就有了1000名志愿者，并标注了2万张图片。”
由于没有完整或完全准确的数据源，BRAILS使用逻辑和统计方法来执行数据增强，以填补空白。它还计算其估计的不确定性。
在分别开发和测试这些模块的准确性后，团队将它们组合在一起，并在BRAILS内部创建了CityBuilder工具。将给定的城市或区域输入到CityBuilder，可以自动生成该地理区域中每个结构的特征。
 （编辑：平凉站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
