激光雷达与人工智能助力清晰了解灾后路况

　　想想飓风袭击后的日子。树木和碎片堵塞道路，桥梁被毁，道路部分被冲毁。应急管理人员很快就会面临一系列问题：如何将物资运送到某些地区?疏散幸存者的最佳途径是什么?哪些道路损坏严重而无法保持开放?

　　如果没有关于道路网络状态的具体数据，应急管理人员通常不得不根据不完整的信息做出回答。麻省理工学院林肯实验室的人道主义援助和救灾系统小组希望使用其机载激光雷达平台，搭配人工智能 (AI) 算法，来填补这一信息空白。

　　“对于真正大规模的灾难，尽早了解运输系统的状态至关重要，”该小组的研究员乍得委员会说。“通过我们的特殊方法，您可以确定道路的可行性，制定最佳路线，并量化道路损坏。您可以驾驶它，运行它，您拥有一切。”

　　自 2017 年飓风季节以来，该团队一直在受灾城镇上空飞行其先进的激光雷达平台。激光雷达的工作原理是在一个区域上向下脉冲光子并测量每个光子反弹回传感器所需的时间。这些到达时间数据点绘制了景观的 3D“点云”地图——每条道路、每棵树和每栋建筑——精确度在大约一英尺以内。

　　迄今为止，他们已经绘制了卡罗莱纳州、佛罗里达州、德克萨斯州和波多黎各的大片地区。在这些地区发生飓风后，该团队立即手动筛选数据，以帮助联邦紧急事务管理局 (FEMA) 查找和量化道路损坏等任务。该团队现在的重点是开发可以自动化这些过程并找到绕过损坏的方法的 AI 算法。

　　道路状况如何?

　　市议会表示，灾难发生后道路网络的信息以“不同信息流的马赛克”形式提供给应急管理人员，即卫星图像、民航巡逻队拍摄的航拍照片以及经过审查的众包。

　　“这些获取数据的各种努力很重要，因为每种情况都不同。可能存在众包最快的情况，有冗余是件好事。但是当你考虑到波多黎各的飓风玛丽亚等灾难的规模时，这些不同的流可以是压倒性的、不完整的、难以合并的，”他说。

　　在此期间，激光雷达可以充当全视之眼，提供区域的大图以及道路特征的细粒度细节。该实验室的平台特别先进，因为它使用对单个光子敏感的盖革模式激光雷达。因此，当系统在头顶飞行时，它的传感器可以收集数百万个光子中的每一个，这些光子穿过树叶的开口。然后可以将这些树叶从激光雷达地图中过滤掉，从而揭示原本无法从空中看到的道路。

　　为了提供道路网络的状态，激光雷达地图首先通过神经网络运行。这个神经网络经过训练可以找到和提取道路，并确定它们的宽度。然后，人工智能算法搜索这些道路并标记表明道路无法通行的异常情况。例如，向上延伸穿过道路的一组激光雷达点很可能是一棵倒下的树。海拔的突然下降很可能是道路上的一个洞或被冲毁的区域。

　　提取的道路网络及其标记的异常，然后与该区域的 OpenStreetMap(类似于谷歌地图的开放访问地图)合并。应急管理人员可以使用该系统来规划路线，或者在其他情况下识别孤立的社区——那些与道路网络隔绝的社区。系统将向他们显示两个指定位置之间最有效的路线，在无法通行的道路上寻找绕道。用户还可以指定留在路上的重要性;根据该输入，系统提供通过停车场或场地的路线。

　　这个过程，从提取道路到发现规划路线的损坏，可以应用于单个社区或整个城市的数据。

　　多快，多准确?

　　要了解该系统的运行速度，请考虑在最近的一次测试中，该团队在 36 小时内驾驶激光雷达平台，处理数据并获得基于 AI 的分析。那次出动覆盖了 250 平方英里的区域，相当于伊利诺伊州芝加哥的面积。

　　但准确性与速度同样重要。“当我们将人工智能技术纳入决策支持时，我们正在开发衡量算法性能的指标，”委员会说。

　　为了寻找道路，算法确定激光雷达点云中的一个点是“道路”还是“非道路”。该团队针对 50,000 平方米的郊区数据对算法进行了性能评估，所得 ROC 曲线表明当前算法提供了 87% 的真阳性率(即正确标记了一个点为“道路”)，具有20% 的误报率(即，将一个点标记为可能不是道路的“道路”)。误报通常是几何上看起来像道路但实际上不是道路的区域。

　　“因为我们有另一个数据源来识别道路的大致位置，OpenStreetMaps，可以排除这些误报，从而产生道路网络的高度准确的 3D 点云表示，”一直领导该算法的迪特·舒尔特说 -测试努力。

　　对于检测道路损坏的算法，该团队正在进一步聚合地面实况数据以评估其性能。与此同时，初步结果令人鼓舞。他们的损坏查找算法最近标记了马萨诸塞州贝德福德一条可能被封锁的道路，该道路似乎是一个宽 10 米、长 7 米、深 1 米的洞。该镇的公共工程部门和实地考察证实，施工堵塞了道路。

　　“我们实际上并没有预料到这次特殊的出击会捕捉到道路堵塞的例子，这是一个有趣的发现，”这项工作的贡献者 Bhavani Ananthabhotla 说。“通过额外的地面实况注释，我们希望不仅可以评估和提高性能，还可以更好地根据区域应急管理需求定制未来模型，包括为路线规划和维修成本估算提供信息。”

　　该团队正在继续测试、训练和调整他们的算法以提高准确性。他们希望这些技术可以很快被部署来帮助回答灾难恢复期间的重要问题。

　　“我们将激光雷达描绘成一个 3D 支架，其他数据可以叠加并且可以信任，”委员会说。“信任度越高，应急管理人员和整个社区就越有可能利用它来做出最好的决定。