利用AI識別城市建筑物特征，預測其面對地震等災難時(shí)的風(fēng)險

大數據文摘出品

來(lái)源：sciencedaily

編譯：Jane

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

美國國家科學(xué)基金會(huì )(NSF) NHERI SimCenter是加州大學(xué)伯克利分校自然災害工程社區的計算建模和仿真中心，該機構的一個(gè)團隊開(kāi)發(fā)了一套名為BRAILS(大規模人工智能建筑識別)的工具，可以自動(dòng)識別城市建筑的特征，甚至可以檢測城市建筑在地震、颶風(fēng)或海嘯中可能面臨的風(fēng)險。

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

“我們想仿真災害對一個(gè)地區所有建筑的影響，但我們沒(méi)有建筑屬性的描述，”Wang說(shuō)?！袄?，在舊金山灣區，有數百萬(wàn)棟建筑。使用人工智能，我們能夠得到所需的信息。我們可以訓練神經(jīng)網(wǎng)絡(luò )模型，從圖像和其他數據源中推斷建筑信息?！?/p>

BRAILS使用機器學(xué)習、深度學(xué)習和計算機視覺(jué)來(lái)提取有關(guān)建筑環(huán)境的信息。它被設想為建筑師、工程師和規劃專(zhuān)業(yè)人員更有效地規劃、設計和管理建筑物和基礎設施系統的工具。

SimCenter最近發(fā)布了BRAILS 2.0版本，其中包括預測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)、獨戶(hù)或多戶(hù))、屋頂類(lèi)型(平頂、山墻或斜頂)、基礎立面、建造年份、樓層數以及建筑物是否有“軟層”——土木工程術(shù)語(yǔ)，指具有很大開(kāi)放空間底層的結構(如店面)，這些結構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)數據源的數據（如微軟足跡數據和開(kāi)放地圖）進(jìn)行合并--這是一個(gè)協(xié)作項目，可以免費創(chuàng )建可編輯的世界地圖。該框架還提供將這些數據與稅務(wù)、城市調查和其他信息相結合的選項，以補充計算機視覺(jué)組件。

SimCenter首席研究員兼聯(lián)合主任Sanjay Govindjee指出:“鑒于區域仿真的重要性，以及執行這些任務(wù)需要大量庫存數據，機器學(xué)習確實(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)習這些新技術(shù)，并將其應用于現實(shí)世界的問(wèn)題”。

巧用眾包數據力量

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)項目，以收集更多的標簽數據。該項目被稱(chēng)為“建筑防災偵探”，它使公眾能夠識別建筑物的特定建筑特征，如屋頂、窗戶(hù)和煙囪。這些標簽將用于訓練額外的特征提取模塊。

Wang說(shuō):“我們在三月份啟動(dòng)了Zooniverse項目，在幾周內我們就有了1000名志愿者，并標注了2萬(wàn)張圖片?！?/p>

由于沒(méi)有完整或完全準確的數據源，BRAILS使用邏輯和統計方法來(lái)執行數據增強，以填補空白。它還計算其估計的不確定性。

在分別開(kāi)發(fā)和測試這些模塊的準確性后，團隊將它們組合在一起，并在BRAILS內部創(chuàng )建了CityBuilder工具。將給定的城市或區域輸入到CityBuilder，可以自動(dòng)生成該地理區域中每個(gè)結構的特征。

Wang和他的同事進(jìn)行了一系列驗證演示，或者如他們所說(shuō)的測試平臺，以確定人工智能衍生模型的準確性。每個(gè)測試臺都會(huì )生成結構清單，并根據歷史或可能發(fā)生的事件來(lái)仿真災害的影響。

該團隊已經(jīng)在舊金山建立了地震試驗臺，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)試驗臺。

Wang說(shuō)：“我們的目標是雙重的。首先，通過(guò)仿真并向決策者提供結果，以減輕未來(lái)的損失。其次，利用這些數據快速仿真真實(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)的仿真結果能夠幫助指導更準確的應急響應?！?/p>

該團隊在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)區域內建筑物真實(shí)的空間分布，并描述了如何將其用于新澤西州五個(gè)沿海城市的大規模自然災害風(fēng)險管理。

該團隊在2021年近岸環(huán)境共享運營(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颶風(fēng)勞拉的測試平臺。

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

計算資源

為了訓練BRAILS模塊并運行仿真，研究人員使用了德克薩斯州高級計算中心(TACC)的超級計算機——特別是世界上速度最快的學(xué)術(shù)超級計算機Frontera和專(zhuān)為深度學(xué)習設計的基于GPU系統的Maverick 2。

Wang解釋說(shuō)：“對于一個(gè)模型，訓練可以在幾個(gè)小時(shí)內完成，但這取決于圖像的數量，圖形處理器的數量，學(xué)習率等因素?！?/p>

和SimCenter一樣，TACC是NSF NHERI項目的資助伙伴。TACC設計并維護DesignSafe-CI(網(wǎng)絡(luò )基礎設施)——一個(gè)用于計算、數據分析的平臺和自然災害研究人員使用的工具的平臺。

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

BRAILS/CityBuilder與SimCenter區域彈性測定(R2D)工具無(wú)縫配合。R2D是SimCenter應用程序框架的圖形用戶(hù)界面，用于量化自然災害對區域的影響。它的輸出包括整個(gè)城市或地區中每座建筑的損壞狀態(tài)和損失率(建筑修復成本與重置價(jià)值的百分比)，以及對預測的信心程度。

“將風(fēng)場(chǎng)或地面震動(dòng)應用于成千上萬(wàn)棟建筑，以評估颶風(fēng)或地震這類(lèi)災害事件影響的仿真需要大量的計算資源和時(shí)間，”Wang說(shuō)?！案鶕幠５牟煌?，一個(gè)城市范圍的仿真通常需要在TACC上運行數小時(shí)?！?/p>

他說(shuō)，TACC是進(jìn)行這項研究的理想環(huán)境，它提供了他的團隊需要的大部分計算?！皬氖屡cDesignSafe相關(guān)的NSF項目，我幾乎可以毫無(wú)限制地計算。這真是太棒了?！?/p>

影響

為了使我們的社區更能抵御自然災害，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該加固建筑或將人們轉移到其他地方。

“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)報道：

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