AI и краудсорсинг будут использоваться для более эффективного предупреждения и мониторинга наводнений

Привет. Уровень моря растет в среднем на 3,4 мм в год за последнее десятилетие. В результате этих тенденций сегодняшние экстремальные ситуации, связанные с затоплением городов, станут обыденными в недалеком будущем, поэтому прибрежные города и страны должны принять меры для защиты населенных пунктов от этих происшествий.

Исследователи из Университета Данди объединяют Twitter, гражданскую науку и новейшие методы искусственного интеллекта (AI) для разработки системы раннего предупреждения для территорий, подверженных наводнениям.

Ученые показали, как AI можно использовать для извлечения данных из Твиттера и краудсорсинговой информации, аккумулируемой в приложениях для мобильных телефонов, чтобы создать мониторинг высокого уровня для контроля городских наводнений. Они считают, что это первый раз, когда технология Computer Vision (компьютерное видение) была использована для решения проблем, связанных с наводнениями.

Городское наводнение трудно контролировать из-за сложностей в сборе и обработке данных. Это затрудняет подробный анализ рисков, контроль затопления и проверку числовых моделей. Команда исследователей предприняла попытку решить эту проблему, изучив, как новейшая технология искусственного интеллекта может использоваться для поиска необходимой информации в социальных сетях и приложениях, которые позволяют пользователям обмениваться данными.

Ученые установили, что социальные сети и краудсорсинг могут быть использованы для дополнения наборов данных, получаемых с помощью традиционных источников информации, добавляя к ним данные дистанционного зондирования и сообщения непосредственных очевидцев. Применяя эти методы в тематических исследованиях, они обнаружили, что они являются действительно информативными и что AI может играть ключевую роль в будущих системах предупреждения и мониторинга наводнений.

"Мы были особенно заинтересованы в увеличении числа так называемых "солнечных" затоплений - наводнений, которые происходят в отсутствие каких-либо экстремальных погодных явлений из-за того, что средний уровень моря повышается".

Существующие сегодня системы сбора данных - датчики, находящиеся на спутниках, местная сеть датчиков, информация от очевидцев и отчеты страховых компаний - все они имеют свои недостатки. Поэтому разработчики были вынуждены думать нестандартно, и одной из таких вещей является то, как пользователи Twitter обмениваются реальной информацией в режиме онлайн непосредственно с места наводнения.

Сообщения в Твиттере могут быть весьма полезны с точки зрения информации о наводнении. Сначала информация проходила предварительный фильтр по ключевым словам, затем использовался AI анализ естественного языка, чтобы узнать больше об уровне существующей опасности, точного местонахождения и проч. В тоже время, методы Computer Vision используются для обработки данных, собранных в MyCoast, приложении для краудсорсинга, чтобы автоматически идентифицировать изображения наводнения в фотографиях, которые публикуют пользователи.

Ученые обнаружили, что такие широкие подходы к мониторингу наводнений могут серьезно дополнять существующие средства сбора данных и продемонстрировать большие перспективы для улучшения мониторинга и предупреждений в чрезвычайных ситуаций в будущем.

Данные Twitter были обработаны с помощью фильтра с ключевыми словами «наводнения», «плотины», «затопление» и «дамбы». За время тестирования было проанализировано более 7500 твитов.

MyCoast - это система, используемая рядом природоохранных агентств для сбора данных «гражданской науки» о различных прибрежных опасностях или инцидентах. В настоящее время система содержит более 6000 фотографий наводнений, каждая из которых была получена через мобильное приложение.

Информация, извлеченная средствами искусственного интеллекта, была сопоставлена с данными об осадках и отчетами дорожных служб о перекрытии дорог для получения более качества данных. Было показано, что твиты, связанные с затоплениями, коррелируют с уровнями осадков, в то время как данные краудсорсинга тесно связаны с отчетами о перекрытии дорог.

Ученые полагают, что такой инструмент, как Twitter, более полезен для крупномасштабного недорогого мониторинга, а краудсорсинговые данные предоставляют подробную информацию на местном уровне.

Методы компьютерного видения требуют дальнейшей доработки, чтобы улучшить распознавание ситуаций, связанных с наводнениями, для более точного отграничения ЧС от обычных прибрежных сцен или других изображений с водой. Исследователи достигли 70% точности, используя тысячи изображений, доступных на MyCoast. И эффективность анализа данных продолжает улучшаться. 

Собранные вместе, эти инструменты могут быть использованы для мониторинга проникновения воды в пригороды и городские районы Новая технология может быть использована для улучшения моделей прогнозирования и систем раннего предупреждения, чтобы помочь жителям и властям подготовиться к предстоящему наводнению.

Объединив социальные медиа, гражданскую науку и искусственный интеллект в исследованиях городского затопления, ученые надеются получать более точные прогнозы, позволяющие заблаговременно предупреждать население о чрезвычайных ситуациях, что может сохранить тысячи жизней.

Подробней, фото1, фото2, фото3