败血症传染吗

注册

 

发新话题 回复该主题

机器学习和深度学习如何创建安全城市环境 [复制链接]

1#
中医治疗白癜风医院 http://m.39.net/pf/a_4513678.html

人工智能(AI)正在为从商业到工业设计再到娱乐的各个领域提供新的机会。但是,对于土木工程和城市规划又如何呢?机器学习和深度学习将如何帮助我们创建更安全,更可持续和更具弹性的构建环境?

本文转自《AZoRobotics》共字,阅读需要7分钟。

来自NSFNHERISimCenter的一组研究人员(位于加利福尼亚大学伯克利分校的自然灾害工程界的计算建模和模拟中心)开发了一套名为BRAILS的工具-大规模使用AI进行建筑识别--可以自动识别城市建筑物的特征,甚至可以检测城市建筑物在地震,飓风或海啸中面临的风险。

加州大学伯克利分校的博士后研究员,BRAILS的首席开发商Charles(Chaofeng)Wang说,该项目的产生是出于对快速,可靠地表征城市结构的需求。

Wang说:“我们想模拟危害对一个地区所有建筑物的影响,但是我们没有关于建筑物属性的描述。”“例如,在旧金山湾地区,有数以百万计的建筑物。使用AI,我们可以获得所需的信息。我们可以训练神经网络模型,以从图像和其他数据源中推断建筑物信息。”

BRAILS使用机器学习,深度学习和计算机视觉来提取有关构建环境的信息。它被构想为建筑师,工程师和规划专业人士可以更有效地规划,设计和管理建筑物和基础设施系统的工具。

SimCenter最近发布了BRAILS2.0版,其中包括可预测更大范围建筑特征的模块。其中包括入住等级(商业,单户或多户),屋顶类型(平坦,山墙或斜顶),地基标高,建造年份,楼层数,以及建筑物是否具有“软楼层”(土木工程术语,指的是包括具有较大开口,例如店面的地面的结构,这些开口在地震中可能更容易倒塌。)

Wang及其合作者开发的基本BRAILS框架会自动从Google地图绘制的卫星和地面图像中提取建筑信息,并将这些信息与来自多个来源的数据合并,例如MicrosoftFootprintData和OpenStreetMap,这是一个协作项目,可免费创建可编辑的内容世界地图。该框架还提供了将这些数据与税收记录,城市调查和其他信息融合在一起的选项,以补充计算机视觉组件。

SimCenter首席研究员兼联合总监SanjayGovindjee指出:“鉴于区域模拟的重要性以及需要大量库存数据来执行这些模拟,机器学习确实是取得进步的唯一选择。”“看到土木工程师学习这些新技术并将其应用于现实世界中的问题,真是令人兴奋。”

利用众包力量

最近,SimCenter在公民科学门户网站Zooniverse上启动了一个项目,以收集其他带有标签的数据。这个名为“防灾建筑侦探”的项目使公众能够识别建筑物的特定建筑特征,例如屋顶,窗户和烟囱。这些标签将用于训练其他特征提取模块。

Wang说:“我们在三月份启动了Zooniverse项目,在短短几周内,我们有名志愿者,并标注了20,张图像。”

由于没有数据源是完整或完全准确的,因此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。

在分别开发和测试了这些模块的准确性之后,团队将它们组合在一起以在BRAILS中创建CityBuilder工具。将给定的城市或区域输入CityBuilder可以自动生成该地理区域中每个结构的特征。

Wang和他的合作者进行了一系列验证演示,或称他们为测试台,以确定AI衍生模型的准确性。每个测试台都会生成结构清单,并根据历史或合理事件来模拟危害的影响。

该小组为旧金山地震创建了试验台;飓风在路易斯安那州的查尔斯湖,得克萨斯州海岸和新泽西州的大西洋城中进行。

Wang说:“我们的目标是双重的。”“首先,通过进行模拟并向决策者和决策者提供结果来减轻将来的损失。其次,在部署侦察团队之前,立即使用这些数据快速模拟真实情况-在发生新事件后立即进行模拟我们希望近实时的模拟结果可以帮助以更高的精度指导应急响应。”

该团队在年2月发行的《建筑自动化》中概述了他们的框架。他们证明了他们的神经网络可以生成一个区域中建筑物的现实空间分布,并描述了如何使用新泽西州的五个沿海城市将其用于大规模自然灾害风险管理。‘

该小组在年近岸环境Shared业务研究物流研讨会(SHORELINE21)上展示了飓风劳拉()的试验台,这是路易斯安那州登陆最强的飓风。

当被问及BRAILS的性能时,Wang说:“对于某些型号,例如占用率,我们看到的准确性接近%。”“对于其他模块,例如屋顶类型,我们看到了90%的精度。”

计算资源

为了训练BRAILS模块并运行仿真,研究人员在德克萨斯高级计算中心(TACC)使用了超级计算机-尤其是世界上最快的学术超级计算机Frontera和设计用于深度学习的基于GPU的系统Maverick2。

Wang解释说:“对于一个模型,训练可以在几个小时内完成,但这取决于图像的数量,GPU的数量,学习率等。”

TACC和SimCenter一样,也是NSFNHERI计划的资助合作伙伴。TACC设计并维护了DesignSafe-CI(网络基础设施)-一个用于自然灾害研究人员使用的计算,数据分析和工具的平台。

德克萨斯大学奥斯汀分校土木工程学教授埃伦·拉特耶(EllenRathje)说:“该项目是一个很好的例子,说明通过DesignSafe进行的高级计算可以如何使自然灾害研究和新工具开辟新途径,并与NHERI的许多组成部分协同工作。”DesignSafe项目的首席研究员。

BRAILS/CityBuilder旨在与SimCenter区域弹性确定(R2D)工具无缝协作。R2D是SimCenter应用程序框架的图形用户界面,用于量化自然灾害对区域的影响。它的输出包括整个城市或地区中每座建筑物的损坏状态和损失率(建筑物维修成本占其重置价值的百分比),以及对预测的信心程度。

Wang说:“危害事件模拟-将风场或地面震动应用于成千上万的建筑物以评估飓风或地震的影响-需要大量的计算资源和时间。”“对于一个城市范围内的模拟,根据规模,在TACC上运行通常需要几个小时。”

Wang说,TACC是进行这项研究的理想环境。它提供了团队所需的大部分计算。“在从事与DesignSafe相关的NSF项目时,我几乎可以不受限制地进行计算。这很棒。”

影响

为了使我们的社区更能抵御自然灾害,我们需要知道我们将来将遭受的破坏程度,以告知居民和*策制定者是否要加固建筑物或将人们转移到其他地方。

“这就是仿真和建模可以提供的,”Wang说。“所有人都将创造一个更具弹性的建筑环境。”

分享 转发
TOP
发新话题 回复该主题