AI praćenje poplavljenih cesta u stvarnom vremenu

Incidenti povezani s poplavljenim cestama jedan su od glavnih uzroka smrtnih slučajeva u poplavama diljem SAD-a, ali ograničeni alati za izvješćivanje o poplavama otežavaju procjenu stanja na cestama u stvarnom vremenu.

Prometne kamere, senzori razine vode, pa čak i podaci društvenih medija, mogu pružiti opažanja poplava, ali često nisu primarno dizajnirani za otkrivanje stanja poplava na cestama i ne rade zajedno.

Inženjeri sa Sveučilišta Rice u Teksasu, razvili su moguće rješenje za ovaj problem, automatizirani sustav za spajanje podataka pod nazivom OpenSafe Fusion. Alat iskorištava postojeće pojedinačne mehanizme izvješćivanja i javne izvore podataka kako bi osjetio brze promjene uvjeta na cestama tijekom urbanih poplava, koje postaju sve učestalije.

Jamie Padgett, Riceova profesorica inženjerstva i predstojnica Odsjeka za građevinarstvo i inženjerstvo okoliša, zajedno s Pranaveshom Panakkalom, postdoktorandom u inženjerstvu građevinarstva i okoliša, analizirali su podatke iz devet izvora u Houstonu prije nego što su razvili sveobuhvatni sustav za automatizirani podatkovni sustav u svojoj istraživačkoj studiji pod nazivom Više očiju na cesti: Osjećaj poplavljenih cesta spajanjem opažanja u stvarnom vremenu iz javnih izvora podataka, objavljenoj u časopisu Science Direct.

Padgett i Panakkal pretpostavili su da bi automatizirani sustav koji kombinira uvide iz ovih izvora u stvarnom vremenu potencijalno mogao revolucionirati situacijsku svijest o poplavama bez značajnog ulaganja u nove senzore.

Sustav koristi podatke iz izvora kao što su prometna upozorenja, kamere, pa čak i brzina prometa, te koristi strojno učenje i fuziju podataka za predviđanje hoće li cesta biti poplavljena ili ne.

Vrijednost takvih izvora podataka bila je očita tijekom uragana Harvey 2017. jer su mnogi ljudi u Houstonu, uključujući hitne službe, pribjegli ručnom ispitivanju izvora podataka kako bi zaključili o vjerojatnim uvjetima na cestama kako bi prevladali nedostatak pouzdanih podataka o stanju na cestama u stvarnom vremenu.

Kako bi testirali proces OpenSafe Fusiona, istraživači su koristili povijesne podatke o poplavama opažene tijekom Harveyja kako bi ponovno stvorili scenarij u okviru koji se sastoji od oko 62.000 cesta u regiji Houston.

"Model je mogao promatrati oko 37.000 cestovnih poveznica, što je oko 60% mreže koju smo razmatrali, a to je značajno poboljšanje", rekao je Panakkal.

Ostali izvori podataka koji bi se mogli koristiti uključuju senzore razine vode, portale za građane, društvene medije, modele poplava i faktor koji studija naziva "ljudi u petlji".

Ovaj posljednji izvor posebno je važan, kaže Panakkal, budući da ljudski element OpenSafe Fusiona omogućuje odgovornu upotrebu umjetne inteligencije.

"Ne želimo sustav koji je potpuno automatiziran i bez ikakve ljudske kontrole", rekao je Panakkal. "Model bi mogao dati krivo predviđanje, što bi moglo ugroziti članove zajednice koji odluče riskirati putovanje na temelju ovog predviđanja. Stoga smo osmislili zaštitne mjere temeljene na odgovornoj upotrebi umjetne inteligencije. Ova potreba za odgovornom umjetnom inteligencijom u takvim alatima još uvijek je otvoreno područje za daljnji rad i nadamo se da ćemo kopati dublje dok testiramo naše metode u budućnosti."

Studija je također razmatrala utjecaj poplava na pristup zajednice kritičnim objektima kao što su bolnice i centri za dijalizu tijekom prirodne katastrofe.

"Ovo daje članovima zajednice ili hitnim službama uvid u to koje su ceste poplavljene i kako sigurno doći do lokacije", rekao je Panakkal.

Padgett kaže da se istraživači nadaju da će nastaviti s opsežnim testiranjem, validacijom i istraživanjem kako bi zajednice s različitim razmjerima i dostupnošću resursa mogle koristiti ovaj sustav da dobiju bolji uvid u stanje na cesti tijekom poplave.