人工智能可能能够预测城市滑坡

卡内基梅隆大学的Metro21：智慧城市计划正在开发可帮助预测哪些道路有滑坡危险的技术。

CMU机器人研究所首席项目科学家Christoph Mertz提出了研究道路及其周围环境的图像，以确定滑坡风险最佳指标的想法，在听取了研发机构Metro21在2018年发布会上的主旨演讲后CMU的负责人，谈到当年宾夕法尼亚州阿勒格尼县创纪录的山体滑坡的后果。

“在过去，我一直在从车辆中收集很多照片，我一直在想，'我想知道您是否可以在这些照片中找到滑坡的迹象，'”默兹说，他的公司Roadbotics使用图像和人工图像。检查运输机构道路表面的智能。“在这些图像中可以看到很多东西。可能有多余的污垢，也可能有多余的水，这意味着存在排水问题。在宾夕法尼亚州西南部的这里，如果红粘土被水饱和，那么它就会开始移动。”

他说，其他潜在的指标可能是道路和树木运动的裂缝。“我想知道它们是否像表盘一样，”梅茨谈到树木时说道。“如果地面上有很小的运动，那么顶部可能会有很大的运动。”在这一点上，研究树木的位置仍然只是一个主意，因为随着时间的流逝，梅尔茨需要相同树木的图片以查看它们是否移动。

为了立即收集数据，他将智能手机安装在车辆的前挡风玻璃上并拍摄前方道路的视频。这与Roadbotics的主要工作是单独的工作，该工作使用图像，人工智能和机器学习来创建道路状况的交互式地图，以便地方政府可以从战略上解决现有问题。

默兹表示，将来他计划与匹兹堡的公交系统合作。由于公交车每天都走同一条路线，因此他可以在很长一段时间内在同一区域获取数据，从而使他能够看到变化的出现。

该计划是购买许多总线已经用于安全和事件监控的外部摄像机类型，并将软件(神经网络)安装在设备上。Mertz将离线训练网络，以检测裂缝，计算停放和行驶中的汽车并确定危害和变化。使用边缘计算，设备将分析视频，然后对Mertz寻求的数据进行地理标记和标记。计算机将保存数据30天，然后将其摘要发送到可能位于云中或CMU的服务器中的中央系统。

他说：“公交车上装有所有这些摄像头，因此有很多视频流。”“您不能将它们上传到云中，因为其中包含太多数据，因此我们必须对总线本身进行分析，然后仅发送重要的小数据片段。”

Mertz说，当注意到变化时，一种方法是从该区域获取所有图像，在实验室中离线分析它们并制作3D模型。一年后四次拍照后，他已经制作了两个滑坡位置模型。下一步是与大学的土木工程系共享模型，以进行进一步的研究。

默兹(Mertz)没有从构思到实践的确切时间表，但他已经确定了一家可以与之合作的公交公司，并希望在一年之内获得数据以开始分析。

他说：“我希望我们很快将有一个可以引发危险信号的指标。”“我可能会看裂缝，并说如果裂缝的发展快于一定速度，那是一个警告。”然后可以将数据发送给工程师，工程师可以判断裂缝是否值得进一步调查。

此外，该技术还有其他潜在用途，因为视频中捕获的任何内容(例如枯树，高高的草丛，入侵的植物物种和非法垃圾倾倒)都可以由城市和县进行分析，并采取行动。

其他位置也可以受益。例如，由Metro21执行董事Karen Lightman共同教授的政策创新实验室课程的学生将滑坡监测的想法带到了宾夕法尼亚州Westmoreland County的市政领导人。

“这个农村县，他们没有阿勒格尼县拥有的资源。他们没有阿勒格尼县(Allegheny County)具备的GIS复杂性，因此他们希望提出“我们能做什么”的建议。”莱特曼说。“人们非常感兴趣，县委员要求学生们在委员会会议上向他们介绍[并且]…他们提出了一项资助提案，以帮助研究这个问题。”