借助激光雷達和人工智能災難發生后道路狀況得以清除

考慮颶風襲擊后的日子。樹木和雜物阻塞了道路，橋梁被毀，道路部分被沖刷掉。緊急情況管理人員很快將面臨一系列問題：如何將物資運送到某些地區?疏散幸存者的最佳途徑是什么?哪些道路太破損而無法開放?

如果沒有關于路網狀態的具體數據，緊急情況管理人員通常不得不根據不完整的信息做出答案。麻省理工學院林肯實驗室的人道主義援助和救災系統小組希望利用其機載激光雷達平臺，結合人工智能(AI)算法，來填補這一信息空白。

該小組的研究員查德·坎德說：“對于真正的大規模災難，盡早了解運輸系統的狀態至關重要。” “通過我們的特殊方法，您可以確定道路的生存能力，進行最佳的路線規劃并獲得量化的道路破壞。您可以駕駛，運行，擁有一切。”

自2017年颶風季節以來，該團隊一直在受災的城鎮上飛行其先進的激光雷達平臺。激光雷達的工作原理是沿一個區域向下脈沖光子，并測量每個光回到傳感器上所花費的時間。這些到達時間的數據點繪制了3D“點云”地圖(每條道路，樹木和建筑物)的地圖，精確度不到1英尺。

迄今為止，他們已經繪制了卡羅來納州，佛羅里達州，德克薩斯州和波多黎各所有地區的地圖。在這些地區發生颶風后，該團隊手動篩選了數據，以幫助聯邦緊急事務管理局(FEMA)查找并量化對道路的損害等任務。該團隊現在的重點是開發可以使這些過程自動化并找到解決損害的方法的AI算法。

道路狀況如何?

安理會說，災難發生后有關道路網絡的信息以“不同信息流的馬賽克”的形式提供給應急管理人員，包括衛星圖像，民航巡邏隊拍攝的航空照片以及經過審查的眾包服務。

“由于各種情況的不同，為獲取數據而進行的各種努力很重要。在某些情況下，眾包可能最快，并且具有冗余性是很好的。但是當您考慮像波多黎各颶風瑪利亞那樣的災難規模時，這些各種各樣的流可以勢不可擋，不完整且難以合并。”他說。