與道路相關的事件是全國洪水死亡的主要原因，但洪水報告工具有限，因此很難立即評估道路狀況。
現有的工具--交通攝像頭、水位傳感器，甚至社交媒體數據--可以提供洪水觀測，但它們通常不是主要設計來感知道路洪水狀況，並且無法協同工作。傳感器網絡可以提高洪水水位態勢感知;然而，大規模運營成本高昂。
萊斯大學的工程師們已經開發出一種可能的解決方案：一種名為OpenSafe Fusion的自動化數據融合框架。OpenSafe Fusion是使用數據融合的開源態勢感知行動框架的簡稱，它利用現有的個人報告機制和公共數據源，在日益頻繁的城市洪水事件中感知快速變化的道路狀況。
傑米·帕吉特斯坦利·C萊斯大學土木與環境工程系主任、摩爾工程教授和土木與環境工程博士後Pranavesh Panakkal分析了休斯頓九個來源的數據，然後在他們的研究中為自動化數據系統開發了一個全面的框架。
這項研究題為「更多地關注道路：通過綜合公共數據源的實時觀察感知淹沒道路」，發表在《可靠性工程和系統安全》雜誌上。
帕吉特說：「雖然直接觀察洪水道路的來源有限，但在城市中心直接或間接觀察洪水或道路狀況的來源很多。」
帕吉特和帕納卡爾假設，整合來自這些即時來源的見解的自動化系統可以徹底改變洪水形勢意識，而不需要對新傳感器進行大量投資。
帕吉特說：「這項研究為社區提供了一種公平感知和應對洪水等城市壓力源的方法。」
「它的基礎是我們與賴斯SDEP中心同事的長期合作，並受到其啟發，他們一直在開發最先進的洪水預警系統。在這裡，我們重點關注洪水對交通基礎設施的影響，並重點了解其他數據源如何補充洪水模型中的信息，特別是關於對道路和安全流動的影響。
該框架使用來自交通警報、攝像頭甚至交通速度等來源的數據，並使用機器學習和數據融合來預測道路是否被洪水淹沒。
此類數據源的價值在2017年哈維颶風期間顯而易見，休斯頓的許多人（包括應急響應人員）使用手動檢查數據源來推斷可能的道路狀況，以克服缺乏可靠實時道路數據的問題。
為了測試OpenSafe Fusion流程，研究人員使用哈維期間觀察到的歷史洪水數據，在包括休斯頓地區約62，000條道路的框架中重建場景。
帕納卡爾說：「該模型能夠觀察大約37，000條道路，約占我們考慮的網絡的60%，這是一個重大改進。」
該框架中可以使用的其他數據來源包括：水位傳感器、公民門戶、眾包、社交媒體、洪水模型以及研究所謂的「人機互動」。"
帕納卡爾表示，最後一個來源尤其重要，因為OpenSafe Fusion的人為因素允許負責任地使用人工智慧（AI）。
帕納卡爾說：「我們不想要一個完全自動化且沒有任何人為控制的系統。」
「模型可能會做出錯誤的預測，這可能會危及那些決定根據預測冒險的社區成員。因此，我們設計了基於負責任地使用人工智慧的保障措施。在這些工具中需要負責任的人工智慧仍然是一個有待進一步研究的開放領域，我們希望在未來測試我們的方法時進行更深入的研究。
該研究還考慮了自然災害期間洪水對社區使用醫院和透析中心等關鍵設施的影響。
帕納卡爾說：「它可以讓社區成員或緊急救援人員了解哪些道路被洪水淹沒以及如何安全到達某個地點。」
帕吉特表示，研究人員希望進行廣泛的測試、驗證和探索，以了解不同規模和資源可用性的社區如何使用該框架來更好地感知洪水期間的道路狀況。
帕吉特說：「鑑於氣候變化和氣候加劇天氣事件的影響，未來洪水事件的頻率和強度可能會增加，因此我們需要一個解決方案來更好地應對洪水事件及其對基礎設施的影響。"
如果您想了解更多信息，可以單擊視頻下方的連結。
感謝您觀看此視頻。如果您喜歡，請訂閱並點讚。謝謝
原文：https://techxplore.com/news/2024-08-ai-real-roads.html
更多信息：Pranavesh Panakkal等人，更多關注道路：通過融合公共數據源的實時觀察來感知被洪水淹沒的道路，可靠性工程&系統安全（2024）。DOI：10.1016/j.ress.2024.110368
更多信息：Pranavesh Panakkal等人，更關注道路：通過綜合公共數據源的實時觀察來感知淹沒道路、可靠性工程和系統安全（2024）。DOI：10.1016/j.ress.2024.110368
輸油管：
