Исследователи из Университета Данди объединяют Twitter, гражданскую науку и новейшие методы искусственного интеллекта (ИИ) для разработки системы раннего предупреждения для сообществ, подверженных наводнениям.
Доктор Роджер Ванг (Roger Wang) и его коллеги из Школы науки и техники Университета Данди показали, как ИИ можно использовать для извлечения данных из Твиттера и краудсорсированной информации из приложений для мобильных телефонов, чтобы создать мониторинг высокого разрешения для городских наводнений. Они считают, что это первый раз, когда компьютерное зрение было применено к проблемам наводнений.
Городское наводнение трудно контролировать из-за сложностей в сборе и обработке данных. Этому препятствуют - подробный анализ рисков, контроль затопления и проверка числовых моделей. Команда Данди приступила к попытке решить эту проблему, изучив, как новейшая технология ИИ может использоваться для поиска данных в социальных сетях и мобильных приложениях, которые предоставляют пользователи.
Они обнаружили, что социальные медиа и краудсорсинг могут использоваться для дополнения наборов данных на основе традиционных отчетов по дистанционному зондированию с сенсорами и по свидетелям. Применяя эти методы в тематических исследованиях, они обнаружили, что эти методы являются действительно информативными и что ИИ может играть ключевую роль в будущих системах предупреждения и мониторинга наводнений.
Доктор Ванг сказал: «Уровень моря растет в среднем на 3,4 мм в год за последнее десятилетие. Сегодняшние экстремальные ситуации станут обыденными для будущего, поэтому прибрежные города и страны должны принять меры для защиты своей земли».
«Мы были особенно заинтересованы в увеличении числа так называемых солнечных дневных затоплений - наводнений, которые происходят в отсутствие каких-либо экстремальных погодных явлений из-за того, что средний уровень моря выше.
«Существующие системы записи - удаленные спутниковые датчики, локальная сеть датчиков, показания свидетелей и страховые отчеты - все имеют свои недостатки. Поэтому мы были вынуждены думать нестандартно, и одна из мыслей, которые пришли в голову, - это то, как пользователи Twitter предоставляют в реальном времени комментарии по наводнениям».
«Твиты могут быть очень информативными с точки зрения данных о наводнении. Ключевыми словами были наш первый фильтр, затем мы использовали обработку естественного языка, чтобы узнать больше о серьезности, местоположении и другой информации. Методы компьютерного зрения были применены к данным, собранным от MyCoast, приложения для краудсорсинга, чтобы автоматически идентифицировать сцены наводнения из изображений, которые публикуют пользователи».
«Мы обнаружили, что мониторинг наводнений на основе технологии "Big-Data" с обработкой больших массивов данных может определенно дополнять существующие средства сбора данных и демонстрируют большие перспективы для улучшения мониторинга и предупреждений в будущем».
Данные из Twitter были переданы в течение одного месяца в 2015 году с ключевыми словами по фильтрации «наводнения», «плотины», «дамбы» ('flood', 'inundation', 'dam', 'dike', and 'levee'). За это время было проанализировано более 7500 твитов.
MyCoast - это система, используемая рядом природоохранных агентств для сбора данных «гражданской науки» о различных прибрежных опасностях или инцидентах. В настоящее время система содержит более 6000 фотографий наводнений, все из которых были собраны через мобильное приложение.
Информация, извлеченная средствами ИИ, была проверена против данных о осадках и отчетов о закрытии дорог для изучения качества данных. Было показано, что твиты, связанные с наводнениями, коррелируют с уровнями осадков, в то время как данные краудсорсинга тесно связаны с отчетами о закрытии дорог.
Исследователи полагают, что такой инструмент, как Twitter, более полезен для крупномасштабного недорогого мониторинга, а краудсорсированные данные предоставляют богатую и настраиваемую информацию на микроуровне.
«Методы компьютерного зрения требуют дальнейшей доработки, чтобы улучшить распознавание ситуаций наводнения, а не стандартных прибрежных сцен или других сред с водой», - продолжил доктор Ванг. «Мы достигли точки 70% точности, и мы используем тысячи изображений, доступных на MyCoast, для дальнейшего улучшения этого».
«Взятые вместе, эти инструменты могут использоваться для мониторинга проникновения воды при наводнении по всему городу. Затем это можно использовать для улучшения моделей прогнозирования и систем раннего предупреждения, чтобы помочь жителям и властям подготовиться к предстоящему наводнению».
«Объединив социальные медиа, гражданскую науку и искусственный интеллект в исследованиях городских затоплений, мы надеемся получить точные прогнозы и предоставлять предупреждения заблаговременно».
Исследование опубликовано в последнем выпуске журнала «Computers & Geosciences».
Источник: phys.org
