麥姆斯咨詢：利用激光雷達（LiDAR）和人工智能（AI）的自動化工具，可以幫助應(yīng)急管理人員決策、規(guī)劃路線、量化城市道路損壞情況。

在上方的激光雷達地圖中，人工智能算法識別出了道路（紅色）。通過將此地圖與OpenStreetMaps（簡稱OSM，是一個網(wǎng)上地圖協(xié)作計劃，目標是創(chuàng)造一個內(nèi)容自由且能讓所有人編輯的世界地圖）匹配，用戶可以在整個區(qū)域內(nèi)，繞過被系統(tǒng)認為無法通行的道路規(guī)劃路線，這里的覆蓋范圍可達約400平方英里。

想象一下在被颶風襲擊后，倒塌的樹木和房屋堵塞道路，橋梁被毀，部分道路被沖毀。應(yīng)急管理人員很快就會面臨一大堆問題：如何將物資運送到目標地區(qū)？疏散幸存者的最佳路線在哪里？哪些道路因損壞而無法通車？

由于沒有關(guān)于公路交通網(wǎng)絡(luò)狀況的具體數(shù)據(jù)，應(yīng)急管理人員往往不得不根據(jù)不完整的信息給出答復。據(jù)麥姆斯咨詢報道，美國麻省理工學院（MIT）林肯實驗室的人道主義援助和救災系統(tǒng)小組希望利用其機載激光雷達平臺，結(jié)合人工智能算法，填補這一信息空白。

“對于真正的大規(guī)模災難，盡早了解整個交通系統(tǒng)的狀況至關(guān)重要。”該小組研究人員Chad Council說，“通過利用我們的人工智能激光雷達方案，可以確定道路的狀況是否可通行，制定最佳的路線規(guī)劃，獲得量化的道路損壞情況。只要放飛我們的機載激光雷達系統(tǒng)，然后運行它，就可以獲知一切。”

自2017年颶風季以來，該小組一直在受災城鎮(zhèn)上空飛行其先進的激光雷達平臺。其激光雷達的工作原理是在一定區(qū)域的上空自上向下發(fā)射激光脈沖，然后測量反射光子回到傳感器所需要的時間。利用這些數(shù)據(jù)點繪制的三維“點云”地圖，可以獲得區(qū)域內(nèi)每一條道路、樹木、建筑精確到約一英尺的3D地圖。

到目前為止，他們已經(jīng)繪制了卡羅萊納州、佛羅里達州、德克薩斯州和整個波多黎各的大片區(qū)域。在這些地區(qū)遭受颶風襲擊后，研究小組立即對數(shù)據(jù)進行了人工篩選，以幫助聯(lián)邦緊急事務(wù)管理局（FEMA）發(fā)現(xiàn)并量化道路的損壞情況，以及其它任務(wù)。該研究小組現(xiàn)在的重點是開發(fā)人工智能算法，使這些過程自動化，并能自動規(guī)劃繞過損壞道路的路徑。

檢測路況

據(jù)Council稱，災后的交通網(wǎng)絡(luò)信息常常會從各個來源以碎片化形式涌向應(yīng)急管理人員，例如衛(wèi)星圖像、民航巡邏隊拍攝的航空照片，以及經(jīng)審查來源的眾包信息。

“因為受災情況復雜，這些獲取數(shù)據(jù)的各種途徑和努力都很重要。眾包可能會是最快的信息渠道，有冗余也是好事。但當我們遇到像‘瑪麗亞’颶風這樣的大規(guī)模災難時，這些不同的來源的信息可能會瞬間堵爆，并且不夠完整，還很難融合。”他補充說。

這種時候，我們的激光雷達平臺可以作為一種全方位的“眼睛”，提供一大片區(qū)域的完整地圖，具備道路狀況的詳細信息。該實驗室的激光雷達平臺非常先進，因為它使用了對單光子敏感的蓋革模式激光雷達。因此，當系統(tǒng)從上空飛過時，其傳感器可以收集無數(shù)從樹葉的間隙中穿過的光子。然后，可以將這些樹葉從激光雷達地圖中濾除，從而顯示原本從空中看不到的道路。

為了提供交通網(wǎng)絡(luò)的狀態(tài)，需要首先利用神經(jīng)網(wǎng)絡(luò)來運算激光雷達地圖。訓練神經(jīng)網(wǎng)絡(luò)來發(fā)現(xiàn)和提取道路，并確定道路寬度。然后，利用人工智能算法搜索這些道路并標記道路無法通行的異常。例如，向上延伸并穿過道路的一組激光雷達點，很可能是一棵倒下的樹木；路面高度的突然下降，很可能是道路上出現(xiàn)的坑洞或被沖毀的區(qū)域。

然后將提取的道路網(wǎng)絡(luò)及其標記的異常，與該區(qū)域的OpenStreetMap開放路網(wǎng)合并。應(yīng)急管理人員就可以使用這個系統(tǒng)來規(guī)劃路線，或者在其他情況下，識別那些與道路網(wǎng)絡(luò)斷開的孤立社區(qū)。該系統(tǒng)可以為應(yīng)急管理人員顯示兩個指定地點之間最佳的路線，并在無法通行的道路周圍找到繞行路線。用戶還可以設(shè)定道路偏好等級，根據(jù)設(shè)定，系統(tǒng)還可以提供穿過停車場或田野的特殊路線。

這一從提取道路到發(fā)現(xiàn)損壞再到規(guī)劃路線的過程，可以應(yīng)用于單個社區(qū)或整個城市范圍內(nèi)的數(shù)據(jù)。

速度和精確度如何？

為了了解這個系統(tǒng)的工作速度，在最近的一次測試中，該團隊利用這款激光雷達平臺，飛行探測了250平方英里的區(qū)域（面積大約相當于伊利諾伊州芝加哥市），然后處理數(shù)據(jù)，在36小時內(nèi)得到了基于人工智能的分析結(jié)果。

當然，精確度和速度同樣重要。“隨著我們將人工智能技術(shù)引入決策支持，現(xiàn)在我們正在開發(fā)衡量算法性能的指標。”Council說。

為了規(guī)劃道路，該算法需要確定激光雷達點云中的某個具體點是“道路”還是“非道路”。研究小組基于50000平方米的郊區(qū)探測數(shù)據(jù)對該算法進行了性能評估，結(jié)果顯示，當前算法提供了87%的真實準確率（即正確標記了某個點為“道路”）。誤報通常來自幾何形狀看上去像道路，但實際不是道路的區(qū)域。

負責算法測試工作的Dieter Schuldt說：“由于我們可以利用另一個用于識別道路一般位置的數(shù)據(jù)源OpenStreetMaps，因此可以排除這些誤報，從而獲得道路網(wǎng)絡(luò)的高精度3D點云圖。”

對于檢測道路損壞的算法，團隊正在進一步匯總地面真實數(shù)據(jù)以評估其性能。與此同時，初步結(jié)果來看是有希望的。最近，他們的道路破損發(fā)現(xiàn)算法對馬薩諸塞州貝德福德的一條可能堵塞的道路進行了標記，道路顯示出一個10 m x 7 m x 1 m的坑。該鎮(zhèn)的公共工程部門以及實地考察證實，確實是因為施工堵塞了道路。

左圖中，人工智能算法標記了激光雷達地圖中的道路異常。查看標記區(qū)域的橫截面，可以看到一個尺寸為10 m x 7 m x 1 m的坑。該地區(qū)的地面實況證實了激光雷達地圖的異常標記。

“我們實際上并沒有預料到這次測試能夠捕捉到堵塞道路的例子，這是一個有趣的發(fā)現(xiàn)。”對這項研究有貢獻的Bhavani Ananthabhotla說，“通過附加的道路實際注釋，我們希望不僅能夠評估并改善算法性能，而且能夠更好地根據(jù)區(qū)域應(yīng)急管理需要調(diào)整未來的模型，包括告知路線規(guī)劃和維修成本估算。”

該團隊正在繼續(xù)測試、訓練和調(diào)整他們的算法，以提高準確性。他們希望這些技術(shù)能夠很快被應(yīng)用以幫助解決災后恢復的重要問題。

Council說：“我們把激光雷達想象成一個3D信息框架，其他數(shù)據(jù)可以信賴地疊加在上面。其可信賴度越高，應(yīng)急管理人員以及社區(qū)就越有可能利用它來做出最佳決策。”