Metro21:卡内基梅隆大学的智慧城市项目正在开发能够帮助预测哪些道路有塌方危险的技术。
CMU机器人研究所首席项目科学家Christoph Mertz提出了通过研究道路及其周围环境的图像来确定滑坡风险最佳指标的想法。在听取了研发机构Metro21在2018年发表的主题演讲后，CMU负责人谈到了宾夕法尼亚州阿勒格尼县创纪录滑坡的后果。
“过去，我一直在从车辆上收集许多照片，我一直在想，‘我想知道你是否能在这些照片中找到滑坡的迹象，’”Meuse说，他的公司Roadbotics使用图像和人工图像。检查运输组织的路面智能。“你可以在这些图像中看到很多东西。可能有多余的污垢或水，这意味着存在排水问题。在宾夕法尼亚州西南部，如果红粘土被水浸透，它就会开始移动。”
他说，其他潜在的指标可能是道路裂缝和树木移动。“我想知道它们是否像表盘，”梅兹谈到树木时说。“如果地面上没有什么运动，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想法，因为随着时间的推移，梅尔兹需要相同树木的照片来看看它们是否移动。
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，并拍摄了前方道路的视频。Roadbotics的主要工作是一项单独的工作，它使用图像、人工智能和机器学习来创建道路状况的交互式地图，以便地方政府可以战略性地解决存在的问题。
默兹说，他计划未来与匹兹堡的公共交通系统合作。因为公交车每天都走同一条路线，所以他可以长时间在同一个区域获取数据，这样他就可以看到变化。
计划购买多种类型的外部摄像头，其总线已用于安全和事件监控，并在设备上安装软件(神经网络)。Mertz将对网络进行离线训练，以检测裂缝，计算停放和移动的汽车，并确定危险和变化。使用边缘计算，该设备将分析视频，然后对Mertz寻找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中央系统，该系统可能位于云中或CMU的服务器上。
他说：“公交车上有这么多摄像头，所以有很多视频流。”“你不能把它们上传到云上，因为它们包含了太多的数据，所以我们必须分析总线本身，然后只发送重要的小块数据。”
默茨说，当注意到这种变化时，一种方法是获取该区域的所有图像，在实验室离线分析，并制作一个3D模型。一年后拍了四次照片，做了两个滑坡定位模型。下一步是与大学土木工程系共享模型，以便进一步研究。
默茨从构思到实践没有一个确切的时间表，但他已经确定了一家可以合作的公交公司，并希望在一年内获得数据，开始分析。
他说：“我希望我们很快会有一个可以触发红旗的指标。”“我可能会看着裂缝说，如果裂缝发展速度超过一定速度，这就是一个警告。”然后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，这项技术还有其他潜在用途，因为视频中捕捉到的任何内容(如枯树、高草、入侵植物物种和非法倾倒垃圾)都可以由市县进行分析并采取行动。
其他地方也可以受益。例如，由Metro21执行董事Karen Lightman共同授课的政策创新实验室课程的学生，将滑坡监测的想法带给了宾夕法尼亚州Westmoreland县的市政领导。
“这个农村县，他们没有阿勒格尼县的资源。他们没有阿勒格尼县那样复杂的GIS，所以他们想提出“我们能做什么？“莱特曼说。”人们非常感兴趣。县委员会成员要求学生在委员会会议上向他们介绍……他们提出了一项资助提案来帮助研究这个问题。"
标签：