麥姆斯咨詢：利用激光雷達（LiDAR）和人工智能（AI）的自動化工具，可以幫助應急管理人員決策、規劃路線、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，是一個網上地圖協作計劃，目標是創造一個內容自由且能讓所有人編輯的世界地圖）匹配，用戶可以在整個區域內，繞過被系統認為無法通行的道路規劃路線，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？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？

由于沒有關于公路交通網絡狀況的具體數據，應急管理人員往往不得不根據不完整的信息給出答復。據麥姆斯咨詢報道，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小組希望利用其機載激光雷達平臺，結合人工智能算法，填補這一信息空白。

“對于真正的大規模災難，盡早了解整個交通系統的狀況至關重要。”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，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域的上空自上向下發射激光脈沖，然后測量反射光子回到傳感器所需要的時間。利用這些數據點繪制的三維“點云”地圖，可以獲得區域內每一條道路、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域。在這些地區遭受颶風襲擊后，研究小組立即對數據進行了人工篩選，以幫助聯邦緊急事務管理局（FEMA）發現并量化道路的損壞情況，以及其它任務。該研究小組現在的重點是開發人工智能算法，使這些過程自動化，并能自動規劃繞過損壞道路的路徑。

檢測路況

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

“因為受災情況復雜，這些獲取數據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，當系統從上空飛過時，其傳感器可以收集無數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。

為了提供交通網絡的狀態，需要首先利用神經網絡來運算激光雷達地圖。訓練神經網絡來發現和提取道路，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的坑洞或被沖毀的區域。

然后將提取的道路網絡及其標記的異常，與該區域的OpenStreetMap開放路網合并。應急管理人員就可以使用這個系統來規劃路線，或者在其他情況下，識別那些與道路網絡斷開的孤立社區。該系統可以為應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。用戶還可以設定道路偏好等級，根據設定，系統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現損壞再到規劃路線的過程，可以應用于單個社區或整個城市范圍內的數據。

速度和精確度如何？

為了了解這個系統的工作速度，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平方英里的區域（面積大約相當于伊利諾伊州芝加哥市），然后處理數據，在36小時內得到了基于人工智能的分析結果。

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

為了規劃道路，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平方米的郊區探測數據對該算法進行了性能評估，結果顯示，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據源OpenStreetMaps，因此可以排除這些誤報，從而獲得道路網絡的高精度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據以評估其性能。與此同時，初步結果來看是有希望的。最近，他們的道路破損發現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，這是一個有趣的發現。”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區域應急管理需要調整未來的模型，包括告知路線規劃和維修成本估算。”

該團隊正在繼續測試、訓練和調整他們的算法，以提高準確性。他們希望這些技術能夠很快被應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，其他數據可以信賴地疊加在上面。其可信賴度越高，應急管理人員以及社區就越有可能利用它來做出最佳決策。”