借助激光雷达和人工智能 应急管理人员可以更快做出决策

考虑飓风袭击后的日子。树木和杂物阻塞了道路，桥梁被毁，道路部分被冲刷掉。紧急情况管理人员很快将面临一系列问题：如何将物资运送到某些地区?疏散幸存者的最佳途径是什么?哪些道路太破损而无法开放?

由于没有关于路网状态的具体数据，紧急情况管理人员通常不得不基于不完整的信息来做出答案。麻省理工学院林肯实验室的人道主义援助和救灾系统小组希望使用其机载激光雷达平台，结合人工智能(AI)算法，以填补这一信息空白。

该小组的研究员查德·坎德说：“对于真正的大规模灾难，尽早了解运输系统的状态至关重要。”“通过我们的特殊方法，您可以确定道路的生存能力，进行最佳的路线规划并获得量化的道路损害。您可以驾驶，运行，拥有一切。”

自2017年飓风季节以来，该团队一直在受灾的城镇上飞行其先进的激光雷达平台。激光雷达的工作原理是沿一个区域向下脉冲光子，并测量每个光回传感器所需的时间。这些到达时间的数据点绘制了景观的3D“点云”地图-每条道路，树木和建筑物-精确到一英尺。

迄今为止，他们已经绘制了卡罗来纳州，佛罗里达州，德克萨斯州和波多黎各的大片土地。在这些地区发生飓风后，该团队手动筛选了数据，以帮助联邦紧急事务管理局(FEMA)查找并量化对道路的损害，以及其他任务。该团队现在的重点是开发可以使这些过程自动化并找到解决损害的方法的AI算法。

道路状况如何?

安理会说，灾难发生后有关道路网络的信息以“不同的信息流马赛克”的形式提供给应急管理人员，即卫星图像，民航巡逻队拍摄的航空照片以及经过审查的众包服务。

“获取数据的各种努力很重要，因为每种情况都不尽相同。众包可能最快，并且有冗余是件好事。但是当您考虑像波多黎各的玛丽亚飓风这样的灾难规模时，这些不同的流可以势不可挡，不完整且难以合并。”他说。

在这段时间里，激光雷达可以充当全视之眼，提供一张区域的大图以及道路特征的详细信息。该实验室的平台特别先进，因为它使用对单个光子敏感的盖革模式激光雷达。这样，当系统从头顶飞过时，其传感器可以收集数百万个从树叶中的滴流中滴落的光子。然后可以将这些叶子从激光雷达地图中过滤掉，从而发现原本从空中看不见的道路。

为了提供道路网络的状态，首先通过神经网络运行激光雷达图。训练该神经网络以查找和提取道路，并确定其宽度。然后，AI算法搜索这些道路并标记表明道路无法通行的异常。例如，向上延伸并穿过道路的一堆激光雷达点很可能是一棵倒下的树。高程突然下降很可能是道路上的一个洞或被冲刷的区域。