人工智能可能能够预测城市滑坡

给大家分享一篇关于互联网和手机的文章。相信很多朋友对互联网和手机还是不太了解，所以边肖也在网上搜集了一些关于手机和互联网的相关知识与大家分享。希望大家看完之后会喜欢。

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滑坡风险的技术。

CMU机器人研究所首席项目科学家Christoph Mertz提出了研究道路及其周围环境图像以确定滑坡风险最佳指标的想法。在2018年的新闻发布会上，听取了研发机构Metro21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，’”Merz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。“在这些图像中可以看到很多东西。可能有过多的污垢或水，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。“如果地面几乎没有运动，那么顶部可能会有很多运动。”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，默茨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，他在车辆前挡风玻璃安装了智能手机，并拍摄了前方道路的视频。这是一项独立于Roadbotics主要工作的工作，road botics利用图像、人工智能和机器学习来创建道路状况的交互式地图，使地方政府能够战略性地解决存在的问题。

默茨说，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。

计划是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。借助边缘计算，该设备将分析视频，然后对默茨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的服务器中。

他说：“公交车上配备了所有这些摄像头，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。”

Mertz说，当注意到变化时，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危险信号的指标。”“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。”数据然后可以发送给工程师，工程师可以判断裂缝是否值得进一步调查。

此外，该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。

“在这个农村县，他们没有阿勒格尼县拥有的资源。他们没有阿勒格尼县的地理信息系统复杂性，所以他们想就“我们能做什么？“莱特曼说。”人们非常感兴趣。县议员要求学生在委员会会议上介绍他们.他们提出了一项资助计划来帮助研究这个问题。"

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！