想想颶風襲擊后的日子。樹木和碎片堵塞道路，橋梁被毀，道路部分被沖毀。應急管理人員很快就會面臨一系列問題：如何將物資運送到某些地區?疏散幸存者的最佳途徑是什么?哪些道路損壞嚴重而無法保持開放?

　　如果沒有關于道路網絡狀態的具體數據，應急管理人員通常不得不根據不完整的信息做出回答。麻省理工學院林肯實驗室的人道主義援助和救災系統小組希望使用其機載激光雷達平臺，搭配人工智能 (AI) 算法，來填補這一信息空白。

　　“對于真正大規模的災難，盡早了解運輸系統的狀態至關重要，”該小組的研究員乍得委員會說。“通過我們的特殊方法，您可以確定道路的可行性，制定最佳路線，并量化道路損壞。您可以駕駛它，運行它，您擁有一切。”

　　自 2017 年颶風季節以來，該團隊一直在受災城鎮上空飛行其先進的激光雷達平臺。激光雷達的工作原理是在一個區域上向下脈沖光子并測量每個光子反彈回傳感器所需的時間。這些到達時間數據點繪制了景觀的 3D“點云”地圖——每條道路、每棵樹和每棟建筑——精確度在大約一英尺以內。

　　迄今為止，他們已經繪制了卡羅萊納州、佛羅里達州、德克薩斯州和波多黎各的大片地區。在這些地區發生颶風后，該團隊立即手動篩選數據，以幫助聯邦緊急事務管理局 (FEMA) 查找和量化道路損壞等任務。該團隊現在的重點是開發可以自動化這些過程并找到繞過損壞的方法的 AI 算法。

　　道路狀況如何?

　　市議會表示，災難發生后道路網絡的信息以“不同信息流的馬賽克”形式提供給應急管理人員，即衛星圖像、民航巡邏隊拍攝的航拍照片以及經過審查的眾包。

　　“這些獲取數據的各種努力很重要，因為每種情況都不同。可能存在眾包最快的情況，有冗余是件好事。但是當你考慮到波多黎各的颶風瑪麗亞等災難的規模時，這些不同的流可以是壓倒性的、不完整的、難以合并的，”他說。

　　在此期間，激光雷達可以充當全視之眼，提供區域的大圖以及道路特征的細粒度細節。該實驗室的平臺特別先進，因為它使用對單個光子敏感的蓋革模式激光雷達。因此，當系統在頭頂飛行時，它的傳感器可以收集數百萬個光子中的每一個，這些光子穿過樹葉的開口。然后可以將這些樹葉從激光雷達地圖中過濾掉，從而揭示原本無法從空中看到的道路。

　　為了提供道路網絡的狀態，激光雷達地圖首先通過神經網絡運行。這個神經網絡經過訓練可以找到和提取道路，并確定它們的寬度。然后，人工智能算法搜索這些道路并標記表明道路無法通行的異常情況。例如，向上延伸穿過道路的一組激光雷達點很可能是一棵倒下的樹。海拔的突然下降很可能是道路上的一個洞或被沖毀的區域。

　　提取的道路網絡及其標記的異常，然后與該區域的 OpenStreetMap(類似于谷歌地圖的開放訪問地圖)合并。應急管理人員可以使用該系統來規劃路線，或者在其他情況下識別孤立的社區——那些與道路網絡隔絕的社區。系統將向他們顯示兩個指定位置之間最有效的路線，在無法通行的道路上尋找繞道。用戶還可以指定留在路上的重要性;根據該輸入，系統提供通過停車場或場地的路線。

　　這個過程，從提取道路到發現規劃路線的損壞，可以應用于單個社區或整個城市的數據。

　　多快，多準確?

　　要了解該系統的運行速度，請考慮在最近的一次測試中，該團隊在 36 小時內駕駛激光雷達平臺，處理數據并獲得基于 AI 的分析。那次出動覆蓋了 250 平方英里的區域，相當于伊利諾伊州芝加哥的面積。

　　但準確性與速度同樣重要。“當我們將人工智能技術納入決策支持時，我們正在開發衡量算法性能的指標，”委員會說。

　　為了尋找道路，算法確定激光雷達點云中的一個點是“道路”還是“非道路”。該團隊針對 50,000 平方米的郊區數據對算法進行了性能評估，所得 ROC 曲線表明當前算法提供了 87% 的真陽性率(即正確標記了一個點為“道路”)，具有20% 的誤報率(即，將一個點標記為可能不是道路的“道路”)。誤報通常是幾何上看起來像道路但實際上不是道路的區域。

　　“因為我們有另一個數據源來識別道路的大致位置，OpenStreetMaps，可以排除這些誤報，從而產生道路網絡的高度準確的 3D 點云表示，”一直領導該算法的迪特·舒爾特說 -測試努力。

　　對于檢測道路損壞的算法，該團隊正在進一步聚合地面實況數據以評估其性能。與此同時，初步結果令人鼓舞。他們的損壞查找算法最近標記了馬薩諸塞州貝德福德一條可能被封鎖的道路，該道路似乎是一個寬 10 米、長 7 米、深 1 米的洞。該鎮的公共工程部門和實地考察證實，施工堵塞了道路。

　　“我們實際上并沒有預料到這次特殊的出擊會捕捉到道路堵塞的例子，這是一個有趣的發現，”這項工作的貢獻者 Bhavani Ananthabhotla 說。“通過額外的地面實況注釋，我們希望不僅可以評估和提高性能，還可以更好地根據區域應急管理需求定制未來模型，包括為路線規劃和維修成本估算提供信息。”

　　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。他們希望這些技術可以很快被部署來幫助回答災難恢復期間的重要問題。

　　“我們將激光雷達描繪成一個 3D 支架，其他數據可以疊加并且可以信任，”委員會說。“信任度越高，應急管理人員和整個社區就越有可能利用它來做出最好的決定。