ツイートと AI を組み合わせて、より優れた洪水早期警報システムを実現

英国ダンディー大学の研究者たちは、Twitter、市民科学、AI 技術を統合して、早期警戒システムを開発する洪水が起こりやすい地域のために。

この研究は、ロジャー・ワン博士、ダンディー大学で土木工学の流体力学の講師。

海面上昇

海面上昇はアメリカの都市にとって非常に現実的な脅威となっています。 2018年が始まってまだXNUMXカ月も経っていないにもかかわらず、アメリカの主要都市であるニューヨーク、ボストン、サンタバーバラが大規模な洪水に見舞われ、死者数と被害額が増加している。

によると、2017 年だけでも、10 件の主要な自然災害のうち 16 件が洪水を伴い、被害額は 266.5 億ドルに達しました。国立環境情報センター。ハリケーン「ハービー」や「マリア」などの大型ハリケーンの影響で、都市は今も度重なる洪水の影響を受けています。

「過去3.4年間、海面は年間平均XNUMXミリの割合で上昇している」と王氏は論文で述べた。ステートメント。「今日の極端な状況が将来の平均的な状況になるため、沿岸都市や国々は国土を守るために行動を起こさなければなりません。」

課題

正確な超解像度の都市洪水モデルを開発するには、モデルを検証しサポートするための高品質のデータセットが必要です。

「重要なタスクはモデルを説得力を持って検証することであり、そうでなければそれは「ゴミを入れたりゴミを出したりする」検証であり、モデルの結果とグランドトゥルースデータセットを比較してモデルの信頼性を証明することを意味します」とワン氏は述べた。

都市部の洪水は国家にとって大きな脅威であることは疑いの余地がありません。ただし、データの収集と処理が複雑なため、この問題の監視が難しいだけでなく、現在のデータセットは非常にアクセスしにくいか不正確です。

Wang 氏によると、洪水データセットには XNUMX つの標準的な情報源があります。それは、遠隔衛星センサー、ローカルセンサーネットワーク、政府からの目撃証言と保険報告書です。ただし、それらにはすべて欠点があります。

まず、リモートの衛星センサーは高価すぎてアクセスできず、解像度が低いかスキャン頻度が低いです。第 XNUMX に、ローカルセンサーネットワークの設置と維持には費用がかかりすぎます。第三に、証人調査の最も一般的な情報源は費用がかかり、不正確で不完全であり、遅延が発生することがよくあります。

「3 か月を費やしましたが、既存の良質なデータセットが存在しないことに驚きました」と Wang 氏は言います。「私は「枠」にとらわれずに考えることを余儀なくされました。」

ソリューション

チームは、Twitter などのソーシャルメディアネットワークとクラウドソーシングアプリ、およびそれらのユーザーが洪水に関するリアルタイムのコメントを提供する方法を考えました。 AI 技術を使用して、チームはこれらのソーシャルメディアネットワークからデータを抽出しました。このソーシャルメディアネットワークでは、初期対応者が助けを求めたり、何が起こっているかを記録したりすることがよくあります。

「ツイートは非常に有益な情報になる可能性があります」とワン氏は語った。「そこには、洪水の場所、水深、洪水の傾向、避難の決定や被害の推定に重要な人間の感情などの情報が含まれている可能性があります。さらに重要なのは、超解像度データを提供できる可能性があることです。精度はメートル単位または区画単位、つまり通りの名前と番号に言及したツイートで決まります。」

ケーススタディ: 晴れた日の洪水

研究チームは、Twitter、市民科学、AI 技術を組み込んだケーススタディを実施し、異常気象が起きていないときに海面上昇によって発生する洪水の一種である晴れた日の洪水を監視しました。

まず、チームは 2015 年の 7,500 か月間にわたって Twitter データをストリーミングし、フィルタリングしました。「洪水」、「浸水」、「ダム」、「堤防」、「堤防」などのキーワードを使用しました。この期間中に XNUMX 件以上のツイートが分析されました。次に、チームは自然言語処理を使用して、重症度、場所、その他の関連情報についてさらに詳しく調べました。

6,000 つ目は、クラウドソーシングアプリの MyCoast から収集したデータに AI 技術を適用したことです。MyCoast には XNUMX 枚を超える洪水写真が含まれており、そのすべてがユーザーによって撮影および報告されました。 AI 技術を使用することで、チームはユーザーが投稿した画像から洪水の現場を自動的に特定できるようになりました。

最後に、Twitter と MyCoast から抽出した情報の両方を実際の降水量データと通行止めレポートと照合して検証し、データセットの品質を検査しました。

彼らは、ツイートが降水量レベルと相関し、MyCoast データが通行止めレポートと相関していることを発見しました。彼らは、Twitter などのソーシャルメディアネットワークが大規模で安価な監視に関連する情報を提供するのに対し、クラウドソーシングデータは詳細でカスタマイズされた情報を提供すると信じています。

「精度は 70% の水準に達しており、これをさらに改善するために MyCoast で入手可能な数千枚の画像を使用しています」と Wang 氏は述べています。ステートメント.

チームは、この新しいモデルが標準的な慣行を排除すべきではなく、標準的な慣行を前進させるべきだと考えています。

「これらのビッグデータに基づく洪水監視アプローチは、既存のデータ収集手段を確実に補完し、将来的に監視と警報を改善する大きな可能性を実証できることがわかりました」と王氏は論文で述べた。ステートメント.

今のところ、このモデルは洪水イベントの進行を監視することしかできません。

次は何ですか？

同チームは現在、他の企業と協力して、洪水の新たな傾向を予測し、それに応じて地域社会に警告できる数学的モデルを開発している。

「当社のビッグデータと AI プラットフォームを数学モデルに組み合わせることで、『データ同化』と呼ばれる数学モデルをリアルタイムで修正できます」と Wang 氏は述べています。「その結果、数学モデルはより正確になり、洪水の新たな傾向を反映するために更新され続けます。新しいモデルは、地理的位置と天候に応じて、実際の洪水が起こる前に将来の洪水を予測できると信じています。」