首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

暴雨来得让人措不及防,别怕!人工智能预测在路上

全文约1900字,阅读时间预计5分钟。

最近这个月的暴雨下得让人猝不及防。

先是日本西部地区遭受特大暴雨重创,引发了30多年来最严重的水灾,导致超过150人遇难;再是恶劣天气导致普吉岛沉船事故的发生,还有数名足球队员因突降暴雨被困洞中。

突如其来的自然灾害造成了巨大的生命和财产损失,面对暴风雨和洪灾,除了未雨绸缪地监测“雨神’萧敬腾的动态,更好的预警和及时的救援才是治本之道。

你可能不知道,无论是在提前预警城市内涝还是预测泥石流、地震这种大型自然灾害,人工智能的技术已经越来越多地应用于自然灾害预测上。

人工智能已经低调地做了不少工作

昨天,在北京发布暴雨蓝色预警之后,高德地图马上推出了积水地图AI版,通过大数据和人工智能技术,依据历史数据与实时降水量信息,可实时测算出哪个地点可能发生积水。通过防汛办的积水位置和积水量信息以及用户通过“路况上报”的积水事件信息,该软件能够更加及时地发布积水预警,让市民出行更加方便。

其实,在预测其他自然灾害方面,应用于自然灾害预测的人工智能虽然没有收到高亮关注,但是也已经低调地取得了不少突破,帮助受灾群众更快脱离危险,成为人类应对灾害的一把利器。

预测风暴

IBM为美国安大略省电力公司hydroOne开发了一款AI工具。2018年4月,在一场风暴袭击了美国的安大略省之后的四天以内,这家供电公司就恢复了家庭和企业供电。

IBM开发的这款工具能够通过与气象公司观察的实时的数据相结合,预测风暴的严重程度和受恶劣天气影响最严重的区域,从而帮助hydro One提前安排1400名前线电工快速到受灾区域,展开供电恢复工作。

利用这些庞大的数据库,人工智能完全可以提取出相应的数据,并让风暴和地震等自然灾害的预测更加准确,从而方便做出紧急的应对措施。比如,IBM就能够根据积累多年的气候数据和实时监控的天气数据,在风暴前72小时,做出更加精准的预测,从而让大家更好地应对突发事故,配置抢修队伍。

预测地震

硅谷的一家创业公司One Concern就提供利用机器学习进行地震灾害防备和相应的技术。这家公司以“保护未来的世界”为口号,采用SeismicConcern的人工智能预测技术,搭建了一个复杂的人工智能模型,可为地震预测和救援做出指导。

经过训练的人工智能模型能够了解建筑物的结构是否稳固,掌握地震活动信息,帮助城市知道在地震发生后应当将救助人员派往哪里,人们应该往何处逃生。

同时,SeismicConcern还能够根据震后社交媒体的数据和受影响人口的相关统计数据,如年龄和经济状况等,做出预测,方便救援小组展开施救。

预测内涝

在预防城市内涝方面,城市洪水一直难以监测,因为收集和处理数据困难,阻碍了详细风险分析,泛滥难以控制,数字模型也不易验证。王博士团队尝试探索出一条新路:利用最新的人工智能技术对社交媒体和应用程序用户所提供的数据进行挖掘。

英国邓迪大学研究将公众媒体推特、公民科学和人工智能(AI)技术相结合,为容易遭受水患的社区建立预警系统。利用大数据补充现有的数据收集手段,利用人工智能挖掘,这项研究有可能提供更准确的灾害预测,并能提前几天预警,这项技术显示了未来改善城市洪涝监测和预警的巨大希望。

人工智能在预测和分析时有哪些优势?

其实自然灾害预测技术从2000年开始就有了很大的提高,得益于雷达、遥感、气象卫星技术的发展,灾害预测准确度大幅度提升,气象中心也积累了相对丰富的历史数据。

人工智能站在“前人的肩膀”上,结合自身在图像识别、自然语言处理和大数据处理方面的优势,在自然灾害预测方面能够发挥重要作用。

首先是图像识别技术。技术团队可以通过训练人工智能来自动识别不同的物体,经过训练后的算法能够提高识别水道、树木、田野、道路和建筑物等地面物体的能力,提高卫星地图的精度。同时,人工智能能够自动更新地图的相关信息,比人工修改更加方便快捷。人工智能结合高分辨率成像和传感器技术以及云计算技术,能够让城市规划和灾害应对的小组更加了解哪里是城市受灾的软肋。

其次,面对监测产生的大量数据,AI能够快速整理并分析这些数据,在非常短的时间内做出及时的预测和警告。据估计,AI比传统模型的预测速度要高出30%,要知道灾害面前救援行动分秒必争,AI能够帮助救援省下宝贵的时间。

不过,在没有辅助工具帮助获取数据的情况下,AI也难以施展身手。就拿地震预测来说,要做到精确的地震预测,最好的方式还是能以某种方式“看”到它的活动:直接的地下观测岩石移动、间接的振波检测甚至可能是尚待发现的某种地震辐射粒子之类。只有找到真正和地震的发生密切相关的物质,才能对其进行数据的整理和分析,这个时候AI才能大显身手。

也就是说,人工智能再强大,如果背后采集的数据不够庞大,精度有所缺失,那么做出来的预测效果也会打折扣。

参考资料:

https://www.wired.com/story/how-artificial-intelligence-could-prevent-natural-disasters/

https://datafloq.com/read/ais-next-challenge-predicting-natural-disasters/4530

https://futurism.com/natural-disasters-ai-prediction/

http://news.rfidworld.com.cn/2018_07/7f82ec4d9882f806.html

-End-

本文章图片来源于网络

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180716A0OUKC00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券