Começou como um edifício mais baixo e de rugido fantasma à distância. Ele se transformou em um raio surdo que afogou todo o resto. O céu se transformou em um tom não natural de verde, depois preto. O vento sopra em árvores e edifícios com energia brutal. A sirene começou a chorar. Janelas e edifícios explodiram.
Na primavera 20, Joplin, Missouri, foi devastada por um tornado EF5 para mais de 200 milhas por hora. A tempestade causou 5 baixas, mais de mil pessoas ficaram feridas e cerca de 5 casas e empresas foram danificadas e destruídas. O tornado gravou uma milha de largura na região de densamente povoada ao sul, mantendo alguns quilômetros de ruínas de lascas e danificou mais de US $ 2 bilhões.
Os fortes ventos do tornado geralmente excedem o design da maioria dos edifícios residenciais e comerciais. Dição para avaliar os danos após um desastre pode levar semanas ou vários meses, atraso na resposta a emergências, reivindicações de seguros e tentativas de reconstrução de longo prazo.
Novas pesquisas da Universidade do Texas A&M podem mudar isso. Sob a liderança da Dra. Maria Colui, professora associada e professora de desenvolvimento de carreira de Zacier no Departamento de Engenharia Civil e Ambiental, Texas A&M, os pesquisadores criaram um novo método, que combina modelos de sensibilidade remota, educação e recuperação mais profundas e prevêem a perda de recuperação. Depois que as imagens pós-evento estão disponíveis, o modelo pode criar uma previsão de avaliação e recuperação em menos de uma hora.
Os pesquisadores publicaram seus modelos Cidades e sociedade sustentáveis.
Abdullah Break, um estudante assistente e de engenharia civil da Texas A&M, disse: “As inspeções manuais de campo atrasam o trabalho intensivo e demorado, geralmente atrasam a resposta crítica”. “Nosso método usa imagens sensoriais de alta resolução e algoritmos de ensino profundo para gerar a avaliação dos danos em poucas horas, fornece imediatamente a inteligência eficiente para a primeira reação e formuladores de políticas”.
O modelo faz mais do que avaliar perdas – também ajuda a estimar os custos de reparo e o tempo de recuperação. Os pesquisadores podem avaliar esses timines e despesas em várias situações, combinando um tipo de inteligência artificial, tecnologia de educação profunda com modelos avançados de recuperação.
“Nosso objetivo é avaliar nosso objetivo de obter perdas de tomada de decisão e prever a possível recuperação, especialmente para as comunidades mais vulneráveis, para garantir que nosso objetivo seja garantir que os ativos tenham sido atribuídos eficiente e igualmente igualmente”, disse Brike. “Isso permite a tomada de decisão ativa após um desastre”.
Como funciona
Os pesquisadores combinaram três ferramentas para criar o modelo: sensoriamento remoto, educação profunda e modelagem de restauração.
O sensoriamento remoto usa satélites ou imagens aéreas de alta resolução de fontes como o NOAA para mostrar a extensão dos danos em grandes regiões.
“Essas imagens são extremamente importantes porque fornecem uma visão macro-escala da área afetada, permitindo danos rápidos e em larga escala para detectar”, disse Break.
O aprendizado profundo analisa automaticamente essas imagens para detectar a gravidade dos danos corretamente. A IA analisa milhares de eventos passados, analisando o teto dos danos, as paredes ausentes e os detritos dispersos são treinados antes do desastre para aprender a identificar os sinais visíveis de dano. O modelo classifica cada edifício em categorias como danos, perda moderada, grandes danos ou destruição.
Modelagem de recuperação Dados anteriores de recuperação, detalhes e comunidades de construção e infraestrutura – como acesso a níveis ou recursos de renda – usam para estimar quanto tempo ele pode levar em casa e nas áreas circundantes para se recuperar sob vários financiamento ou condições políticas.
Quando essas três ferramentas são montadas, o modelo pode avaliar danos rápidos e prever a recuperação de curto e longo prazo durante a comunidade de desastres.
“No final, esta pesquisa remove a lacuna entre a avaliação rápida de desastres e o plano de recuperação estratégico de longo prazo, fornece uma estrutura livre de risco para aumentar a elasticidade pós-implacável”, disse Break.
Modelo
Colue e Break usaram dados de Joplin Tornado de 20 devido ao seu tamanho enorme, intensidade e informações pós-desastre de alta qualidade para testar seu modelo. O tornado destrói milhares de edifícios e cria um conjunto de dados diversificado que permite que o modelo treine e examine o modelo em vários níveis de dano estrutural. O modelo forneceu um critério confiável aos detalhes da avaliação do nível da terra padrão para testar como o modelo poderia categorizar a intensidade dos danos.
“Uma das pesquisas mais interessantes é que, além de detectar danos com alta precisão, também podemos adivinhar a faixa do tornado”, disse Break. “Ao analisar os dados de danos, podemos reconstruir o caminho do tornado, que oferece informações valiosas sobre o próprio evento, corresponde de perto aos registros históricos de Tihassic”.
Futuro
Os pesquisadores estão usando esse modelo para outros tipos de desastres, como furacões e terremotos, a menos que os satélites possam detectar tipos de danos.
Break disse: “A chave para a generalização do modelo do modelo está em treinamento para usar as imagens anteriores de certos perigos, permite aprender os tipos exclusivos de danos relacionados a cada evento”, disse Break. “Já testamos o modelo relacionado a dados do furacão e os resultados mostraram a possibilidade promissora de se adaptar a outros perigos”.
A equipe de pesquisa acredita que seu modelo pode ser crítico em resposta a futuros desastres, ajudando a comunidade a se recuperar de maneira rápida e eficiente. Com o tempo, a equipe deseja estender o modelo fora da avaliação de danos para incluir atualizações em tempo real relacionadas ao progresso da recuperação e rastreamento da recuperação.
“Isso permitirá que as comunidades tornem a tomada de decisão mais dinâmica e informada, bem como as comunidades”, disse ele. “Nosso objetivo é criar uma ferramenta confiável que aprimore a eficiência do gerenciamento de desastres e suporta uma rápida tentativa de recuperação”.
É provável que a tecnologia converta funcionários urgentes, provedores de seguros e formuladores de políticas para se converter em momentos e dias importantes após a tempestade fornecer estimativas de avaliação e recuperação de iniciativas próximas.
O financiamento para este estudo forneceu à National Science FoundationO
