AI מספק הזדמנויות חדשות במגוון תחומים, החל מעסקים ועד עיצוב תעשייתי וכלה בבידור. אבל מה דעתך על הנדסה אזרחית ותכנון ערים? כיצד יכול למידה ממוחשבת ועמוקה לעזור לנו ליצור סביבות בנויות בטוחות יותר, בר קיימא ועמידות יותר?
צוות חוקרים מ- NSF NHERI SimCenter, מרכז דוגמנות חישוב וסימולציה למען הקהילה ההנדסית למפגעים טבעיים באוניברסיטת קליפורניה, ברקלי, פיתח חבילת כלים בשם BRAILS - Building Recognition using AI in Large-Scale - ש- יכול לזהות באופן אוטומטי מאפיינים של בניינים בעיר ואף לזהות את הסיכונים שמבנים של עיר יתמודדו איתם ברעידת אדמה, הוריקן או צונאמי.
צ'רלס (צ'ופנג) וואנג, חוקר פוסט-דוקטורט באוניברסיטת קליפורניה בברקלי, והמפתח הראשי של BRAILS, אומר כי הפרויקט צמח מתוך צורך לאפיין במהירות ובמהימנות את המבנים בעיר.
"אנו רוצים לדמות את השפעת הסכנות על כל הבניינים באזור, אך אין לנו תיאור של מאפייני הבניין," אמר וואנג. "למשל, באזור מפרץ סן פרנסיסקו יש מיליוני בניינים. באמצעות AI אנו מסוגלים לקבל את המידע הדרוש. אנו יכולים להכשיר מודלים של רשת עצבית כדי להסיק מידע על בנייה מתמונות וממקורות נתונים אחרים. "
BRAILS משתמשת בלימוד מכונה, למידה עמוקה וראייה ממוחשבת כדי לחלץ מידע על הסביבה הבנויה. הוא נחזה ככלי לאדריכלים, מהנדסים ואנשי מקצוע בתכנון לתכנון, תכנון וניהול יעיל יותר של מבנים ומערכות תשתית.
SimCenter הוציא לאחרונה את BRAILS גרסה 2.0 הכוללת מודולים לחיזוי ספקטרום גדול יותר של מאפייני בנייה. אלה כוללים מעמד תפוסה (מסחרי, משפחתי או רב משפחתי), סוג גג (שטוח, גמלוני או מכוסה), גובה יסוד, בניית שנה, מספר קומות והאם לבניין יש "סיפור רך" - מונח הנדסה אזרחית למבנים הכוללים קומת קרקע עם פתחים גדולים (כמו חלונות ראווה) שעשויים להיות נוטים יותר לקרוס במהלך רעידת אדמה.
המסגרת הבסיסית של BRAILS שפותחה על ידי וואנג ומשתפי הפעולה שלו שואבת אוטומטית מידע על בניין מתמונות לוויניות וקרקעיות הנמשכות ממפות גוגל וממזגת אותן עם נתונים ממספר מקורות, כמו Microsoft Footprint Data ו- OpenStreetMap - פרויקט משותף ליצירת עריכה בחינם מפה של העולם. המסגרת מספקת גם אפשרות לשלב נתונים אלה עם רשומות מס, סקרי ערים ומידע אחר, כדי להשלים את מרכיב ראיית המחשב.
"בהתחשב בחשיבותן של סימולציות אזוריות והצורך בנתוני מלאי גדולים לביצוען, למידת מכונה היא למעשה האפשרות היחידה להתקדם", ציין החוקר הראשי של SimCenter ומנהל שותף סנג'אי גובינדג'י. "מרגש לראות מהנדסים אזרחיים לומדים את הטכנולוגיות החדשות הללו ומיישמים אותן על בעיות בעולם האמיתי."
מינוף כוח הקהל
לאחרונה השיק ה- SimCenter פרויקט בפורטל האינטרנט של מדע האזרחים, Zooniverse, לאיסוף נתונים שכותרתו נוספים. הפרויקט, שנקרא "בלש בניין להכנת אסונות", מאפשר לציבור לזהות מאפיינים אדריכליים ספציפיים של מבנים, כמו גגות, חלונות וארובות. תוויות אלה ישמשו להכשרת מודולים נוספים לחילוץ תכונות.
"השקנו את פרויקט Zooniverse בחודש מרץ ותוך כמה שבועות היו לנו אלף מתנדבים, ו -20,000 תמונות הושגו הערות", אמר וואנג.
מכיוון שאף מקור נתונים אינו שלם או מדויק לחלוטין, BRAILS מבצעת שיפורי נתונים בשיטות לוגיות וסטטיסטיות למילוי פערים. היא גם מחשבת את חוסר הוודאות בהערכותיה.
לאחר פיתוח ובדיקת הדיוק של מודולים אלה בנפרד, הצוות שילב אותם כדי ליצור את הכלי CityBuilder בתוך BRAILS. הזנת עיר או אזור נתון ל- CityBuilder יכולה ליצור באופן אוטומטי אפיון של כל מבנה באזור גיאוגרפי זה.
וואנג ומשתפי הפעולה שלו ביצעו סדרת הפגנות אימות, או כפי שהם מכנים אותם, מיטות בדיקה, כדי לקבוע את הדיוק של המודלים הנגזרים מ- AI. כל מיטת בדיקה מייצרת מלאי של מבנים ומדמה את ההשפעה של מפגע המבוסס על אירועים היסטוריים או סבירים.
הצוות יצר מיטות בדיקה לרעידות אדמה בסן פרנסיסקו; וסופות הוריקן באגם צ'ארלס, לואיזיאנה, חוף טקסס ואטלנטיק סיטי, ניו ג'רזי.
"היעדים שלנו הם כפולים," אמר וואנג. "ראשית, למתן את הנזק בעתיד על ידי ביצוע סימולציות ומסירת תוצאות למקבלי ההחלטות והמדיניות. ושנית, להשתמש בנתונים אלה כדי לדמות במהירות תרחיש אמיתי - מיד בעקבות אירוע חדש, לפני הצוות הסיור. אנו מקווים שתוצאות סימולציה כמעט בזמן אמת יכולות לעזור בהנחיית תגובת חירום בדיוק רב יותר. "
הצוות הציג מיטת בדיקה עבור הוריקן לורה (2020), ההוריקן החזק ביותר שנחת בלואיזיאנה, בסדנת 2021 לוגיסטיקה משותפת למחקר תפעולי בסביבת הים הקרוב (SHORELINE21).
"בחלק מהדגמים, כמו תפוסה, אנו רואים שהדיוק קרוב ל 100%", אמר וואנג כשנשאל על ביצועי BRAILS. "עבור מודולים אחרים, כמו סוג גג, אנו רואים דיוק של 90%."
משאבים חישוביים
כדי להכשיר את מודולי ה- BRAILS ולהפעיל את הסימולציות, החוקרים השתמשו במחשבי-על במרכז המחשוב המתקדם בטקסס (TACC) - ובראשם פרונטרה, מחשב-העל האקדמי המהיר ביותר בעולם, וב- Maverick 2, מערכת מבוססת GPU המיועדת ללימוד עמוק.
"עבור מודל אחד, האימון יכול להסתיים תוך מספר שעות, אך זה תלוי במספר התמונות, במספר המעבדים, קצב הלמידה וכו '", הסביר וואנג.
TACC, כמו ה- SimCenter, היא שותפה במימון תוכנית NSF NHERI. TACC תכננה ומתחזקת את DesignSafe-CI (Cyberinfrastructure) - פלטפורמה לחישוב, ניתוח נתונים וכלים המשמשים חוקרי מפגעים טבעיים.
"פרויקט זה הוא דוגמה מצוינת לאופן שבו מחשוב מתקדם באמצעות DesignSafe יכול לאפשר אפיקים חדשים של מחקר על מפגעים טבעיים וכלים חדשים, כאשר רכיבים רבים של NHERI עובדים יחד," אמרה אלן ראת'ה, פרופסור להנדסה אזרחית באוניברסיטת טקסס באוסטין ו החוקר הראשי של פרויקט DesignSafe.
BRAILS / CityBuilder תוכנן לעבוד בצורה חלקה עם הכלי SimCenter Regional Resilience Determination (R2D). R2D הוא ממשק משתמש גרפי למסגרת היישום SimCenter לכימות ההשפעה האזורית מסכנות טבע. תפוקותיו כוללות את מצב הנזק ויחס ההפסד - אחוז עלות התיקון של בניין לערכו החלופי - של כל בניין ברחבי עיר או אזור שלם ומידת הביטחון בחיזוי.
"סימולציות של אירועי סכנה - החלת שדות רוח או טלטולי קרקע על אלפי או מיליוני בניינים כדי להעריך את ההשפעה של הוריקן או רעידת אדמה - דורשות משאבי מחשוב וזמן רב", אמר וואנג. "לעיר אחת לכל רחבי העיר הדמיה, תלוי בגודל, בדרך כלל לוקח לרוץ לרוץ ב- TACC. "
TACC היא סביבה אידיאלית למחקר זה, אומר וואנג. הוא מספק את רוב החישובים שצוותו זקוק לו. "בעבודה על פרויקטים של NSF הקשורים ל- DesignSafe, אני יכול לחשב כמעט ללא מגבלות. זה מדהים."
השפעות
כדי להפוך את הקהילות שלנו לעמידות יותר מפני מפגעי הטבע, עלינו לדעת איזו רמת נזק תהיה לנו בעתיד, ליידע את התושבים וקובעי המדיניות האם לחזק מבנים או להעביר אנשים למקומות אחרים.
"זה מה שהסימולציה והדוגמנות יכולים לספק," אמר וואנג. "הכל כדי ליצור סביבה בנויה עמידה יותר."