AIは、ビジネスから工業デザイン、エンターテインメントまで、さまざまな分野で新しい機会を提供しています。 しかし、土木工学と都市計画はどうですか？ 機械学習とディープラーニングは、より安全で、より持続可能で、回復力のある構築環境を作成するのにどのように役立つでしょうか？
カリフォルニア大学バークレー校に本拠を置く自然災害工学コミュニティの計算モデリングおよびシミュレーションセンターであるNSFNHERI SimCenterの研究者チームは、BRAILS（大規模なAIを使用した建物認識）と呼ばれる一連のツールを開発しました。都市の建物の特性を自動的に識別し、地震、ハリケーン、または津波で都市の構造が直面するリスクを検出することもできます。
カリフォルニア大学バークレー校のポスドク研究員であり、BRAILSの主任開発者であるCharles（Chaofeng）Wang氏は、このプロジェクトは都市の構造を迅速かつ確実に特徴づける必要性から生まれたと述べています。
「地域内のすべての建物に対するハザードの影響をシミュレートしたいのですが、建物の属性についての説明はありません」とWang氏は述べています。 「たとえば、サンフランシスコベイエリアには何百万もの建物があります。 AIを使用して、必要な情報を取得できます。 ニューラルネットワークモデルをトレーニングして、画像やその他のデータソースから建物情報を推測できます。」
BRAILSは、機械学習、ディープラーニング、コンピュータービジョンを使用して、構築された環境に関する情報を抽出します。 これは、建築家、エンジニア、および計画の専門家が建物やインフラストラクチャシステムをより効率的に計画、設計、および管理するためのツールとして想定されています。
SimCenterは最近、建物の特性のより広い範囲を予測するモジュールを含むBRAILSバージョン2.0をリリースしました。 これらには、占有クラス（商業、一軒家、または集合住宅）、屋根のタイプ（フラット、切妻、または寄棟）、基礎の高さ、築年数、階数、および建物に「ソフトストーリー」があるかどうかが含まれます。地震時に崩壊しやすい可能性のある大きな開口部（店先など）のあるXNUMX階を含む構造物の土木用語。
Wangと彼の共同研究者によって開発された基本的なBRAILSフレームワークは、Googleマップから描画された衛星画像と地上レベルの画像から建物情報を自動的に抽出し、Microsoft FootprintDataやOpenStreetMapなどのいくつかのソースからのデータとマージします。世界地図。 このフレームワークは、このデータを税務記録、市の調査、およびその他の情報と融合して、コンピュータービジョンコンポーネントを補完するオプションも提供します。
「地域シミュレーションの重要性と、これらを実行するための大規模な在庫データの必要性を考えると、機械学習は実際に進歩を遂げるための唯一のオプションです」とSimCenterの主任研究員兼共同ディレクターのSanjayGovindjee氏は述べています。 「土木技師がこれらの新しい技術を学び、実際の問題に適用するのを見るのはエキサイティングです。」
クラウドソーシングの力を活用する
最近、SimCenterは、市民科学のWebポータルであるZooniverseで、追加のラベル付きデータを収集するプロジェクトを開始しました。 「防災のための探偵の構築」と呼ばれるこのプロジェクトにより、一般の人々は、屋根、窓、煙突などの構造物の特定の建築的特徴を特定することができます。 これらのラベルは、追加の特徴抽出モジュールをトレーニングするために使用されます。
「20,000月にズーニバースプロジェクトを立ち上げ、数週間以内にXNUMX人のボランティアが参加し、XNUMX枚の画像に注釈が付けられました」とWang氏は述べています。
完全または完全に正確なデータソースはないため、BRAILSは、論理的および統計的手法を使用してデータ拡張を実行し、ギャップを埋めます。 また、推定値の不確実性も計算します。
これらのモジュールの精度を個別に開発およびテストした後、チームはそれらを組み合わせて、BRAILS内にCityBuilderツールを作成しました。 特定の都市または地域をCityBuilderに入力すると、その地理的領域内のすべての構造の特性を自動的に生成できます。
Wangと彼の共同研究者は、AIから派生したモデルの精度を判断するために、一連の検証デモンストレーション、またはテストベッドと呼ばれるものを実行しました。 各テストベッドは、構造物のインベントリを生成し、歴史的またはもっともらしいイベントに基づいて、ハザードの影響をシミュレートします。
チームはサンフランシスコの地震のテストベッドを作成しました。 ルイジアナ州レイクチャールズ、テキサス海岸、ニュージャージー州アトランティックシティのハリケーン。
「私たちの目的はXNUMXつあります」とWang氏は述べています。 「まず、シミュレーションを実行し、意思決定者や政策立案者に結果を提供することで、将来の被害を軽減します。 次に、このデータを使用して実際のシナリオをすばやくシミュレートします。つまり、偵察チームが配置される前に、新しいイベントの直後にシミュレートします。 ほぼリアルタイムのシミュレーション結果が、緊急時の対応をより正確に導くのに役立つことを願っています。」
チームは、ルイジアナ州に上陸する最強のハリケーンであるハリケーンローラ（2020）のテストベッドを、2021年の沿岸環境におけるSHaredオペレーションズリサーチロジスティクスに関するワークショップ（SHORELINE21）で発表しました。
「占有率などの一部のモデルでは、精度が100％に近いことがわかります」と、BRAILSのパフォーマンスについて尋ねられたWang氏は述べています。 「屋根タイプなどの他のモジュールでは、90％の精度が見られます。」
計算リソース
BRAILSモジュールをトレーニングしてシミュレーションを実行するために、研究者はテキサスアドバンストコンピューティングセンター（TACC）のスーパーコンピューター、特に世界最速のアカデミックスーパーコンピューターであるFronteraと、ディープラーニング用に設計されたGPUベースのシステムであるMaverick2を使用しました。
「XNUMXつのモデルでは、トレーニングは数時間で終了する可能性がありますが、これは画像の数、GPUの数、学習率などによって異なります」とWang氏は説明しました。
TACCは、SimCenterと同様に、NSFNHERIプログラムの資金提供を受けたパートナーです。 TACCは、自然災害研究者が使用する計算、データ分析、およびツールのプラットフォームであるDesignSafe-CI（サイバーインフラストラクチャ）を設計および保守しています。
「このプロジェクトは、DesignSafeによる高度なコンピューティングが、NHERIの多くのコンポーネントが連携して、自然災害研究の新しい手段と新しいツールを実現する方法の優れた例です」と、テキサス大学オースティン校の土木工学教授であるEllenRathjeは述べています。 DesignSafeプロジェクトの主任研究員。
BRAILS / CityBuilderは、SimCenter地域レジリエンス決定（R2D）ツールとシームレスに連携するように設計されています。 R2Dは、自然災害による地域への影響を定量化するためのSimCenterアプリケーションフレームワークのグラフィカルユーザーインターフェイスです。 その出力には、都市または地域全体にわたる各建物の損傷状態と損失率（建物の修理費用の交換価値に対する割合）、および予測の信頼度が含まれます。
「ハリケーンや地震の影響を評価するために数千または数百万の建物に風の場や地面の揺れを適用するハザードイベントのシミュレーションには、多くの計算リソースと時間が必要です」とWang氏は述べています。 「市全体でXNUMXつ 、サイズにもよりますが、TACCで実行するには通常数時間かかります。」
TACCはこの研究にとって理想的な環境であるとWang氏は言います。 それは彼のチームが必要とする計算のほとんどを提供します。 「DesignSafeに関連するNSFプロジェクトに取り組んでいるので、ほとんど制限なく計算できます。 それは素晴らしいです。"
影響
私たちのコミュニティを自然災害に対してより回復力のあるものにするために、私たちは将来どの程度の被害を受けるかを知り、建物を強化するか人々を他の場所に移動するかについて住民や政策立案者に知らせる必要があります。
「それがシミュレーションとモデリングが提供できるものです」とWang氏は述べています。 「すべてが、より回復力のある構築環境を作成するためです。」