移动和航空测绘保护Bogotá居民
哥伦比亚首都Bogotá区正在使用人工智能分析通过陆地和航空制图收集的图像。通过确定需要改善的家庭和社区，目标是在下一次灾难来袭之前让家庭生活在更好、更环保、更安全的家庭中。
这项工作得到了世界银行全球弹性住房项目(GPRH)的支持，使用Trimble MX7车载移动地图系统，在各个街区捕捉街道层面的图像，并将其与无人机(uav或“无人机”)收集的空中图像相结合。波哥大随后使用机器学习算法来识别可以从升级和工程师检查中受益的建筑和城市地区。
正如波哥大人居部部长Nadya Rangel所指出的那样:“这项技术将有助于最脆弱地区的城市规划和实施未来的住房和城市升级投资。”
让不可见变为可见
这项技术让决定住房和城市基础设施公共和私人投资的决策者更容易看到脆弱地区。高级城市发展专家、GPRH负责人Luis Triveño说:“正如技术可以帮助检测癌症并提供我们认为不可能的治疗一样，政府也可以利用技术对可以从立即升级干预措施中受益的家庭和社区进行分类。”
GPRH的联合负责人、数据科学家萨拉·伊丽莎白·安托斯(Sarah Elizabeth Antos)说，用成像方法来定位易受地震影响的住宅的想法是由软层建筑的问题引发的。
“软层”是一种结构，其中一个或多个楼层有窗户，宽门，和/或大的不受阻碍的商业空间，或其他开口，在这些地方通常需要剪力墙来稳定抗地震。历史表明软层结构在地震时容易倒塌，抗震加固是具有成本效益的。
2017年9月19日，墨西哥发生7.1级地震，导致40多座建筑倒塌，包括Enrique Rébsamen学校，19名儿童和7名成人死亡。
“从街景图像上可以很明显地看出，这座建筑是一个软层。通过街景图像和工程师的交谈，很明显，这是一个地震脆弱的结构，”安托斯说。
世界银行GPRH小组开始思考:他们是否可以使用机器学习——能够学习和适应的计算机算法——来模仿专家的眼睛?它们能否探测到不仅是学校建筑，还能探测到可能易受地震活动影响的房屋类型，这样工程师就能被派去进行进一步的评估，政府也能帮助他们进行改造?
资料来源:世界银行。
