借助激光雷达和人工智能，MIT了解灾后道路状况

在上面的激光雷达地图中，人工智能算法识别出路面（红色）。通过将地图与Openstretmaps（简称OSM）进行匹配，这是一个在线地图协作计划，目标是创建一个内容自由、每个人都可以编辑的世界地图）。用户可以绕过系统在整个区域无法通过的道路规划路线，覆盖面约400平方英里。

想象一下，在被风暴袭击后，倒塌的树木和房屋堵塞了道路，桥梁被摧毁，一些道路被摧毁。紧急管理人员很快就会面临很多问题：如何将材料运输到目标区域？疏散幸存者的路线在哪里？哪些道路因损坏而难以通车？

由于没有关于道路交通网络的具体数据，紧急管理者通常不得不根据不完整的信息给出答复。根据麦姆斯的咨询，麻省理工学院（MIT）林肯实验室人道主义援助救灾系统团队希望利用其机载激光雷达平台和人工智能算法填补这一信息空白。

“对于真正的大规模灾难，尽快了解整个交通系统尤为重要。”小组研究人员Chad “通过使用我们的人工智能激光雷达方案，我们可以确定路况是否可以通过，制定的路线导航，并获得定量的路面损坏。”只要我们的机载激光雷达系统被释放，然后运行它，你就可以知道一切。”

自2017年飓风季节以来，该团队一直在受灾城市航行其先进的激光雷达平台。激光雷达的工作原理是从上到下在某一区域发射激光脉冲，然后测量反射光子返回传感器所需的时间。利用这些数据点绘制的三维“点云”地图，可以获得该区域内每条道路、树木和建筑到大约一英尺的三维地图。

到目前为止，他们已经绘制了卡罗莱纳州、佛罗里达州、德克萨斯州和整个波多黎各地区。在这些地区遭受飓风袭击后，研究小组立即手动选择数据，以帮助联邦应急管理局（FEMA）发现并量化道路损坏和其他任务。研究小组今天的重点是开发人工智能算法，使这些过程自动化，并自动规划绕过损坏道路的路径。

据council介绍，灾后交通网络信息往往从各种来源以碎片化的方式涌向应急管理者，如卫星图像、民航巡逻队拍摄的航空照片、核实来源的众包信息等。

“由于灾难的复杂性，这些获取数据的方法和努力都非常重要。众包可能是快的信息渠道，冗余也是一件好事。但当我们遇到像玛丽亚风暴这样的大规模灾难时，这些来源不同的信息可能会立即被堵塞，而且不完整，很难结合起来。”他补充说。

此时，我们的激光雷达平台可以作为一个全面的“眼睛”，提供一个大面积的完整地图，以及道路条件的详细信息。实验室的激光雷达平台非常先进，因为它使用了一个单光子敏感盖的激光雷达。因此，当系统穿过上空时，传感器可以从叶片之间的间隙中收集无数的光子。然后，这些叶子可以从激光雷达地图中过滤掉，然后显示从空中看不见的道路。