Kiến thức

Tại sao dữ liệu địa không gian lại cần Trí thông minh nhân tạo - P1

06/04/2021 GeoLink Thu Giang 0 Nhận xét

(English below)

Những tiến bộ trong công nghệ địa không gian đã mở ra nhiều khả năng mới trong các lĩnh vực như an ninh quốc gia, quy hoạch đô thị và sẵn sàng ứng phó với tình huống khẩn cấp. Ví dụ, quân đội đã sử dụng hình ảnh quy mô quốc gia và lidar để tạo bản đồ 3D sau đó thông báo các hoạt động quan trọng về an toàn của họ. Tuy nhiên, vì lidar - giống như hầu hết dữ liệu phi cấu trúc ba chiều - chứa độ phức tạp và chi tiết đáng kinh ngạc, nên việc phân tích thủ công rất chậm chạp.

Do đó, tác động của công nghệ này bị hạn chế rõ rệt bởi tốc độ và chi phí do nỗ lực thủ công đáng kể cần thiết để trích xuất những thông tin chi tiết có thể sử dụng. Khi chúng ta nhìn về tương lai, nơi mà lidar sẽ trở nên phổ biến trong điện tử tiêu dùng và ô tô, rõ ràng là có cơ hội kết hợp tầm nhìn máy tính / AI với điện toán đám mây quy mô lớn để nhanh chóng và tự động tạo ra những thông tin chi tiết hữu ích từ dữ liệu 3D.

Cung cấp năng lượng cho dữ liệu không gian địa lý với AI có thể loại bỏ các giới hạn của phân tích dữ liệu 3D, ngăn chặn các mối đe dọa trở thành sự cố và bảo vệ cơ sở hạ tầng quan trọng. Những gì đã từng mất nhiều ngày hoặc nhiều tháng để xử lý giờ đây có thể được thực hiện trong vài phút, cho phép các nhà phân tích, nhà điều hành và người ra quyết định trong khu vực công đưa ra quyết định kịp thời và chính xác. Bằng cách nâng cao hiểu biết của chúng ta về thế giới vật chất, công nghệ này cho phép chúng ta giải quyết những thách thức cấp bách như phòng chống cháy rừng, hỗ trợ nhân đạo, ứng phó với thảm họa, v.v.

Hãy cùng xem cách mô hình 3D do AI hỗ trợ đang được sử dụng như thế nào.

Bộ đôi kỹ thuật số

Một mô hình 3D sống động của thế giới, hoặc một bộ đôi kỹ thuật số, có thể được sử dụng cho nhiều mục đích. Phần mềm của Enview kết hợp nhiều bộ dữ liệu khác nhau với nhau để tạo ra các bộ đôi kỹ thuật số có quy mô toàn cầu nhưng có độ phân giải cao để cho phép ra quyết định tại địa phương. Những bộ đôi kỹ thuật số này bao gồm địa hình 3D, thảm thực vật, tòa nhà và cơ sở hạ tầng như đường dây điện, đường và công trình nước. Enview cũng kết hợp các điều kiện dự báo và thời gian thực, chẳng hạn như gió, nhiệt độ, độ ẩm, giao thông và IoT (internet vạn vật).

Loại hình đại diện phong phú này của thế giới vật chất là một thách thức dữ liệu lớn vô cùng phức tạp. Dữ liệu đến từ các phương thức cảm biến hoàn toàn khác nhau, với các độ phân giải, định dạng, miền thời gian và độ chính xác khác nhau. AI đóng một vai trò quan trọng trong việc tự động hóa việc hợp nhất các bộ dữ liệu này, bằng cách giúp sắp xếp một cách thông minh và sau đó hợp nhất chúng thành một thực thể gắn kết. Dữ liệu không gian địa lý 3D đặc biệt phức tạp, vì nó là dữ liệu phi cấu trúc, đòi hỏi một thế hệ khung học sâu mới có các nhân tích hợp được phát triển đặc biệt từ đầu để hoạt động trên dữ liệu phi cấu trúc. Hơn nữa, các bộ dữ liệu có quy mô lớn. Một dặm vuông dữ liệu 3D lidar có thể có hàng trăm triệu điểm; độ lớn của dữ liệu dễ dàng vượt qua quy mô petabyte khi người ta xem xét các ứng dụng trải dài các khu vực quy mô quốc gia. Để xử lý khối lượng dữ liệu này, các kiến ​​trúc AI không gian địa lý hiện đại phải được chứa và triển khai động trên các tài nguyên điện toán đám mây để tạo ra thông tin chi tiết kịp thời.

AI là yếu tố cần thiết để giúp các chuyên gia về con người rút ra thông tin chi tiết có ý nghĩa từ lượng dữ liệu dồi dào này. Việc áp dụng quy trình làm việc tự động cho phép các chuyên gia xem xét các khu vực lớn hơn, với tốc độ nhanh hơn và tần suất cao hơn. Nhận thức có sự hỗ trợ của máy móc này dựa trên những điểm mạnh tương ứng của con người và máy tính để làm những gì mà cả máy tính không thể tự làm được.

Viện trợ nhân đạo và cứu trợ thiên tai

Mô hình 3D có thể được xây dựng để theo dõi các điểm nóng về bão, chẳng hạn như Bờ Vịnh, trước khi các cơn bão lớn tấn công. Bằng cách phân lớp thông tin thời tiết theo thời gian thực như lượng mưa, gió và lũ lụt, các mô hình này có thể giúp lập kế hoạch, ứng phó khẩn cấp và các nỗ lực cứu trợ.

Dữ liệu này cũng cung cấp thông tin chi tiết về khả năng cứu sống có thể đánh giá thiệt hại đối với các tòa nhà, phương tiện giao thông và đường dây điện bị sập, ngoài việc xác định nơi gửi đồ y tế và cứu trợ cũng như cách đến đó tốt nhất. Dữ liệu 3D có thể giúp giảm thiểu tác động của các hiện tượng thời tiết trong tương lai bằng cách cập nhật hiểu biết cơ bản về cách các cơn bão ảnh hưởng đến các cộng đồng ven biển để họ có thể lập kế hoạch cho tương lai.

---------------------

Why geospatial data needs artificial intelligence - P1

Advances in geospatial technology have opened up many new possibilities in areas such as national security, urban planning and emergency preparedness. For example, The military used nation-scale imagery and lidar to generate 3D maps that then informed their safety-critical operations. However, since lidar—like most three-dimensional unstructured data—contains incredible complexity and detail, it was painfully slow to analyze manually.

As a result, the impact of this technology was severely restricted by speed and cost due to the significant manual effort required to extract actionable insights. As we looked to the future, where lidar would become commonplace in consumer electronics and automobiles, it became clear that there was an opportunity to combine computer vision/AI with large-scale cloud computing to rapidly and automatically generate actionable insights from 3D data.

Powering geospatial data with AI can take the limits off 3D data analytics, prevent threats from becoming incidents, and protect critical infrastructure. What used to take days or months to process can now be done in minutes, enabling analysts, operators, and decision-makers across the public sector to make timely and accurate decisions. By enhancing our understanding of the physical world, this technology empowers us to tackle pressing challenges like wildfire prevention, humanitarian assistance, disaster response, and more.

Let’s take a look at how AI-powered 3D modeling is being put to use.

Digital twins

A living 3D model of the world, or a digital twin, can be used for many purposes. Enview’s software fuses many different data sets together to create digital twins that are global in scale but have high-resolution to enable local decision-making. These digital twins include 3D terrain, vegetation, buildings, and infrastructure such as power lines, roads, and water works. Enview also fuses real-time and forecasted conditions, such as wind, temperature, humidity, traffic, and IoT (internet of things).

This sort of rich representation of the physical world is an incredibly complex big data challenge. Data comes from radically different sensor modalities, with different resolutions, formats, time-domains, and accuracy. AI plays a critical role in automating the fusion of these datasets, by helping to intelligently align and then fuse them into a cohesive entity. 3D geospatial data is particularly challenging, as it is unstructured data, which requires a new generation of deep learning frameworks whose convolutional kernels are specifically developed from the ground up to work on unstructured data. Further, the datasets are massive in scale. A square-mile of 3D lidar data can have hundreds of millions of points; the magnitude of the data easily passes the petabyte scale when one considers applications that span nation-scale areas. In order to process this volume of data, modern geospatial AI architectures must be containerized and dynamically deployable across cloud compute resources to generate timely insights.

AI is essential to help human experts to extract meaningful insight from this overabundance of data. The application of automated workflows allows experts to look at larger areas, with more speed and higher frequencies. This machine-assisted cognition draws upon the respective strengths of people and computers to do what neither could do on their own.

Humanitarian aid and disaster relief

3D models can be built to monitor hurricane hotspots, such as the Gulf Coast, before major storms strike. By layering in real-time weather information such as rainfall, winds, and flooding, these models can help with planning, emergency response, and relief efforts.

This data also provides life-saving insight that can assess damage to buildings, transportation, and downed power lines, in addition to determining where to send medical and relief supplies, and how to best get them there. 3D data can help to lessen the impact of future weather events by updating the baseline understanding of how storms impact coastal communities so they can plan for the future.
Geolink tổng hợp từ Geobusinessshow

popup

Số lượng:

Tổng tiền: