Street View als Lebensretter: Mit KI zu sichereren Gebäuden

In den Händen von Chaofeng Wang, einem Assistenzprofessor für Künstliche Intelligenz an der University of Florida, erhalten Bilder aus Google Street View eine ganz neue Bedeutung. Er nutzt sie in Verbindung mit Deep Learning für ein Forschungsprojekt, das darauf abzielt, die Bewertung städtischer Gebäude zu automatisieren. Dieses Projekt ist darauf ausgerichtet, Regierungen dabei zu unterstützen, Schäden durch Naturkatastrophen zu minimieren, indem es Entscheidungsträgern die erforderlichen Informationen zur Verfügung stellt, um die Strukturen von Gebäuden zu stärken oder die Wiederherstellung nach Katastrophen zu ermöglichen.

Beschleunigte Evaluierung dank künstlicher Intelligenz

Nach Naturkatastrophen wie beispielsweise einem Erdbeben senden lokale Regierungen Teams aus, um den Zustand von Gebäuden zu überprüfen und zu bewerten. Wenn dies manuell durchgeführt wird, kann es Monate dauern, um den gesamten Gebäudebestand einer Stadt zu durchsuchen. In diesem Kontext kommt die KI-Expertise von Chaofeng Wang ins Spiel, da sein Projekt die Evaluierung erheblich beschleunigt. Dank Künstlicher Intelligenz kann dieser Prozess auf wenige Stunden reduziert werden.

Das KI-Modell wird mithilfe von Bildern aus Google Street View und von lokalen Regierungen trainiert. Diese Bilder dienen dazu, den Gebäuden Punktzahlen zuzuweisen, die auf den Standards des "Federal Emergency Management Agency (FEMA) P-154" basieren. Diese Standards beinhalten Richtlinien, die sich auf Faktoren wie das Wandmaterial, den Gebäudetyp, das Baujahr und vieles mehr beziehen. Für die Verbesserung des Modells hat Wang auch mit dem "World Bank Global Program for Resilient Housing" zusammengearbeitet. Dies beinhaltete die Sammlung von Bildern und die Durchführung von Annotationen, um die Genauigkeit und Effektivität des Modells zu steigern.

Die gesammelten Bilder werden in einem Daten-Repository abgelegt, auf das das KI-Modell zugreift und Schlussfolgerungen aus den Bildern zieht. Dieser Prozess wird durch die Verwendung von NVIDIA DGX A100 Systemen beschleunigt. Chaofeng Wang hebt die entscheidende Rolle der NVIDIA-GPUs hervor, ohne die dieser Prozess nicht möglich gewesen wäre. Die GPUs ermöglichen eine erhebliche Beschleunigung des Evaluierungsprozesses und gewährleisten zeitnahe Ergebnisse.

Die Bedeutung des Supercomputers "HiPerGator"

Chaofeng Wang setzt die DGX A100-Knoten im Supercomputer der University of Florida, HiPerGator, ein. HiPerGator zählt zu den schnellsten KI-Supercomputern in der akademischen Welt und bietet beeindruckende 700 Petaflops an KI-Leistung. Dieser Supercomputer wurde mit Unterstützung von NVIDIA-Gründer und UF-Alumnus Chris Malachowsky sowie der Bereitstellung von Hardware, Software, Schulung und Dienstleistungen durch NVIDIA errichtet.

Die Ergebnisse des KI-Modells werden in eine Datenbank zusammengeführt, die als Grundlage für ein webbasiertes Portal dient. Dieses Portal zeigt Informationen wie Sicherheitsbewertungen, Gebäudetypen und sogar Angaben zum Dach- oder Wandmaterial in einem kartengestützten Format an.

Finanzierung durch das NVIDIA Applied Research Accelerator Program

Chaofeng Wangs Arbeit wurde durch das NVIDIA Applied Research Accelerator Program finanziert. Dieses Programm unterstützt Forschungsprojekte, die das Potenzial haben, eine tatsächliche Auswirkung auf die Bereitstellung von NVIDIA-beschleunigten Anwendungen in kommerziellen und staatlichen Organisationen zu erzielen.

Vielseitige Anwendungsmöglichkeiten des Portals

Wang betont, dass das webbasierte Portal je nach Verwendungszweck vielfältige Anforderungen erfüllen kann. Im Vorfeld von Naturkatastrophen können Regierungen Vorhersagen allein auf der Grundlage von Straßenansichtsbildern verwenden. Diese Bilder sind statisch, wie zum Beispiel Google Street View-Bilder, die nur alle paar Jahre aktualisiert werden. Dennoch liefern sie ausreichend Informationen, um Daten zu sammeln und ein allgemeines Verständnis über bestimmte Statistiken zu gewinnen.

In ländlichen Gebieten oder Entwicklungsländern, in denen solche Bilder nicht verfügbar oder nicht regelmäßig aktualisiert werden, können die Regierungen die Bilder selbst sammeln. Mit Unterstützung von NVIDIA-GPUs kann die zeitnahe Bereitstellung von Gebäudebewertungen dazu beitragen, Analysen zu beschleunigen und eine schnellere Reaktion auf Katastrophen zu ermöglichen.

Wang sieht auch das Potenzial, dass seine Forschung bei ausreichender Verfeinerung Auswirkungen auf die Stadtplanung und die Versicherungsbranche haben könnte.

Internationale Interesse und zukünftige Herausforderungen

Das Projekt von Chaofeng Wang wird derzeit von einigen lokalen Regierungen in Mexiko getestet und erweckt Interesse in einigen afrikanischen, asiatischen und südamerikanischen Ländern. In seinem aktuellen Stand kann es eine Genauigkeit von über 85% in seinen Bewertungspunkten gemäß den FEMA P-154-Standards erreichen.

Eine der Herausforderungen, die Wang identifiziert, ist die Variation der städtischen Landschaften in verschiedenen Ländern. Verschiedene Regionen haben ihre eigenen kulturellen und architektonischen Stile, die die Analyse durch das KI-Modell beeinflussen können. Ein weiteres Problem ist die Variation der städtischen Dichte, das sich auf die Genauigkeit der Analysen auswirken kann.

Wang betont, dass dies eine allgemeine Einschränkung der derzeitigen KI-Technologie ist und mehr Trainingsdaten erforderlich sind, um die Vielfalt der realen Welt angemessen abzubilden. Daher arbeitet er daran, das Modell für mehr Städte zu trainieren und zu testen, um dieses Problem zu lösen.

Die Zukunft des Projekts

Das langfristige Ziel von Chaofeng Wang ist es, das Projekt zu einem Stadium zu bringen, in dem es als Dienstleistung für eine breitere Nutzung in der Industrie bereitgestellt werden kann. Dies beinhaltet die Entwicklung von Anwendungsprogrammierschnittstellen, die die Schätzung und Analyse von Gebäuden und Haushalten ermöglichen, um eine nahtlose Integration mit anderen Produkten zu ermöglichen. Darüber hinaus wird an einer benutzerfreundlichen Anwendung gearbeitet, die von Regierungsbehörden und Organisationen gleichermaßen genutzt werden kann. Wangs Arbeit zeigt deutlich, wie die Kombination von KI und bestehenden Technologien dazu beitragen kann, das Management und die Sicherheit städtischer Gebäude zu verbessern und die Reaktionsfähigkeit auf Naturkatastrophen zu steigern.

Quelle: Nvidia