AI如何帮助保护日本的道路系统免受沉降

日本巨大，复杂的（并且经常彻头彻尾的令人费解的）公路网络运行了同样大量的污水和水管网络。但是，随着这个地下基础设施的大部分地区，在战后的经济繁荣中铺设了现在的衰退和腐烂 - 以及频繁地震 - 表面上的沉降和下沉是成为中断的主要来源。

2015年，根据日本的土地，基础设施，运输和旅游部，道路沉降在全国3,300个地点确定。2016年11月，只要举一个例子，在九州南岛上福冈开设的污水孔阻止了一个主要的城市中心交叉口。

在道路下面流入地铁隧道流入地铁隧道的水被认为是福冈街崩溃的原因，这确实可能是因为它发生在5.15AM的情况下避免了生命损失。

但现在新的深度学习和人工智能（AI）技术正在应用于地球物理雷达产生的数据，希望该过程在道路表面下方产生危险的地下腔之前识别侵蚀区域，可能避免危及生命的结构坍缩。

因此，川崎地质工程（KGE）是一家以东京为基础的工程业务，专门从事普遍存在的环境测量科学，覆盖土壤和地下水污染，海床映射，滑坡和地震风险分析，以及结构恶化等领域。

KGE工程师Toshimune Imai说：“我们需要找到一种方法来定位蛀牙，因为他们在路面上不能看到它们 - 所以我们必须在崩溃之前找到它们。”

为此，KGE开发了自己的地面渗透雷达系统，其沿着50-60kph的速度沿着小型小型（如下图）牵引。2M宽的阵列包含50-1,000MHz的带宽的五个天线，使它们能够在路径以下2-3米处，以精确地定位由沉降，地下水泄漏等引起的腔。

这些数据被收集在板上，然后转回公司的基地 - Imai希望5G的出现将使这部分工作更容易 - 但是KGE击中了数字限制并恢复为模拟方式，恢复为模拟方式，如图所示然后必须在A3纸的纸上打印数据，以通过以三组工作的人类技术人员进行物理分析。

“如果你仔细观察，你可以看到在地下的洞穴中显示的回复，”Imai说。“轻微的凹凸描绘了存在腔的事实。但这种形状不仅仅限于这一点，无论他们可能是多么才华或训练，人工工程师都会疲倦，有时他们可能忽略腔。

“通常，多个工程师将采取分析图像结果的任务，因为有时候，如果只有一个人分析，他们可能会忽略某些人。这就是我们使用多个工程师的原因。“

随着每100米路的道路发电一张A3纸，就无法追溯到利用大量资源来做任何有意义的分析。KGE的首席执行官Toshihiko Sakagami意识到事情无法像这样。

“这就是我们开始看AI的原因，”Sakagami说。“我们的一些工程师对AI知识渊博，因此我们有一个公平的想法，我们可以以与人的方式相同的方式申请ai。

“问题是没有商业申请，这意味着我们无法采纳该技术。”

随着KGE的第一个坦率地描述为AI坦率地称为失败，富士通的交通和道路数据服务单元 - 它已经在另一个项目上工作 - 建议它试用IT巨头的Zinrai Ai平台。

“地下腔识别ai的最终目标是从不忽视腔，”Imai说。“但在实践中，100％的准确性非常困难。

“最重要的是，有些问题可以提高多少准确性并且可以降低假阳性率多远，因此确保在开发过程中担任培训数据和整体缺乏培训数据。 “

缺乏培训数据可能是KGE最大的挑战。随着IMAI的推出，有工程师出发训练AI才能识别猫和狗的照片，这项工作将更容易，只是因为互联网与猫和狗的照片过度运行。地下腔的图片 - 或者，更具体地，他们的雷达图像 - 是，相比之下，很少，也不是可爱的。

地下还有其他东西，如石头或混凝土的大块，这产生了人类可能错误的洞穴信号。KGE因此决定，人类误解蛀牙的异常也应包括在培训数据中，有效地将原始数据量加倍并降低假阳性检测率。

在测试过程中，KGE发现Zinrai Ai最终能够识别大约82％的地下腔，而人类为80％。这可能看起来似乎统计上巨大的跳跃，但同时它将地下异常的主要检测时间减少了90％，以秒为单位而曾经采用工程师。当手动检查AI的工作所需的时间是考虑的，这更接近50％的节省时间，仍然令人印象深刻。

IMAI还指出，当人工工程师正在检查印刷数据时，它们通常容易调查纸质的特定区域，可能缺少至关重要的信息。“用AI配备自己为我们正在分析和试图调查的客观性增加了另一个好处，”他说。

Sakagami强调这并不意味着KGE正在削减它所雇用的工程师数量。他认为AI应该“提升人类的能力”。

“将永远需要”专业工程师“，”他说。“开发AI和开发工程师是我们业务的同一硬币的两面。”

虽然服务尚未提供给支付客户，但Imai表示初始阶段是使内部工作尽可能高。

KGE还在开展更紧凑的移动版本的雷达技术，可以安装在不适用的地方政府车辆上，以便在日常运营期间收集更多的数据。它希望这将导致2021年或2022年的商业产品。

“我们的意图是最终将此作为向外客户服务，”Imai说。