Yapay Zekâ
AI Nasıl Kasırga Sonrası Afet Kurtarma Çalışmalarını Değiştiriyor
AI Doğal Afet Kurtarma Çalışmalarını Nasıl İyileştiriyor
Doğal afetler meydana geldiğinde, ilk öncelik yerel halkı kurtarmak ve altyapıyı, özellikle elektrik, temiz su ve sağlık hizmetlerini işler durumda tutmaktır.
Bu, artan bir sorun haline geliyor, çünkü son on yılda iklim değişikliği ve artan nüfus nedeniyle bu tür olayların maliyeti sürekli artıyor.
Kaynak: Spire
Ancak, bir topluluğun gerçek anlamdaki iyileşmesi çok daha uzun sürer, çünkü hasarların değerlendirilmesi ve yeniden inşa edilmesi aylar, hatta yıllar alabilir.
Sık sık, bu süreç, sorunları tanımlamak ve doğru şekilde değerlendirmek için gereken aşırı yük nedeniyle gecikir. Her bir binanın bireysel olarak incelenmesi çok zaman alabilir, özellikle sigorta şirketleri, acil servisler ve diğer paydaşlar personel açısından yetersiz kalırsa.
“Alan muayeneleri emek yoğun ve zaman alıcıdır, genellikle kritik yanıt çabalarını geciktirir.”
Abdullah Braik – Texas A&M Üniversitesi’nde inşaat mühendisliği doktora öğrencisi
Bu durum şimdi Texas A&M Üniversitesi’ndeki iki araştırmacının geliştirdiği bir AI sistemi sayesinde değişebilir. Bu sistem, uzaktan algılama, derin öğrenme ve restorasyon modellerini kullanarak kasırga hasar değerlendirmelerini ve kurtarma çalışmalarını weniger bir saat içinde doğru bir şekilde tahmin edebiliyor.
Bu yöntem, kurtarma çalışmalarını daha iyi organize etmeye yardımcı olabilir ve Sustainable Cities and Society’de “Kasırga Sonrası Otomatik Bina Hasar Değerlendirmesi ve Kurtarma Tahmini için Uzaktan Algılama, Derin Öğrenme ve Restorasyon Modellerinin Entegrasyonu” başlıklı makalede yayımlandı.
“Yöntemimiz, yüksek çözünürlüklü algılama görüntüleri ve derin öğrenme algoritmaları kullanarak birkaç saat içinde hasar değerlendirmeleri oluşturur, böylece ilk müdahale ekiplerine ve politika yapıcılara hemen eyleme geçirilebilir bilgiler sağlar.”
Abdullah Braik – Texas A&M Üniversitesi’nde inşaat mühendisliği doktora öğrencisi
Kasırga Yıkımı: ABD’de Artan Bir Tehdit
Doğa, insanları ve yaşadıkları şehirleri yıkıcı olabilir. Böyle bir örnek, birçok dünyada, özellikle de ABD’deki Kasırga Alley’de düzenli olarak görülen kasırgalardır.
Kaynak: Weather and Radar
Örneğin, 2011 ilkbaharında, Joplin, Missouri, 200 mph’nin (321 km/s) üzerinde rüzgarlarla EF5 kasırgası tarafından yok edildi. Fırtına 161 kişiyi öldürdü, 1.000’den fazla kişiyi yaraladı ve yaklaşık 8.000 ev ve işyerini hasar verdi veya yok etti. Kasırga, şehrin güney-central alanından bir mil genişliğinde bir yol açarak, behind miles of splintered rubble bırakarak ve 2 milyar doların üzerinde hasara neden oldu.
Bu ay, ölümcül kasırgalar, ABD’nin Orta Batı ve Güney bölgelerindeki birçok evi yok etti ve büyük hasara neden oldu.
https://www.youtube.com/watch?v=-r5Wnf7v3Wc
Bu kasırgaların neden olduğu hasarın tam kapsamını anlamak uzun zaman alabilir. Ve işte burada Texas A&M Üniversitesi araştırmacıları yardım edebileceklerini düşünüyor.
Kasırga Sonrası Hasar Değerlendirmesinde Karşılaşılan Zorluklar
Böyle bir olayın ardından, standard prosedür, ilk müdahale ekipleri, şehir planlamacıları ve sigorta uzmanlarının hasarı değerlendirmek ve buna nasıl cevap vereceğini belirlemek için hareket geçmesidir.
Bu, özellikle kasırgalar için geçerli, çünkü rüzgar ve kaldırdığı ağır nesneler even en güçlü binaları yok edebilir.
Sonraki afet hasar araştırmaları genellikle zaman alıcı ve emek yoğun, esas olarak sürekli model ve kod iyileştirmelerine odaklanmak yerine hemen ve hızlı güncellemelere odaklanıyor
Bazı geçici adımlar, mevcut verileri kullanarak afet sonrası hasarları analiz etmek için atıldı, özellikle Coğrafi Bilgi Sistemleri (CBS), bir konum hakkında birden fazla veri katmanını bir araya getiren bir sistem.
Ancak, bu verilerin kullanımı genellikle doğru değerlendirmeler sağlamak için yeterli değildir. Ayrıca, kullanılabilir metriklere dönüştürülmeleri için çok fazla manuel müdahale ve insan yargısına ihtiyaç duyar. İşte burada ek bilgi ve AI yardımcı olabilir.
Hasar Değerlendirmesi ve Kurtarma için AI Güçlü Modeli
Mevcut Kaynakları AI ile Birleştirme
Araştırmacılar, üç farklı aracı birleştirdi: uzaktan algılama, derin öğrenme ve restorasyon modellemesi.
Afetin hemen ardından hasarları ve değişiklikleri daha iyi değerlendirmek için, yüksek çözünürlüklü uydu veya hava görüntüleri gibi uzaktan algılama kullandılar.
“Bu görüntüler çok önemlidir, çünkü etkilenen alanın makro ölçekli bir görünümünü sağlar, böylece hızlı ve büyük ölçekli hasar tespiti mümkün olur.”
Abdullah Braik – Texas A&M Üniversitesi’nde inşaat mühendisliği doktora öğrencisi
Sonra, bu görüntüleri otomatik olarak analiz etmek ve hasarın şiddeti hakkında doğru bir şekilde bilgi vermek için derin öğrenme yöntemleri kullanıldı.
AI, önceki afetlerin binlerce görüntüsüne eğitim verildi ve görülebilen hasar işaretlerini, such as çökmüş çatılar, eksik duvarlar ve saçılmış enkaz, tanıyarak öğrenildi. Sonra, her bir binayı, hasarsız, orta hasar, büyük hasar veya yok edilmiş gibi kategorilere ayırdı.
Son eleman, restorasyon modellemesidir. Bir kısmı, altyapı ayrıntıları ve topluluk faktörleri, such as gelir seviyeleri veya kaynaklara erişim hakkında veri kullanmaktır.
Diğer bir kısmı, mevcut ve test edilmiş kurtarma modellerini kullanarak, farklı fonlama veya politika koşulları altında evlerin ve mahallelerin nasıl iyileşeceğini değerlendirmektir.
Bu, hasar değerlendirmesinin nasıl yapıldığını tamamen değiştirir:
- Uzaktan algılama, durumun genel bir görünümünü sağlar.
- AI modeli, bu veriyi bir saat içinde analiz edebilir, bu da insanların hasar değerlendirmesi yapması için gereken aylarla karşılaştırıldığında çok daha hızlıdır.
- Restorasyon modellemesi, AI değerlendirmesini, hangi alanların en çok yardım gerektiğini ve hangi kaynakların gerektiğini belirlemek için eyleme geçirilebilir metriklere dönüştürür.
“Nihayetinde, bu araştırma, hızlı afet değerlendirmesi ile stratejik uzun vadeli kurtarma planlaması arasındaki açığı kapatıyor ve kasırga sonrası dayanıklılığı artırmak için risk bilgilendirilmiş ancak pratik bir çerçeve sunuyor.”
Abdullah Braik – Texas A&M Üniversitesi’nde inşaat mühendisliği doktora öğrencisi
AI Modelini Gerçek Dünya Kasırga Verileri ile Doğrulama
Bu yaklaşımı doğrulamak için araştırmacılar, 2011 Joplin kasırga felaketine baktı.
Bu olay, zengin bir veri seti oluşturmak için kapsamlı bir şekilde belgelenmiştir ve AI sisteminin bir geri testi olarak kullanılabilir. Hesaplanan değerlendirmeler, o zaman yapılan gerçek dünya, yerindeki hasar değerlendirmeleriyle karşılaştırılabilir.
“En ilgi çekici bulgulardan biri, sadece hasarı yüksek doğrulukla tespit edebildiğimiz değil, aynı zamanda kasırganın izini de tahmin edebildiğimizdi.
Hasar verilerini analiz ederek, kasırganın yolunu yeniden inşa edebildik, ki bu da tarihi kayıtlara yakından uyuyordu ve olay hakkında değerli bilgiler sağladı.”
Abdullah Braik – Texas A&M Üniversitesi’nde inşaat mühendisliği doktora öğrencisi
AI Modelini Diğer Doğal Afetlere Ölçeklendirme
Kasırga hasarına neden olan durumlar için geliştirilip test edilmiş olsa da, bu yöntem, uydu görüntülerinin hasar modellerini tespit edebildiği diğer durumlar için de uygulanabilir.
Bu sınırlama, beklenenden daha az bir sorun olabilir, çünkü model, gerçek dünya örneklerinden öğrenir ve AI’lerin, insan gözüne görünmeyen desenleri tespit edebildiği sıkça görülür.
“Modelin genelleştirilebilirliğinin anahtarı, geçmişten gelen görüntülerden öğrenerek, her bir olayla ilgili benzersiz hasar modellerini öğrenmesidir.”
Abdullah Braik – Texas A&M Üniversitesi’nde inşaat mühendisliği doktora öğrencisi
En azından, modelin ABD’de başka bir yaygın afet olan kasırgalar için uygun olabileceği görünüyor.
“Modeli kasırga verilerine already test ettik ve sonuçlar başka tehditlere adapte etme konusunda umut verici görünüyor.”
Abdullah Braik – Texas A&M Üniversitesi’nde inşaat mühendisliği doktora öğrencisi
Bu, bu alanda AI’nin başka bir uygulamasına da uyuyor, daha iyi kasırga tahmini artık bir gerçeklik haline geliyor, özellikle Graphcast, Spire ve Climavision gibi AI’ler ile.
Bu araştırmanın başka bir uzantısı, hasar değerlendirmesinin ötesine geçerek, kurtarma ilerlemesi hakkında gerçek zamanlı güncellemeler oluşturmak ve kurtarmayı zaman içinde izlemek olabilir.
Bu tür otomatik, AI destekli geri bildirim, politika ve yeniden inşa çabalarını optimize etmek için bilgilendirebilir.
Uydu Verileri ve AI’ye Yatırım Yapma
Spire
(SPIR )
Spire, özel eldeki世界’nin en büyük çok amaçlı uydu.constellation’una sahip bir uzay verileri şirketidir.
Şirket, özellikle hava durumu verilerine odaklanıyor ve uyduları, bir konum hakkında daha veri zengin bir görüntü sağlayan multiple spectra’da görüntüler elde edebilir.
nemölçü ölçüm görüntüleri gibi Örneğin, 100m precisa ve çiftçiler, sigorta şirketleri, emtia tüccarları, çevresel izleme ajansları, inşaat şirketleri ve inşaat mühendisleri tarafından toprağın durumunu ve gelecek tarım ürünlerini daha iyi anlamak için kullanılabilir.
Kaynak: Spire
Şirket, müşterileri için kendi özel uydu constellation’ını inşa etme hizmeti sunuyor, LEMUR uydu platformu ile.
Kaynak: Spire
Şirket, özellikle hava taşımacılığı için Otomatik Bağımlı Gözetim-Yayıncı (ADS-B) hizmeti sunuyor, bu hizmet uydular tarafından uçakların hızını, konumunu ve diğer bilgilerini belirlemek için GPS kullanıyor.
Spire, ayrıca 237M dolarlık bir sözleşmeye US Space Force ile imzaladı, “küçük uydu otobüslerini next-generation uzay deneyleri için tasarlamak, inşa etmek, entegre etmek ve işletmek” için.
Ayrıca deniz taşımacılığı sektöründe de aktif olan şirketin, gemi takibi için uyduları kullanılıyordu, ancak bu bölüm, Nisan 2025’te Kpler tarafından satın alındı.
AI konusunda, Spire, NVIDIA‘nın Earth-2 Bulut API’lerine tüm Radyo Okültasyon (RO) verilerini ve özel veri birleştirme (DA) entegre etmek için işbirliği yapıyor.
“Spire’ın özel verilerini ve eşsiz küresel hava kapsamı, NVIDIA’nın teknoloji ve uzmanlığı ile birleştirmek, hava tahmini doğruluğunu önemli ölçüde yükseltecek ve müşterilerimize iklim manzarasını proaktif olarak ele almaları için güç verecektir.”
Michael Eilts – Spire’ın hava ve iklim genel müdürü
Genel olarak, Spire, uydu görüntüleri ve AI’nin birleşimini, daha iyi hava tahmini, tarım tahmini, uçak takibi ve hatta savunma amaçları için kullanan bir veri şirketidir.
Şirket, şimdi karlı olabileceği bir ölçekte ve bu, yatırımcılar için önemli bir dönemeç olabilir ve belki de Q1 2025’te 40M dolarlık yeni hisse satışı之后, fazla para toplama ihtiyacı hissetmeyecektir.
Kaynak: Spire
Spire (SPIR) Hisse Son Haberleri ve Gelişmeler
Referans Çalışma:
1. Abdullah M. Braik ve Maria Koliou. Kasırga Sonrası Otomatik Bina Hasar Değerlendirmesi ve Kurtarma Tahmini için Uzaktan Algılama, Derin Öğrenme ve Restorasyon Modellerinin Entegrasyonu. Sustainable Cities and Society. Cilt 123, 1 Nisan 2025, 106286. https://doi.org/10.1016/j.scs.2025.106286
