AI赋能城市防汛：Google与微软的智能预警解决方案

AI赋能城市防汛：Google与微软的智能预警解决方案

随着全球气候变化的加剧，极端天气事件的频率和强度不断增加，城市如何建立有效的预警系统以保障居民生命财产安全，成为城市治理的重要课题。近年来，机器学习和物联网技术的发展为灾害预警系统提供了新的解决方案。本文将介绍Google洪水预报系统和SAS与Microsoft合作的洪灾预测解决方案，并探讨AI在灾害预测中的未来应用。

2024年，阿拉伯联合酋长国遭遇75年来最严重的暴雨，迪拜国际机场和多处高速公路被淹，巴西南部南大河州也因暴雨造成百人伤亡、十多万人流离失所。政府间气候变化专门委员会（IPCC）2023年发布的报告显示，人为造成的温室气体排放增加导致极端天气事件的频率和强度上升。

面对极端气候，建立预警系统以保障居民生命财产安全、并根据数据做出更好的城市规划显得至关重要。近年来，机器学习技术（Machine Learning）与物联网（IoT）的发展让灾害预警系统在城市治理中扮演关键角色。

灾害预警系统技术应用

Google洪水预报系统

Google灾害响应信息平台于2018年启动洪水预报计划，通过数据收集与机器学习技术，为人们提供精准详细的预报，并与紧急救助工作人员紧密合作。该预报系统由四个子系统组成：数据验证、阶段预报、洪水建模和警报发布。其中，阶段预测使用长短期记忆（LSTM）网络和线性模型进行建模。Google通过监控历年和实时的水位数据，关注降雨、降雪预报，并执行“水文”和“洪水”两种主要机器学习模型，以预测河川水位和洪水范围，从而向相关人员发出预警通知，并在Google地图中提供洪水地图。

图1：Google洪水预报系统提供预警功能
图片来源 : Google官方部落格

SAS x Microsoft IoT洪灾预测和准备解决方案

美国统计分析软件公司SAS基于Microsoft Azure构建解决方案，结合天气数据、传感器测量的水体高度、深度和流量，以及先进的分析技术，为用户提供实时态势感知，并协助预测、准备和应对洪水事件。该解决方案使用太阳能传感器测量河流、海湾、潮汐海岸、桥梁等区域的水位和深度、水流、降雨量等数据，并通过安全、经济的LoRA蜂窝网络协议上传至Azure IoT云端中心。利用机器学习技术预测可能发生的洪水事件并提前发出警报。通过结合易于部署的传感器和云端预测，提高实时可见性，增强应对准备、快速响应和联络等作业，降低对公民财产的损害。

灾害预警系统城市应用案例

美国北卡罗来纳州卡瑞镇（Cary）在过去25年规模扩大三倍，人口超过17.5万。卡瑞镇位于两条河流流域顶端，其城市规划会影响下游流域其他城市的居民，因此洪水与雨水管理是其关键任务之一。卡瑞镇信息长Nicole Raimundo Coughlin与SAS及微软专业团队合作，开发洪水事件预测及应对解决方案。通过将来自不同系统的数据集中到一个平台，解决数据孤岛问题，并将数据上传至云端系统与天气数据结合，以获得更精准的洞察与解决方案。

图2：洪水控制解决方案能将实时数据可视化并将数据分享给地区伙伴
图片来源：截自SAS官网

研究团队在流域多个区域设置雨量计和水流感测器，监测水的高度、深度、水流和降雨量，结合Azure Maps天气预报数据和SAS事件流处理，提高对水位上升的警觉性，更有效地预测可能的洪灾位置，提供预警或通过自动化改善紧急响应。在预测分析的帮助下，卡瑞镇能实时了解事件原因，并从数据、统计算法和机器学习技术中学习，为未来的灾害做好准备。卡瑞镇还利用这些数据为社区利益做出决策，包括评估新社区、商业区的开发位置，创建野生动物走廊，落实可持续发展价值。

未来展望：AI在灾害预测中的持续探索

AI强大的计算能力可协助研究团队建立更好的预测模型，预测洪水发生的时间和地点。Google、微软、IBM等公司都在城市中进行AI模型的测试，以提高自然灾害预测的准确性。Facebook通过自然灾害的“安全标记”选项让用户在灾害期间实时报告状态。微软近期向美国专利商标局申请了一项AI声音识别专利，该系统将声音信号分割成多个片段，根据时间序列建立规范化标准，输入AI神经网络后评估声音片段，给出评分和发生概率，最终准确识别各种声音，甚至发现危险。这项技术的关键应用在于预测自然灾害，如识别即将发生的地震、风灾等环境声音，争取更多反应时间，降低灾害影响。

封面图片来源：Freepik