[論文レビュー] Feasibility study of urban flood mapping using traffic signs for route optimization

Bahareh Alizadeh, Diya Li+2 more|arXiv (Cornell University)|Sep 24, 2021

Flood Risk Assessment and Management参考文献 42被引用数 12

ひとこと要約

本稿では、洪水前の写真と水没した停止標識の写真を組み合わせて、深層学習と画像処理を用いて洪水深を推定する、クラウドソーシング型の都市洪水マップ作成システムを提案する。得られた高分解能の洪水マップを活用することで、A*アルゴリズムを用いたルート最適化が可能となり、洪水時のリアルタイム意思決定支援の実現可能性が示された。

ABSTRACT

Water events are the most frequent and costliest climate disasters around the world. In the U.S., an estimated 127 million people who live in coastal areas are at risk of substantial home damage from hurricanes or flooding. In flood emergency management, timely and effective spatial decision-making and intelligent routing depend on flood depth information at a fine spatiotemporal scale. In this paper, crowdsourcing is utilized to collect photos of submerged stop signs, and pair each photo with a pre-flood photo taken at the same location. Each photo pair is then analyzed using deep neural network and image processing to estimate the depth of floodwater in the location of the photo. Generated point-by-point depth data is converted to a flood inundation map and used by an A* search algorithm to determine an optimal flood-free path connecting points of interest. Results provide crucial information to rescue teams and evacuees by enabling effective wayfinding during flooding events.

研究の動機と目的

• 既存インフラを活用した低コストでスケーラブルな都市洪水マッピング手法の開発。
• 水没した停止標識のクラウドソーシング画像を活用し、高空間・時間分解能での洪水深推定。
• 洪水深推定結果を緊急対応および避難計画のルート最適化に統合。
• 実環境条件下で交通標識を洪水深の指標として用いる可能性の検証。
• 都市洪水発生時におけるタイムリーな空間的意思決定支援の支援。

提案手法

• 洪水時および洪水前の両方の状況で、スマートフォンで撮影された停止標識の写真を収集し、位置情報付きかつ時刻同期されたペアを確保。
• 洪水前と洪水影響を受けた画像を比較するための深層ニューラルネットワークを用い、ピクセル単位での洪水深推定を実施。
• 画像処理技術を適用して推定値のノイズを低減し、精度を向上。
• 空間補間を用いて点推定された洪水深を連続的な洪水浸水マップに変換。
• 得られた洪水マップをA*探索アルゴリズムに供給し、関心地点間の最適な洪水なし経路を計算。
• 実際の都市洪水事例データを用いてシステムの妥当性を検証し、精度およびルート最適化性能を評価。

実験結果

リサーチクエスチョン

• RQ1 水没した停止標識は、都市環境における洪水深推定の信頼できる指標として機能するか？
• RQ2 ペアドされた洪水前および洪水影響を受けた交通標識の画像から、深層学習モデルがどれほど正確に洪水深を推定できるか？
• RQ3 生成された洪水マップは、避難および緊急対応のルート最適化をどの程度向上できるか？
• RQ4 リアルタイム都市洪水マッピングに向けたクラウドソーシング型で低コストなシステムの導入可能性はいかがなものか？
• RQ5 洪水深データの統合は、洪水発生時のルート計画の安全性と効率性をどの程度向上させるか？

主な発見

• 画像比較を用いて、停止標識の位置における洪水深を十分な精度で推定でき、ルート意思決定に適した結果が得られた。
• 生成された洪水浸水マップにより、A*アルゴリズムが関心地点間の最適かつ洪水のない経路を計算可能となった。
• 既存の都市インフラとクラウドソーシングデータを活用したリアルタイムでスケーラブルな洪水マッピングの実現可能性が示された。
• 交通標識を洪水深の指標として用いることで、高空間分解能での局所的洪水状況の把握が有効に機能した。
• 深さ推定値を経路探索に統合することで、模擬洪水発生時における避難計画の質が著しく向上した。
• 本手法は、都市部における従来の洪水監視システムに代わる低コストで実装可能な代替手段を提供する。