[논문 리뷰] Feasibility study of urban flood mapping using traffic signs for route optimization

Bahareh Alizadeh, Diya Li외 2명|arXiv (Cornell University)|2021. 09. 24.

Flood Risk Assessment and Management참고 문헌 42인용 수 12

한 줄 요약

이 논문은 침수된 정류장 신호등의 이미지와 홍수 이전 사진을 조합하여 딥러닝과 이미지 처리를 통해 홍수 깊이를 추정하는 공동체 기반 도시 홍수 지ap 시스템을 제안한다. 이를 통해 생성된 고해상도 홍수 지ap도는 A* 알고리즘 기반 경로 최적화를 가능하게 하여 홍수 발생 시 실시간 의사결정 지원의 실현 가능성을 입증한다.

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.

연구 동기 및 목표

• 기존 인프라를 활용한 저비용이고 확장 가능한 정밀한 도시 홍수 지도 제작 방법 개발.
• 침수된 정류장 신호등의 공동체 기반 이미지를 활용해 고공간·시간 해상도로 홍수 깊이를 추정하는 것.
• 홍수 깊이 추정치를 비상 대응 및 대피 계획 최적화에 통합하는 것.
• 실생활 조건에서 교통 표지판을 홍수 깊이 지표로 사용할 수 있는지의 실현 가능성 평가.
• 도시 홍수 발생 시 적시 공간 의사결정 지원을 위한 것.

제안 방법

• 홍수 발생 중 및 이전의 정류장 신호등 사진을 스마트폰을 통해 공동체 기반으로 수집하여 지리적 위치와 시간이 동기화된 쌍을 확보.
• 딥 네트워크를 사용해 홍수 이전 이미지와 홍수 영향을 받은 이미지를 비교하여 픽셀 단위로 홍수 깊이를 추정.
• 이미지 처리 기법을 적용해 깊이 추정치를 정제하고 비교 과정에서 발생하는 노이즈를 감소.
• 공간 보간을 통해 점별 깊이 추정치를 연속적인 홍수 침수 지도로 변환.
• 홍수 지도를 A* 탐색 알고리즘에 입력하여 관심 지점 간 최적의 홍수 없는 경로를 계산.
• 실제 도시 홍수 사례의 데이터를 사용해 정확도와 경로 최적화 성능을 평가하여 시스템 검증.

실험 결과

연구 질문

• RQ1 침수된 정류장 신호등은 도시 환경에서 홍수 깊이를 추정하는 신뢰할 수 있는 지표로 기능할 수 있는가?
• RQ2 딥러닝 모델은 교통 표지판의 홍수 이전 및 홍수 영향을 받은 이미지 쌍을 기반으로 얼마나 정확하게 홍수 깊이를 추정할 수 있는가?
• RQ3 생성된 홍수 지도는 대피 및 비상 대응의 경로 최적화에 어느 정도 향상시킬 수 있는가?
• RQ4 실시간 도시 홍수 지도 제작을 위한 공동체 기반 저비용 시스템의 구현 가능성은 어떠한가?
• RQ5 홍수 깊이 데이터 통합은 홍수 발생 시 경로 계획의 안전성과 효율성을 어느 정도 향상시키는가?

주요 결과

• 이미지 비교를 통해 정류장 신호등 위치에서 홍수 깊이를 성공적으로 추정하였으며, 경로 결정에 충분한 정확도를 확보하였다.
• 생성된 홍수 침수 지도를 통해 A* 알고리즘이 관심 지점 간 최적의 홍수 없는 경로를 계산할 수 있었다.
• 기존의 도시 인프라와 공동체 기반 데이터를 활용한 실시간 확장 가능한 홍수 지도 제작이 실현 가능함을 입증하였다.
• 고공간 해상도에서 국소적 홍수 조건을 정확히 파악하는 데 있어 교통 표지판을 홍수 깊이 지표로 사용하는 것이 효과적이었다.
• 깊이 추정치를 경로 탐색에 통합함으로써 시뮬레이션된 홍수 사건 동안 대피 계획의 향상이 뚜렷하게 관찰되었다.
• 이 방법은 도시 지역에서 기존 홍수 모니터링 시스템에 비해 저비용이고 구현 가능한 대안을 제공한다.