[論文レビュー] Digital Twin Based Disaster Management System Proposal: DT-DMS

Özgür Dogan, Oguzhan Sahin+1 more|arXiv (Cornell University)|Mar 31, 2021

Impact of AI and Big Data on Business and Society被引用数 8

ひとこと要約

本論文では、IoTセンサーのデータと機械学習を活用して、仮想都市モデル内で地震発生後の救助作業をシミュレートするデジタルツインベースの災害管理システム、DT-DMSを提案する。このシステムは、緊急対応スタッフがリアルタイムのシミュレーションを通じて訓練でき、BFS や UCS といったアルゴリズムを用いて最適な救助ルートやチーム展開を推奨する。初期のテストでは意思決定支援およびソーシャルメディア分析（NLP）による災害検出において、有望な結果が得られた。

ABSTRACT

The damage and the impact of natural disasters are becoming more destructive with the increase of urbanization. Today's metropolitan cities are not sufficiently prepared for the pre and post-disaster situations. Digital Twin technology can provide a solution. A virtual copy of the physical city could be created by collecting data from sensors of the Internet of Things (IoT) devices and stored on the cloud infrastructure. This virtual copy is kept current and up to date with the continuous flow of the data coming from the sensors. We propose a disaster management system utilizing machine learning called DT-DMS is used to support decision-making mechanisms. This study aims to show how to educate and prepare emergency center staff by simulating potential disaster situations on the virtual copy. The event of a disaster will be simulated allowing emergency center staff to make decisions and depicting the potential outcomes of these decisions. A rescue operation after an earthquake is simulated. Test results are promising and the simulation scope is planned to be extended.

研究の動機と目的

• 大都市における地震を含む前後災害シナリオへの対応力の不足を是正すること。
• 緊急対応チームのシミュレーションと訓練を可能にするデジタルツインベースの意思決定支援システムの開発。
• 電力、水、ガス、通信網などのインフラに展開されたIoTセンサーからのリアルタイムデータと、ソーシャルメディア（例：Twitter）のデータを統合し、動的災害シミュレーションと状況認識を向上させること。
• 特に BERT などの機械学習モデルが、限られたトレーニングデータでソーシャルメディアからの本物の災害関連ツイートを同定する能力の妥当性と性能を評価すること。

提案手法

• 本システムは、電力、水、ガス、通信網などのインフラに設置されたIoTセンサーからのリアルタイムデータを用いて、都市のデジタルツインを構築する。
• イスタンブール地震データセットからのデータを活用し、建物の崩壊やインフラ損傷を含む災害シナリオを再現する3次元仮想環境を構築する。
• 幅優先探索（BFS）や均等コスト探索（UCS）といった機械学習アルゴリズムを用いて、最適な救助ルートとチーム展開戦略を計算する。
• Kaggleで提供されている7,613件のラベル付きツイートを用いて微調整されたBERTモデルを採用し、ソーシャルメディアからの災害関連ツイートを分類する。
• IoTセンサー、ソーシャルメディア、インフラデータベースの複数のデータソースを統合し、中央集権的な意思決定支援インターフェースに統合する。
• オープンソースツールおよびMQTT や RabbitMQ といった通信プロトコルを用いて、スケーラブルかつリアルタイムのデータフローを実現するプロトタイプを実装する。

実験結果

リサーチクエスチョン

• RQ1 デジタルツインシステムは、都市災害管理における準備体制と対応効率をどのように向上させ得るか？
• RQ2 リアルタイムのIoTおよびソーシャルメディアデータは、災害発生後の状況認識をどのように向上させるか？
• RQ3 BFS や UCS といった機械学習アルゴリズムは、シミュレートされた災害シナリオにおいて最適な救助経路を効果的に提案できるか？
• RQ4 限定的なトレーニングデータで事前学習されたNLPモデル（例：BERT）は、ソーシャルメディア上での本物の災害関連コンテンツをどの程度正確に検出できるか？
• RQ5 シミュレートされたデジタルツイン環境は、複雑で時間的に制約のある災害シナリオに対して、緊急対応チームの訓練を効果的に行えるか？

主な発見

• 小規模な都市地域を対象としたシミュレーション結果は前向きであり、災害対応訓練および意思決定支援にデジタルツインを活用する可能性が裏付けられた。
• BERTを用いたNLPモデルは、1,522件のツイートからなる小規模データセットで約67％のテスト精度を達成し、より大きなデータでさらなる改善が期待された。
• BFS や UCS アルゴリズムを用いて、シミュレートされた地震シナリオにおいて、最適な救助ルートとチーム展開戦略を効果的に推奨できた。
• IoTセンサーのデータとソーシャルメディアの入力を統合した統合仮想モデルにより、インフラの状態と損傷状況の動的可視化が可能になった。
• プロトタイプのインターフェースは、インフラの状態を可視化し、結果予測を伴う救助作業のシミュレーションを可能にし、リアルタイム意思決定を支援した。
• 今後の研究では、都市規模へのスケーリングと、センサーおよびソーシャルメディアからのライブデータストリームの統合を進める予定であり、より現実的で迅速な反応性を向上させる。