基于无人机和自适应卷积-Transformer融合网络的实时灾难评估系统

《Scientific Reports》：A drone-assisted deep learning framework for disaster assessment in real time and emergency response

　　

摘要

灾害影响公民安全、城市基础设施和经济，使灾害管理变得至关重要且充满挑战。城市快速扩张和气候极端事件增加了重大灾难的频率和复杂性。需要具备态势感知能力和快速决策能力。在灾难中，传统评估方法由于数据量庞大和变化迅速，可能无法提供准确及时的信息。由于这些限制，本研究提出了一种利用无人机和自适应卷积-Transformer融合网络进行实时灾难评估和响应的AI系统。卷积特征提取和基于注意力的时间建模使ACTF-Net能够掌握高维灾难数据中的序列交互和动态空间模式。自适应相关性过滤和上下文比例转换提高了数据的可靠性和特征的相关性，使系统能够在存在噪声或缺失数据的情况下进行学习。常规测试表明，ACTF-Net的表现优于BERT和CapsNet等先前系统。F1得分为0.981，曲线下面积为0.993，灾难严重程度预测率为0.96。该模型在不同时间、不同规模数据集上的一致表现支持了实时应用。所提出的方法使用多模态无人机数据、强大的预处理技术以及新的指标（如上下文敏感性指数和时间稳定性得分）来可靠地对灾难严重程度进行分类和评估，并使用多个标签。结果表明，ACTF-Net可能改善高风险危机情况下的态势感知、资源利用和响应时间。