縱觀歷史,人類飽受自然災害如地震、颶風、野火和洪水等的威脅,這些災害可能造成巨大的破壞和人員傷亡。
傳統災難管理系統嚴重依賴提前設定好的規則、過往的統計模型和人類專業知識,在處理龐大且多樣化的資料流程和考慮複雜變數時顯得舉步維艱。
目前人類使用的傳統解決方案也存在著缺陷,雖然衛星影像提供大範圍照片和影片,但由於快速拍攝頻率和受限制的角度,缺乏某些任務所需細節。(如淺層滑坡、評估單個建築物損壞情況) ,再者,透過鑽孔傾斜探測儀的土力工程方法既昂貴、複雜且耗時,不符合現代經濟效益。
AI 正在改變災害預警的方式,結合AI與物聯網 (IoT)、邊緣運算、攝影機和感測器後便可為災害預測領域帶來全新突破。利用生成式 AI、深度學習和機器學習演算法等方式,在環境感測器、環境影像及災害資訊上進行訓練、瞭解已知的災害類型和現象。再透過已經訓練好的模型,我們就能識別人類無法直接發現的潛在災害跡象。於災害預警初期,我們就可以識別潛在災害的類型、地點和時間並且發佈災害告警,同時採取積極的防災措施和行動以減少災害範圍及影響。
AI 可以從過去的災害資料庫 (含即時環境感測器數值、高解析度影像檔和災害記錄) 中提取特徵並設置標籤並用於訓練災害模型,透過推理就能識別人類或傳統模型以往難以識別的潛在災害。邊緣AI計算平臺可以即時收集現場感測器和攝影機的數據作為資料來源並透過訓練好的模型來推斷和識別災害的預兆,以滿足 AI 視覺化的應用需求,更能縮短預警回應時間。結合物聯網框架後災害預測系統可以部署在各種區域。此外,透過雲原生環境和容器化技術開發的災害預測 SaaS 服務,更能將 AI 模型、推理引擎及微服務部署到 Edge AI 運算平臺,加速雲地一體化應用的擴展範疇。然而,戶外災難管理系統面臨著一些重大挑戰,舉例來說:
耐用性和環境適應能力:戶外設備必須足夠堅固耐用,能夠經受惡劣條件的考驗,包括極端溫度、雨水、風、灰塵,甚至野火、洪水或山崩等災害產生的飛濺碎片衝擊。
電源自主性和不穩定性:持續的電源供給至關重要,但在戶外,這樣的機會有限。災區甚至可能出現大面積停電,要透過外接發電機或太陽能電板自給自足,但這兩種設備在電力儲存和能源收集方面都有限制。此外,不可預測行為造成的電壓波動,如受損電網、臨時發電機或太陽能板因日照強弱而影響電壓, 也會干擾系統運行。
穩定的連接及資料傳輸能力: 由於地形障礙、天氣條件或與通信基礎設施距離太遠等因素,戶外環境網路可能斷斷續續或受到物理條件影響,導致資料傳輸中斷和潛在資料丟失,對災害預警工作的準確性和即時性造成負面影響。
System Architecture
新漢集團的 ATC 3750-IP7-6C 強固型 Edge AI 運算平臺專為極端環境所設計。除了搭載高效的 AI 運算能力外,更擁有豐富的 I/O 介面,可整合無線通訊模組、多種有線通訊介面、環境感測器及高速攝影機等。ATC 3750-IP7-6C 採用緊密的結構設計、高氣密性防水材料、三重保護塗層並經過真空處理提高氣密性等。更經過浸水測試,確保機器能在惡劣環境下正常運作。
ATC 3750-IP7-6C 採用 NVIDIA® Jetson AGX Orin™ 為核心,提供高達 275 (INT8) TOPS 的算力。該平臺通過 NVIDIA® JetPack™ 6.0提供全新的NVIDIA® Jetson 平臺服務,包括基礎和 AI 分析服務、生成式 AI 功能、VST 影像存儲工具 (Video Storage Toolkit) 及 NVIDIA® DeepStream 軟體開發套件等模組,並內建 NAL (NEXCOM Acceleration Linux)。NAL 能讓開發人員不需要在 NVIDIA® Jetson 上從頭開發,進而縮短開發時程,再透過 REST API,開發人員更能輕鬆存取各種微服務,從而構建雲端到邊緣 (Cloud-to-Edge) 視覺 AI 應用;也能透過物聯網閘道器 (IoT Gateway) 和 OTA(Over-the-air programming) 將微服務和訓練好的 AI 模型下放到邊緣裝置。
API 閘道器 (Gateway) 是監測軟體使用情況的樞紐,提供軟體執行中的寶貴資訊,用於優化資源配置,確保系統能以最高性能運行。VST 和 DeepStream SDK 簡化了對來自攝影機和感測器的資料管理、分析和優化推理性能。開發人員可以利用從雲端到邊緣的生成式 AI 支援的多攝影機追蹤和無訓練樣本物件偵測 (zero-shot detection) 技術,構健複雜的災難標誌識別應用。
ATC 3750-IP7-6C 的主要優勢之一是能夠與各種環境感測器無縫介接,能夠通過序列 (Serial) 和數位 (Digital) 等各種 I/O 埠以及 CAN Bus 通訊協定介面,透過現場感測器收集資料,為負責檢測潛在災害預警信號的 AI 模型提供必要的資料來源。透過 NAL(NEXCOM Acceleration Linux) 的內置硬體介面,開發人員可使用 API 輕鬆串接外部感測器和週邊設備,簡化了獲取感測器資料和控制週邊設備的過程,使開發人員能夠專注於創新。感測器部署在需要持續觀察的災區,用於收集溫度、風速、空氣品質、水位或地面移動等環境資料。它還可以連接更多週邊設備,如全球導航衛星系統、IP 攝影機和 IEEE 1588 訊號接收器。
ATC 3750-IP7-6C 更通過了 IP67 等級認證,可在嚴苛的戶外環境中運行,且支援寬溫 (-20°C至70°C)、符合 MIL-STD-810 標準的抗振動及抗衝擊等和支援 9-36V DC-IN 寬電壓輸入,即使在偏遠地區也能正常運作。環境感測器數據資料、地理圖形資料和地理資訊也可透過有線和無線方式傳輸到資料中心。
ATC 3750-IP7-6C 提供全方位的通訊選項,包括 Gigabit Ethernet (支援PoE+)、Wi-Fi 5/6、行動網路 (LTE/5G) 和 GNSS。可確保數據無縫傳輸和狀態意識 (Situational Awareness),使其能夠與其他機構或團隊進行有效協調。
透過各種演算法對收集到的資料圖像分類,以確保是否需要對其進行審查或採取行動。如果經判斷需要採取行動,便會向指揮中心發出警報,控制中心的工作人員可以即時查看警報並立即糾正風險。可持續完善 AI 模型,提供概率預測並實現即時監控,以便及早發現問題。往後,將可借助深度學習等先進技術,AI 能更有效地模擬天氣模式或野火行為等高度複雜的非線性行為,從而發出更可靠、更及時的天災預警,同時深入洞察潛在的災害風險。