謝尚賢 國立臺灣大學土木工程學系 教授兼系主任 BIM研究中心主任 結合大數據 進行AI深度學習 近年來人工智慧(Artificial Intelligence,簡稱AI)技術發展及應用熱潮再起,主要拜電腦的運算與資料處理速度持續快速成長,加上儲存與快速傳輸大量資料的能力也持續進步,使得深度學習(Deep Learning)技術得以實現,大大地增強了AI的自我學習能力,也因此推進了許多領域之自動化與智慧化。例如,汽車的自動駕駛、文件的自動翻譯,影像的自動辨識等。然而,AI的深度學習需要準備大量的資料,也需要輔以專業領域的知識才容易事半功倍,因此,土木工程的智慧化還是得靠土木人自己的努力,才能在資訊工程領域的領銜下,與其他領域一起應用AI來提升專業領域的智慧化。 GIS結合BIM 加強實體與虛擬空間互動整合 人類社會努力了幾十年才逐漸從文數字的數位世界,進入到2D然後3D幾何空間的虛擬世界,一直到最近20多年,才能逐漸開始應用虛擬世界來模擬所對應的實體世界中的不同情境,以利事先運籌帷幄,避免錯誤與風險。這些年來GIS(Geographical Information System,地理資訊系統)及BIM(Building Information Modeling,建築資訊塑模)在土木工程的發展應用,就是呈現了我們在虛擬世界中建構及運用人居環境(Built Environment)的數位孿生(Digital Twin)來進行擬真的情境模擬與資訊管理的能力。而且,如同筆者在[1]中所述,近年來,當人類在虛擬世界的建設與操控能力大幅提升了以後,就開始致力於加強實體空間與虛擬空間的互動與整合應用。加上IoT(Internet of Things)技術的快速發展與普及應用,於是人居環境中充滿了各式各樣的感測器,無時無刻都在蒐集及交換人類各項活動(包括工程活動)的狀態資訊(即從真實世界蒐集資訊),而這些大數據(Big Data)就是可以讓AI進行深度學習的資料,因而將虛擬世界的運算結果回饋應用於真實世界中,提供人居環境更智慧化與自動化之各項生活服務。 土木工程即民生工程,致力於替人類建構一個安全、舒適、健康、及永續的人居環境,前述的智慧化人居環境,雖需要許多不同工程領域共同朝向智慧化來努力才能達成,但土木工程不僅在建構真實人居空間方面提供不可或缺的基礎建設,在建構人居數位孿生空間以實現智慧人居空間(例如智慧城市)方面,也是必要的數位基礎建設模型的提供者。而且,土木工程專案在規劃設計、施工、營運維護的不同工程階段,都需要處理大量、複雜且動態的幾何與非幾何之空間相關資訊,對自動化的需求也越來越高。因此,應該有許多可以應用AI來提高生產力與創造新價值的地方,雖然有許多挑戰得逐步克服。 營建工地電腦視覺監控研究 明顯成長 近年來影像識別與處理AI技術突飛猛進,加上CCTV或其他影像擷取裝置之普及應用,以下就以營建工地的智慧視覺監視為例,來簡要地討論土木工程智慧化的機會與挑戰。 營建工地屬於職業災害的高風險空間。而工地的意外事故所衍生出來的法律官司問題以及賠償,皆會影響業主及承商的商譽和利潤,也會影響工程進度,進一步造成工程利潤降低、成本增加,且可能有違約疑慮,影響甚鉅。 為維持施工順暢及避免人員意外,傳統上仰賴現場督導,由監工人員負責於工程進行時全程監督,確保人員確實穿戴防護裝備,並於指定區域進行工作。在遇到突發狀況或人員出現不安全行為時,監工人員也要能立即前往處理。 若工地有架設影像監視設備,除了及時監督之用,還可用來進行事後檢討,但都需要派遣工程師觀看長時間的監視影像,再從錄影畫面中找出缺失,分析出影響工程進行的可能原因,進而修正之。然而,要長時間全神貫注觀看監視影像,相當耗時費力且容易出錯。因此,應用電腦視覺(Computer Vision)與深度學習等技術於工地監控管理的研究在最近幾年有非常明顯的成長趨勢[2]。藉由大量蒐集來的照片及影像資料,及利用日新月異的深度學習相關開源程式碼,訓練AI從監視影像中自動辨識出工地人員是否有依規定穿戴防護裝備,如安全帽與安全背心等,還有自動辨認重機具的動作與姿態,藉此分析生產效率[3],及辨識出作業管制區,以防止人員誤闖,皆已有學術研究發表或一些實務應用成功案例。 建立AI高品質影像資料集 實現土木工程智慧化 然而,用以訓練AI深度學習的大量工地影像之蒐集不易,而且還得對影像內容進行標注(Labeling)。因此,建立高品質、數量與樣態都足夠的影像資料集,以利AI學習,仍是此類AI應用的主要挑戰。 隨著電腦硬體技術的持續進步,加上AI深度學習技術的快速推陳出新,只要我們能善加利用,並結合專業知識,及努力累積AI深度學習所需要的高品質資料集,土木工程的智慧化絕對是指日可待的。 參考文獻
轉載自營建知訊第457期,頁75-78。
0 評論
發表回覆。 |
文章類別
發佈時間
三月 2023
|