Khi Lốc Xoáy Tấn Công Tallahassee, AI Lập Bản Đồ Thiệt Hại Chỉ Trong Vài Ngày Thay Vì Vài Tháng
Tallahassee – Leon County GIS (TLCGIS) chứng minh cách một chính quyền cấp trung có thể tạo ra tác động lớn hơn quy mô của mình bằng cách biến một thử nghiệm thành mô hình đô thị AI đổi mới được công nhận trên toàn quốc.
Những Điểm Chính
- Các nhân viên TLCGIS khám phá các công nghệ và phương pháp mới để nâng cao quy trình làm việc và cung cấp dịch vụ.
- Việc sớm áp dụng không gian địa lý AI giúp cải thiện hiệu quả hoạt động trên các phòng ban của chính quyền thành phố và quận.
- Thời gian tiết kiệm được từ tự động hóa bằng AI được tái đầu tư vào phát triển chuyên môn để giữ TLCGIS luôn dẫn đầu về công nghệ.
Câu chuyện của Tallahassee bắt đầu từ những hàng cây của nó. Những đường hầm rợp bóng cây sồi sống, cây thạch tín và cây hồ đào treo đầy rêu tạo nên dấu vết lịch sử hàng thế kỷ, từ những con đường mòn thời tiền Columbus đến các phái bộ truyền giáo Tây Ban Nha và các đồn điền thời tiền Nội chiến.
Các trận bão—bão và lốc xoáy—gây thiệt hại nặng nề cho vùng đất vương miện xanh này. Khi thời tiết khắc nghiệt ập đến, các đội công trình công cộng của thành phố và quận theo sát phía sau để bắt đầu sửa chữa. Nhưng việc kiểm tra thủ công có thể mất hàng tuần, thậm chí hàng tháng, để đánh giá thiệt hại. Phân tích hình ảnh trên không thông thường và số hóa các bức ảnh in cũ cũng không nhanh hơn là bao.
Gần đây, Jason Cox, một nhà phân tích hệ thống thuộc Phòng Hệ thống Thông tin Địa lý Tallahassee – Leon County (TLCGIS), đã phát triển một kỹ thuật mới để đẩy nhanh việc phục hồi cây xanh. Anh sử dụng các mô hình AI trong phần mềm GIS để phát hiện sự thay đổi về mật độ cây xanh sau bão. Mô hình này gắn cờ các kiểu thiệt hại được tìm thấy trong các hình ảnh trên không trước và sau. Dữ liệu và phân tích được đưa vào bản đồ GIS mà các nhà ra quyết định có thể sử dụng để tính toán chi phí sửa chữa và xác định chính xác việc phân bổ nguồn lực.
Các nhân viên phản ứng nhanh cũng đang sử dụng sự kết hợp mạnh mẽ này của GIS và AI, được gọi là không gian địa lý AI, để tìm thấy vị trí tốt hơn trong các trường hợp khẩn cấp. Cox cung cấp cho các đội cứu hộ những bản đồ thông minh sử dụng bộ dữ liệu không gian địa lý AI. Những bản đồ này có thể nhận dạng các làn đường trong bãi đậu xe, ngõ hẻm và không gian thương mại để đưa người phản ứng nhanh đến gần hơn với những người đang cần giúp đỡ.
"Đó là thứ mà chúng tôi có thể tạo ra trên quy mô lớn," Cox giải thích về những cải tiến bản đồ. "Mất vài tuần để làm sạch hình học và thêm thông tin thuộc tính, sau đó chúng tôi cung cấp nó cho công chúng và các đối tác ứng phó khẩn cấp. Nó thể hiện một bước tiến lớn—cung cấp thêm bối cảnh mà chúng tôi không có trước đây."
Các con đường rợp bóng cây của Tallahassee đi theo những con đường mòn có từ hàng thế kỷ, từ những con đường mòn thời tiền Columbus đến các phái bộ truyền giáo Tây Ban Nha. Khi các cơn bão làm hỏng tán cây này, Bộ phận Hệ thống Thông tin Địa lý Tallahassee – Leon County (TLCGIS) sử dụng AI để nhanh chóng đánh giá và ưu tiên công việc phục hồi trên mạng lưới đường phố rợp bóng cây của thành phố.
Khi các cơn lốc xoáy tấn công Tallahassee vào năm 2024, chúng để lại những thiệt hại như cây bị gãy này. Điều mà trước đây phải mất hàng tháng để đánh giá thủ công, giờ đây chỉ diễn ra trong vài ngày, khi công nghệ AI nhanh chóng lập bản đồ các kiểu thiệt hại do bão trên toàn bộ tán cây của thành phố.
TLCGIS sử dụng AI để tô màu các hình ảnh trên không lịch sử như bức ảnh đen trắng năm 1954 này (bên trái) được chuyển đổi thành màu đầy đủ (bên phải). Ứng dụng không gian địa lý AI này giúp các nhà sử học và nhà quy hoạch hình dung cảnh quan của Tallahassee đã thay đổi như thế nào qua nhiều thập kỷ.
Chỉ vài năm trước, việc tích hợp những con đường này vào hệ thống định vị của người phản ứng nhanh dường như là một khả năng xa vời. Scott Weisman, người đứng đầu TLCGIS và là một cựu chiến binh 31 năm của chương trình, cho biết: "Chúng tôi không đủ khả năng để làm điều đó. Chúng tôi sẽ phải thuê người để thực hiện thủ công, và chúng tôi chưa bao giờ có đủ nguồn lực để làm điều đó—cho đến bây giờ."
Khuyến Khích Thử Nghiệm
Con đường dẫn đến sự đổi mới không gian địa lý của Cox bắt đầu 14 năm trước khi anh là một nhân viên tạm thời mới ra trường với tấm bằng từ Đại học South Florida. Weisman đưa Cox vào đội để giúp Quận Leon phát triển một cách nhanh hơn, chính xác hơn với công việc tính phí cho các dịch vụ chất thải rắn và nước mưa. Công việc liên quan đến việc duy trì một bộ dữ liệu lớn—tất cả các tòa nhà dân cư trong quận và các phân loại liên quan cho mức phí dịch vụ. Dữ liệu cần được cập nhật, chỉnh sửa và kiểm toán thường xuyên.
Tài năng về xử lý địa lý đã giúp Cox có được vị trí chính thức. Anh mở rộng phạm vi của mình sang các bộ dữ liệu lớn khác cần kiểm tra và cập nhật thường xuyên. Có thời điểm, anh quản lý hồ sơ của tất cả các địa chỉ trong quận.
Các công cụ ModelBuilder và lập trình Python của Esri đã khơi dậy sự hứng thú của anh đối với tự động hóa. Anh đã tìm hiểu tất cả các khóa đào tạo và thông tin mà anh có thể tìm thấy, cuối cùng bắt gặp một bài đăng về mô hình Trích xuất Dấu chân Tòa nhà ( Building Footprint Extraction–USA model). Mô hình AI không gian địa lý ban đầu này có thể tự động hóa một quy trình làm việc quan trọng—kiểm tra hình ảnh thực địa so với các giá trị đã ghi trong bộ dữ liệu.
Cox muốn thử nghiệm, nhưng vào thời điểm đó, máy tính của TLCGIS không có các card đồ họa rời cần thiết cho công việc AI ban đầu. Sử dụng một máy tính chơi game, Cox đã chạy mô hình trên một hình ảnh của toàn bộ hơn 7.000 dặm vuông của Quận Leon. Mất bốn ngày để xử lý nhưng anh thấy đầu ra tính năng cực kỳ chính xác.
Làm được nhiều hơn với ít công sức hơn
Lời hứa của các công cụ kỹ thuật số được hỗ trợ bởi AI—làm được nhiều hơn với ít công sức hơn—là một điệp khúc quen thuộc được các quản trị viên chính quyền địa phương lắng nghe. Thường bị thách thức phải cung cấp dịch vụ với ngân sách giảm hoặc trì trệ, các quan chức tìm cách tối ưu hóa. Trong những năm qua, TLCGIS đã tạo nền tảng cho hàng chục phòng ban đổi mới bằng thông tin vị trí thông minh (location intelligence). Với không gian địa lý AI, Weisman và Cox có một công cụ tăng năng suất công việc—một tuyến đường sắt cao tốc đổi mới của riêng họ.
Các đổi mới được hỗ trợ bởi AI gần đây của Tallahassee tham gia vào danh mục dự án vốn đã đồ sộ:
- Công cụ Tìm kiếm Giấy phép (Permit Finder) tích hợp dữ liệu từ cả hệ thống cấp phép của thành phố và quận, cung cấp một nguồn thống nhất cho thông tin giấy phép. Người dùng có thể truy cập chi tiết về giấy phép đang hoạt động, giấy phép dân cư và phi dân cư, và dữ liệu cụ thể bằng cách nhập số giấy phép hoặc địa chỉ. Việc hợp nhất này giúp hợp lý hóa quy trình cấp phép và tăng cường tính minh bạch.
- Ứng dụng Tài nguyên Lũ lụt (Flood Resource App) (chỉ nội bộ) bao gồm dữ liệu lưu vực chi tiết và các lớp liên quan đến lũ lụt và nước dâng do bão. Đây là một công cụ quan trọng cho các nhà quy hoạch và văn phòng cấp phép, giúp họ đưa ra quyết định sáng suốt về các khu vực dễ bị lũ lụt và quản lý nước mưa. Ứng dụng cung cấp thông tin theo thời gian thực về mực nước và rủi ro lũ lụt tiềm tàng, tăng cường khả năng chuẩn bị và ứng phó khẩn cấp.
- Ứng dụng Thông tin Đất đai (Land Information App) được sử dụng rộng rãi cung cấp thông tin thiết yếu liên quan đến tài sản, chẳng hạn như quyền sở hữu, phân vùng và sử dụng đất. Đây là một nguồn tài nguyên quý giá cho cư dân, doanh nghiệp và các nhà quy hoạch, cung cấp dữ liệu chi tiết có thể được truy cập dễ dàng và nhanh chóng.
- Bảng điều khiển Trung tâm Điều hành Khẩn cấp (EOC) (Emergency Operations Center (EOC) Dashboard) (chỉ nội bộ) cung cấp dữ liệu trực tiếp trong các trường hợp khẩn cấp, đảm bảo việc ra quyết định kịp thời và sáng suốt. Nó có các bản đồ theo thời gian thực về tai nạn giao thông, đường bị phong tỏa và các tòa nhà bị hư hỏng, rất quan trọng để điều phối các nỗ lực ứng phó khẩn cấp và giao tiếp với công chúng.
Bản đồ đánh giá thiệt hại cây xanh được tạo ra bằng AI này cho thấy các kiểu tác động của bão trên khắp Tallahassee. Các khu vực màu xanh lá cây cho thấy độ che phủ cây khỏe mạnh, trong khi các khu vực màu đỏ làm nổi bật thiệt hại cần được chú ý. Sự phân tích tự động này thay thế cho nhiều tháng khảo sát thực địa thủ công bằng vài ngày xử lý trên máy tính.
Hình ảnh trên không trước và sau [cơn bão] cho thấy thiệt hại mà AI có thể phát hiện ngay lập tức. Hình ảnh trước bão (bên trái) cho thấy độ che phủ cây dày đặc, trong khi hình ảnh sau bão (bên phải) cho thấy sự mất mát đáng kể của tán cây. TLCGIS sử dụng những so sánh này để ưu tiên các nỗ lực phục hồi.
Cảnh quan trên không này cho thấy AI không gian địa lý tự động phân loại thiệt hại do bão như thế nào. Các khu vực màu xanh lá cây cho thấy không có thiệt hại trong khi các khu vực màu đỏ làm nổi bật các cấu trúc cần được chú ý, kèm theo phân tích chi tiết mà nhân viên kiểm tra thủ công sẽ mất hàng giờ để hoàn thành.
Bảng điều khiển đánh giá thiệt hại bão toàn diện của TLCGIS từ sự kiện lốc xoáy ngày 10 tháng 5 năm 2024 hiển thị dữ liệu đánh giá theo thời gian thực. Hệ thống đã tự động phân loại 1.413 cấu trúc, cho phép các nhà quản lý khẩn cấp nhanh chóng phân bổ nguồn lực và ưu tiên các nỗ lực phục hồi trên khắp Tallahassee và Quận Leon.
Siêu năng lực GIS: Đưa Đổi Mới Vào Hoạt Động
Rất ít văn phòng GIS địa phương có thể tự hào về một bộ ứng dụng và công cụ GIS khu vực công được thực hiện tốt như vậy.
Thậm chí còn ít hơn nhận trách nhiệm tạo nội dung cho lễ kỷ niệm hai trăm năm thành lập thành phố của họ.
Weisman giải thích, nửa đùa nửa thật, rằng TLCGIS có một nhà sử học nội trú. Marcus Curtis là một nhà phân tích GIS chuyên nghiệp và là một người đam mê lịch sử không biết chán. Anh đã xây dựng chương trình Lịch sử Trong Tay Bạn (History in Your Hands) cho lễ kỷ niệm 200 năm thành lập thành phố lịch sử vào năm 2024. Cuộc khám phá các khu phố Tallahassee có hướng dẫn bằng bản đồ này đã nhận được sự đưa tin trên các phương tiện truyền thông quốc gia và các giải thưởng từ các hiệp hội lịch sử. Nó mang lại những kết nối mới và mang tính chuyển đổi.
"Marcus đã tái thiết lập ranh giới đồn điền từ các bản đồ điều tra dân số và giấy tờ cũ," Weisman nói. "Anh ấy đang thu hút sự chú ý của các nhà sử học thực thụ."
Các nhân viên khác kết hợp GIS và phát triển trang web, hoặc GIS với Adobe Creative Cloud để sản xuất bản in.
Các dự án đam mê là một phần của cách tiếp cận được thiết kế để nâng cao hình ảnh của TLCGIS trên các phòng ban ở Quận Leon. Tính hiển thị này là rất quan trọng, vì cấu trúc của chính quyền Tallahassee – Leon County.
TLCGIS phục vụ Thành phố Tallahassee, Chính quyền Quận Leon và người định giá tài sản của quận. Họ cũng hợp tác với các cơ quan nhà nước và cung cấp hỗ trợ lẫn nhau cho các quận khác khi được yêu cầu. Chi phí chương trình được chia sẻ giữa các đối tác. Các văn phòng càng hợp tác và tạo ra giá trị bên ngoài chương trình, sự công nhận của nó càng tăng lên và mở rộng sang các dự án mới.
"Một trong những lợi thế của cấu trúc mà chúng tôi đang áp dụng—nó bao gồm cấp điều hành, ủy ban chỉ đạo và cấp nhóm người dùng," Weisman giải thích. "Việc chia sẻ dữ liệu được hợp lý hóa vì không cần bản ghi nhớ thỏa thuận. Sự tin tưởng trong chương trình tạo điều kiện thuận lợi cho quá trình này."
Thành phố sử dụng các chuyên gia GIS khác ngoài TLCGIS. Weisman—và đội ngũ tận tâm của anh gồm 13 nhân viên toàn thời gian và hai thực tập sinh—truyền bá về công nghệ và đẩy giới hạn về những gì GIS có thể làm.
Weisman rất cẩn thận trong việc tuyển chọn đội ngũ TLCGIS, tự tay chọn những cá nhân đã thể hiện niềm đam mê sâu sắc và sự sáng tạo trong công việc của họ.
Công thức này giữ cho tinh thần làm việc cao và tỷ lệ luân chuyển thấp. Weisman nói: "Mọi người đều có cái mà tôi gọi là siêu năng lực, một kỹ năng đặc biệt—họ là một chuyên gia về chủ đề. Những người có thể đào sâu vào một chủ đề cụ thể và trở thành chuyên gia trong lĩnh vực đó."
Nuôi Dưỡng Siêu Năng Lực AI Không Gian Địa Lý
Siêu năng lực có thể mất vài năm để phát triển, nhưng các dấu hiệu luôn ở đó. Jason Cox, người đã thiết kế công cụ đánh giá phục hồi cây xanh bằng Không gian địa lý AI và bản đồ nền cho người phản ứng nhanh, chứng minh sự tiến hóa này.
Cuối cùng, Weisman đã trang bị cho Cox các máy trạm PC từ Lambda Labs được thiết kế cho khối lượng công việc AI và học máy. Các máy tính văn phòng khác được nâng cấp với card màn hình và CPU phù hợp với khối lượng công việc Không gian địa lý AI. Sử dụng các mô hình không gian địa lý AI được đào tạo trước từ ArcGIS Living Atlas of the World, Cox đã phát triển các ứng dụng cho các cơ quan đối tác: tô màu hình ảnh trên không lịch sử, tính toán phí dịch vụ và trực quan hóa mật độ cây xanh bằng AI không gian địa lý.
"Lợi ích lớn nhất đối với chúng tôi tại TLCGIS là không gian địa lý AI giảm đáng kể rào cản gia nhập cho việc cập nhật bộ dữ liệu của chúng tôi," Cox nói. "Nó giúp tôi tiết kiệm khoảng ba tuần xem xét thủ công mỗi năm chỉ với các mô hình trích xuất dấu chân tòa nhà."
Thời gian tiết kiệm được được tái đầu tư vào siêu năng lực. Weisman nói: "Có thể có rất nhiều tổ chức đang thử nghiệm AI và đang làm một số điều tương tự. Hầu hết mọi người đang cố gắng bơi để theo kịp các yêu cầu họ nhận được, nhưng chúng tôi may mắn quản lý được khối lượng công việc và đồng thời đổi mới."
Biên giới tiếp theo? AI tạo sinh (Generative AI). Cox đã bắt đầu thử nghiệm các mô hình ngôn ngữ lớn trong ArcGIS Pro. Cụ thể, các mô hình Phân loại Dựa trên Ngữ cảnh Ngôn ngữ Thị giác (Vision Language Context-Based Classification), sử dụng GPT-4 để truy vấn hình ảnh nhằm xây dựng các phân loại và tính năng. Cox nói thêm: "Khả năng mô tả các điều kiện mặt đất—không chỉ trích xuất các tính năng, xác định các tính năng mà còn thực sự mô tả tình trạng của các tính năng và hình ảnh—tôi tin là vô cùng tuyệt vời."
Mặc dù các thuật ngữ như "siêu phàm" mô tả cách AI không gian địa lý hoạt động, điều quan trọng là phải nhớ rằng bản thân silicon và thuật toán không giải quyết được vấn đề.
TLCGIS nhắc nhở chúng ta rằng con người là động lực thúc đẩy đổi mới. Con người với siêu năng lực GIS, những người đưa AI không gian địa lý vào làm việc để đạt được nhiều hơn.
Tìm hiểu thêm về cách trí tuệ nhân tạo trong GIS giúp người dùng phân tích các thách thức phức tạp với bộ dữ liệu khổng lồ để nâng cao hoạt động.
Nguồn: Esri