Alteia、世界银行和亚马逊云科技大规模评估道路基础设施

## 视频 <video src="https://dev-media.amazoncloud.cn/30-LibaiGenerate/31-LiBaiRebrandingVideo/AES202-Alteia__World_Bank__and_AWS_assess_road_infrastructure_at_scale-LBrebrandingWCaptionCN.mp4" class="bytemdVideo" controls="controls"></video> ## 导读 在本论坛中，了解 Alteia 如何将亚马逊云科技开放数据和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)与卫星数据相结合，以帮助世界银行快速绘制和评估大规模道路网络，并帮助墨西哥和秘鲁等国优先投资经济发展所需的新的气候适应性道路。了解 Alteia 如何使用亚马逊云科技访问和分析 TB 级的自由访问数据，并以很小的时间和成本将道路评估覆盖率和理解率提高 80%。 ## 演讲精华 <font color = "grey">以下是小编为您整理的本次演讲的精华，共1400字，阅读时间大约是7分钟。如果您想进一步了解演讲内容或者观看演讲全文，请观看演讲完整视频或者下面的演讲原文。</font> 克莱尔·理查森，来自亚马逊云科技的一位资深专家，热情地欢迎大家在亚马逊云科技re:Invent的炉边谈话环节中参加。她介绍了特邀演讲者，世界银行的伊格·斯托肯伯格和技术公司Altea的巴尔塔兹·阿尔德。他们将一起讨论他们的组织如何利用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)和地理空间数据来评估和改进全球道路基础设施。 在会议上，克莱尔提出了一个调查问题，让听众回答世界银行成立后的第一个客户国家是哪个。答案是法国，尽管这个具体关系不是今天讨论的重点。 接下来，伊格简要介绍了世界银行的规模和范围。作为世界上最大的多边开发银行，他们每年向发展中国家提供超过700亿美元的贷款，包括低收入和脆弱国家以及更繁荣的新兴经济体。他们的贷款支持各种领域的项目，如基础设施、教育、卫生、农业和数字发展。 伊格特别提到，基础设施占世界银行所有贷款活动的约四分之一。这包括在道路、城市交通网络、能源系统和采矿业的重大投资。仅在过去20年里，世界银行就在全球新建了超过26万公里新的道路。为了说明这一点，这超过了他们在同一时期对学校和社会服务总投资的总和。 然而，伊格强调，道路本身并不是目标。相反，它们是实现更广泛的发展目标的手段，如减少农村社区的孤立，降低对气候变化的脆弱性，并改善市场准入和基本服务的获取。由于公共资源的分配本身就有限，政府政策制定者需要可靠的数据来确定哪些道路改进将对经济和人发展成果产生最大的积极影响。不幸的是,即使在相对先进的发展中国家,也常常缺乏全面、最新且具有地理参考的道路状况数据。这种普遍的数据空缺促使世界银行寻求与亚马逊云科技和阿尔泰亚合作的创新解决方案。 接下来，来自Altea公司的Baptiste Ard介绍了该公司如何应对基础设施数据挑战的努力。他表示，Altea起源于商业无人机行业，其许多创始团队成员在该领域的早期民用应用，如农业、建筑和矿业等方面取得了突破。在他们之前的工作中，他们惊讶地发现，尽管无人机捕获的数据量庞大，但许多公司仍然依赖Fedex或UPS等传统物流解决方案来运输这些数据。这一发现激发了他们开发一个名为Ether的全新软件平台的想法，该平台可以利用云计算和人工智能对大量的视觉数据进行摄入、处理和提取见解。 除核心的Ether平台外，Altea还为客户如世界银行量身定制应用程序。Baptiste展示了一个道路状况评估应用程序，该程序通过颜色编码显示一个地图界面，用于表示道路表面类型和质量评级。用户可以点击任意一段道路，立即查看和分享相关的属性以及底层的原始图像。这使得利益相关者能够根据需求访问数十TB的地理空间数据，从而指导基础设施规划和投资决策。 在炉边谈话环节，Claire请Iger详细解释为什么准确评估道路状况对世界银行的发展使命如此重要。Iger解释说，这些数据驱动的见解目前已应用于秘鲁，那里落后的农村道路基础设施和截然不同的质量差距阻碍了经济增长并加剧了对气候冲击的脆弱性。秘鲁政府正在制定计划实施大规模的农村道路建设计划来解决这些问题。然而，在考虑20,000多个潜在道路段和使用有限资源的情况下，他们需要利用数据驱动的优先排序工具来确定这个令人望而却步的列表中排名前几的项目。 传统的道路状况数据收集方法（例如亲自进行视觉检查）在大规模的国家级别的场景下将非常耗时且昂贵。尽管高分辨率的商用卫星图像可以覆盖全国范围，但购买这些数据将超出典型10万美元预算的初步项目规划和优先级阶段。这一困境凸显了迫切需要寻找创新的、实惠的解决方案来利用公众可用的地理空间数据资源。 在本项目中，Baptiste表示他们主要依赖于来自欧洲哨兵卫星的10米分辨率光学图像、10-20米的雷达数据以及OpenStreetMap等开放地理数据库来构建秘鲁整个道路网络的数字孪生。通过使用亚马逊云科技公共数据API，他们仅检索覆盖了每个已绘制道路段的重叠图像砖，从而减少了不必要的数据传输和存储成本。经过过滤掉不相关的像素后，将预处理后的数据集输入到在EC2 Spot实例上运行的梯度提升树[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型中。这些算法能够以超过80%的准确性预测单个道路部分的表面类型和状况评级。技术上的主要挑战包括处理异构数据格式以及优化模型训练工作负载的成本效益高效方式。 为了验证模型输出，Iger指出他们将结果与从Mapillary众包图像、高分辨率卫星照片和现有道路调查中获得的地面真实数据进行了比较。了解每段道路预测属性的相关置信度水平使他们能够在最终投资决策之前有选择地识别出需要额外现场检查的区域。获得足够的地面真实培训数据以建立准确的模型而不产生过拟合也是一个重要的挑战。 总的来说，这个[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)应用程序评估了秘鲁和墨西哥的超过50万公里道路基础设施。令人印象深刻的是，它能够发现比任何单一输入数据源（如OpenStreetMap）独立提供的道路更多的约100,000条乡村背街。 在未来的道路上，巴普蒂斯特强调了几种有前景的方法以提高道路质量。通过对卫星观测数据进行频繁的时间序列分析，可以发现道路质量的恶化趋势，并帮助确定逐渐恶化的地区。整合有关天气、气候、地形和其他风险因素的补充数据可以提高预测能力，以模拟气候适应。定期重新运行分析管道将使我们能够定量评估已完成道路项目随着时间的推移的发展影响。从技术角度来看，迁移到SageMaker地理空间可以简化和优化[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)工作流程。 艾格回应说，世界银行认为这个创新的解决方案是未来逐步发展的基础。随着新的政策问题出现和更多的数据资源可用，它们可以被纳入来扩展其功能。她提到的例子包括预测道路安全问题，在危险环境中远程监测项目的实施，以及最为关键的是，定期进行评估以生成关于贫困水平、人力资本发展和经济增长相关改善的长期统计。全面的国家规模数据和分析的可负担性是允许长期测量基础设施投资成果的关键。 克莱尔简洁地总结了这个合作如何成功地结合了地理空间数据分析和[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)的力量来提高道路基础设施规划，特别是在发展中国家的背景下。从这个经济有效的、数据驱动的做法中得出的见解可以指导政策制定者优先安排发展支出，以便最大限度地实现实际影响。她鼓励听众查看提供的链接和最近的博客文章，了解更多关于这个有影响力的项目的信息。 在这次引人入胜的讨论中，演讲者揭示了世界银行、亚马逊云科技和Altea是如何共同开发出一种创新技术解决方案来应对全球发展所面临的紧迫挑战的。他们具有远见的专业知识和通过智能应用云计算、地理空间数据和人工智能改善生活的热情，为我们展示了一个令人信服的愿景，即如何利用这些技术来扩大国际发展融资的覆盖范围并提高其有效性。在这篇扩展叙述中分享的大量细节和见解旨在增强对基于云的分析和国际发展工作交叉点上的变革性潜力的理解。 **下面是一些演讲现场的精彩瞬间：** [机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)和世界银行以及AA合作，利用地理空间数据改善道路基础设施。  这种解决方案通过让模型与压缩后的地理空间数据文件的特定像素互动，而不是处理整个文件，从而提高了[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)处理的效率。  关键在于寻找高质量的真实数据，从不同背景中收集这些数据以构建模型，防止过拟合，并使用高分辨率图像来验证在秘鲁的模型预测。  这一过程能够结合多个开源数据集，尤其是在农村地区，从而发现额外的10万公里道路。  亚马逊云科技利用地理空间数据、卫星数据、降水数据、天气信息和地形信息来预测哪些道路网络最容易受到气候变化的影响。  这种解决方案能对道路质量和气候适应能力进行大规模分析，以指导基础设施建设决策。  领导者们强调了航天和卫星行业业务部门对项目的重要贡献，并邀请观众进一步了解相关信息。  ## 总结 世界银行已与亚马逊云科技（Amazon Web Services）合作，并与Alteia共同研究全球道路基础设施。他们利用[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)和地理空间数据来评估和改进全球道路基础设施。糟糕的道路状况可能导致贫困、气候脆弱性和服务不足等问题恶化。然而，许多国家在其庞大的道路网络方面缺乏全面和最新的数据。该项目旨在填补这一空白，通过对秘鲁和墨西哥的超过50万公里道路进行分析来解决这一问题。解决方案结合了公开的地理空间数据如卫星图像和开源矢量数据。在经过大量的数据处理和集成之后，Alteia使用了SageMaker构建了一个[机器学习](https://aws.amazon.com/cn/machine-learning/?trk=cndc-detail)模型，用于对道路类型、状况和投资优先级进行分类。其准确率超过了80%，为基础设施规划和维护提供了有价值的见解。随着时间的推移，世界银行和客户政府可以通过重复此分析来跟踪投资和对气候变化事件影响在道路质量和人类发展成果方面的表现。总之，这种高效且具有成本效益的解决方案使得人们能够做出基于事实的、适应气候的基础设施决策，从而提高人们的生活质量并推广到更广泛的范围。 ## 演讲原文 ## 想了解更多精彩完整内容吗？立即访问re:Invent 官网中文网站！ [2023亚马逊云科技re:Invent全球大会 - 官方网站](https://webinar.amazoncloud.cn/reInvent2023/?s=8739&smid=19458 "2023亚马逊云科技re:Invent全球大会 - 官方网站") [点击此处](https://aws.amazon.com/cn/new/?trk=6dd7cc20-6afa-4abf-9359-2d6976ff9600&trk=cndc-detail "点击此处")，一键获取亚马逊云科技全球最新产品/服务资讯！ [点击此处](https://www.amazonaws.cn/new/?trk=2ab098aa-0793-48b1-85e6-a9d261bd8cd4&trk=cndc-detail "点击此处")，一键获取亚马逊云科技中国区最新产品/服务资讯！ ## 即刻注册亚马逊云科技账户，开启云端之旅！ [【免费】亚马逊云科技“100 余种核心云服务产品免费试用”](https://aws.amazon.com/cn/campaigns/freecenter/?trk=f079813d-3a13-4a50-b67b-e31d930f36a4&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技“100 余种核心云服务产品免费试用“") [【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用”](https://www.amazonaws.cn/campaign/CloudService/?trk=2cdb6245-f491-42bc-b931-c1693fe92be1&sc_channel=el&trk=cndc-detail "【免费】亚马逊云科技中国区“40 余种核心云服务产品免费试用“")