به‌كارگيري الگوريتم ماشين بردار پشتيبان در توليد نقشه تخريب ساختمان‌ها با استفاده از داده ليدار پس از زلزله

Using Support Vector Machine to Generate Building Damage Map from Post-Event LiDAR Data

بلاياي طبيعي از قبيل سيل، زلزله، طوفان و سونامي همواره از بزرگترين مشكلات بشر بوده كه در اين بين زلزله به دليل غير قابل پيش‌بيني بودن و رخ دادن لحظه‌اي آن از اهميت زيادي برخوردار مي‌باشد. پس از وقوع زلزله، وجود اطلاعات از منطقه آسيب‌ديده نقش مهمي در هدايت گروه‌هاي امداد به منظور به حداقل رساندن ميزان خسارات ناشي از زلزله دارد. در اين بين، نقشه تخريب، كه ساختمان‌هاي تخريب شده با درجه تخريب آن‌ها بر روي آن نشان داده شده است، به عنوان يكي از اطلاعات مهم مورد توجه مديران بحران قرار دارد. هدف از اين مقاله، ارايه يك روش براي توليد اتوماتيك نقشه تخريب ساختمان‌ها، با استفاده از داده‌‌ ليدار بعد از زلزله و نقشه مي‌باشد. در روش پيشنهادي،به‌منظور پيدا كردن موقعيت همه ساختمان‌ها بر روي داده ليدار، در اولين مرحله، داده ليدار و نقشه با استفاده از چند نقطه كنترل هم مختصات مي‌شوند. سپس، ناحيه مربوط به لايه ساختمان‌ها از داده ليدار استخراج و در مرحله بعد، با استفاده از روش طبقه‌بندي ماشين‌هاي بردار پشتيبان به دو كلاس "آوار" و "سالم" طبقه‌بندي مي‌شوند. در نهايت، بر مبناي ميزان مساحت قسمت آوار در محدوده هر ساختمان ميزان تخريب آن برآورد مي‌گردد. به‌منظور ارزيابي روش پيشنهادي، از داده‌هاي ليدار شهر پرتوپرينس، پايتخت هايتي، پس از زلزله 2010 استفاده شده است. نقشه تخريب بدست آمده از اين مقاله با درجه تخريبي كه با استفاده از ديد بصري تصاوير ماهواره‌اي بعد از زلزله به دست آمده مقايسه شد. نتايج بدست آمده، توانايي روش پيشنهادي در توليد نقشه تخريب با استفاده از داده ليدار پس از زلزله را نشان مي‌دهد.

Natural disasters such as floods, earthquakes, hurricanes and tsunamis have always been the greatest human problems. Among them, the earthquakes, because of its unpredictability, are more important than the others. After an earthquake, damage assessment plays an important role in leading rescue teams in order to minimize the damages. Meanwhile, damage map, a map that demonstrates collapsed buildings with their degree of damage count as one of the most important information sources for crisis management. In this paper, we propose an algorithm for automatic generation of damage map after an earthquake using post-event LiDAR data and pre-event vector map. In the proposed method, in order to find the location of all buildings on LiDAR data, in the first step, LiDAR data and vector map are registered by using a few numbers of ground control points. Then, the buildings, in vector map, are overlaid on the LiDAR data to extract all the pixels inside buildings area. After that, Using SVM classification algorithm all the extracted pixels are classified into two classes of “debris”, “intact”. Next, damage degree for every building is estimated based on the relation between the numbers of pixels labeled as “debris” class to the whole building area. To evaluate the ability of the proposed method in generating damage map, a dataset from Port-au-Prince, Haiti’s capital after the 2010 Haiti earthquake was used. In this case, after calculating all buildings in the tested area using the proposed method, the results were compared to the damage degree which estimated through visual interpretation of post-event satellite image. Obtained results proved the reliability of the proposed method in damage map generation using LiDAR data.