Letecké a satelitní snímky jsou dnes každému z nás doslova na dosah ruky. Aplikace jako Google Earth disponují 2D fotkami ve vysoké kvalitě, které navíc spolu s místními foty dovedou mocné procesory překovat i ve 3D zobrazení terénu. Co je ještě zajímavější, data jsou postupně aktualizována – vzniká tak knihovna stopující proměnu celého světa v průběhu let. Bylo by překvapivé, kdyby z podobné porce dat nebylo možné vyčíst víc, než jen regionální panorama.

Výzkumníci z britského Bathu, italských výzkumných organizací a společnosti Raser Limited spolu se slavnou Jet Propulsion Lab americké NASA nyní přišli na způsob, jak podobné aplikace využít k predikování malých posunů konstrukce indikujících její potenciální kolaps.

V posledních letech již přibývají metody autonomního sběru dat stavu mostů (či budov obecně) díky instalaci chytrých senzorů napojených pomocí bezdrátové sítě. I sebelepší senzory však dovedou detekovat stav konstrukce jenom ve svém bezprostředním okolí. Řada změn vedoucích ke kolapsu navíc vzniká pomalou a postupnou proměnou konstrukce, která se v datech senzorů může ztratit.

Senzory je navíc třeba nainstalovat - v případě šmelichů na původní stavbě se tak dostáváme do zacykleného problému, protože už původní instalace může být odbytá. Kdybychom tak mohli stavby monitorovat na dálku a celé, mohlo by to bezpečnosti dále napomoci.

Studie vedena Pietrem Milillem a Giorgií Giardinovou paradoxně využila právě smutného výsledku loňské tragédie v Janově. Italští výzkumníci se totiž rozhodli zaměřit na to, zdali bylo možné ze vzdáleného sběru dat sledovat změny, které vedly k pádu janovského mostu. Využili proto právě veřejně dostupných dat z posledních 15 let leteckých a satelitních fotek Janova, a sepsali k tomu algoritmus, který se snažil ze snímků vyčíst cokoliv, co by mohlo indikovat horšící se technický stav mostu.

Změny janovského mostu | zdroj: Pietro Milillo et al.

Příliš velká porce dat

Výsledky studie skutečně naznačují, že drobné změny horšící se konstrukce byly čitelné i na vzdálených snímcích. Celkem studie identifikuje několik jasných bodů proměny konstrukce čitelné i z časosběrných snímků, které naznačovaly horšící se stav. Co více, snímky ukazovaly eskalaci problému - data mezi březnem 2017 až srpnem 2018 (kdy došlo na kolaps) naznačují nárůst deformací.

Obří rozměry janovského mostu samozřejmě výrazně napomohly detekování postupného kroucení jeho nosných částí. Přesto si jsou autoři jistí tím, že jejich algoritmus by mohl pomoct nejen ve stopování katastrofy minulé, ale i případné budoucí.

Ve spolupráci s kolegy ze Spojeného království a JPL americké NASA totiž vypracovali univerzální metodologii, kterou ke svým výsledkům došli, a která by mohla být poměrně snadno aplikovatelná i na další stavby. Její výhodou je potenciální centralizovatelnost - jediný algoritmus by mohl procházet data různých staveb na světě a automaticky hlásit případné problémy.

Je nasnadě, že vzhledem k rozměrům janovského mostu je idea zatím aplikovatelná jenom pro větší stavby. I to by se však s více daty mohlo změnit. Rovněž platí, že automatizace takového (prozatím však stále hypotetického) systému by generovala velký počet "falešně pozitivních" signálů. Jejich kontrola by tak stále spoléhala na ty nespolehlivé lidi...

Přesto výsledky naznačují pozitivní směr, který může revize staveb díky strojovému učení a obřímu sběru satelitních dat získat. Kontrola budov zdaleka není jediná, která může množství satelitních snímků využívat. Různá archeologická pracoviště například již několik let provozují systémy pro hledání potenciálních zajímavých nalezišť právě ze snímků v Google Earth. Je možné, že další zajímavé (a dnes obtížně představitelné) aplikace snímků Země z vesmíru na nás ještě čekají. Tahle porce dat je zkrátka příliš velká, než aby ji věda nechala ležet ladem.

Studie byla publikována v časopise Remote Sensing.