AI-baserad bild- och textanalys genom citizen sensing för förbättrade varningar för extremt väder och dess effekter

Viktiga resultat som projektet gav

Projektet har utvärderat potentialen i att kombinera AI-baserad bildanalys och textanalys med konsekvensbaserade vädervarningssystem. I samverkan mellan SMHI, Länsstyrelsen i Östergötland och Linköpings universitet har en AI-baserad pipeline med ett flertal komponenter utvecklats. Systemet utvärderades tillsammans med regionala och nationella aktörer, och projektet identifierade att AI4CA pipeline har potential att integreras med befintliga system för att utöka existerande vädervarningssystem samt verktyg med användning inom klimatanpassning.

Långsiktiga effekter som förväntas

Projektet resulterade i: · Ett system för identifiering av översvämningshändelser genom analys av inlägg i sociala medier och nyhetsmedia. · Ett visuellt gränssnitt som integrerar data om översvämningshändelser, deras konsekvenser samt information om tid & plats. · En mobil-applikation för insamling av annoterad bild- och text rapportering vid översvämningar. · En analys av olika användningsområden för systemet, samt hur systemet kan integreras i befintliga strukturer och skulle kunna överbrygga klyftan mellan krisberedskap och långsiktig klimatanpassning i framtiden.

Upplägg och genomförande

Projektet utvecklade och testade ett system som integrerar AI-baserade tekniker för text- och bildklassificering för att identifiera översvämningshändelser genom analys av inlägg i sociala medier och nyhetsmedier för att studera på vilka sätt dessa kan stödja SMHIs system för konsekvensbaserade varningar, samt en applikation för mobiltelefoner för att samla in annoterad data av översvämningar. Vi genomförde ett flertal intervjuer, workshops och användartests med olika aktörer som bidrar till eller berörs av det nya systemet.

Externa länkar

Webbsidan för projektet på www.liu.se