Deprem sonrasında binaların hasar tespitinde kullanılan yapay öğrenme algoritmalarının analizi

Abstract

Afet durumlarında özellikle deprem sonrasında bir kentte hangi binaların hasar aldığının tespit edilebilmesi ve bu binaların hasar düzeylerinin belirlenebilmesi hem afet anında gerçekleştirilen arama kurtarma çalışmaları için hem de afet sonrasında kent yaşamının yeniden başlayabilmesi için hayati öneme sahip bir bilgidir. Özellikle şiddetli bir depremin gerçekleşmesinden sonraki kısa zaman içerisinde bu bilginin üretilebilmesi, afet alanındaki kaotik durum göz önünde bulundurulduğunda arama-kurtarma ve planlama çalışmaları için ne kadar hayati bir öneme sahip olduğu anlaşılacaktır. Ayrıca söz konusu bilginin afet sırasında afet bölgesinde bulunan kurum ve kuruluşların yanı sıra afetzedeler tarafından üretilmesi pek olası olmadığı gibi gerçekçi de değildir. Bu durumda afetten görece daha az etkilenen bölgelerdeki uzmanlar ve kaynaklar yardımıyla havadan ve uzaydan elde edilen görüntüler kullanılarak hasar tespit çalışmaları yapılmaktadır. Bu çalışmalarda özellikle afet alanına ulaşımı sağlayan yollar ve köprüler ile afet alanındaki binaların afet sonrası durumları belirlenmeye ve afet sorası bölgenin mevcut durumunun haritası üretilmeye çalışılmaktadır. Bu bilgiler üretildikten sonra da duruma ile ilişkin diğer tüm bilglerle birlikte bir Uzamsal Bilgi Sistemi (Mekânsal Bilgi Sistemi/Coğrafi Bilgi Sistemi) uygulaması üzerinden arama-kurtarma, yardım ve lojistik çalışmaları planlanmakta ve gerçekleştirilmektedir. Uçak, insansız hava aracı, uydu gibi platformlarda bulunan farklı sensörlerden elde edilen görüntüler üzerinde binaların hasar tespitleri geleneksel olarak insanlar tarafından manuel biçimde vektör veri yapısında veya yine insan tarafından görüntü işleme yazılımlarıyla raster veri yapısında gerçekleştirilmektedir. Sözü edilen her iki geleneksel yaklaşımın gerçekleştirilmesi belirli bir zaman almaktadır. Afet anında her geçen zamanın hayati olduğu göz önünde bulundurulduğunda bu sürecin hızlandırılması gerekmektedir. Burada devreye daha yenilikçi bir yöntem olan yapay öğrenme yaklaşımı devreye girmektedir. Bu yenilikçi yaklaşımda makine öğrenmesi, onun bir alt kümesi olan derin öğrenme yöntemleri ve onun da bir alt kümesi olan transformer mimarlileri sözü edilen görüntüler üzerinde hasar tespiti için kullanılabilmektedir. Her ne kadar söz konusu yenilikçi yöntemler geleneksel yöntemlere göre afet alanındaki hasar tespit hızını arttırsa da farklı mimarilere ve hiper parametrelere sahip farklı yapay öğrenme yöntemleri, doğruluk, kesinlik, duyarlılık gibi ölçütler üzerinden farklı başarımlar sergilemektedir. Yapay öğrenme modellerinin başarımlarının farklı olması deprem sonrasındaki arama-kurtarma ve yardım faaliyetlerinin başarımını da etkileyebileceği öngörülmelidir. Örneğin başarımı düşük bir yapay öğrenme modelinin hasarsız veya az hasarlı binayı ağır hasarlı olarak sınıflandırması ya da tam tersi durumda arama-kurtarma faaliyetleri yanlış binalara yönlendirilerek zaman ve can kaybına neden olunabilir. Bu ve benzeri durumların ortaya çıkmaması için bugüne kadar depremlerde hasar tespiti için kullanılan yapay öğrenme yaklaşımlarının karşılaştırılmalı bir analizinin yapılması gerekliliği ortaya çıkmaktadır. Bu nedenle çalışma kapsamında deprem sonrası hasar tespiti için uydulardan ve insansız hava araçlarından elde edilen görüntülerin girdi verisi olarak kullanıldığı ve yapay öğrenme yönteminin uygulandığı 35 akademik çalışma incelenmiştir. Söz konusu 35 makalede kullanılan yapay öğrenme algoritmalarının, algoritmaların kullanım stratejilerinin ve algoritmalarının başarım ölçütlerinin bir karşılaştırmalı analizi yapılmıştır. Sözü edilen modellerin eğitimi sırasında uygulanan tahmin başarımını arttırıcı yöntemler ve ayarlamalar da irdelenmiştir. Ayrıca çalışmalarda eğitim ve test verisi olarak kullanılan veri kümeleri de analiz kapsamında incelenmiştir. Örneğin bazı çalışmalar doğrudan hava veya uydu platformlarından elde edilen görüntüleri doğrudan kullanırken diğer çalışmalar eğitim verisi olarak önceden hazırlanmış hasarlı binalar eğitim veri kümelerini de kullanmıştır. Buna ek olarak çalışma kapsamında eğitim verisi kümesinin hazırlanmasındaki veri zenginleştirme/çoğaltma amacıyla uygulanan işlemler de göz önünde bulundurulmuştur. Çalışma sonucunda 35 makaleye ilişkin yapılan karşılaştırmalı analize dayalı olarak bundan sonra gerçekleşebilecek olası depremlerde hasar tespitine ilişkin nasıl bir yapay öğrenme altyapısı, mimarisi ve modeli kullanılabileceğine ilişkin kavramsal bir tasarım yapılmıştır. Bu tasarımla bina segmentasyonu ve hasar sınıflandırma süreçlerinde yaşanılan sorunlara çözüm sunulmaya çalışılmıştır.