基于注意力的地理-文本融合网络在灾害风险预测中的应用

《IEEE Open Journal of the Computer Society》：Attention-Based Geo–Textual Fusion Network for Disaster Risk Prediction

　　

摘要：

自然灾害对人类生命和基础设施构成反复的威胁，需要智能系统来处理异构数据流并实时提供可操作的洞察。现有的方法通常将社交媒体和紧急通信中的文本信号与空间危险属性分开处理，这限制了它们在捕捉不断演变危机的全部复杂性方面的有效性。本文提出了一种基于人工智能的地理-文本智能框架，该框架将与灾害相关的文本与基于GIS的危险特征相结合，用于实时风险预测和疏散规划。该框架采用了上下文文本编码器和神经GIS编码器，并通过注意力机制将它们融合在一起，动态地加权跨模态信号。在三个数据集上进行了实验：社交媒体灾害推文、多标签灾害响应信息和洪水危险GIS属性。实验表明，所提出的模型准确率为0.94，宏观F1值为0.89，IoU值为0.81，kappa值为0.78，超过了所有经典和深度学习基线模型。疏散模拟进一步证明，该模型能够生成更安全、更快捷的路线，将旅行时间从42.1分钟缩短到41.5分钟，并将安全指数从0.61提高到0.81。这些结果突显了将语言线索与空间上下文相结合的新颖性，并强调了深度地理-文本融合在提高情境意识和支持灾害响应中的关键决策方面的潜力。