XiaoMi-AI文件搜索系统
World File Search System地图分析
苏联军事城市规划的地图分析
首先要感谢我的首席导师 Alexander Kent 博士，他以真诚的兴趣和坚定不移的意愿支持我和我的工作。为了支持我，Alex 不惜不遗余力，没有他的专业知识、建议和鼓励，这项工作永远不会开始，更不会完成。除了是一位模范研究导师之外，Alex 还一直表现出作为同事、导师和朋友的奉献精神和正直，我非常感谢他在我整个学习过程中投入的时间和支持。还要感谢我的第二导师 Peter Vujakovic 教授，他愿意为这项工作的各个方面提供建议、支持和坦诚讨论，这对我很有帮助。我也很感激两位出色的监督小组主席 Kevin Ruane 教授和 David Bates 博士的支持，他们的建议和对我工作的参与为我提供了非常有益的观点，如果没有他们的帮助，这项工作将会变得贫乏。
乌克兰：映射能源机会
绿色和平德国已委托悉尼科技大学（UTS）的可持续期货研究所（ISF），以根据数字地理信息系统（GIS）地图分析乌克兰的太阳能和风能。GIS映射的主要目的是确定可用的太阳能和风能资源。它还有助于地理和人口参数的区域分析以及可以在开发能源场景中利用的可用基础架构。乌克兰太阳能和风能潜力的全面数据集旨在支持“绿色重建”概念。该分析的GIS数据以250m x 5.50m的分辨率提供给乌克兰的所有政府机构。
推荐引用 推荐引用 Numan, Arwa，“人工智能在灾害管理中的应用：有效性和挑战”（2024 年）。刑事司法方面的重大项目。26. https://repository.stcloudstate.edu/cjs_etds/26
根据同行评审的研究，人工智能 (AI) 和基于云的协作平台在灾难响应中收集数据，以根据紧急情况的复杂性提出具体计划 (Gupta et al., 2022)。 (RF) 算法找到影响家庭疏散准备时间的因素 (Rahman et al., 2021)。人工智能和基于云的平台通过 (众包) 协调人道主义需求 (Gupta et al., 2022)。人工智能和基于云的系统向应急响应人员提供必要的信息；该方法还有效地分配资源以进行响应 (Gupta et al., 2022)。地理人工智能灾难响应通过提供准确的地图分析，使灾难响应人员能够获得精确的信息 (Demertzis et al., 2021)。最先进的深度学习方法可以检测卫星图像的变化，从而实现高效响应 (Sublime & Kalinicheva, 2019)。 AGRA (AI) 是一种增强地理路由方法，可改善路由问题 (Chemodanov 等人，2019)。早期预警通过应用 AI SVM 分析可用数据，为监控室做出洪水或无洪水的决策，从而促进受影响人群在灾难中的撤离 (Al Qundus 等人，2022)。结合人工神经网络 (ANN) 和互联网 (IoT) 以及基于人工智能/机器学习 (ML) 的 ANN 的洪水预报方法可用于早期洪水预警系统。通过人工智能 (AI) 和机器学习 (ML) 的集成系统、地理信息系统 (GIS) 与无人机 (UAV) 方法以及在灾难期间寻找最安全疏散路线的路径规划技术，保护弱势群体免受洪水灾害 (Munawar 等人，2022)。人工智能与 UNOSAT 一起对受灾地区的地图进行高级分析，以进行早期预警 (将人工智能融入卫星，2021)。根据在线调查，不同的因素影响公众对在灾难中应用人工智能的看法。为人工智能系统用户提供了指南，以确保系统的责任。（Yigitcanlar 等人，2021 年）。