Automated urban waterlogging assessment and early warning through a mixture of foundation models

📄 arXiv: 2510.18425v1 📥 PDF

作者: Chenxu Zhang, Fuxiang Huang, Lei Zhang

分类: cs.AI

发布日期: 2025-10-21

备注: Submitted to Nature

💡 一句话要点

提出UWAssess，利用混合基础模型自动评估城市内涝并预警

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 城市内涝 基础模型 半监督学习 思维链提示 灾害评估

📋 核心要点

  1. 现有城市内涝监测依赖人工报告，缺乏及时性和全面性，难以有效应对日益严峻的气候变化挑战。
  2. UWAssess框架利用基础模型自动识别积水区域并生成结构化报告，实现内涝监测从感知到生成的转变。
  3. 通过半监督微调和思维链提示策略，UWAssess在数据稀缺情况下显著提升感知性能，并能生成可靠的文本报告。

📝 摘要（中文）

随着气候变化加剧，城市内涝对全球公共安全和基础设施构成日益严重的威胁。然而，现有的监测方法严重依赖人工报告，无法提供及时和全面的评估。本研究提出了城市内涝评估（UWAssess），这是一个由基础模型驱动的框架，可以自动识别监控图像中的积水区域并生成结构化的评估报告。为了解决标记数据稀缺的问题，我们设计了一种半监督微调策略和一种思维链（CoT）提示策略，以释放基础模型在数据稀缺的下游任务中的潜力。在具有挑战性的视觉基准上的评估表明，感知性能得到了显著提高。基于GPT的评估证实了UWAssess生成可靠文本报告的能力，这些报告准确地描述了内涝的程度、深度、风险和影响。这种双重能力使得内涝监测从感知转向生成，而多个基础模型的协作框架为智能和可扩展的系统奠定了基础，支持城市管理、灾害响应和气候适应能力。

🔬 方法详解

问题定义：论文旨在解决城市内涝监测中依赖人工、效率低下的问题。现有方法难以快速、全面地评估内涝情况，无法及时提供预警信息。数据标注成本高昂，限制了深度学习模型的应用。

核心思路：论文的核心思路是利用预训练的基础模型，结合半监督学习和思维链提示，克服数据稀缺问题，实现自动化的内涝区域识别和评估报告生成。通过将感知任务与生成任务相结合，提升系统的智能化水平。

技术框架：UWAssess框架包含图像感知和报告生成两个主要阶段。图像感知阶段利用视觉基础模型识别图像中的积水区域，采用半监督微调策略提升模型在少量标注数据上的性能。报告生成阶段利用GPT等语言模型，基于图像感知结果生成结构化的内涝评估报告，通过思维链提示提高报告的准确性和可靠性。

关键创新：该论文的关键创新在于将多个基础模型进行有效整合，构建了一个端到端的城市内涝评估框架。此外，提出的半监督微调策略和思维链提示策略有效解决了数据稀缺问题，提升了模型在下游任务中的性能。

关键设计：半监督微调策略利用未标注数据进行预训练，然后使用少量标注数据进行微调，从而提高模型泛化能力。思维链提示策略通过引导语言模型逐步推理，生成更准确、更全面的报告。具体参数设置和网络结构细节在论文中未详细说明，属于未知信息。

📊 实验亮点

实验结果表明，UWAssess在视觉基准测试中取得了显著的性能提升，证明了其在内涝区域识别方面的有效性。基于GPT的评估证实，UWAssess能够生成准确描述内涝程度、深度、风险和影响的可靠文本报告。具体的性能数据和提升幅度在论文中未明确给出，属于未知信息。

🎯 应用场景

该研究成果可应用于城市管理、灾害响应和气候适应等领域。通过自动化的内涝监测和预警，可以帮助城市管理者及时采取应对措施，减少内涝造成的损失。该系统还可用于评估城市基础设施的抗洪能力，为城市规划提供决策支持。未来，该技术有望推广到其他自然灾害的监测和预警中。

📄 摘要（原文）

With climate change intensifying, urban waterlogging poses an increasingly severe threat to global public safety and infrastructure. However, existing monitoring approaches rely heavily on manual reporting and fail to provide timely and comprehensive assessments. In this study, we present Urban Waterlogging Assessment (UWAssess), a foundation model-driven framework that automatically identifies waterlogged areas in surveillance images and generates structured assessment reports. To address the scarcity of labeled data, we design a semi-supervised fine-tuning strategy and a chain-of-thought (CoT) prompting strategy to unleash the potential of the foundation model for data-scarce downstream tasks. Evaluations on challenging visual benchmarks demonstrate substantial improvements in perception performance. GPT-based evaluations confirm the ability of UWAssess to generate reliable textual reports that accurately describe waterlogging extent, depth, risk and impact. This dual capability enables a shift of waterlogging monitoring from perception to generation, while the collaborative framework of multiple foundation models lays the groundwork for intelligent and scalable systems, supporting urban management, disaster response and climate resilience.