都市インフラAI

AWS上にマルチパイプラインAIプラットフォームを構築しました。インフラ検出パイプラインはClaude SonnetとLiDAR点群処理を使用してストリートレベル画像から197種のアセットタイプを分類し、位置精緻化、コレクション間重複排除、インタラクティブGeoJSONレポートを備えています。システムはECS Fargateの並列ワーカーとBedrock Batch推論で稼働し、大規模処理で50%のコスト削減を実現します。

樹木危険度評価パイプラインは7つの主要イベント会場にわたる86,164本の街路樹を処理し、97.2%の評価率を達成しました。KD-tree方位ベースの画像選択が440万件のカメラ記録から樹木ごとに最適な15枚のビューを見つけます。セマンティックリトライメカニズムが8,048件の評価を評価不能から評価可能に改善し、24本の最優先樹木と3,085本の高優先樹木を特定しました。別個の道路評価パイプラインが763マイルにわたる205,707の調査ポイントから20フィート間隔で12+の状態属性を抽出します。

事故報告書抽出システムがハイブリッドOCR + LLMパイプラインで複数管轄区域の文書処理を行い、99.36–99.78%のフィールド精度を達成しています。事故ナラティブアナライザーが13の管轄区域にわたるナラティブテキストから30の構造化フィールドを抽出し、事後検証バリデーションルールを備えています。プラットフォーム全体でPythonとRustのコードベースにわたる6,400+件の自動テストを含みます。