طوّر علماء من جامعة "رايس" Rice University الأميركية، أداة تنبيه بالفيضانات على الطرق، إذ تعتبر حوادث المرور السبب الرئيس للوفيات الناجمة عن الفيضانات في الولايات المتحدة، فيما تصعب محدودية أدوات الإبلاغ عن الفيضانات من تقييم ظروف الطرق في الوقت الفعلي.
وبحسب موقع techxplore، فإنه يمكن للأدوات الحالية مثل كاميرات المرور وأجهزة استشعار مستوى المياه، وحتى بيانات مواقع التواصل الاجتماعي، أن توفر ملاحظات بشأن الفيضانات، ولكنها غالباً لا تكون مصممة في المقام الأول لاستشعار ظروف الفيضانات على الطرق، ولا تعمل معاً، لذلك يمكن لشبكة من أجهزة الاستشعار تحسين الوعي بمستوى الفيضانات الظرفية، ومع ذلك، فإن تشغيلها على نطاق واسع مكلف.
قام المهندسون في جامعة "رايس"، بإيجاد حل متكامل لهذه المشكلة، وهو إطار عمل آلي لدمج البيانات يسمى OpenSafe Fusion اختصاراً لـ"إطار عمل مفتوح المصدر للوعي بالموقف من أجل التنقل باستخدام دمج البيانات".
يستفيد ذلك الإطار، من آليات الإبلاغ الفردية الحالية ومصادر البيانات العامة؛ لاستشعار ظروف الطرق المتطورة بسرعة أثناء أحداث الفيضانات الحضرية، والتي أصبحت متكررة بشكل متزايد.
وتعاونت جيمي بادجيت، أستاذة الهندسة في جامعة رايس ورئيس قسم الهندسة المدنية والبيئية، مع برانافش باناكال، باحث ما بعد الدكتوراه في الهندسة المدنية والبيئية، لتحليل البيانات من 9 مصادر في مدينة هيوستن، قبل تطوير الإطار الشامل لنظام البيانات الآلي في بحثهم.
تم نشر الدراسة بعنوان "مزيد من العيون على الطريق: استشعار الطرق المغمورة بالمياه من خلال دمج الملاحظات في الوقت الفعلي من مصادر البيانات العامة"، في مجلة Reliability Engineering & System Safety.
الوصول إلى المرافق
تطرقت الدراسة إلى تأثيرات الفيضانات على وصول المجتمع إلى المرافق الحيوية، مثل المستشفيات ومراكز غسيل الكلى أثناء الكوارث الطبيعية.
وقال باناكال: "هذا يمنح أعضاء المجتمع أو المستجيبين للطوارئ فهماً للطرق المغمورة بالمياه وكيفية التنقل بأمان إلى موقع ما".
وتقول بادجيت، إن الباحثين يأملون في متابعة الاختبارات المكثفة والتحقق والاستكشاف لكيفية تمكن المجتمعات من استخدام هذا الإطار لاستشعار حالة الطرق بشكل أفضل أثناء الفيضان.
وأضافت بادجيت: "بالنظر إلى تأثيرات تغير المناخ والأحداث الجوية المتفاقمة بسبب المناخ، فإن تواتر وشدة أحداث الفيضانات قد تزيد في المستقبل، لذلك نحن بحاجة إلى حل للاستجابة بشكل أفضل لأحداث الفيضانات وتأثيراتها على البنية التحتية".
وأضافت: "بينما المصادر التي تراقب الطرق المغمورة بشكل مباشر محدودة، فإن المراكز الحضرية مليئة بالمصادر التي تراقب الفيضانات أو ظروف الطرق بشكل مباشر أو غير مباشر".
وترى بادجيت وباناكال، أن النظام الآلي الذي يجمع بين المعلومات من هذه المصادر في الوقت الفعلي، يمكن أن "يحدث ثورة في الوعي بحالة الفيضانات دون استثمار كبير في أجهزة استشعار جديدة".
وأشارت بادجيت إلى أن هذه الدراسة "تقدم للمجتمعات مساراً لاستشعار الضغوط الحضرية مثل الفيضانات والاستجابة لها بشكل عادل باستخدام مصادر البيانات الموجودة". وأوضحت: "نركز على تأثيرات الفيضانات على البنية التحتية للنقل، ونركز على فهم كيف يمكن لمصادر البيانات الأخرى أن تكمل المعلومات من نماذج الفيضانات، وخاصة في ما يتعلق بالتأثير على الطرق والتنقل الآمن".
يستخدم الإطار بيانات من مصادر مثل تنبيهات المرور والكاميرات وحتى سرعة المرور، ويستفيد من التعلم الآلي ودمج البيانات للتنبؤ بما إذا كان الطريق مغموراً بالمياه أم لا.
تجربة سابقة
كانت قيمة مصادر البيانات واضحة أثناء إعصار هارفي في عام 2017، إذ لجأ العديد من الأشخاص في هيوستن إلى فحص مصادر البيانات يدوياً لاستنتاج ظروف الطريق المحتملة؛ للتغلب على نقص بيانات حالة الطريق الموثوقة في الوقت الفعلي.
ولاختبار OpenSafe Fusion، استخدم الباحثون البيانات التي لوحظت أثناء إعصار هارفي لإعادة إنشاء السيناريو في الإطار، والذي يتكون من حوالي 62 ألف طريق في هيوستن.
وقال باناكال: "لقد تمكن النموذج من مراقبة حوالي 37 ألف طريق، وهو ما يمثل حوالي 60% من الشبكة التي أخذناها في الاعتبار، وهذا تحسن كبير".
تشمل مصادر البيانات الأخرى، التي يمكن استخدامها، أجهزة استشعار مستوى المياه، وبوابات المواطنين، والتمويل الجماعي، ومواقع التواصل الاجتماعي، ونماذج الفيضانات وعامل تشير إليه الدراسة باسم "الإنسان في الحلقة"، وهو العنصر البشري الذي يقول باناكال إنه "مهم بشكل خاص".
وتابع باناكال: "لا نريد نظاماً آلياً بالكامل دون أي سيطرة بشرية"، موضحاً "قد يقدم النموذج تنبؤاً خاطئاً، مما قد يعرض أعضاء المجتمع للخطر الذين يقررون المخاطرة بالسفر بناءً على هذا التوقع. لذلك صممنا ضمانات تستند إلى الاستخدام المسؤول للذكاء الاصطناعي. لا تزال هذه الحاجة إلى الذكاء الاصطناعي المسؤول في مثل هذه الأدوات، مجالاً مفتوحاً لمزيد من العمل، ونأمل أن نتعمق أكثر مع اختبار أساليبنا في المستقبل".
