سیستم هوش مصنوعی جدید مهندسین دانشگاه رایس ارتقاء تشخیص لحظه‌ای سیل در جاده‌ها

حوادث مربوط به جاده‌ها یکی از علل اصلی تلفات سیل در آمریکا هستند، اما کمبود ابزارهای کافی برای گزارش سیل تشخیص شرایط جاده‌ها در زمان واقعی را دشوار می‌کند.

ابزارهای موجود مانند دوربین‌های ترافیکی، سنسورهای سطح آب و داده‌های شبکه‌های اجتماعی می‌توانند مشاهداتی از سیلاب ارائه دهند. اما اغلب آن‌ها به‌طور اولیه برای آگاهی از شرایط سیل طراحی نشده‌اند و به صورت جداگانه کار می‌کنند.

شبکه ای از سنسورها می‌تواند آگاهی از سطوح سیلاب را ارتقا دهد، اما بهره‌برداری گسترده از آن‌ها گران است.

مهندسین دانشگاه رایس یک راه حل احتمالی به این مشکل توسعه داده‌اند: یک چارچوب تجمیع داده‌های خودکار به نام OpenSafe Fusion.

آگاهی موقعیتی منبع باز

نام کامل این چارچوب «چارچوب آگاهی موقعیتی منبع باز برای تحرک با استفاده از تجمیع داده‌ها» است. OpenSafe Fusion از مکانیزم‌های گزارش‌دهی فردی موجود و منابع داده‌های عمومی برای تشخیص شرایط جاده‌ها در هنگام سیل‌های شهری که به طور فزاینده‌ای رایج می‌شوند استفاده می‌کند.

جیمی پادگت، استاد مهندسی و رئیس بخش مهندسی عمران و محیط زیست دانشگاه رایس به همراه پرناوش پاناکال، پژوهشگر پسادکتری در مهندسی عمران و محیط زیست، داده‌های نه منبع در هیوستون را تحلیل کرده و چارچوب جامع سیستم خودکار جمع‌آوری داده‌ها را توسعه دادند. نتایج پژوهش آن‌ها در مطالعه‌ای با عنوان «چشم‌های بیشتر روی جاده: تشخیص جاده‌های سیلابی با ترکیب مشاهدات لحظه‌ای از منابع داده‌های عمومی» در ژورنال «مهندسی قابلیت اطمینان و ایمنی سیستم» منتشر شده است.

پادگت اظهار داشت: "در حالی که منابع با مشاهده مستقیم جاده‌های سیلابی محدود هستند، مراکز شهری مملو از منابعی هستند که به طور مستقیم یا غیرمستقیم شرایط سیلابی و جاده‌ها را مشاهده می‌کنند."

پادگت و پاناکال فرض کردند که یک سیستم خودکار که متشکل از این منابع لحظه‌ای است می‌تواند آگاهی از وضعیت سیلاب را بدون سرمایه‌گذاری عمده در سنسورهای جدید تحول بخشد.

این تحقیق به جوامع مسیری برای سنجش و پاسخ به مشکلات شهری از جمله سیلاب با استفاده از منابع داده موجود ارائه می‌دهد.

این سیستم امنیتی از همکاری بلندمدت با همکاران در مرکز SSPEED در دانشگاه رایس که در حال توسعه بهترین سیستم‌های هشداردهی سیلاب هستند الهام گرفته شده و ساخته شده است. در اینجا، ما بر تأثیرات سیلاب بر زیرساخت‌های حمل و نقل تمرکز می‌کنیم و به چگونگی تکمیل اطلاعات مدل‌های سیلاب با دیگر منابع داده به ویژه با تأکید بر تاثیرات بر جاده‌ها و تحرک ایمن می‌پردازیم.

ماشین لرنینگ و تجمیع داده

این چارچوب از داده‌هایی مانند هشدارهای ترافیکی، دوربین‌ها و حتی سرعت ترافیک استفاده می‌کند و از ماشین لرنینگ و تجمیع داده بهره‌می‌برد تا پیش‌بینی کند که آیا یک جاده در سیل قرار دارد یا خیر.

ارزش چنین منابع داده‌ای در زمان طوفان هاروی در سال ۲۰۱۷ به وضوح نمایان شد. بسیاری از مردم هیوستون — از جمله پاسخ‌دهندگان به موارد اضطرای – برای تعیین شرایط جاده‌ها به تحلیل دستی منابع داده متوسل شدند تا نقص در داده‌های لحظه‌ای شرایط جاده را پوشش دهند.

برای آزمایش فرآیند OpenSafe Fusion، پژوهشگران از داده‌های تاریخی سیل مشاهده شده در زمان هاروی استفاده کردند تا سناریو را در چارچوب بازسازی کنند که شامل حدود ۶۲,۰۰۰ جاده در منطقه هیوستون بود.

مدل قادر به مشاهده حدود ۳۷,۰۰۰ لینک جاده بود که حدود ۶۰٪ از شبکه مورد نظر ما را تشکیل می‌داد که بهبود قابل توجهی است.

دیگر منابع داده‌ای که می‌تواند در چارچوب استفاده شوند شامل سنسورهای سطح آب، پرتاک‌های شهروندی، جمع‌سپاری، شبکه‌های اجتماعی، مدل‌های سیل و عاملی که مطالعه آن را «انسان در حلقه» می‌نامد می‌شود.

هوش مصنوعی مسئولانه

این منبع آخر به‌ویژه مهم است، پاناکال می‌گوید، زیرا عنصر انسانی OpenSafe Fusion امکان استفاده مسئولانه از هوش مصنوعی (AI) را فراهم می‌کند.

ما نمی‌خواهیم یک سیستم کامل خودکار بدون هیچ کنترل انسانی داشته باشیم. مدل ممکن است پیش‌بینی نادرستی انجام دهد که ممکن است برای اعضای جامعه که تصمیم به سفر بر اساس این پیش‌بینی گرفته‌اند خطرناک باشد.

بنابراین، ما حفاظ‌هایی براساس استفاده مسئولانه از AI طراحی کرده‌ایم. این نیاز به استفاده مسئولانه از AI در چنین ابزارهایی هنوز یک حوزه باز برای کار بیشتر است، و ما امیدواریم در آینده روش‌های خود را عمیق‌تر بررسی کنیم.

این تحقیق همچنین تاثیرات سیل بر دسترسی جامعه به تسهیلات بحرانی مانند بیمارستان‌ها و مراکز دیالیز در هنگام بلایای طبیعی را مورد بررسی قرار داد.

این به اعضای جامعه یا پاسخ‌دهندگان اضطراری امکان درک این که کدام جاده‌ها سیلابی هستند و چگونه به طور ایمن به یک محل حرکت کنند را می‌دهد.

پادگت می‌گوید پژوهشگران امیدوارند به دنبال آزمایش‌های گسترده، اعتبارسنجی، و تحقیق در مورد چگونگی استفاده جوامع با سطوح مختلف منابع از این چارچوب برای بهتر سنجیدن شرایط جاده‌ها در هنگام سیل بروند.

پادگت افزود: "با توجه به تاثیرات تغییر اقلیم و رویدادهای مرتبط با آب و هوای شدیدتر، فرکانس و شدت رویدادهای سیلاب در آینده ممکن است افزایش یابد، بنابراین نیاز به یک راه حل برای بهتر پاسخ دادن به رویدادهای سیلاب و تاثیرات آن‌ها بر زیرساخت‌ها داریم."