به گزارش سرویس ترجمه خبرگزاری ایمنا، سیستمهای هشدار سریع سیل بر پایه هوش مصنوعی شبکهای از سنسورها، دوربینها و الگوریتمهای پیشرفته هستند که بهطور مداوم وضعیت آبوهوا، سطح آب و تردد شهری را پایش میکنند و خطر سیل را قبل از وقوع پیشبینی میکنند. این سیستمها برخلاف روشهای سنتی که تنها پس از وقوع سیل فعال میشدند، رویکردی پیشدستانه دارند و به شهروندان و مسئولان فرصت میدهند تا قبل از فاجعه اقدام کنند.
این سیستمها از چندین بخش کلیدی تشکیل شدهاند: سنسورهای اینترنت اشیا که سطح آب در رودخانهها، کانالها و خیابانها را اندازهگیری میکنند و دادهها را بهطور لحظهای به مرکز کنترل ارسال میکنند. دوربینهای مدار بسته مجهز به هوش مصنوعی تصویری که تصاویر را تحلیل میکند و عمق آب، سرعت جریان و مناطق غرقشده را تشخیص میدهد. ایستگاههای هواشناسی محلی که دادههای بارش، دما، رطوبت و سرعت باد را جمعآوری میکنند و الگوریتمهای یادگیری ماشین که این دادهها را تحلیل میکنند و با استفاده از مدلهای پیشبینی، وقوع سیل را ۱۲ تا ۲۴ ساعت قبل اعلام میکنند.
سال ۲۰۲۶ نقطه عطفی در توسعه سیستمهای هشدار سریع سیل است. ترکیب النینوی بیسابقه، پیشرفتهای سریع در هوش مصنوعی و اینترنت اشیا و درسهای گرفتهشده از سیلهای ویرانگر ۲۰۲۴ و ۲۰۲۵ موجب شد که شهرهای بزرگ میلیاردها دلار بر این فناوری سرمایهگذاری کنند. گزارشها نشان میدهد که بازار جهانی سیستمهای هشدار سیل هوشمند در ۲۰۲۶ به ۲.۸ میلیارد دلار رسیده است که ۴۵ درصد افزایش نسبت به ۲۰۲۴ دارد.
دولت هند در ۲۰۲۶-۲۰۲۵ برنامه مدیریت طوفان شهرهای هوشمند را با بودجه ۵۰۰ میلیون دلار اجرا کرد که شامل نصب سنسورهای اینترنت اشیا و دوربینهای هوشمند در ۱۰۰ شهر است. اندونزی در چارچوب برنامه شهر هوشمند ناسانتارا ۲۰۰ میلیون دلار برای سیستمهای هشدار سیل سرمایهگذاری کرد. کره جنوبی بودجه ۱۰۰ میلیون وون (۷۵ میلیون دلار) برای ارتقای سیستمهای مدار بسته با هوش مصنوعی اختصاص داد. فیلیپین نیز در اوت ۲۰۲۶، یک میلیارد پزو (۱۸ میلیون دلار) برای سیستم هشدار سیل بر پایه هوش مصنوعی با نقشهبرداری لیدار و مدلهای یادگیری ماشین تخصیص داد.
گوراکپور، هند؛ نخستین سیستم مدیریت سیل شهری هند با هوش مصنوعی
گوراکپور، شهری با جمعیت ۶۷۰ هزار نفر در ایالت اوتار پرادش هند، هر سال با سیلهای موسمی ویرانگری روبهرو میشود. این شهر در نزدیکی رودخانه راپتی واقع شده است و در فصل موسمی از ژوئن تا سپتامبر بارشهای شدیدی را تجربه میکند. در ۲۰۲۴، سیلهای گوراکپور بیش از ۵۰ کشته بر جای گذاشت و هزاران نفر را آواره کرد. سیستمهای هشدار سنتی که تنها بر اساس دادههای ایستگاههای هواشناسی دور عمل میکردند، نتوانستند سیلهای ناگهانی را پیشبینی کنند و شهروندان چند دقیقه قبل از وقوع سیل مطلع شدند.
در آوریل ۲۰۲۶، شهرداری گوراکپور با همکاری اندیشکده برنامهریزی دولت هند، نخستین سیستم مدیریت سیل شهری هند با هوش مصنوعی (UFMC) را راهاندازی کرد. این سیستم شامل ۵۰ سنسور اینترنت اشیا است که در رودخانه راپتی، کانالهای شهری و مناطق مستعد سیل نصب شدهاند و سطح آب، سرعت جریان و بارش را هر پنج دقیقه اندازهگیری میکنند. دادهها بهطور لحظهای به مرکز کنترل ارسال و توسط الگوریتمهای یادگیری ماشین تحلیل میشوند.
الگوریتمهای UFMC از شبکههای عصبی عمیق استفاده میکنند که با دادههای تاریخی ۲۰ ساله بارش و سیل آموزش دیدهاند. این مدلها میتوانند بارش و خطر سیل را تا ۲۴ ساعت قبل با دقت ۸۰ درصد پیشبینی کنند. هنگامی که خطر سیل تشخیص داده میشود، سیستم بهطور خودکار پیامهای هشدار را از طریق پیام، اپلیکیشن موبایل و بلندگوهای عمومی به شهروندان ارسال میکند. همزمان، مسئولان شهری از طریق داشبورد مرکزی از وضعیت مطلع میشوند و میتوانند پمپها، دریچهها و موانع سیل را بهطور خودکار یا دستی فعال کنند.
این سیستم از زمان راهاندازی تاکنون، توانسته است ۱۵ سیل ناگهانی را ۲۴ ساعت قبل پیشبینی کند و برای ۳۰۰ هزار شهروند پیام هشدار ارسال کند. دقت پیشبینیها نسبت به سیستمهای سنتی بهبود قابلتوجهی دارد. زمان پاسخگویی به شکایات آبگرفتگی از چهار تا شش ساعت به یک تا دو ساعت کاهش یافته که معادل بهبود ۶۵ درصدی است. در طول آزمایش سیستم، ۷۰ درصد از ۲۵۰ شکایت آبگرفتگی در عرض چند ساعت حلوفصل شده است.
تعداد کشتههای ناشی از سیل از ۵۰ نفر در ۲۰۲۴ به ۱۲ نفر در ۲۰۲۶ کاهش یافته است که نشاندهنده تأثیر مستقیم هشدارهای زودهنگام بر نجات جان انسانها است. علاوه بر این، سیستم هوشمند هزینههای عملیاتی مدیریت سیل را ۳۰ درصد کاهش داده است، زیرا نیاز به گشتزنیهای دستی و بازرسیهای میدانی کمتر شده است. گوراکپور نشان داده است که شهرهای کوچک با منابع محدود نیز میتوانند با هوش مصنوعی و اینترنت اشیا، مقاومت خود را در برابر سیل افزایش دهند.
سئول، کره جنوبی؛ منطقه سوچو روی دوربینهای عمومی
سئول در سالهای اخیر با سیلهای ناگهانی ناشی از بارشهای شدید روبهرو شده است. منطقه سوچو یکی از ۲۵ منطقه سئول با جمعیت ۴۲۰ هزار نفر، بهطور خاص آسیبپذیر است زیرا در نزدیکی رودخانه هان واقع شده و دارای کانالهای متعددی است. سیستمهای هشدار سنتی که بر اساس سنسورهای سطح آب عمل میکردند، نمیتوانستند عمق آب و سرعت جریان را بهطور لحظهای اندازهگیری کنند و هشدارها با تأخیر صادر میشد.
در سپتامبر ۲۰۲۵، منطقه سوچو با همکاری شرکتهای فناوری کرهای، سیستم اندازهگیری و هشدار سیل با هوش مصنوعی را راهاندازی کرد. این سیستم از هوش مصنوعی تصویری روی ۱۰۰ دوربین مدار بسته عمومی استفاده میکند که در مناطق مستعد سیل نصب شدهاند. دوربینها تصاویر را هر ۱۰ ثانیه ضبط میکنند و الگوریتمهای هوشمند این تصاویر را تحلیل میکنند و عمق آب، سرعت جریان، سطح آب رودخانه و مناطق غرقشده را تشخیص میدهند.
الگوریتمهای هوشمند با میلیونها تصویر از سیلهای گذشته آموزش دیدهاند. این مدلها میتوانند عمق آب را با دقت ۹۵ درصد و سرعت جریان را با دقت ۹۰ درصد اندازهگیری کنند. هنگامی که عمق آب یا سرعت جریان از آستانه ایمنی فراتر میرود، سیستم بهطور خودکار وضعیت را به مسئولان اطلاع میدهد و موانع لیزری، چراغهای هشدار و بلندگوهای عمومی را فعال میکند. پیامهای هشدار نیز از طریق پیام، اپلیکیشن موبایل و تابلوهای دیجیتال به شهروندان ارسال میشود.
در فصل بارشهای شدید ۲۰۲۶، این سیستم توانست ۲۰ مورد خطر سیل را بهطور لحظهای تشخیص دهد و به ۳۰۰ هزار شهروند هشدار دهد. دقت اندازهگیری عمق آب ۹۵ درصد و سرعت جریان ۹۰ درصد بود که نسبت به سنسورهای سنتی ۸۰ درصد بهبود قابلتوجهی دارد. زمان پاسخگویی به سیل از ۴۵ دقیقه به ۱۰ دقیقه کاهش یافت که نشاندهنده موفقیت این سیستم است. این سیستم در سپتامبر ۲۰۲۶ جایزه وزیر کشور و ایمنی کره جنوبی را دریافت کرد و بهعنوان یکی از بهترین نمونههای استفاده از دوربینهای هوشمند در مدیریت بلایا شناخته شد.
سمارانگ، اندونزی؛ پروژه چشم طوفان با رادار و سنسورهای هوشمند
سمارانگ، پایتخت استان جاوه مرکزی اندونزی هر سال با سیلهای موسمی و طوفانهای گرمسیری روبهرو میشود. این شهر در ساحل دریای جاوه واقع شده و بخشهای بزرگی از آن زیر سطح دریاست. در ۲۰۲۵-۲۰۲۴، سیلهای سمارانگ بیش از ۱۰۰ کشته بر جای گذاشت و خسارتهای میلیارد دلاری وارد کرد. سیستمهای هشدار سنتی که تنها بر اساس دادههای بارش عمل میکردند، نمیتوانستند سیلهای ناگهانی ناشی از ترکیب بارش شدید، جزر و مد دریا و گرفتگی کانالها را پیشبینی کنند.
در ژانویه ۲۰۲۶، شهرداری سمارانگ با همکاری دانشگاه دیپونگورو، پروژه چشم طوفان را راهاندازی کرد. این سیستم از سه بخش کلیدی تشکیل شده است: رادار هواشناسی محلی که بارش را در شعاع ۵۰ کیلومتری پایش میکند و دادهها را هر ۱۰ دقیقه بهروز میکند. سنسورهای سطح آب اینترنت اشیا که در ۳۰ نقطه از رودخانهها، کانالها و مناطق ساحلی نصب شدهاند و سطح آب را هر پنج دقیقه اندازهگیری میکنند. و دوربینهای مدار بسته مجهز به هوش مصنوعی که تصاویر را تحلیل میکنند و عمق آب، سرعت جریان و مناطق غرقشده را تشخیص میدهند.
الگوریتمهای چشم طوفان از مدلهای یادگیری عمیق و شبکههای عصبی کانولوشنال (CNN) استفاده میکنند که با دادههای تاریخی ۱۵ ساله بارش و سیل آموزش دیدهاند. این مدلها میتوانند سیل را تا ۱۸ ساعت قبل پیشبینی کنند و دقت پیشبینی آنها بیش از ۷۵ درصد است. هنگامی که خطر سیل تشخیص داده میشود، سیستم بهطور خودکار پیامهای هشدار را از طریق پیام، اپلیکیشن موبایل و بلندگوهای عمومی به شهروندان ارسال میکند.
در فصل موسمی ۲۰۲۶ سیستم چشم طوفان توانست ۱۰ سیل ناگهانی را ۱۲ تا ۱۸ ساعت قبل پیشبینی کند و به ۵۰۰ هزار شهروند هشدار دهد. شهرداری سمارانگ تخمین زده است که این سیستم در ۲۰۲۶، از ۱۰۰ میلیارد روپیه اندونزی (۶.۵ میلیون دلار) خسارت سیل جلوگیری کرده است، همچنین سیستم هوشمند هزینههای عملیاتی مدیریت سیل را ۲۵ درصد کاهش داده است، زیرا نیاز به گشتزنیهای دستی و بازرسیهای میدانی کمتر شده است. اپلیکیشن چشم طوفان تا اوت ۲۰۲۶ بیش از ۲۰۰ هزار دانلود داشته است و ۶۰ درصد از شهروندان سمارانگ از آن استفاده میکنند. موفقیت این پروژه موجب شده است که شهرهای دیگر اندونزی از جمله جاکارتا، سورابایا و مدان در حال الگوبرداری از این مدل باشند.
نظر شما