За ситуацией могли бы следить дорожные камеры, датчики уровня воды и даже данные из социальных сетей, но они не предназначены для определения состояния дорог при наводнении и не работают в синергии.

Масштабное использование датчиков могло бы улучшить информирование о наводнениях, но это дорого.

Инженеры из Университета Райса предложили решение проблемы — систему OpenSafe Fusion. Она использует существующие механизмы индивидуальной отчётности и публичные данные, чтобы определять быстро меняющиеся дорожные условия во время наводнений в городах.

Джейми Паджетт, Стэнли К. Мур и заведующий кафедрой гражданского и экологического строительства Райса вместе с Пранавешем Панаккалом изучили данные из девяти источников в Хьюстоне и создали комплексную основу для автоматизированной системы данных.

Результаты опубликованы в журнале Reliability Engineering & System Safety.

Паджетт сказал, что поскольку непосредственных источников наблюдения за затопленными дорогами мало, то в городах много источников, которые прямо или косвенно могут дать информацию о состоянии дорог.

Паджетт и Панаккал считают, что объединение данных из этих источников в реальном времени с помощью автоматизированной системы позволит улучшить ситуационную осведомлённость о наводнениях без больших затрат на новые датчики.

Это исследование предлагает сообществам способ корректно воспринимать и реагировать на такие городские стрессовые факторы, как наводнения. В работе используются существующие источники данных.

Исследование проводится совместно с коллегами из Центра SSPEED в Райсе, которые создают современные системы оповещения о наводнениях. Мы изучаем влияние наводнений на транспортную инфраструктуру и определяем, как другие данные могут дополнить информацию из моделей наводнений, особенно в отношении воздействия на дороги и безопасность движения.

Система использует данные из разных источников: оповещения о ДТП, показания камер и даже скорость движения. С помощью машинного обучения и объединения данных она предсказывает, затоплена дорога или нет.

Особенно полезными эти источники данных оказались во время урагана «Харви» в 2017 году. Тогда многие жители Хьюстона, включая сотрудников экстренных служб, вручную изучали их, чтобы понять, в каком состоянии находятся дороги.

Исследователи протестировали процесс OpenSafe Fusion, воссоздав сценарий наводнения Харви в модели, включающей около 62 000 дорог в районе Хьюстона.

По словам Панаккала, модель смогла наблюдать около 37 000 дорожных связей, что составляет около 60% от рассматриваемой сети. Это значительное улучшение.

В системе могут быть использованы различные источники данных: датчики уровня воды, порталы для граждан, краудсорсинг, социальные сети, модели наводнений и «человек в контуре». Последний источник особенно важен, поскольку он позволяет ответственно использовать искусственный интеллект.

Панаккал: Мы не хотим, чтобы система была полностью автоматизирована. Модель может сделать неверный прогноз, и это подвергнет опасности людей. Поэтому мы разработали меры предосторожности, основанные на ответственном использовании ИИ.

Ещё предстоит работа в области ответственного использования искусственного интеллекта в подобных инструментах, и мы углубимся в неё после тестирования наших методов.

Исследователи изучили, как наводнение влияет на доступность больниц и диализных центров.

Панаккал говорит, что это поможет понять, какие дороги затоплены и как добраться до нужного места безопасно.

Исследователи планируют провести тестирование системы, чтобы выяснить, как она может помочь общинам с разными ресурсами во время наводнения.

Паджетт считает, что из-за изменения климата в будущем может увеличиться количество и сила наводнений. Поэтому нужно найти решение, которое поможет эффективнее реагировать на них и их последствия для инфраструктуры.