This post is also available in:
English (אנגלית)
מהנדסים מאוניברסיטת רייס פיתחו מערכת מתקדמת המופעלת על ידי בינה מלאכותית כדי לשפר את יכולת גילוי ההצפות בכבישים בזמן אמת, דבר הנותן מענה לצורך קריטי בכלים יעילים לדיווח על שיטפונות. המערכת, הנקראת OpenSafe Fusion, משפרת את מודעות הנהגים לאירועים מסוכנים על ידי צירוף מידע ממקורות נתונים שונים כדי לספק מידע עדכני על תנאי הכביש במהלך אירועי הצפה עירוניים.
תקריות הקשורות לשיטפונות הן גורם משמעותי למוות בארה"ב, והכלים הנוכחיים המשמשים למעקב אחר הצפות – כגון מצלמות תנועה, חיישני מפלס מים ורשתות חברתיות – אינם מתוכננים ספציפית לתנאי כביש ואינם עובדים יחד בצורה חלקה. רשת של חיישנים ייעודיים יכולה לשפר את גילוי השיטפונות, אבל פריסתם בקנה מידה גדול היא יקרה ביותר. כדי להתגבר על מגבלות אלה, מהנדסים מאוניברסיטת רייס הציגו את OpenSafe Fusion – מסגרת היתוך נתונים אוטומטית שמטרתה לספק פתרון מקיף ללא צורך בתשתית חדשה משמעותית.
OpenSafe Fusion – ראשי תיבות של Open Source Situtational Awareness Framework for – Mobility Using Data Fusion משתמש בנתונים ממקורות שונים כדי לפקח על תנאי הכביש המשתנים במהלך שיטפונות, כולל התראות תנועה, מצלמות ונתוני מהירות, ומשלבת אותם עם למידת מכונה וטכניקות היתוך נתונים כדי לחזות הצפות בכביש. המסגרת נועדה לפעול באמצעות מקורות ציבוריים קיימים ומנגנוני דיווח, ובכך להפחית באופן משמעותי את הצורך בחיישנים חדשים.
על פי Interesting Engineering, הפיתוח של OpenSafe Fusion כלל ניתוח נתונים מתשעה מקורות ביוסטון, טקסס, מה שהוביל ליצירת מערכת חדשנית זו. המחקר, המפורט בכתב העת Reliability Engineering & System Safety, מראה כי בעוד שתצפיות ישירות על כבישים מוצפים הן מוגבלות, אזורים עירוניים מלאים במקורות מידע עקיפים אותם למנף לניטור אחר שיטפונות.
היעילות של מערכת כזו הודגשה במהלך הוריקן הארווי בשנת 2017, כאשר אנשים רבים, כולל כוחות הבטחון ונותני עזרה ראשונה, נאלצו לפרש עצמאית מקורות שונים כדי להעריך את תנאי הכביש בשל חוסר מידע אמין בזמן אמת. על ידי הדמיה של נתוני שיטפונות היסטוריים מהארווי, החוקרים בחנו את מערכת OpenSafe Fusion, שכיסתה כ-62,000 כבישים באזור יוסטון וצפתה בהצלחה בכ-37,000 חיבורי כבישים מוצפים, המהווים כיסוי של 60% מהרשת.
OpenSafe Fusion משלבת גם מקורות מידע שונים אחרים, כולל חיישני מפלס מים, דוחות אזרחיים, מדיה חברתית, מודלי שיטפון, וכן כולל בקרה אנושית כדי להבטיח שימוש אחראי בבינה מלאכותית. רכיב זה מדגיש את החשיבות של פיקוח אנושי במערכת הבינה המלאכותית כדי למנוע סכנות פוטנציאליות שעלולות לנבוע מתחזיות שגויות.
החוקרים מתכננים לערוך בדיקות ואימות נרחבים של המערכת כדי להעריך את יעילותה בקהילות שונות, במיוחד בהתחשב בתדירות ובעוצמה הגוברת של אירועי שיטפון עקב שינוי האקלים.
