راهکاری برمبنای هوش مکانی برای نجات پس از زمین لرزه

پیشینه و اهداف: همه ساله زلزله به عنوان یک بحران و یکی از بلایای طبیعی که تقریبا غیر قابل پیش­بینی به شمار می­رود، خسارات جبران ناپذیر جانی و مالی را متحمل بشریت می­نماید. از این رو بهتر است راهکارهایی نوین بر اساس روشهای جدید علمی و تجربیات گذشته، ارائه و پیاده­سازی شود. مدیریت این گونه بحران­های مخاطرات و بلایای طبیعی به سه مرحله پیش از وقوع، هنگام وقوع و پس از وقوع آن تقسیم می­شود. نجات، جزو مراحل پس از وقوع حادثه است که می­توان با مطالعه و بررسی پیش از وقوع حادثه به ارائه راهکاری جهت بهبود عملکرد نجات در رخداد آن در پس از وقوع زمین­لرزه رسید. در این مقاله سعی می­شود راهکاری با استفاده از هوش مکانی (Geo-AI) برای نجات پس از زمین­لرزه ارائه شود.روش ها : در این پژوهش با بهره­گیری از هوش مکانی (Geo-AI) و شبیه­سازی زمین­لرزه­ای فرضی راهکاری جهت ارتقا و تقویت نجات در وقوع زمین­لرزه پیشنهاد می­شود. در این روش زمین­لرزه­ای فرضی با استفاده از سناریو شناور جایکا در تهران شبیه­سازی شده است و در آن ۴۸ امدادرسان در قالب ۶ تیم نجات در محدوده مطالعاتی در نظر گرفته می­شود. تیم­های مذکور با استفاده از یک سیستم اطلاعات مکانی هوشمند تقویتی، به گونه­ای به فعالیت­های جستجو و نجات اختصاص می­یابند که در زمان کمتری، نجات بیشتر و کارآمدتری نسبت به حالت تجربی انجام شود. در مدل هوش مکانی ارائه شده از بخش یادگیری تقویتی هوش مصنوعی بهره گرفته می­­شود و به کمک مدل ایجاد شده به ارتقای عملیات جستجو و نجات در طی استفاده از مدل پیشنهادی برای بعد از رخداد زمین­لرزه دست می­یابد. در این مدل با استفاده از طراحی تابعی از جمیع پارامترهای موثر در نجات پس از زمین­لرزه، در هوش مکانی تقویتی به بهبود عمکرد نجات در زمان رخداد زمین­لرزه پرداخته می­شود.یافته ها: با توجه به ماهیت فعالیت­های گروه­های نجات و عدم امکان قرارگیری محققان در شرایط واقعی پس از زمین­لرزه، شبیه­سازی رخداد آن به منظور فراهم نمودن اطلاعات مکانی و توصیفی منطقه انجام فعالیت انجام می­شود. در این شبیه­سازی تعیین فعالیت­های مورد نیاز نجات و تهیه اطلاعات موقعیتی و توصیفی تیم­های نجات مدنظر قرار گرفته است. همچنین شبیه­سازی رخداد زمین­لرزه برای بدست آوردن برآورد تقریبی خسارات سازه­ای و انسانی در یک بخشی از شهر تهران انجام شده است. بدیهی است که فعالیت­ها دارای اولویت­ها و اهمیت­های مختلفی هستند. با توجه به مطالعات انجام شده و فرضیات مدنظر مدل پیشنهادی، در این پژوهش برای بررسی مدل ارائه شده ۴۸ امدادرسان مد نظر قرارگرفتند و ابتدا در نزدیکترین مرکز مدیریت بحران منطقه مطالعاتی مستقر شدند و سپس تخصیص هوشمند فعالیت­های نجات به افراد نجاتگر صورت می­گیرد.نتیجه گیری: استفاده از مدل پیشنهادی در این مقاله جهت شبیه­سازی­های پژوهش حاضر و نیز پیاده­سازی ساختار فعالیت­­های نجات و تیم­های جستجو و نجات، راهکاری نوین در راستای بهبود کیفیت نجات پس از زمین­لرزه خواهد بود. با بررسی­های انجام شده، مشخص شد پارامترهایی نظیر مدت زمان زنده ماندن در زیر آوار، مدت زمان انجام فعالیت نجات، فاصله افراد تیم­های نجات تا مکان فعالیت­ها، سرعت افراد هنگام حرکت به سمت هدف بسیار اهمیت دارد. نتایج حاصله از اجرای مدل هوشمند پیشنهادی این پژوهش در مقایسه با عدم استفاده از مدل پیشنهادی، بهبود ۶۴۲/۲ برابری تخصیص صورت پذیرفته را نشان داده است.

کلیدواژه ها:

هوش مکانی ، بلایای طبیعی ، هوش مصنوعی ، زمین لرزه ، نجات