طراحی سیستم پشتیبان تصمیم گیری برای مدیریت بحران زلزله در شهر تهران با محوریت سامانه های آتش نشانی و شهرداری ب) تلفیق IoT و مدل های یادگیری ماشین

مدیریت بحران زلزله در کلان شهر تهران به دلیل تراکم، جمعیت، فرسودگی بافت شهری و زیرساخت های حیاتی، نیازمند سامانه های تصمیم یار هوشمند است. در این پژوهش، سامانه ای پشتیبان تصمیم گیری طراحی و توسعه داده شد که با استفاده از داده های بلادرنگ اینترنت اشیاء (IoT) و مدل های یادگیری ماشین به آتش نشانی و شهرداری تهران در تصمیم گیری های سریع و دقیق هنگام زلزله کمک می کند. داده های به دست آمده از ۵۰ حسگر لرزه ای و زیست محیطی در مناطق مختلف تهران طی یک سال تحلیل شدند. برای پیش بینی شدت خسارات و اولویت بندی عملیات امداد از الگوریتم Random Forest و شبکه عصبی LSTM استفاده شد. نتایج نشان داد دقت مدل ترکیبی پیشنهادی در پیش بینی نقاط بحرانی به ۹۴٫۶% می رسد و زمان واکنش اولیه سامانه نسبت به روش های سنتی تا ۴۲% کاهش یافته است. این سامانه با یکپارچه سازی داده های آتش نشانی و شهرداری می تواند به عنوان ابزار کلیدی در مدیریت بلادرنگ بحران های شهری مورد استفاده قرار گیرد.

کلیدواژه ها:

مدیریت بحران ، زلزله ، آتش نشانی ، شهرداری تهران ، IoT ، یادگیری ماشین