مدیریت بحران با دوقلوهای دیجیتال اجرایی مبتنی بر LLM: وارگیمینگ تصمیمات شهرداری در رخدادهای مرکب شهری

این پژوهش یک چارچوب نوین و داده محور برای مدیریت بحران شهری ارائه می دهد که با تلفیق دوقلوی دیجیتال اجرایی (Executive Digital Twin) و مدل های زبانی بزرگ (Large Language Models – LLM) توسعه یافته است. دوقلوی دیجیتال، با ایجاد یک نسخه مجازی و همزمان از سامانه شهری، امکان مدل سازی پویا و شبیه سازی بلادرنگ پیامد تصمیمات مدیریتی را فراهم می سازد. این مدل مجازی بر پایه داده های بلادرنگ گردآوری شده از شبکه حسگرهای IoT، سامانه های اطلاعات مکانی (GIS)، تصاویر ماهواره ای، داده های هواشناسی، شبکه های اجتماعی و گزارش های میدانی به روزرسانی می شود. در این چارچوب، LLM به عنوان موتور تحلیلی و تصمیم یار، داده های چندمنبعی را پیش پردازش، تحلیل و تلفیق کرده و با استفاده از سناریوسازی پویا (Dynamic Scenario Generation) و وارگیمینگ تصمیمات (Decision Wargaming)، مجموعه ای از راهکارهای تصمیم گیری را به همراه پیش بینی پیامدهای هر گزینه ارائه می دهد. این فرآیند با مدل سازی پیامدهای احتمالی شامل پیش بینی تلفات، خسارات اقتصادی، بار لجستیکی، تاثیرات زیرساختی و شاخص های کلیدی عملکرد (KPIs) تکمیل می شود. برای ارزیابی عملی، سه سناریوی بحران مرکب شهری (زلزله ۶.۲ ریشتر همراه با آتش سوزی گسترده و قطع برق، سیل ناگهانی با نشت مواد شیمیایی، و قطع سراسری برق همراه با ناآرامی اجتماعی) در محیط شبیه سازی شهرداری همدان پیاده سازی شد. نتایج نشان داد که استفاده از این چارچوب باعث کاهش میانگین زمان واکنش به بحران به میزان ۴۲٪ و افزایش دقت پیش بینی پیامدها به میزان ۳۱٪ نسبت به روش های سنتی گردید. مزیت کلیدی رویکرد پیشنهادی، یکپارچه سازی قابلیت های شبیه سازی چندعاملی، تحلیل داده های بلادرنگ و هوش مصنوعی مولد برای بهبود تصمیم گیری اجرایی در شرایط پیچیده و نامطمئن است. این چارچوب علاوه بر کاهش ریسک و افزایش تاب آوری شهری، قابلیت بومی سازی و توسعه در مقیاس ملی را نیز داراست.

کلیدواژه ها:

مدیریت بحران ، دوقلوی دیجیتال ، مدل های زبانی بزرگ ، وارگیمینگ تصمیمات ، بحران مرکب شهری ، شبیه سازی بلادرنگ ، تاب آوری شهری ، هوش مصنوعی