Inspireret af de samme modellering og matematiske love, der blev brugt til at forudsige spredningen af pandemier, har forskere ved Texas A&M University skabt en model til nøjagtigt at forudsige spredningen og recessionsprocessen af oversvømmelser i byernes vejnet. Med denne nye tilgang har forskere skabt en enkel og kraftfuld matematisk tilgang til et komplekst problem.
"Vi blev inspireret af det faktum, at spredningen af epidemier og pandemier i samfund er blevet undersøgt af folk inden for sundhedsvidenskab og epidemiologi og andre områder, og de har identificeret nogle principper og regler, der styrer spredningsprocessen i komplekse sociale netværk," sagde Dr. Ali Mostafavi, lektor i Zachry Department of Civil and Environmental Engineering. "Så vi spørger os selv, er disse spredningsprocesser de samme for spredningen af oversvømmelser i byer? Vi testede det, og overraskende nok fandt vi ud af, at svaret er ja."
Resultaterne af denne undersøgelse blev for nylig offentliggjort i Nature Scientific Reports.
Smittemodellen, Susceptible-Exposed-Infected-Recovered (SEIR), bruges til matematisk at modellere spredningen af infektionssygdomme. I forhold til oversvømmelse integrerede Mostafavi og hans team SEIR-modellen med netværksspredningsprocessen, hvor sandsynligheden for oversvømmelse af et vejsegment afhænger af, i hvilken grad de nærliggende vejsegmenter er oversvømmet.
I forbindelse med oversvømmelser er en vej modtagelig, der kan blive oversvømmet, fordi den er i en oversvømmelsesslette; udsat er en vej, der har oversvømmelser på grund af regnvand eller overløb fra en nærliggende kanal; inficeret er en vej, der er oversvømmet og ikke kan bruges; og genoprettet er en vej, hvor oversvømmelsesvandet er trukket sig tilbage.
Forskerholdet bekræftede modellens brug med højopløselige historiske data om vejoversvømmelser i Harris County under orkanen Harvey i 2017. Resultaterne viser, at modellen kan overvåge og forudsige udviklingen af oversvømmede veje over tid.
"Kraften ved denne tilgang er, at den tilbyder en enkel og kraftfuld matematisk tilgang og giver et stort potentiale til at støtte beredskabsledere, offentlige embedsmænd, beboere, førstehjælpere og andre beslutningstagere til oversvømmelsesprognoser i vejnet," sagde Mostafavi.
Den foreslåede model kan opnå en anstændig præcision og tilbagekaldelse for den rumlige spredning af de oversvømmede veje.
"Hvis du ser på oversvømmelsesovervågningssystemet i Harris County, kan det vise dig, om en kanal flyder over nu, men de er ikke i stand til at forudsige noget om de næste fire timer eller de næste otte timer. de eksisterende oversvømmelsesovervågningssystemer giver begrænset information om udbredelsen af oversvømmelser i vejnet og indvirkningerne på bymobilitet. Men vores modeller, og denne specifikke model for vejnettene, er robuste til at forudsige den fremtidige spredning af oversvømmelser," sagde han. "Ud over oversvømmelsesforudsigelse i bynetværk giver resultaterne af denne undersøgelse meget vigtig indsigt om universaliteten af netværksspredningsprocesserne på tværs af forskellige sociale, naturlige, fysiske og konstruerede systemer; dette er vigtigt for bedre modellering og styring af byer, som komplekse systemer."
Den eneste begrænsning for denne oversvømmelsesforudsigelsesmodel er, at den ikke kan identificere, hvor den indledende oversvømmelse vil begynde, men Mostafavi sagde, at der er andre mekanismer på plads, såsom sensorer på oversvømmelsesmålere, der kan løse dette.
"Så snart der er rapporteret oversvømmelser i disse områder, kan vi bruge vores model, som er meget enkel sammenlignet med hydrauliske og hydrologiske modeller, til at forudsige oversvømmelsernes udbredelse i fremtidige timer. Prognosen for vejoversvømmelser og mobilitetsforstyrrelser er afgørende for at informere beboerne om at undgå højrisikoveje og for at gøre det muligt for beredskabsledere og indsatspersonale at optimere nødhjælp og redning i berørte områder baseret på forudsagte oplysninger om vejadgang og mobilitet. Denne prognose kan være forskellen mellem liv og død under kriserespons, " sagde han.
Doktorand i civilingeniør og kandidatforsker Chao Fan ledede analysen og modelleringen af orkanen Harvey-data sammen med Xiangqi (Alex) Jiang, en kandidatstuderende i datalogi, som arbejder i Mostafavis UrbanResilience. AI Lab.
"Ved at udføre denne forskning indser jeg styrken af matematiske modeller til at løse tekniske problemer og udfordringer i den virkelige verden.
Denne forskning udvider mine forskningskapaciteter og vil have en langsigtet indvirkning på min karriere," sagde Fan. "Derudover er jeg også meget begejstret for, at min forskning kan bidrage til at reducere de negative virkninger af naturkatastrofer på infrastrukturtjenester."
