رایانه درخدمت آسیب دیدگان زلزله

شاید با دیدن عکسهای این صفحه از حضور زلزله در بخش رایانه تعجب کرده اید. اما این روزها دیگر زلزله به یکی از مسائل روزانه ما تبدیل شده و با علوم روز، عجین شده است؛ موضوعی که حتی صحبت از آن نیز با دلهره و نگرانی همراه است.

کد خبر: ۸۴۹۳۸

مسلما حس ترس از وقوع بلایا، در وجود هر انسانی با عقل سلیم وجود دارد؛ اما پس از تجربه تلخ زلزله بم ، نام زمین لرزه مردم ما را به یاد این حادثه اسفناک می اندازد و دل هر کس را با یادآوری خاطرات صحنه های پس از وقوع زلزله به درد می آورد.
خوشبختانه تلاش پیگیر پژوهشگران برای پیش بینی این بلای طبیعی منجر به ارائه روشهایی شده است که مهار این حادثه را در آینده ای نزدیک مژده می دهد. اما برخی دیگر از محققان نیز روی پایین آوردن تلفات و خسارات ناشی از زلزله مطالعاتی انجام داده اند که تا آن زمان می تواند ترسناک بودن آن را کاهش دهد.
مهندس محمد دانشور کاخکی ، کارشناس ارشد مهندسی صنایع و طراح سیستم های خبره و یادگیرنده پشتیبانی از تصمیم گیری به ارائه یک مدل ریاضی با قابلیت تبدیل شدن به نرم افزار برای تقسیم مناطق آسیب دیده از زلزله بین گروههای امداد پرداخته است که شرح مفصل آن را می خوانید.

هدف شما از طراحی مدل تقسیم بندی مناطق آسیب دیده از زلزله چیست؛
وقوع سوانح طبیعی همچون زلزله ، به بروز بحران های متفاوتی مانند بحران زنده یابی ، بحران توزیع کمکهای امدادی ، بحران های ناشی از حوادث ثانویه منجر می شود.
قبل از وقوع حوادث طبیعی باید برای برخورد با این بحران ها و کمینه کردن اثرات آنها آمادگی کافی را کسب کرد.متاسفانه به دلیل نبود روشهای مناسب تخصیص تیم های امداد و نجات در زمان وقوع زلزله ، آمار تلفات ناشی از زلزله بالاتر از حد معمول است.
بعنوان مثال ، بعد از زلزله بم همه تیم های امدادی در نقاط خاصی تجمع کرده بودند و به برخی مناطق ، که نیازمند حضور تیم های امداد و نجات بودند نیرویی تخصیص نیافته بود. لجستیک کمکهای امدادی نیز با مشکل مواجه بود.
در چند روز اول بعد از زلزله ، هیچ نظارتی بر نحوه تخصیص کمکها وجود نداشت ، در نتیجه به برخی مناطق امکانات و کمکهایی بیش از حد نیاز اولیه تخصیص یافت و برخی مناطق بدون امکانات اولیه چند روز اول پس از زلزله را سپری کردند. وقوع بحران ناشی از عدم تعادل میان عرضه و تقاضا است.
کمبود کمکهای امدادی پس از زلزله به بروز بحران منجر می شود. مدیریت بحران باید بتواند با استفاده کارا از حداقل امکانات بر بحران فائق شود.
ساعات اولیه پس از وقوع زلزله برای نجات زیر آوارماندگان حیاتی است. معمولا با گذشت سه روز از وقوع زلزله ، عمده افراد زیر آوار مانده در اثر خفگی و یا جراحات جان خود را از دست می دهند.
بنابراین تیمهای امداد و نجات فرصت کمی دارند تا عملیات زنده یابی را انجام دهند.
در برخی کشورها مانند ایتالیا و کانادا از سیستم های اطلاعاتی جغرافیایی برای یافتن مراکز تجمع جمعیت و تخصیص تیمهای امدادی استفاده می شود.
بررسی نشان داده است ، این روشهای تخصیص ، کارایی کافی ندارند و راه حل بهینه را در پیش روی مدیر بحران قرار نمی دهند.
هدف از طراحی مدل های پشتیبانی از تصمیم گیری مدیران بحران ، بیشینه ساختن استفاده از امکانات و به تبع آن ، نجات جان تعداد بیشتری از افراد است.

این مدل برای تقسیم بندی چه فاکتورهایی را در نظر می گیرد و ورودی های آن چه اطلاعاتی است؛
مدل طراحی شده با در نظر گرفتن بافت و موقعیت ساختمانها، مراکز تمرکز جمعیت ، وضعیت راه ها و امکان دسترسی به مناطق آسیب دیده مختلف ، زمان سپری شده از وقوع زلزله ، توانایی تیم های امداد و نجات ، زمان ورود تیمهای امدادی به منطقه و موقعیت ورود آنها به زمینه سازی برای تصمیم گیری مدیر بحران اقدام می کند.

آیا این داده ها از پیش تعیین شده و یا باید در زمان وقوع زلزله به مدل داده شود؛
لازم است بخشی از این داده ها مانند مراکز تجمعی جمعیت ، بافت و موقعیت ساختمان ها و نقشه راه ها و مسیرهای دسترسی از پیش تعیین شوند.
لازم است نقشه های مراکز تجمع جمعیت در ساعات مختلف شبانه روز برای هر منطقه ای که خطر وقوع زلزله آن را تهدید می کند تهیه شود. با توجه به ساعت وقوع زلزله ، مناطقی که جمعیت بیشتری در خود جای داده اند، اولویت بالاتری برای امدادرسانی دارند.
به عنوان مثال بازار تهران در طول روز یکی از مناطق پرتردد است ، در حالی که در شب جمعیت کمتری در آن حضور دارد.برخی اطلاعات هم در زمان وقوع زلزله جمع آوری می شوند.
وضعیت راه ها و شرایط دسترسی به مناطق مختلف وضعیت ثابتی ندارد و به صورت دینامیک تغییر می کند. به روز رسانی این داده ها به کمک عکسهای ماهواره ای و هوایی و همچنین بر اساس مشاهدات انجام شده توسط تیمهای شناسایی انجام می شود.

تقسیم بندی این مدل بر اساس اولویت های در نظر گرفته شده ، چه مزیت هایی نسبت به مدلهای موجود دارد؛
تاکنون مدل تصمیم گیری چند معیاره کاربردی برای تخصیص تیمهای امداد و نجات تهیه نشده است. استفاده از بانکهای اطلاعاتی موجود مبتنی بر سیستم های اطلاعات جغرافیایی مانند HASUSو سایر سیستم های اطلاعاتی مانند SUMAدر مدیریت بحران سودمند است ، اما این سیستم ها تنها حاوی داده های خام هستند و نمی توانند به تصمیم گیری کمک چندانی بکنند.
مدلهای موجود عمدتا مبتنی بر سیستم های اطلاعات جغرافیایی هستند که در یک زمان ، داده های فراوانی در اختیار مدیر بحران قرار می دهند.
استفاده از حجم انبوه داده ها در زمانی محدود و با توجه به تحت فشار بودن مدیر بحران ، نمی تواند کمک موثری به تصمیم گیری بنماید.
از طرف دیگر رویه موجود در تخصیص تیمهای امداد و نجات ، تخصیص تیمها به نزدیکترین محل ممکن است ؛ این تخصیص لزوما درست نیست و در صورت استفاده از مدلهای علمی ، می توان تعداد نجات یافتگان را افزایش داد.
برخی مدلها هم با توجه به معایب روشهای موجود تهیه شده اند. این مدلها اگرچه مشکلات مربوط به روشهای فعلی را ندارند، اما کاربرد آنها بسیار دشوار است ، زیرا تهیه داده های ورودی آنها در زمان محدود تقریبا نشدنی است.
مدل حاضر زمینه ساز تصمیم گیری و خروجی آن در قالب دستورالعمل هایی قابل اجراست. همچنین این مدل پاسخهایی بهینه ایجاد می کند که نتیجه آن بیشینه شدن تعداد نجات یافتگان بر اساس امکانات موجود است.

خروجی مدل شما شامل چه اطلاعاتی است؛
خروجی مدل ، دستور تخصیص هر تیم ورودی به محل عملیات از پیش تعیین شده برای آن تیم است.

آیا تعداد تیمهای امداد و نجات در این مدل ثابت است و یا می توان بر اساس تعداد نیروهای موجود از این مدل پاسخ گرفت؛
یکی از مزایای مدل طراحی شده ، دینامیک بودن آن است. این مدل می تواند با گذشت زمان خود را به روز کند و بر مبنای اطلاعات کسب شده ، تخصیص را به سمت بهبود سوق دهد. قبل از زلزله تعداد تیمهای امداد و نجات مشخص نیست.
این تیمها عمدتا پس از زلزله وارد منطقه می شوند و به مرور بر تعداد آنها افزوده می شود. مدل قادر است پویایی موجود در جریان ورودی تیمها را در نظر بگیرد.

آیا مدل طراحی شده یک مدل ریاضی است؛
مدل طراحی شده ، ترکیبی از روشهای مختلف هوش مصنوعی و مجموعه های فازی و مدلسازی ریاضی است.

کمی درباره خود مدل و چگونگی کارکرد آن برایمان توضیح دهید.
مبنای مدل طراحی شده ، یک سیستم خبره دانش محور است. سیستم های دانش محور ابزاری مناسب برای کمک به تصمیم گیری در زمان وقوع بحران هستند.
این سیستمها با استفاده از دانش موجود در سیستم به مدیر توانایی بیشتر از توانایی معمولش در حل مساله می دهند. سیستمهای خبره دسته ای شناخته شده از سیستم های دانش محور و شاخه ای از هوش مصنوعی AI کاربردی هستند.
ایده اصلی سیستم های خبره انتقال توانایی های فرد خبره به عنوان منبعی از دانش خاص به کامپیوتر است. این دانش در کامپیوتر ذخیره می شود و کاربران در صورت نیاز از کامپیوتر و منطق پشت آن برای دستیابی به استنتاج مدنظر خود یاری می گیرند.
مدل از 3بخش تشکیل شده است:بخش اول ، جمع آوری اطلاعات و تعیین قوانین است. قوانین عملکرد همگی قبل از زلزله تکمیل می شوند و بخشی از داده های مورد نیاز قبل از زلزله و بخشی از آن در زمان وقوع زلزله جمع آوری می شود.
بخش دوم ، شناسایی کوتاه ترین مسیرهای حرکت و زمان ناشی از آن است. با استفاده از زبان پرولوگ (یک زبان برنامه نویسی هوش مصنوعی) برنامه ای نوشته شده است که کمک می کند، کوتاه ترین مسیر دستیابی تیمهای امداد و نجات به مناطق نیازمند امداد و نجات مشخص شود.
در مواقعی که شبکه پیچیده ای از راهها وجود داشته باشد، تیم قادر است با دریافت نقشه حرکت خود، بهترین و سریع ترین راه را برای دستیابی به منطقه عملیاتی خود بیابد.
بخش سوم ، تخصیص تیمهای ورودی به مناطق مختلف است که با استفاده از یک مدل برنامه ریزی عدد صحیح انجام می شود. با استفاده از این مدل ریاضی ، می توان پاسخ های بهینه در جهت بیشینه کردن تعداد نجات یافتگان را شناسایی کرد. مشکلی که مدلهای ریاضی با آن مواجه هستند، لزوم استفاده از داده های ورودی کمی و دقیق است.
در شرایط زلزله به چنین داده هایی دسترسی وجود ندارد و عمده داده های ورودی را باید به کمک عباراتی همچون شدید، کم ، زیاد، خوب و بد بیان کرد. برای کمی ساختن چنین داده هایی از منطق فازی استفاده شده است.

آیا این مدل به نرم افزار هم تبدیل شده است؛
تکمیل داده های اولیه مورد نیاز برای مدل نیازمند صرف هزینه بالایی است. به این منظور، صحبتهای اولیه ای با وزارت کشور (ستاد مدیریت بحران) در زمینه پشتیبانی مالی از ادامه این تحقیق شده است و در صورت محقق شدن این پشتیبانی ، مدل به شکل نرم افزار درخواهد آمد تا در مناطق و شرایط مختلف قابل استفاده باشد.

آیا تا به حال مدل را در شرایط آزمایشی به اجرا درآورده اید؛
بله ، اجرای مدل به صورت آزمایشی و با استفاده از داده های ورودی اولیه برای چند منطقه عملیاتی فرضی انجام شده است.